データ分析・AI活用と新しいIT活用

全体像：データは「貯める→掘る→決める」

結論から言うと、このレッスンの用語はデータを貯める・掘る・判断や行動に使うという流れのどこにあたるかで整理できます。どの段階の話かが分かれば、選択肢の大半は消せます。

BI（ビジネスインテリジェンス）：最頻出

BIとは、業務システムなどに蓄積された社内外の大量のデータを集めて加工・分析し、経営の意思決定を速く的確にする手法や仕組みのことです。「業績評価」「経営戦略の策定」「意思決定の迅速化」と「蓄積データの分析」が同じ選択肢にあれば、それがBIです。

たとえるなら、店長がレジの記録を毎日集計して、曜日ごとの売れ筋から「来週は何をどれだけ仕入れるか」を決めるのがBIです。データは過去の記録で、目的は判断です。

試験では、別の経営手法やIT活用の説明が選択肢に並びます。次の表で区別しましょう。

データマイニングと分析手法の名前

データマイニングとは、大量のデータから人が気づかない有用な規則や関係を掘り出す手法です（mining＝採掘）。似た名前の用語と取り違えやすいので、役割で区別します。

データマイニングの代表例がマーケットバスケット分析です。POS（レジで販売の記録を取る仕組み）のデータから、「パンを買う人は牛乳も買うことが多い」のような一緒に買われる商品の組合せを見つけます。名前の由来は買い物かご（バスケット）の中身です。

「組合せ」という語だけでコンジョイント分析を選ばないよう注意します。買われた商品の組合せならマーケットバスケット分析、商品の属性の組合せに対する好みならコンジョイント分析です。

優良顧客を絞り込む分析表：クロス表を選ぶ

「最近いつ買ったか（期間）」と「いくら買ったか（金額）」の2つの条件で顧客数を見比べたいときは、片方を行、もう片方を列にしたクロス表（2つの軸の交わるマスに数値を入れる表）が最適です。行で期間、列で金額を見ると、どの条件で区切れば優良顧客が何人になるかを一目で比べられます。

選択肢には、同じ数字を縦に1行ずつ並べた一覧表（縦持ちの表）が混ざります。中身の数字は同じでも2軸で比べにくいので、選択基準を検討する表としては不適切です。下の例題で手順を確認しましょう。

ビッグデータ：構造化と活用の4段階

構造化データは表の行と列にきちんと収まるデータ（売上表など）、非構造化データは文章・画像・音声など決まった形のないデータ（SNSの口コミなど）です。ビッグデータ分析では、非構造化データを分析できる形（構造化データ）に加工する前処理が必要になります。

試験では「口コミを単語に分解・要約し、データベースに保管する」が正解でした。データベースからの抽出、匿名化、住所表記の統一は、もともと表になっているデータを扱う処理なのでひっかけです。

ビッグデータ活用は、次の4段階に分けて考えます。

見分けるコツは選択肢の文末の動詞です。「明らかにする」は第1段階、「原因を見つける」は第2段階、「推定する」は第3段階、「改良する・施策を打つ」は第4段階です。

AI活用とデータサイエンティスト

機械学習とは、蓄積したデータからコンピュータが規則を自分で学び、判断や予測をする技術です。AIを活用した事例を選ぶ問題では、「過去の履歴から最適な回答を自動で導き出す」が正解になります。マニュアルを画面に表示する、ベテランに転送する、研修をするといった選択肢は、学習を伴わない従来の方法です。

データサイエンティストは、ビッグデータから事業の価値を生み出す専門人材です。求められるスキルは次の3つの領域に分けられます。

「設計・構築・実装」とあればエンジニアリング力、「モデル・統計手法」とあればサイエンス力、「事業・課題」とあればビジネス力です。

クロステック

**クロステック（X-Tech）**とは、既存の産業に最先端のITを組み合わせ、新しい価値やサービスを生み出す取組みです。金融と組み合わせればFinTech（フィンテック）、教育ならEdTech（エドテック）のように、「〇〇×Tech」がすべてクロステックにあたります。