基本情報技術者 2012年 春期 午前（科目A） 問64
問題文
企業が保有する顧客や市場などの膨大なデータから、有用な情報や関係を見つけ出す手法はどれか。
選択肢
ア：データウェアハウス
イ：データディクショナリ
ウ：データフローダイアグラム
エ：データマイニング（正解）
🔒 解説は解答すると表示されます
データマイニング【午前解説】
正解の理由
正解は エ データマイニング です。問題文の「膨大なデータから有用な情報や関係を見つけ出す」という目的は、まさにデータマイニング（大量データからパターン、ルール、予測モデルを抽出する手法）を指します。データマイニングは統計的手法や機械学習アルゴリズムを利用して、データの中に潜む相関や規則性、クラス分類やクラスタリングなどを発見します。
解法ステップ
- 問題文でキーワードを確認：「膨大なデータ」「有用な情報や関係を見つけ出す」を抽出する。
- 各選択肢の定義を思い出す：データウェアハウス（格納基盤）、データディクショナリ（メタデータ）、データフローダイアグラム（設計図）、データマイニング（解析手法）。
- キーワードと定義を照合して最も合致するものを選ぶ（解析・発見を行うのはデータマイニング）。
- 誤答候補は「格納・設計・辞書」に該当するものとして除外する。
選択肢別の誤答解説
- ア: データウェアハウス
- 誤り。大量データの格納、統合、履歴管理を行う基盤であり、情報発見の手法そのものではありません。データマイニングの入力先として用いられることが多いです。
- イ: データディクショナリ
- 誤り。データ項目の定義やメタ情報を管理する辞書であり、分析やパターン発見の機能はありません。
- ウ: データフローダイアグラム
- 誤り。システムやプロセス間のデータの流れを図示する設計図であり、データ解析手法ではありません。
- エ: データマイニング
- 正解。大量データから相関、クラスタ、規則、予測モデルなど有用な知見を抽出する手法で、問題文の要請に合致します。
よくある誤解
- データウェアハウスと混同する誤解：データウェアハウスはデータを格納・統合する仕組みであり、分析そのものを指すわけではありません。
- データマイニング＝単なる集計・SQLの誤認：集計だけでは発見できない複雑なパターンや予測モデルを生成する点が異なります。
- データフロー図や辞書と同一視する誤り：これらは設計やメタデータ管理の道具であり、データ解析手法ではありません。
補足コラム
データマイニングには代表的な技術として、分類（Decision Tree、Random Forest、SVM）、回帰、クラスタリング（k-means、階層クラスタリング）、アソシエーション分析（Apriori）、異常検知（Isolation Forest）などがあります。ワークフローは一般に「データ収集→前処理（欠損・外れ値処理）→特徴量作成→モデル構築→評価→運用」ですが、データウェアハウスやETLは前段のデータ整備で重要な役割を果たします。実務ではデータ品質や過学習の管理、解釈可能性の担保が重要です。
FAQ
Q: データマイニングと機械学習は同じですか？
A: 完全に同義ではありませんが重複します。機械学習はアルゴリズム群、データマイニングはそれらを含む「データから知見を引き出す活動全体」を指すことが多いです。
A: 完全に同義ではありませんが重複します。機械学習はアルゴリズム群、データマイニングはそれらを含む「データから知見を引き出す活動全体」を指すことが多いです。
Q: データウェアハウスがあればデータマイニングは不要ですか？
A: 不要にはなりません。データウェアハウスは分析のためのデータ基盤であり、実際の知見抽出はデータマイニング等の分析プロセスで行います。
A: 不要にはなりません。データウェアハウスは分析のためのデータ基盤であり、実際の知見抽出はデータマイニング等の分析プロセスで行います。
Q: 小規模データでもデータマイニングは有効ですか？
A: 手法によりますが、パターン発見や予測はデータ量に依存するため、小規模では統計的に有意な結果が出にくい場合があります。前処理と適切な手法選択が重要です。
A: 手法によりますが、パターン発見や予測はデータ量に依存するため、小規模では統計的に有意な結果が出にくい場合があります。前処理と適切な手法選択が重要です。
関連キーワード: データマイニング、アソシエーション分析、クラスタリング、分類、異常検知、機械学習、ETL、データウェアハウス、特徴量エンジニアリング
\ せっかくなら /
基本情報技術者を
クイズ形式で学習しませんか？
クイズ画面へ遷移する→
すぐに利用可能！