情報セキュリティマネジメント 2017年 秋期 午前（科目A） 問46

パターン発見重視【情報セキュリティマネジメント解説】

正解の理由

解法ステップ

1. 問題文のキーワード「Volume・Variety・Velocity（3V）」が示す意味を確認する（データ量・多様性・速度が増大）。
2. 3Vの増大がデータ処理にどう影響するかを考える（全件処理・並列処理・パターン抽出が重要になる）。
3. 各選択肢がその変化を説明しているかと照らし合わせる。
4. 「大量データからパターン発見」を示す エ を選ぶ。

選択肢別の誤答解説

• ア: 「コストとスピードを犠牲にして因果に注ぐ」は逆の発想です。大量データ時代ではむしろスピードやコスト効率を重視し、機械的にパターンを見つける手法が増えます。因果関係が必要な場合は別途設計された実験（例：A/Bテスト）が用いられます。
• イ: 「無作為抽出で予測精度を高める」は必ずしも当てはまりません。無作為抽出（サンプリング）は処理負荷を下げる手段ですが、ビッグデータの利点は全体を活かして希少なパターンを見つける点にあります。サンプリングで希少事象を見逃すことがあります。
• ウ: 「データクレンジング（データの正確さを高めること）に注力」は一部正しい面があるものの、ビッグデータ時代にはノイズを許容する手法や、スケーラブルな前処理を用いることが多く、クレンジングだけが中心にはなりません。つまり重要だが唯一の変化点ではありません。
• エ: 「膨大なデータを処理してパターンを発見」――ビッグデータの特徴と処理方針の変化を最も正確に表しています。よって本文の意図に合致します。

よくある誤解

1. 「相関は因果だ」：データから見つかる相関（correlation：一緒に動く関係）は、必ずしも因果（causation：原因と結果の関係）を意味しません。業務で判断を下す際は、必要なら因果を確かめる追加の実験が必要です。
2. 「クレンジングが不要になる」：大量データではノイズ耐性のある手法が使われますが、個人情報や重要な指標を扱うときはデータ品質管理や匿名化が必須です。
3. 「常に全件処理すればよい」：全件処理はコストや時間がかかります。用途に応じてサンプリング、ストリーム処理、バッチ処理を使い分けます。

補足コラム

• 機械学習（machine learning：データから規則や予測モデルを学ぶ技術）は、ビッグデータと相性が良く、膨大なデータからパターンや予測モデルを自動的に作ります。たとえば不正検知では、過去の膨大な取引データから「異常な振る舞い」のパターンを学びます。
• 分散処理技術の例として、Hadoop（ハドゥープ：大規模データ処理の分散フレームワーク）や MapReduce（マップリデュース：データを分割して並列処理する手法）があります。これらにより大量データを効率よく処理できます。
• 職場での運用イメージ：最初に「何を予測・発見したいか」を明確にします（例：顧客離脱予測、不正行為の検出）。次に必要なログやデータを収集・保存し、簡単な分析で仮説を検証します。結果に基づき、可視化ダッシュボードやアラートを作る流れが一般的です。
• 個人情報を扱う場合は、収集目的・保存期間・アクセス制御などのルールを整備し、匿名化や暗号化で保護します。

FAQ