情報セキュリティマネジメント 2017年 春期 午前（科目A） 問45

データマイニング【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を確認：「大量のデータ」「傾向やパターン」「統計学的手法」など。
2. 各選択肢の役割を思い出す：
   • データの「解析（知見抽出）」に当たるもの＝データマイニング。
   • 「保存」「辞書」「データの説明」は解析そのものではない。
3. 上の対応で、解析を示す選択肢ウを正解と判断する。

選択肢別の誤答解説

• ア: データウェアハウス（DWH：分析用に整理・統合された大量データの貯蔵庫）
  → データを保存・統合する役割であり、解析そのもの（知見抽出）ではありません。データマイニングはしばしばDWHのデータを使って行います。
• イ: データディクショナリ（データの項目名・意味を記した辞書）
  → データ項目の定義や仕様を管理するもので、傾向発見のプロセスではありません。
• ウ: データマイニング
  → 大量データから統計や機械学習で新知見を抽出するプロセス。問題文の説明に一致します。
• エ: メタデータ（データについてのデータ。例：作成日時、所有者、データ型）
  → データ自体の説明情報であり、解析してパターンを見つける行為ではありません。

よくある誤解

1. 「データマイニング＝データの保存」
   → 保存（データウェアハウス）と解析（データマイニング）は別工程です。保存は前段階、解析が本当の知見抽出部分です。
2. 「データマイニングはAIが全部やってくれる」
   → 自動化は進んでいますが、適切な前処理、変数選定、結果の解釈は人間の判断（業務知識）が重要です。
3. 「たくさんのデータがあれば何でも分かる」
   → データ量だけでなく、質（誤り、偏り、欠損）や目的に合った設計が必要です。誤ったデータで誤った結論を導くリスクがあります。

補足コラム

• 実務での流れ（簡潔）
  1. データ収集（DWHやログ）
  2. 前処理（欠損補完、正規化、ETL：Extract/Transform/Load＝抽出・変換・格納）
  3. 分析モデリング（統計・機械学習）
  4. 評価と業務適用（モデルの妥当性確認・運用）
• 利用例の身近な例
  • 顧客の購買履歴から「類似顧客グループ」を見つけ、販促を最適化する（顧客セグメンテーション）。
  • 取引データから不正なパターンを検出して不正検知に使う。
• セキュリティ・プライバシー面の注意
  個人情報が含まれる場合は匿名化や法令（個人情報保護法等）遵守が必要です。分析結果の取り扱いや外部提供にも注意します。

FAQ