ITパスポート 2009年 秋期 問04

データマイニングの応用分野【ITパスポート 解説】

正解の理由

• データマイニング（Data mining：大量の生データから有用な規則やパターンを見つけ出す技術）は、顧客の過去の購買履歴や閲覧履歴から「どの顧客にどの商品を薦めると効果的か」を自動で導き出すのに最も適しています。
• 推薦（レコメンデーション）では、協調フィルタリング（collaborative filtering：似た行動をする顧客同士を見つけて推薦を行う手法）やアソシエーション分析（association rule：一緒に買われやすい商品の組み合わせを見つける手法）など、データマイニングの代表的手法がよく使われます。
• したがって「顧客に応じた商品の推薦」が最も適切です。

解法ステップ

1. 問題文での「データマイニング」の定義を確認する。
   • 「大量の生データ」「統計やパターン認識を用いる」「認識されていなかった規則性や関係性を導き出す技術」
2. 各選択肢を「データから新しい規則やパターンを見つけるか」で判断する。
   • 推薦は顧客行動のパターン発見が必要 → データマイニング向き。
   • 集計や単純抽出、機械の割当ては他の手法や単純処理で済む場合が多い。
3. 最もデータマイニングの適用例に合致する選択肢を選ぶ → ア。

選択肢別の誤答解説

• ア: 顧客に応じた商品の推薦
  • 正解。顧客ごとの行動パターンや関連性を見つけて個別に提案するため、データマイニングの典型的応用です。
• イ: 生産計画に基づく製造機械の割当て
  • 誤り。これは生産計画やスケジューリング、最適化（オペレーションズリサーチ）の領域です。数理最適化やヒューリスティックスが中心で、必ずしもデータマイニング（規則発見）が要件ではありません。
• ウ: 店舗別商品カテゴリ別の売上高の集計
  • 誤り。これは集計や集約（レポーティング、OLAP：Online Analytical Processing）です。既存データを整理して表示する作業で、「新しい規則を発見する」データマイニングとは目的が異なります。
• エ: 累計購買金額による優良顧客の抽出
  • 誤り（注意点あり）。単に累計購入金額で上位を抽出するのは条件に基づく抽出で、データマイニングというより集計・条件検索です。もっと高度に「将来の優良顧客を予測する」「顧客クラスタから隠れた特性を見つける」ならデータマイニングの範囲になりますが、設問の文面では単純抽出を示しているため不適切です。

よくある誤解

1. 「データマイニング＝単なる集計」
   • 集計（例：売上合計）とデータマイニング（例：購買パターンや関連性の発見）は目的が違います。集計は既知の問いに答える作業、データマイニングは未知の関係を見つける作業です。
2. 「データマイニングは大量のデータがあれば自動的に良い結果が出る」
   • 前処理（データの整理・欠損処理・特徴抽出）が重要で、質の悪いデータでは誤った規則が出ます。
3. 「簡単なルール抽出もデータマイニング」
   • 閾値で単純に抽出するだけ（例：累計金額で上位抽出）はデータマイニングとは呼ばれにくいです。パターン発見や予測モデル構築が本来の範囲です。

補足コラム

• 代表的なデータマイニング手法（簡単解説）
  • アソシエーション分析（association rule）：何が一緒に買われやすいかを見つける。例：「パンを買う人は牛乳も買う傾向が強い」。マーケットバスケット分析とも呼ばれます。
  • クラスタリング（clustering：群分け）：似た行動や特徴をもつ顧客をグループ化する。顧客セグメント作りに活用。
  • 分類（classification）：過去データからルールを学習し、未知データのラベル（例：購入する/しない）を予測する。
  • 協調フィルタリング（collaborative filtering）：似た好みのユーザを見つけ、そのユーザが高評価した商品を推薦する手法。
• 実務での例：ECサイトの「あなたへのおすすめ」は多くがデータマイニング（協調フィルタリングやアソシエーション分析）で作られています。
• データマイニングの前に必要なこと：データ収集、クリーニング（不要データの削除や欠損値処理）、特徴量設計（どの情報を使うか）など。

FAQ