DXビジネス検定　④ データ分析

正解：A．構造化データだけでなく、非構造化データや時系列データなども含まれる

データサイエンスは、構造化データだけでなく非構造化データや時系列データなど多様なデータソースからの情報を収集・整理する。

正解：B．車両データや交通量のデータを基に、最適なルートの提案や混雑予測を行う

交通分野では、車両データや交通量のデータを基に最適なルート提案や混雑予測を行うことで、サービスの最適化や運行コストの削減が期待される。

正解：C．データの収集と整理が完了すれば自動的に価値が生まれるため、結果の解釈は行わない

データサイエンスは結果の可視化や解釈にも重点を置き、結果を人に伝えるためのコミュニケーション能力も重要な役割となる。

正解：D．組織全体でのデータの品質や安全性を確保し、適切に利用してビジネス価値を最大化すること

データガバナンスは、データの品質や安全性を確保するとともに、データを適切に利用してビジネス価値を最大化することを目的とする。

正解：A．製品設計や品質管理のデータを統一基準で管理し、製造プロセスの最適化や製品開発を加速させる

製造業では、製品データや生産データの管理基準を策定することで、高品質な製品の生産や効率的な生産ラインの構築が可能となる。

正解：B．データの保護のみを目的としており、データをビジネスに利用することは一切考慮されない

データガバナンスはデータの品質や安全性を確保するだけでなく、データを適切に利用してビジネス価値を最大化することも目的としている。

正解：C．データの収集、保管、分析、利用を通じて価値を生み出すビジネスモデルである

データビジネスは、データの収集、保管、分析、利用を通じて価値を生み出すビジネスモデルを指す。

正解：D．スマートメーターからのデータを利用して、エネルギー消費の最適化を実施する

エネルギー分野では、スマートメーターからのデータを利用してエネルギー消費の最適化を実施し、無駄の削減と環境対応を実現する。

正解：A．顧客対応などの業務にはデータは活用されず、製品開発の段階でのみ活用される

データの活用範囲は非常に広く、マーケティングから製品開発、顧客対応まで多岐にわたる業務で活用される。

正解：B．Velocity（速度）、Volume（容量）、Variety（多様性）

ビッグデータの特徴は3V、すなわち速度（Velocity）、容量（Volume）、多様性（Variety）にある。

正解：C．土壌のデータや気象情報を分析し、最適な栽培方法を提案する

農業では、土壌のデータや気象情報を分析し最適な栽培方法を提案することで、収穫量の増加や品質向上、リスク低減を実現する。

正解：D．従来のデータベースやデータ処理ツールで容易に扱いきれる程度の小規模なデータセットである

ビッグデータは、従来のデータベースや処理ツールでは扱いきれないほどの大量のデータセットを指す。

正解：A．テキスト、画像、動画、音声、ソーシャルメディアの投稿など

非構造化データとは、テキスト、画像、動画、音声、ソーシャルメディアの投稿、IoTセンサーデータなど、特定の形式を持たないデータを指す。

正解：B．オンラインレビューを分析して、商品の評価や改善点を特定する

小売業では、顧客からのオンラインレビューなどの非構造化データを分析し、商品の評価や改善点を特定して品質向上に役立てる。

正解：C．固定された構造であるため、取り扱いや分析に専用の技術やツールは一切不要である

非構造化データは固定された構造ではないため、多様性と複雑性があり、取り扱いや分析には専用の技術やツールが必要となる。

正解：D．新たなサーバーや機器を追加することでシステムの処理能力を拡張する手法

スケールアウトは、システムの処理能力を増強するために新たなサーバーや機器を追加する手法である。

正解：A．既存のサーバーやハードウェアの性能を向上させる手法であり、一つの機器の性能に上限がある

スケールアップは既存のリソースの性能を向上させる手法だが、一つの機器の性能に上限があるため一定以上の拡張は困難である。

正解：B．スケールアウトとスケールイン

クラウドサービスでは、需要に応じてリソースを追加するスケールアウトや、減らすスケールインを活用し、可用性と効率を高める。

正解：C．スケールアウトは既存のリソースを最大限に活用し、1台のサーバー性能の限界を超えることはない

既存のリソースを最大限に活用し、1台の機器の性能に上限があるのは「スケールアップ」の特徴である。

正解：D．複数のコンピューター（またはサーバー）を使って、大量のデータやタスクを同時に処理する技術

並列分散処理は、複数のコンピューターを使って、大量のデータやタスクを同時に処理する技術を指す。

正解：A．顧客の購買データや商品在庫データをリアルタイムに分析し、需要予測や在庫最適化を行う

小売業では、顧客の購買データや商品在庫データを並列分散処理でリアルタイムに分析し、需要予測や在庫最適化を行う。

正解：B．適切なデータの分割方法などの設計は不要であり、知識がなくても容易に実装できる

並列分散処理を効果的に活用するためには、適切なデータの分割や処理の分散方法を選択する必要があり、設計や実装には高度な知識や経験が求められる。

正解：C．純粋なバイナリコード（0と1の羅列）

データ可視化は、テキストや数字だけでは伝わりにくい情報を棒グラフ、折れ線グラフ、ヒートマップ、地図などの視覚的な形式で表現する。

正解：D．工場の生産ラインごとの稼働状況や品質データをダッシュボードで一覧表示し、問題点を迅速に特定する

製造業では、生産ラインの稼働状況や品質データをダッシュボードで可視化し、生産過程のボトルネックや問題点を迅速に特定する。

正解：A．人間の脳は視覚的な情報の処理が苦手なため、口頭やテキストだけの説明よりも理解が遅れる

人間の脳は視覚的な情報の処理に優れており、視覚的な表現を併用することで相手に情報を的確に伝えることが可能となる。

正解：B．企業内外のデータを効果的に収集・分析・表示し、ビジネスの意思決定をサポートする

BIは、企業内外の様々なデータを効果的に収集、分析、表示し、ビジネスの意思決定をサポートするための技術や手法の総称である。

正解：C．患者の治療データや医薬品の使用データを分析し、効果的な治療法の選択や適切な使用を促進する

医療業界では、患者の治療データや医薬品の使用データをBIで分析し、効果的な治療法の選択や医薬品の適切な使用促進を図る。

正解：D．データを視覚的に表現する機能は一切なく、数値の羅列のみを出力する

BIツールはデータを視覚的に表現することが可能であり、ダッシュボードやレポートを通じて分かりやすく伝えることができる。

正解：A．人間の手作業によるデータ分析にかかる時間と、分析が正しく行われないというリスク

データ分析の自動化は、人間の手作業による分析にかかる時間や、分析が正しく行われないリスクといった課題を解決するために利用される。

正解：B．取引データの自動分析を通じて、異常な取引や不正行為をリアルタイムで検知する

金融業では、取引データの自動分析を通じて異常な取引や不正行為をリアルタイムで検知し、早期発見とリスク軽減を行う。

正解：C．完全に1回限りの使い捨ての仕組みであり、継続的な分析業務には一切適用できない

データ分析の自動化は、一度設定すれば継続的にデータ分析を行うことができるため、定常的な分析やデータが必要な業務に有効である。

正解：D．複雑で大量のデータから有用な情報や隠れたパターンを抽出すること

データマイニングは、複雑で大量のデータから有用な情報や隠れたパターンを抽出するプロセスのことである。

正解：A．工場の機械データや生産データをマイニングし、生産効率の向上や故障の予測を行う

製造業では、工場の機械データや生産データをマイニングし、生産効率の向上や故障の予測を行うことでコスト削減などを実現する。

正解：B．特定のキーワードによる単純な検索機能のことであり、未知のパターンを発見する能力はない

データマイニングの目的は単にデータを集めたり検索したりすることではなく、データから新しい知見や未知のパターンを発見することにある。

正解：C．さまざまなデータソースからのデータを原形のまま、加工されずに格納するストレージシステム

データレイクは、さまざまなデータソースからのデータを原形のまま、加工されずに格納するためのストレージシステムである。

正解：D．運送データや輸送履歴を集約し、最適な輸送ルートや時間帯を提案する

物流業界では、運送データや輸送履歴をデータレイクで集約し、最適な輸送ルートや時間帯を提案することで配送効率の向上を実現する。

正解：A．格納されるデータはすべて特定の目的のために事前に厳密にクレンジングされている

データレイクは、データを原形のまま、加工されずに格納することが特徴であり、事前に厳密にクレンジングされているわけではない。

正解：B．企業が保有する膨大な量のデータを一元的に統合・整理し、高速に取得・分析できるよう設計されたデータの格納庫

データウェアハウスは、データを一元的に統合・整理し、高速に情報を取得・分析できるよう設計されたデータの格納庫である。

正解：C．過去のデータを基に次の四半期の売上を予測したり、顧客の購買パターンを分析したりする

データウェアハウスのデータは、ビジネスアナリストや経営層が売上のトレンド分析や顧客の購買パターンの予測など、意思決定のために利用する。

正解：D．データウェアハウスは非構造化データを一切加工せずに保存するのに対し、データレイクは厳密なテーブル形式のみを許容する

非構造化データを含む様々なデータをそのまま格納するのはデータレイクであり、構造化して格納するのがデータウェアハウスである。

正解：A．特定のビジネス領域や部門に特化した情報を提供するためのデータベース群

データマートは、データウェアハウスのサブセットとして、特定のビジネス領域や部門に特化した情報を提供するためのデータベース群である。

正解：B．マーケティング部門が商品別の売上データを集約し、効果的なマーケティング戦略を策定する

マーケティング部門は商品別の売上データや顧客属性データをデータマートに集約し、効果的なマーケティング戦略の策定に活用する。

正解：C．組織全体の全データを無差別に集め、特定部門の色を一切排除した汎用的なものである

データマートは、組織全体ではなく特定のビジネス領域や部門のニーズに合わせて設計・構築されるものである。

正解：D．データベース内の不完全なデータや重複データなどを修正・除去し、データの品質を高めること

データクレンジングは、不完全なデータや重複データを修正・除去・補完し、データの信頼性や一貫性を確保して品質を高めるプロセスである。

正解：A．顧客データベースの住所や電話番号の誤記を修正し、正確な商品の配送が可能になる

オンラインショッピングでは、住所や電話番号などの情報をクレンジングすることで正確な商品の配送が可能になり、顧客満足度が向上する。

正解：B．架空の顧客データを自動生成してデータ量を水増しすること

データクレンジングで行われるのはデータの検証、修正、除去、補完などであり、架空のデータを捏造する作業ではない。

正解：C．抽出（Extract）、変換（Transform）、ロード（Load）

ETLツールは、データを移動させる際に、抽出（Extract）、変換（Transform）、ロード（Load）の3つのステップを行う。

正解：D．データのクレンジング、データタイプの変更、データの結合や分割などを行うこと

「変換」のプロセスでは、ビジネスのニーズに合わせてデータを整形・変更し、クレンジングやデータの結合・分割などを行う。

正解：A．一度ロードしたデータは二度と検索や分析ができなくなる完全なブラックボックスである

ETLツールはデータウェアハウス等にデータを格納し、その後の分析や意思決定をサポートするためのものであり、検索できなくなるわけではない。

正解：B．新しい視点や特定の疑問に対する迅速なスポット的なデータ分析を可能にする

アドホック分析は、特定の問題や疑問に対するスポット的なデータ分析手法であり、新しい視点や仮説に基づく迅速な意思決定を可能にする。

正解：C．行と列で構成されるテーブル形式

RDBは、データを行と列で構成されるテーブル形式で管理・保管するデータベースである。

正解：D．生産プロセスのデータを蓄積し、品質管理や生産効率の分析に用いる

製造業では、RDBに生産プロセスのデータを蓄積し、生産工程のボトルネックを特定して生産効率を向上させることなどに用いられる。

正解：A．トランザクション管理機能を持たないため、複数人が同時にアクセスするとデータが必ず破損する

RDBはトランザクション管理機能を備えており、多数のユーザーが同時にデータ操作を行ってもデータの整合性が維持される。

正解：B．SELECT

「SELECT」はデータベースのテーブルからデータを参照するための抽出・取得を行う命令である。

正解：C．INSERT

「INSERT」はデータベースのテーブルに新たなデータを挿入するための命令である。

正解：D．顧客購買履歴の分析によるプロモーション展開や、在庫レベルの監視によるコスト削減などが可能になる

SQLを用いてデータ分析を行うことで、顧客ニーズに合わせたプロモーション展開や、在庫監視によるコスト削減と最適化が可能になる。

正解：A．一部の天才的なプログラマーしか理解できない難解な言語体系であり、非技術者には一切操作不可能である

SQLは分かりやすい言語体系であるため、非技術者でも比較的容易にデータの操作や分析を行うことができる。

正解：B．スキーマレスであり、固定されたデータ構造を必要とせず柔軟な格納が可能である

NoSQLはスキーマレスであることが特徴であり、固定されたデータ構造を必要とせず、柔軟なデータの格納と取得が可能である。

正解：C．多数のプレイヤーデータや頻繁に変わるゲームの状態を迅速に分析・管理し、ユーザー体験を向上させる

ゲーム業界ではNoSQLを使用して多数のプレイヤーデータやゲームの状態を管理し、迅速な分析によりゲーム内のユーザー体験を向上させる。

正解：D．データベースを構築する際、必ず事前の厳密なスキーマ（データ構造）定義が必須となる

NoSQLは「スキーマレス」であり、事前の厳密なデータ構造（スキーマ）定義を必要としないのが特徴である。

正解：A．2つ以上のテーブルから情報を結びつけて関連するデータをまとめて取得すること

データの結合（JOIN）は、2つ以上のテーブルから情報を結びつけて取得するための操作であり、関連するデータをまとめて抽出できる。

正解：B．小売業で顧客情報と購買履歴データを結合し、ターゲットマーケティング戦略を最適化する

小売業者が顧客の購買履歴データと属性データなどをJOINで結合することで、顧客行動を深く理解しマーケティングを最適化できる。

正解：C．JOINをどれだけ複雑に多用しても、システムの処理パフォーマンスが低下することは絶対にない

JOINは適切に使用しないと処理パフォーマンスの低下を招くことがあるため、データベース設計には注意が必要である。

正解：D．データセットの中の特定の属性や基準に基づいて、類似したデータをまとめること

データのグルーピングは、特定の属性や基準に基づいて類似したデータをまとめるプロセスであり、効率的な情報把握を可能にする。

正解：A．顧客の取引履歴や資産データを基に異なるリスクグループに分類し、リスクに応じた金融商品を提供する

金融業界では、顧客のリスクプロファイルをグルーピングし、リスクに応じた商品を提供することでリスク管理の効率化を図る。

正解：B．大量のデータが存在する場合、グルーピングを行わず一つ一つ個別に分析する方が効率的である

大量のデータが存在する場合、一つ一つ個別に分析するのは非効率的であるため、類似データをまとめるグルーピングが有効である。

正解：C．大量のデータセットの中から類似性を見つけ出し、自動的にグループ化する手法

データのクラスタリングは、大量のデータセットの中から類似性を見つけ出し、自動的にグループ化する手法である。

正解：D．購入履歴や顧客の属性から類似する消費者グループを見つけ出し、新しい顧客セグメントを作成する

マーケティングでは、購入履歴等から消費者のセグメントを作成（クラスタリング）し、効果的な商品提案を行うことが可能となる。

正解：A．あらかじめ設定された既存のラベルや分類ルールに完全に依存して振り分けるだけの処理である

クラスタリングはラベルに依存せず、データの類似性に着目して自動的にグループ化を行うため、未知の分類を発見できる。

正解：B．-1 から 1

相関係数は -1 から 1 の範囲で、1に近ければ正の相関、-1に近ければ負の相関、0に近ければ無相関と解釈される。

正解：C．ある変数が増加すると、もう一つの変数も増加する関係

正の相関は、ある変数が増加するともう一つの変数も増加する関係を指す。

正解：D．広告支出と売上の関連性を相関係数を用いて評価し、広告予算の最適化を図る

相関分析の活用例として、広告支出と売上の関連性を分析し、広告の効果を評価して予算最適化や戦略見直しを行うことが挙げられる。

正解：A．相関分析で高い相関係数が出た場合、それは2つの変数間に明確な「因果関係」があることを証明している

相関分析は変数間の関連性を示すものであり、直接的な因果関係（どちらかが原因でどちらかが結果であること）を示すものではない。

正解：B．2つの変数が関連しているように見えるが、実際には第三の要因によるものか偶然の一致である現象

疑似相関は、2つの変数が関連しているように見えるが、実際には他の要因に起因しているか偶然の一致である現象を指す。

正解：C．ある部品の供給量と製品不良率の間に見られる相関が、偶然の一致か実際の品質問題によるものか識別し、適切な対策を打つため

製造業では、材料や部品の使用量と不良率の相関が偶然か実際の品質問題かを識別し、疑似相関を排除することで品質管理を強化する。

正解：D．相関係数の計算式自体が間違っているために発生する単なる計算ミスのことである

疑似相関は計算ミスではなく、正しい計算結果であってもその背景にある「実際の原因と結果の関係」の解釈が誤っている状態を指す。

正解：A．独立変数が従属変数にどのように影響を及ぼすかを解析し、具体的な予測や推測を行うこと

回帰分析は、独立変数が従属変数にどう影響するかを解析し、変数の値が変わった場合の予測を得るために使われる。

正解：B．広告の種類や予算の変動と売上の関係を分析し、最適な広告戦略を策定する

広告業では、広告の種類や予算の変動と売上の関係を回帰分析し、最適な広告戦略を策定してROIの向上などを目指す。

正解：C．数値データは一切使用せず、担当者の勘と経験のみを定性的にまとめる手法である

回帰分析は、変数間の関係性を数学的モデル（数値や式）によって明示し、予測や推測を行う手法である。

正解：D．顧客が同時に購入する商品の関連性や組み合わせを購買データから調査・分析すること

バスケット分析は、購買データを基に顧客が同時に購入する商品の関連性や組み合わせを調査・分析する手法である。

正解：A．ある商品と共に購入される傾向のある商品の配置を見直し、店舗のレイアウトを最適化する

小売業界では、特定の商品が一緒に購入される傾向を発見し、店舗レイアウトを最適化して関連商品のプロモーションを行う。

正解：B．同時に購入された商品データは使わず、単一商品の販売総数ランキングのみを作成する手法である

バスケット分析は単一商品のランキングではなく、顧客が「同時に購入する商品の組み合わせや関連性」を分析する手法である。

正解：C．現実の状況や現象をコンピューター上で再現・模倣し、仮想的な状況下での結果を評価する技術

シミュレーションは、特定の現実の状況や現象をコンピューター上で再現・模倣し、実際に行動を起こす前に仮想環境で結果を評価する技術である。

正解：D．トラックの配送ルートや運行スケジュールを仮想環境で試算し、最適な物流体制を構築する

物流業界では、トラックの配送ルートや運行スケジュールをシミュレーションして最適化することで、コスト削減や納期遵守率の向上を図る。