解析かいせき

解析かいせき（かいせき、（英えい: Analytics）はデータの有意ゆういな規則きそく性せいを発見はっけんする活動かつどうである。 記録きろく情報じょうほうが豊富ほうふであれば有効ゆうこう性せいが増まし、統計とうけい学がく、プログラミング (コンピュータ)、オペレーションズリサーチ、可視かし化か技術ぎじゅつが役立やくだつ。

一般いっぱん的てきに企業きぎょうは経営けいえい関連かんれんデータの表現ひょうげん、予測よそく、経営けいえい力りょくの向上こうじょう目的もくてきで使用しようする。 競技きょうぎ場じょう運営うんえいを具体ぐたい例れいとすると、企業きぎょう意思いし決定けってい管理かんり、小売こうり分析ぶんせき、店舗てんぽの品しな揃そろえや単品たんぴん管理かんりの最適さいてき化か、マーケティングの最適さいてき化かおよび混合こんごうマーケティング分析ぶんせき、ウェブ分析ぶんせき、販売はんばい力りょくの最適さいてき化か、価格かかく設定せっていや宣伝せんでん効果こうか検証けんしょう、予測よそく術じゅつ、信用しんようリスク分析ぶんせき、詐欺さぎ分析ぶんせきなどが挙あげられる。 膨大ぼうだいな計算けいさんが必要ひつようとなり（ビッグデータ参照さんしょう）、分析ぶんせき用ようのアルゴリズムやソフトウェアは情報じょうほう工学こうがくや数学すうがくの最新さいしん理論りろんを活用かつようしている。

例れい

マーケティング最適さいてき化か

マーケティングは、高度こうどなデータ駆動くどう型がたの過程かていを創造そうぞう的てきに発展はってんさせてきた。 販促はんそく支援しえん活動かつどうにおけるキャンペーンや試行錯誤しこうさくごの成果せいかの判断はんだんや、投資とうし対象たいしょうや消費しょうひ者しゃターゲティングのための意思いし決定けっていを導みちびくために解析かいせきが用もちいられている。 人口じんこう統計とうけい学がく研究けんきゅう、顧客こきゃく属性ぞくせい細分さいぶん化か、コンジョイント分析ぶんせきや他たの技術ぎじゅつを用もちいることで、膨大ぼうだいな消費しょうひ者しゃの購入こうにゅうデータやパネルデータを介かいして、マーケティング担当たんとう者しゃは販促はんそく戦略せんりゃくを理解りかいし実践じっせんしている。

ウェブ解析かいせきマーケティング担当たんとう者しゃは、リファラー、検索けんさくキーワード、IPアドレス、訪問ほうもん者しゃ行動こうどうを追跡ついせきしてウェブサイト上じょうでのセッション単位たんいの情報じょうほうを収集しゅうしゅうし、 マーケティングキャンペーンや魅力みりょく的てきな内容ないよう、サイト構成こうせいの向上こうじょうに役立やくだてる。

セグメンテーションなどの顧客こきゃく分析ぶんせき、混合こんごうマーケティングモデリング、価格かかく設定せっていや広告こうこく分析ぶんせき、販売はんばい力りょく最適さいてき化かなどの分析ぶんせき技術ぎじゅつが頻繁ひんぱんに活用かつようされている。 ウェブ解析かいせきやサイト構成こうせい最適さいてき化かやオンラインキャンペーンは伝統でんとう的てきなオフラインのマーケティング分析ぶんせき技術ぎじゅつと頻繁ひんぱんに平行へいこうして実施じっしされている。

ポートフォリオ分析ぶんせき

銀行ぎんこうや融資ゆうし機関きかんでの経営けいえい分析ぶんせきにて一般いっぱん的てきであり、経済けいざい状態じょうたい、地理ちり的てきな位置いち、正味しょうみ価値かち、その他た多おおくの要因よういんによって対象たいしょうの評価ひょうかは異ことなる。

最小さいしょうリスクの投資とうし対象たいしょうは富裕ふゆう層そうであるが極少きょくしょう数すうであり、貧困ひんこん層そうは無数むすうに存在そんざいするが高こうリスクである。 収益しゅうえきを最大さいだい化かしリスクを最小さいしょう化かする為ために、あるセグメントでの損失そんしつを別べつセグメントの利益りえきで相殺そうさいできるよう金利きんりの設定せっていや投資とうし時期じきに時とき系列けいれつ分析ぶんせきを統合とうごうすることが多おおい。

リスク分析ぶんせき

銀行ぎんこう業界ぎょうかいの予測よそくモデルは全体ぜんたいの個人こじん客きゃくに対たいし確実かくじつに損失そんしつを抑おさえるよう開発かいはつされている。 信用度しんようどは個々人ここじんの債務さいむ不履行ふりこうの予測よそくを想定そうていしており、債務さいむ申請しんせい処理しょり時じに対象たいしょう者しゃの信用しんよう力りょく評価ひょうかに広ひろく使用しようされている。

課題かだい

商用しょうよう分析ぶんせきソフトウェア業界ぎょうかいでは、絶たえ間まなく変化へんかし続つづける大だい規模きぼ且かつ複雑ふくざつなデータの解析かいせき課題かだいの解決かいけつに頻繁ひんぱんに取とり組くんでいる。 一般いっぱん的てきにビッグデータと呼よばれ、一昔ひとむかし前まえは科学かがく界かいでの課題かだいに過すぎなかったが、現在げんざいは多おおくの企業きぎょうが大量たいりょうのデータを蓄積ちくせきしオンラインのトランザクション処理しょりを用もちいて各自かくじの課題かだい解決かいけつを試こころみている。

非ひ構造こうぞう化かデータ型かたの分析ぶんせきは、産業さんぎょう界かいで注目ちゅうもくを集あつめる新あらたな課題かだいである。 既存きそんデータモデルとは異ことなり、従来じゅうらいのリレーショナルデータベースに格納かくのうする際さいに形式けいしきが大おおきく異ことなることからデータ変換へんかんの多大ただいな努力どりょくが求もとめられる。 電子でんしメール、ワープロ文書ぶんしょ、PDFファイル、地理ちり空間くうかんデータの非ひ構造こうぞう化かデータの内容ないようなどが、企業きぎょうや政府せいふや大学だいがくのビジネスインテリジェンスにとって急速きゅうそくに有効ゆうこう活用かつようされつつある。 例たとえば、英国えいこくで騙だまされた人々ひとびとや保険ほけん会社かいしゃを支援しえんするため、闇やみ医者いしゃのノートをとある企業きぎょうが違法いほうで販売はんばいしたことが発覚はっかくし、保険ほけん業界ぎょうかいが非ひ構造こうぞう化かデータ分析ぶんせきの警戒けいかいを高たかめる好機こうきとなった。 マッキンゼーグローバル研究所けんきゅうじょはビッグデータ分析ぶんせきにより、アメリカでの医療いりょう支出ししゅつを年間ねんかん3000億おくドル、欧州おうしゅうの公費こうひを250億おくユーロ節約せつやくできると予測よそくしている。

これらの課題かだいは、複ふく合あいイベント処理しょりや全文ぜんぶん検索けんさくなどの比較的ひかくてき新あたらしい機械きかい分析ぶんせき技術ぎじゅつによる試行錯誤しこうさくごが進すすめられている。 機械きかい分析ぶんせき分野ぶんやにおける格子こうし状じょうアーキテクチャの導入どうにゅうのような技術ぎじゅつ革新かくしんにより、全ぜんデータへの平等びょうどうなアクセス権限けんげんを与あたえ多数たすうのコンピュータに作業さぎょう負荷ふかを分散ぶんさんすることにより、超ちょう並列へいれつ処理しょりの速度そくど増加ぞうかが可能かのうになる。

特とくに地方ちほう政府せいふ事務じむでの教育きょういく分野ぶんやで活用かつようが進すすめられている。 教師きょうしが学生がくせいの成績せいせきパターンの識別しきべつや向上こうじょう、卒業そつぎょう可能かのう性せい予測よそくを試こころみているが、生徒せいとの成績せいせき基準きじゅんの複雑ふくざつさが課題かだいとなっている。 例たとえば、地方ちほうを対象たいしょうとした信頼しんらいできるデータ使用しよう研究けんきゅうにて、教師きょうしの48％はデータの扱あつかいに苦労くろうし、36％はデータを理解りかいせず、52％がデータを誤あやま解釈かいしゃくした。 理解りかい度どや利用りよう機会きかいを増大ぞうだいさせるため、教育きょういく者しゃ用ようのいくつかの分析ぶんせきツールには、over-the-counter data（ラベル、補足ほそく資料しりょう、ヘルプ機能きのう、キーパッケージ/ディスプレイやコンテンツ意思いし決定けってい）が実装じっそうされている。

関連かんれん項目こうもく

• データマイニング
• 機械きかい学習がくしゅう
• OLAP
• スマートグリッド