データマイニング

概要と重要性

データマイニングとは、未知の結果を予測するために、大量のデータセットに含まれている異常値、
パターン、相関を発見するプロセスです。幅広い手法を駆使することで、こうした情報を収益の増大、
コストの削減、顧客関係の改善、リスクの軽減などに役立てることができます。

• 歴史
•      
• 重要性
•      
• 業種別用途
•      
• 仕組み

今日の世界におけるデータマイニング

データマイニングはアナリティクスの土台となる領域であり、数百万件、数十億件ものレコードに潜む「つながり」さえも明らかにできるモデルの開発に役立ちます。ここに示す資料では、私たちが暮らすこの世界の形成にデータマイニングがどう役立っているかをご確認いただけます。

業種別用途

データマイニングは幅広い業種や分野におけるアナリティクスの取り組みで中核的な役割を担っています

仕組み

データマイニングは学際的な分野です。さまざま分析機能で用いられる幅広い方法論や手法を組み合わせることにより、企業や組織のあらゆるニーズへの対応、さまざまなタイプの疑問の探究、人間による幅広いレベルのインプットまたはルールを利用した意思決定支援などに活用することができます。

記述的モデリング:履歴データ内で共有される類似性やグループ化を明らかにして、成功や失敗の背後にある原因を特定することができます。例えば、製品に対する好みやセンチメント（感想・感情）を基準として顧客をカテゴリーに分類します。代表的な手法には次のようなものがあります。

予測的モデリング:このモデリングは、将来のイベントの分類や未知の結果の評価を深く探究します。例えば、信用スコアリングを用いて個人のローン返済可能性を判断します。予測モデリングは、顧客離反、キャンペーン反応率、債務不履行などに関する洞察を導き出すためにも役立ちます。代表的な手法には次のようなものがあります。

指示的モデリング:Web、コメント欄、書籍、電子メール、PDF、オーディオ、その他のテキストソースから収集される非構造化データの増大を受け、データマイニングの関連分野としてテキストマイニングを導入する取り組みも急速に広がっています。非構造化データを予測モデルに取り入れて予測精度を改善するためには、適切な解析、フィルタリング、変換を実行できる必要があります。

結局のところ、データマイニングは独立したスタンドアロンの技法と考えるべきではありません。なぜなら、前処理（データ準備、データ探索）と後処理（モデル検証、スコアリング、モデル・パフォーマンス・モニタリング）も、同様に不可欠な工程だからです。指示的モデリングは、内部／外部の変数と制約条件を検討して、推奨される1つまたは複数の行動方針を提示します。例えば、個々の顧客に送信する最良のマーケティング・オファーの判断に関するレコメンデーションを提示します。代表的な手法には次のようなものがあります。