データマイニングとは

データマイニングは、大量のデータの中から、人が気づいていなかった規則性や傾向を見つけ出す技術です。マイニングは「採掘」を意味し、データの山から価値のある知識を掘り当てることにたとえた言葉です。企業にデータが大量にたまるようになった1990年代に、広く使われるようになりました。

知識発見の流れの一部

ファイヤドらは1996年の論文で、データから知識を得る一連の過程をKDD（Knowledge Discovery in Databases、データベースからの知識発見）として整理しました。KDDは、データの選択、前処理、変換、データマイニング、解釈・評価という段階からなります。この整理では、データマイニングはパターンを取り出す中心の段階です。実務では、前後の工程を含めた全体をデータマイニングと呼ぶことも多くあります。

主な手法

• アソシエーション分析：一緒に起こりやすい事柄の組み合わせを見つける。
• クラスタリング：似たもの同士をグループに分ける。
• 分類・回帰：過去のデータから、ラベルや数値を予測する規則を作る。
• 異常検知：大部分と違う振る舞いをするデータを見つける。

これらの多くは、機械学習や統計学の手法です。ファイヤドらも、データマイニングを機械学習、統計学、データベースの技術と深く関わる分野として位置づけています。

G検定での位置づけ

知識表現の項目で、ウェブマイニングと並んで登場します。人手で知識を書き込む方法には限界がありました。そこで、蓄積されたデータから知識を自動で取り出す方向が重視されるようになりました。対象をWeb上のデータに広げたものがウェブマイニングです。

注意点

見つかったパターンは、項目どうしの相関を示すだけで、因果関係を示すとは限りません。偶然の一致や、背後にある別の要因による見かけの相関もあります。結果を施策に使う前に、検証が欠かせません。