データマイニングとは
データマイニングとは、大量のデータの中から、統計学や人工知能（AI）などの技術を使って、人間が気づかなかった有用なパターンや相関関係、規則性を「発掘（Mining）」する手法のことです。単にデータを集計するだけでなく、高度なアルゴリズムを用いてデータの奥深くに隠された価値ある情報を探し出します。
データマイニングを行うことで、「Aという商品を買う人は、高い確率でBという商品も買う」といった購入行動のルールや、「このような特徴を持つ機械は、近いうちに故障する可能性が高い」といった未来の予測が可能になります。これにより、企業のマーケティング活動の効率化や、サービスの品質向上、業務の効率化を実現することができます。
具体例
データマイニングの有名な事例として、スーパーマーケットにおける「おむつとビール」の法則があります。
- 顧客の購入データをマイニング（分析）したところ、「金曜日の夕方に紙おむつを買う父親は、一緒に缶ビールも買う傾向がある」という意外な関連性が発見されました。
- この発見に基づき、おむつ売り場のすぐ隣にビールを配置する工夫をした結果、両方の売上を伸ばすことに成功しました。このように、直感では分からない顧客の行動パターンをデータから見つけ出すことができます。
もう少し詳しく
データマイニングは、英語の「Mining（採掘）」が語源であり、文字通り大量のデータの山から「価値ある知識という鉱石」を掘り起こす作業を指します。これを実現するために、統計分析、パターン認識、機械学習（AI）といった多様な分野のアルゴリズムが駆使されます。
代表的な分析手法には、以下のようなものがあります。
- アソシエーション分析（相関ルール分析）：同時に購入されやすい商品の組み合わせなどを探る手法です。有名な「おむつとビール」はこの手法によるものです。評価の指標として、ルールが起こる頻度を示す「支持度（Support）」、条件が満たされたときに結論が起こる確率を示す「信頼度（Confidence）」、そのルールにどの程度意味があるかを示す「リフト値（Lift）」が使われます。
- 分類（デシジョンツリー/決定木分析）：データを樹形図のようなツリー構造に分解し、「どのような条件を満たす顧客が商品を購入しやすいか」などをルール化して分類する手法です。
- クラスタリング（クラスター分析）：あらかじめ基準を決めずに、データの類似性に基づいて自動的にグループ（クラスター）に分類する手法です。顧客を購買傾向ごとにセグメント化する際に用いられます。
- 予測（回帰分析）：過去のデータ傾向から、将来の売上数値や機械の故障確率などを予測する手法です。
これらの技術は、データウェアハウス（DWH）やデータレイクに蓄積された大容量のデータソースに対して実行され、最終的には企業の意思決定（BI）や自動化システムに役立てられます。
試験でのポイント
ITパスポートや基本情報技術者試験では、データマイニングの基本的な定義「大量のデータから、統計的手法や人工知能などの技術を用いて、有益な知識やパターンを発掘する手法」を選択させる問題が中心です。用語の意味を正確に理解していれば解ける問題が多いため、確実に得点源にしたい項目です。
また、具体的な応用例として「マーケットバスケット分析（購買データの相関分析）」や、それによって得られる「アソシエーションルール（相関ルール）」の概念も頻出します。さらに、データマイニングで用いられる具体的なアルゴリズムとして「決定木（ディシジョンツリー）」や「クラスタリング」の名称が選択肢に現れることもあるため、これらがデータマイニングの手法の一部であることを認識しておく必要があります。
関連する用語
データマイニングと密接に関連する用語としては、データを統合して保管する「データウェアハウス（DWH）」、そこから切り出された「データマート」、購買履歴を分析する「マーケットバスケット分析」、分析に活用される技術である「機械学習」や「統計解析」などがあり、これらが一体となってデータ主導のビジネスを支えています。