01ビッグデータくわしい解説従来のシステムでは処理が困難な巨大で複雑なデータの総称。Volume(量)、Velocity(速度)、Variety(多様性)の3Vで特徴づけられる。適切に分析することで新たなビジネス価値を創出する。 02データレイクハウスデータレイクの柔軟な格納能力とデータウェアハウスの高速クエリ性能を統合した新しいデータ管理アーキテクチャ。Databricks社が提唱。構造化・非構造化データを一元管理しつつ高速分析も可能。 03データレイクあらゆる種類のデータを生の形式のまま大量に蓄積する保管領域。構造化データも非構造化データも一箇所に集約し、後から必要に応じて加工・分析する。Amazon S3やAzure Data Lakeなどで構築。 04データウェアハウス(DWH)分析用に最適化されたデータの集約・蓄積基盤。業務システムからデータを収集・変換・統合し、高速なクエリと分析を可能にする。BigQuery、Snowflake、Redshiftなどが代表的な製品。 05ETL / ELTデータを抽出(Extract)、変換(Transform)、格納(Load)する処理。ETLは格納前に変換、ELTは格納後に変換する。データウェアハウスにデータを取り込む際の基本プロセス。 06dbt(データ変換ツール)SQLベースのデータ変換ツール。データウェアハウス内でのデータ変換をコードとして管理でき、バージョン管理やテストも可能。データエンジニアリングの標準ツールとして急速に普及。 07データメッシュデータの所有権と管理を各ビジネスドメインに分散させるアーキテクチャ。中央集権的なデータチームに依存せず、各部門が自らのデータを「プロダクト」として管理・提供する。組織のスケーラビリティを高める。 08データファブリック分散したデータソースを仮想的に統合し、一元的にアクセスできるようにするアーキテクチャ。物理的にデータを移動させずに、メタデータと自動化技術でデータの発見・アクセス・共有を実現する。 09データカタログ組織内のデータ資産を一覧化し、メタデータ(意味、所在、品質、所有者等)を管理するシステム。「どこにどんなデータがあるか」を検索・発見でき、データ活用の基盤となる。 10データリネージデータが生成されてから最終的な分析結果になるまでの変換・加工の履歴を追跡する仕組み。データの出自と加工過程を可視化することで、分析結果の信頼性検証やエラー原因の特定に役立つ。 11データ品質管理データの正確性、完全性、一貫性、鮮度を管理する取り組み。「ゴミを入れればゴミが出る」の原則の通り、データ品質がAI・分析の成果を左右する。自動化ツールによるモニタリングが普及。 12リアルタイム分析データの発生とほぼ同時に分析・処理を行う手法。株価監視、不正検知、IoTセンサー監視など、即座の判断が求められる場面で活用される。バッチ処理との使い分けが重要。 13ストリーミング処理(Kafka)連続的に発生するデータをリアルタイムに処理する技術。Apache Kafkaは分散ストリーミングプラットフォームの代表格で、大量のイベントデータを高速かつ信頼性高く処理する。 14BI(ビジネスインテリジェンス)くわしい解説データを可視化・分析してビジネスの意思決定を支援するツール・手法。Tableau、Power BI、Lookerなどのツールにより、専門知識がなくてもデータ分析が可能になった。 15ダッシュボードくわしい解説重要な指標やデータをグラフやチャートで一画面にまとめた可視化ツール。経営状況やKPIをリアルタイムに把握でき、迅速な意思決定を支援する。データドリブン経営の基本ツール。 16KPI / KGIくわしい解説KPI(重要業績評価指標)は目標達成に向けた進捗を測る指標、KGI(重要目標達成指標)は最終的な目標の達成度を測る指標。データに基づく目標管理と業績評価の基本フレームワーク。 17データドリブン経営くわしい解説経験や勘ではなく、データの分析結果に基づいて経営判断を行うアプローチ。顧客データ、売上データ、市場データなどを活用して、客観的かつ科学的な意思決定を目指す。DX推進の重要テーマ。 18予測分析くわしい解説過去のデータパターンから将来の傾向を予測する分析手法。売上予測、需要予測、顧客離反予測、設備故障予測など幅広いビジネス場面で活用される。機械学習の活用で精度が向上。 19A/Bテストくわしい解説Webサイトやアプリの2つのバリエーションをランダムにユーザーに表示し、どちらが効果的かを統計的に検証するテスト手法。UIデザイン、広告文、価格設定などの改善に広く活用される。 20コホート分析ユーザーを共通の特性(登録時期、行動パターン等)でグループ分けし、グループごとの行動変化を時系列で分析する手法。顧客の定着率やLTVの分析に有効。 21アトリビューション分析顧客がコンバージョンに至るまでの各タッチポイント(広告、SNS、メール等)の貢献度を評価する分析手法。マーケティング施策の効果を正確に測定し、予算配分の最適化に活用する。 22データマートデータウェアハウスから特定の部門やテーマに必要なデータを抽出・加工して構築する小規模なデータの集合体。営業部門用、マーケティング部門用など、目的に特化した分析基盤。 23OLAP / OLTPOLAPは大量データの多次元分析(集計、ドリルダウン等)に最適化された処理方式。OLTPは日常的なトランザクション(注文、入金等)処理に最適化された方式。用途に応じて使い分ける。 24データオブザーバビリティデータパイプラインの健全性を監視し、データの異常(欠損、遅延、品質低下等)を早期に検知する取り組み。データ基盤の信頼性を維持するために重要で、Monte Carlo、Soda等のツールがある。 25データコントラクトデータの生産者と消費者の間で、データの形式、品質、更新頻度などの仕様を明文化した合意事項。データメッシュの文脈で重要視され、データ連携の信頼性を担保する。 26セルフサービスBIくわしい解説専門のデータアナリストに頼らず、現場のビジネスユーザーが自らデータを分析できるBIの形態。直感的なツールとトレーニングにより、データ民主化を推進する。 27データ民主化組織の全メンバーがデータにアクセスし、分析・活用できる状態を作ること。データの独占やサイロ化を解消し、全社的なデータ活用文化を醸成する取り組み。 28MLOps機械学習モデルの開発・学習・デプロイ・監視のライフサイクル全体を管理する運用手法。DevOpsの概念をML(機械学習)に適用したもの。モデルの品質管理と運用効率化を両立する。 29特徴量エンジニアリング機械学習モデルの入力データとなる「特徴量」を設計・作成するプロセス。生データから有用な情報を抽出・加工してモデルの予測精度を高める。モデルの性能を左右する重要な工程。 30データスチュワードシップ組織のデータ資産を責任を持って管理・保全する役割・活動。データの品質、セキュリティ、コンプライアンスを維持しながら、データの有効活用を促進する。データガバナンスの実行部隊。
最終更新:2026年11月1日
← サイバーセキュリティ トップに戻る Web3・ブロックチェーン →