データマイニングとビッグデータとは？でーたまいにんぐとびっぐでーた
データマイニングは、人が仮説を立てる前にデータ側から規則性や関連を掘り出す分析技術。ビッグデータは、量・多様性・生成速度のいずれかが従来の道具の手に余るデータ群を指す。分析の入口はSQLの集計であり、正規化された業務表のまま集計するかが最初の設計判断になる。
最終更新：2026-10-06
データベースSPを最短で暗記・合格する →背景
受注表と明細表を正規化したまま同時購買の分析を書くと、同じ受注の中の商品の組合せを取るために明細表の自己結合が要る。100万行の明細を素直に自己結合すれば、中間結果は容易に数億行へ膨らむ。分析には、結合を減らし走査量を抑える別の持ち方（スタースキーマや列指向）が要る——これがこの領域の出発点である。
具体例
「おむつとビールが一緒に買われる」型の同時購買分析は、受注明細を受注番号で自己結合し、商品コードの組を数える処理になる。BigQueryやAmazon Redshiftのような列指向の基盤は必要な2列だけを読むため、全列を読む行指向のOLTPで同じことをするより走査量が大幅に減る。
試験での引っ掛け
OLAPが人の仮説を確かめる仮説検証型なのに対し、データマイニングは未知の規則を掘り出す仮説発見型、という対比で問われる。見つかるのは相関であって因果とは限らない。ビッグデータの特徴は量・多様性・速度の3つ。分析クエリを本番のOLTPへ直接当てると長時間の走査が更新と競合する点も、実装上の要点である。
関連用語
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。