データウェアハウスとOLAPとは？

データウェアハウスとOLAPの意味

データウェアハウスは、複数の業務システムから集めた過去からの大量データを、分析目的で時系列に整理・蓄積する仕組み。OLAP（オンライン分析処理）は、そこに蓄積されたデータを、多次元的な切り口（時間・地域・商品など）で集計・分析する技術。

データウェアハウスとOLAPの具体例

「商品別×地域別×月別」の売上をさまざまな切り口で自在に集計・比較する分析は、OLAPの代表的な使い方（多次元分析）にあたる。

データウェアハウスとOLAPは試験でどう引っ掛けられる？

OLTP（日々の業務での更新処理）とOLAP（蓄積データの分析処理）を取り違えないこと。データウェアハウスは分析用で、時系列に蓄積し原則として更新・削除をしない（業務システムのように最新値へ上書きしない）点が要。またOLAPの操作名も混同しやすく、集計の粒度を細かくするのがドリルダウン、粗くするのがロールアップ、切り口の軸を入れ替えるのがダイシング／スライシング。特定部門向けに切り出した小規模なものはデータマートと呼び、データウェアハウスとは規模と対象範囲が違う。

データウェアハウスとOLAPと関連する用語

• NoSQLとビッグデータ活用

データウェアハウスとOLAPが出た過去問

• BI（Business Intelligence）の活用事例として、適切なものはどれか。

  正解：業績の評価や経営戦略の策定を行うために、業務システムなどに蓄積された膨大なデータを分析する。

  要点：BIは蓄積データの分析で経営判断を支援する

  BIは、業務システムなどに蓄積された大量のデータを集約・分析し、経営判断に使える形の情報として引き出す仕組みや取組を指す。データウェアハウスやOLAP、ダッシュボードなどを用い、業績評価や戦略立案の根拠を得ることを目的とする。

  出典：平成28年度 秋期 高度共通_午前I試験 am1 問24（IPA）

• データマイニングの説明として、最も適切なものはどれか。

  正解：ニューラルネットワークや統計解析などの手法を使って、大量に蓄積されているデータから、特徴あるパターンを探し出す。

  要点：データマイニングは大量データから未知のパターンを掘り出す

  データマイニングは、蓄積された大量のデータに統計解析や機械学習の手法を適用し、人が気付かなかった規則性や特徴的なパターンを掘り起こす技術である。仮説を人が立てて確かめるのではなく、データから知見そのものを発見する点が特徴である。他の選択肢はデータウェアハウス、データマート、OLAPの説明である。

  出典：平成29年度 秋期 高度共通_午前I試験 am1 問10（IPA）

• データレイクの特徴はどれか。

  正解：必要に応じて加工するために、データを発生したままの形で格納する。

  要点：データレイクは生データのまま貯めて後で加工する

  データレイクは、構造化・非構造化を問わず、発生したままの生データを加工せずに大量に蓄積しておく仕組みである。用途を事前に決めずに貯めておき、分析時に必要な形へ加工する点が、あらかじめ整形して格納するデータウェアハウスとの違いである。

  出典：令和3年度 春期 高度共通_午前I試験 am1 問9（IPA）