データサイエンス・データマイニングとは？でーたさいえんす・でーたまいにんぐ
データサイエンスは統計学と情報科学の手法でデータから知見を引き出し意思決定へつなげる学際領域、データマイニングはそのなかで、大量のデータからまだ気付かれていない規則性や関連を掘り出す技術を指す。前者が営み、後者が手段という関係になる。
最終更新：2026-10-06
この語が出る過去問を解く →背景
業務システムが溜めたデータは、元をたどれば伝票を処理するために作られたもので、分析のために設計されてはいない。粒度も履歴の残り方も業務都合で決まっているため、そのままでは分析に耐えない。分析の価値が認められるほど、データの持ち方を設計の段階から決めておく必要が出てくる。設計者が関わるのは、業務処理と分析利用の両立を方式として組む場面になる。
具体例
小売の購買データを分析し、同時に買われやすい商品の組合せ（バスケット分析）を見つけて陳列や推薦へ使う。分析用に日次で明細をデータウェアハウスへ複製し、業務処理の性能へ影響を与えずに全期間を走査できる構成を採る。
試験での引っ掛け
マイニングは立てた仮説を検証する手法ではなく、まだ知られていない規則性を見つけて仮説を生む側の手法で、向きを逆にしない。バスケット分析で得られるのは相関であって因果ではない。データウェアハウスは蓄える基盤で、掘り出す技術とは役割が違う。
関連用語
出た過去問
出典：平成29年度 秋期 システムアーキテクト試験 午前Ⅱ 問17（IPA）
ビッグデータを有効活用し、事業価値を生み出す役割を担う専門人材であるデータサイエンティストに求められるスキルセットを表の三つの領域と定義した。データサイエンス力…
正解：分析要件に応じ、決定木分析、ニューラルネットワークなどのモデリング手法の選択、モデルへのパラメタの設定、分析結果の評価ができる。
要点：データサイエンス力は分析手法の選択と結果評価を担う
データサイエンス力は、統計学や機械学習といった情報科学の知識を使って分析・予測・可視化を行う力である。分析要件に応じて決定木やニューラルネットワークなどの手法を選択し、パラメタを設定して結果を評価する作業は、この領域の中核に当たる。基盤の実装・運用はデータエンジニアリング力、課題の構造化はビジネス力に分類される。
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。