データクレンジング（データ前処理）とは？でーたくれんじんぐ
データクレンジング（データ前処理）とは、分析やシステム統合の前に、表記のゆれ・欠損・重複・明らかな誤り・外れ値を検出して整える作業で、ETL工程の変換にあたる。前処理の品質がそのまま分析結果の信頼性を決める。支援士では、SIEMに集めるログの形式・時刻・ホスト名の正規化がこの前処理に相当し、また名寄せで個人を結び付ける処理は個人情報の利用目的の範囲内で行う必要がある点が問われる。
最終更新：2026-10-06
情報処理安全確保支援士を最短で暗記・合格する →背景
複数のシステムから来るデータは表記も形式もばらばらで、そのまま突き合わせても同じものを同じと認識できない。セキュリティ監視でも同じで、ファイアウォール・プロキシ・認証サーバのログは形式も時刻の基準も違い、正規化しなければ「誰が・いつ・どこへ」の相関が取れない。時刻はNTPで同期しタイムゾーンを揃えることが、侵入の順序を追う前提になる。
具体例
SplunkやElasticはログの取り込み時にフィールドを抽出し、時刻をUTCに揃え、ホスト名の表記を統一してから相関検索にかける。業務データでは顧客マスタの「(株)」「株式会社」「㈱」を統一し、住所とフリガナで同一法人を1件にまとめる名寄せを行い、欠損を補完した事実はフラグで残して後の解釈を誤らせないようにする。
試験での引っ掛け
外れ値を一律に除去すると、不正検知や設備異常検知のように「外れ値そのものが分析対象」の用途では目的を壊す。欠損の削除は件数が減るだけでなく、欠損の発生に偏りがあると結果にバイアスが入る。ログの時刻をローカル時刻のまま揃えずに相関すると、時差のぶん侵入の順序が入れ替わって見える。
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。