データマイニング

解説

データマイニングは、蓄積した大量のデータを統計的な手法や機械学習で分析し、有用なパターンや規則性を見つけ出す手法です。特に、人が仮説を立てる前の段階で、まだ気づいていない関係を探る使い方に特徴があります。なお、対象のデータがテキストの場合に特化した分析は、テキストマイニングと呼ばれます。

種類

データマイニングの代表的な手法は次のとおりです。

• アソシエーション分析：同時に起きやすい事柄の組み合わせを見つけます。
• クラスタリング：似た特徴を持つデータをグループに分けます。
• 決定木分析：条件の分岐を樹形図の形で組み立て、分類や予測を行います。
• 回帰分析：ある数値や事象の発生確率を、他の項目から予測します。

実務での使われ方

データマイニングは、あらかじめ決めた指標を見るBIとは、分析の出発点が異なります。BIは、応答率や解決率のように、あらかじめ決めた指標を定期的に確認する使い方が中心です。一方で、探索的なデータマイニングでは、指標を決めずにデータ同士の関係を探ります。その結果、たとえば「特定の機能を使い始めた直後に問い合わせが増える」といった、担当者が思いついていなかった組み合わせが見つかる場合があります。

注意点

データマイニングで見つかった関係が、そのまま原因とは限りません。分析で強い関係が出ても、一方がもう一方を引き起こしているとは限らず、別の要因が両方に影響しているだけのこともあります。そのため、分析結果は仮説として扱い、応対履歴を実際に読む、現場の担当者に聞くといった確かめ方と組み合わせます。さらに、入力の抜けや表記ゆれが多いデータでは、見かけの関係が生まれやすい点にも注意します。