データの属性・構造による分類

量的データ は、数値で測った大きさを表し、足し算や平均 に意味があるデータである。

身長、売上金額、来店者数のように、単位をもつ数で記録される。合計・平均・標準偏差といった計算をそのまま使え、ヒストグラムや散布図で分布や関係を見ることができる。

たとえ体重計の目盛りのようなもの。60kg と 70kg なら「平均は 65kg」「差は 10kg」と計算した結果にそのまま意味がある。

覚え方英語では quantitative。quantity (量) と同じ語根で、「どれくらい」に答えるデータと読める。

質的データ は、種類や区分 を表し、足し算や平均に意味がないデータである。

血液型、職業、満足度の段階 (不満・普通・満足) のように、どの区分に当てはまるかを記録する。集計では区分ごとの件数や割合を数え、円グラフや帯グラフで構成比を示すことが多い。

たとえ運動会の組分けのようなもの。赤組と白組を足しても何も生まれず、数えられるのは各組の人数だけである。

覚え方英語では qualitative。quality (性質) と同じ語根で、「どんな種類か」に答えるデータと読める。

1次データ は、いま解きたい目的のために、自分たちで新しく集めた データである。

独自のアンケート、インタビュー、店頭での観察や実験などで手に入れる。調べる項目や対象を自分で設計できるので目的に合いやすいが、集めるのに時間と費用がかかる。

たとえ自分で畑に行って採ってきた野菜のようなもの。欲しい品種を選べるが、手間がかかる。

覚え方「1次」は最初の手で得たという意味で、「一次情報」や英語の primary data と同じ発想。

2次データ は、別の目的ですでに集められた データを、自分の分析に流用するものである。

国や自治体の統計、業界団体の報告書、調査会社の公開資料などが例である。早く安く手に入る反面、調査の時期や項目の定義が自分の目的とずれていることがあるので、作られた経緯を確かめてから使う。

たとえ店で買ってきた総菜のようなもの。すぐ食べられるが、味付けは自分で選べない。

構造化データ は、あらかじめ決めた 項目 (列) に沿って、行と列の表の形に整理されたデータである。

リレーショナルデータベースの表や、表計算ソフトの売上一覧が典型である。どの値がどの項目かが決まっているので、条件での検索や、項目ごとの合計・並べ替えをそのまま機械で処理できる。

たとえ記入欄が印刷された申込用紙のようなもの。名前は名前の欄に、日付は日付の欄に書くので、何百枚あっても同じ手順で集計できる。

非構造化データ は、決まった項目に収まらない、文章や画像、音声、動画 などのデータである。

電子メールの本文、SNS の投稿、監視カメラの映像、通話の録音などが例である。そのままでは表のように検索や集計ができないため、文章から語を拾い出す処理や画像認識などで特徴を取り出してから分析に使う。

たとえアンケートの自由記述欄のようなもの。人によって書く内容も長さも違うので、読んで中身を拾い出さないと数えられない。

メタデータ は、データの中身ではなく、そのデータの 属性 (作成日時や作成者、形式など) を説明するデータである。

「データについてのデータ」とも呼ばれる。本体を開かなくても、メタデータを手がかりに目的のデータを検索・分類・管理できる。データベースでは、各項目の名前・型・単位を定めた定義もメタデータにあたる。

たとえ図書館の本に貼られた分類ラベルのようなもの。本文を読まなくても、題名や著者や分類番号で棚から探し出せる。

覚え方「メタ」はギリシャ語由来で「〜を超えた・一段上の」という意味。データの一段上から、そのデータを説明する。

時系列データ は、同じ対象を 時間の経過に沿って 繰り返し記録したデータである。

日ごとの気温、月ごとの売上高、毎年の人口などが例で、時間の順に並べると増減の傾向や季節ごとの変動を読み取れる。推移を見るには折れ線グラフがよく使われる。

たとえ柱に刻んだ子どもの背丈の印のようなもの。同じ子を年ごとに測っているので、伸び方が見える。

覚え方「系列」は順につながった並びのこと。時間の順に並んだ値の列、と字のまま読める。

この用語の過去問 1 題 時系列データ →

クロスセクションデータ は、ある一時点 を切り取り、複数の対象を並べて集めたデータである。

同じ月の各店舗の売上や、ある年の地域別の人口などが例で、対象どうしの違いを比べるのに向く。上の表で 1 つの列 (ある月) を縦に読むとクロスセクションデータ、1 つの行 (ある店舗) を横に読むと時系列データになる。

たとえある朝に撮ったクラスの集合写真のようなもの。その瞬間の全員を並べて比べられるが、その後の変化は写っていない。

覚え方cross section は「断面」。時間の流れを輪切りにした 1 枚の切り口、と覚える。