問4
頻出度★★★
データマイニングとは，データベースに蓄積されている大量の生データに対し，統計やパターン認識などの手法を用いることによって，認識されていなかった規則性や関係性を導き出す技術である。データマイニングの応用分野として，最も適切なものはどれか。
平成21年度 秋期 ITパスポート試験 問4
ストラテジ系企業活動 › 業務分析・データ利活用
这道题的解析和你的作答记录。
解説
問 4
- ア
正解 正确答案是 ア「根据客户情况推荐商品」。正如题干的定义所述，数据挖掘是运用统计和模式识别等手法，从大量原始数据中挖掘出「此前未被认识到的规律性或关联性」的技术。通过分析 POS 数据和购买履历，可以得到诸如「买了商品 A 的人也容易买商品 B」这样的关联规则（关联分析，即所谓的购物篮分析）以及客户聚类的结果，从而针对每位客户推荐其接下来可能购买的商品。这类推荐规则并不是人事先就知道的，而是从数据中首次发现的知识，正是数据挖掘的典型应用领域（CRM、推荐系统）。
错误イ
「根据生产计划分配生产机械」是以已经确定的生产计划以及机械的能力和约束这些已知条件为前提，求出最优分配方案的工作。它处理的是最优化与排程（生产管理、运筹学领域），并不是从积累的数据中发现未知规律的处理。
错误ウ
「按门店、按商品类别汇总销售额」是按事先确定的汇总维度（门店、商品类别）求合计的简单汇总处理。它属于 OLAP 和数据仓库的定型汇总与报表范围，结果只是「哪家门店的哪个类别是多少钱」这种已知视角的数值，并不能发现新的规律性或关联性。
错误エ
「根据累计购买金额筛选优质客户」只是按人事先设定的标准（累计金额达到一定数额即为优质客户）进行排序和筛选。它是取出符合条件的记录的检索、抽取处理，并不是从数据本身导出未知的模式。另外，如果是从购买行为中新发现「容易成为优质客户」的特征的分析，那才属于数据挖掘，但本选项仅停留在按已知标准抽取。
ここがポイント
- 数据挖掘 = 用统计手法和模式识别，从大量积累的数据中发现人尚未察觉的规律性、相关性和模式的技术。代表例子有：基于关联分析（购物篮分析）的推荐、客户聚类、流失预测。
- 「按已知维度求合计（汇总、OLAP）」「按已知条件筛选（检索、抽取）」「按已知约束做最优配置（排程）」都不是数据挖掘。判别的关键在于是否有新知识的发现。
用語