ビッグデータ用語解説：データ愛好家が知るべき必須用語

ビッグデータは専門用語で満ちています。最も一般的な用語を理解することで、データ駆動型の会話を理解し、貢献し、影響を与えることができます。datamakespossible.comでデータ進化に関する会話に参加しましょう。

あなたが遭遇する主要用語を解明し、聞いたことのないいくつかを紹介します。

データサイエンティスト

データサイエンティストは科学的厳密さ、ビジネス洞察、創造的問題解決を融合させます。アルゴリズム、統計モデル、プログラミングツールを用いて、複雑なデータセットから実用的な価値を抽出します。多くは機械学習（ML）や人工知能（AI）技術を通じて行います。

不均一分散（ヘテロスケダシティシティ）

統計学において、不均一分散とは測定範囲全体でデータの変動性が変化することを指します。実践では、データポイントが急速に変化するパターンや予測不能なバーストを示すことを意味します。ソーシャルメディアフィードやリアルタイムセンサーログのような高速ストリームで一般的です。例えば、バイラル投稿が数秒で数千件のコメントを集め、その後落ち着くことで、単純な線形仮定ではモデル化困難な変動の大きいデータストリームが生まれます。

機械学習（ML）

MLは生データのパターンを認識するようアルゴリズムを訓練するコンピュータサイエンスのサブセットです。ビッグデータの3つの「C」（分類、クラスタリング、協調フィルタリング）を支えます。ほとんどの商用MLアプリケーションは浅い学習に依存しますが、真のAIの不可欠な部分であるディープラーニングは多層ニューラルネットワークを活用します。

人工知能（AI）

AIはMLを超え、システムが自己調整、学習、人間の認知を模倣した意思決定を行えるようにします。ディープラーニングモデルはAIの基盤であり、コンピューターがテキスト、画像、音声の複雑なパターンを処理できるようにします。

仮想現実（VR）

VRはユーザーを完全に合成された環境に没入させ、通常ヘッドセットでアクセスします。ゲームで人気ですが、バーチャルトレーニングシミュレーションなど商用アプリケーションも提供します。

拡張現実（AR）

ARは現実世界にデジタル情報を重ね合わせ、知覚とインタラクションを強化します。成功事例には、ライブカメラビューと仮想オブジェクトを融合させるモバイルゲームアプリがあります。

自然言語処理（NLP）

NLPはコンピューターに話し言葉や書き言葉を解釈させます。初期の「浅い」NLPは文をトークンに分解しルールベースロジックを適用しました。現代のディープラーニングNLPは文脈全体を考慮し、ニュアンスのある感情分析と会話型AIを可能にします。

画像認識

画像認識は写真やビデオの視覚要素を特定します。テキスト抽出のOCR、オブジェクトタグ付け、顔検出を支えます——これらは自動車のドライバー監視システムで使用される機能です。

構造化、半構造化、非構造化データ

構造化データはテーブルにきれいに収まり、半構造化データ（メールなど）はヘッダーと自由形式の本文を持ち、非構造化データ（テキスト、音声、画像）は固定スキーマを持ちません。過去10年の進歩で、すべての3タイプの堅牢な分析が可能になりました。

データレイク

データレイクは生の未処理データを低コストで保存し、ペタバイト規模の情報を長期保持可能にします。特定の分析に必要なものだけを取り出せる、生の食材のパンティーのようなものです。

データベース（RDBMS）

リレーショナルデータベース（Oracle、MySQL、SQL Server）は大量トランザクションワークロード（OLTP）を処理します。ECなど日常アプリケーションの高速読み書きに優れます。

データウェアハウス（EDW）

エンタープライズデータウェアハウスは分析クエリ用に大量のクリーンデータを統合します。EDWは戦略的意思決定を支援します——トップパフォーマンスの製品ラインや地域の特定など。

可視化

可視化ツールは複雑な分析を直感的なダッシュボードに変換します。ドラッグアンドドロップインターフェースとSQL接続で、非技術者でも四半期売上トレンドや製品パフォーマンスを明らかにするレポートを作成できます。

この用語を身につければ、データレイク、ML、AIがいかに世界を再構築しているか議論できる準備が整います。ウォータークーラーで新しい用語を披露するか、datamakespossible.comで会話に参加しましょう。

この記事はWestern Digitalとの提携で制作されました。

著者はWestern Digitalのフェロー兼チーフデータサイエンティスト。半導体製造向けビッグデータプラットフォームと高度分析を推進。