データマイニングの見通しを要約している上で、今はもう使えない古臭い情報や、修正が必要なものがたくさん存在する。
しかし、データマイニングが必要な時代になるという前提は残っていて、私の中で着実に成長しているデータマイニングの市場を実感している。
データマイニングとは何ですか？と聞かれていたが、今は仕事でかなり大切な言葉になった。
私は、将来的にはデータに基づいて決定を下す時代になると思う。
データマイニングをマスターできない
現在の状況下では、データマイニングの失敗事例が頻繁に起きている。
間違っているのはスキル不足とデータマイニングへの過剰な期待である。
失敗した理由について考えるのが必要だ。
混沌とした情報の収集、大切なデータがあるかもしれないと思いがむしゃらにデータを集めることは分析水準を下げるだけでなく、それどころか、データだらけで動くことが不可能になっている。
分析能力ぼ不足は、分析方法を適切に使用することができないだけでなく、それは間違った解釈を分析結果にもたらし、これは現実とはかけ離れていた。
データマイニングを奇跡のテクニックと誤解、データマイニングを使うと絶対に何かを見つけることができると誤解している人がたくさんいる。
間違った方法というのもあるが、意味のある情報を見つけることができない限り、データマイニングは役に立たないと決めつける。
このような状況でデータマイニングをして失敗して、データマイニング無駄と言われるのは残念だ。
少なくとも、データマイニングを十分に使うことができる状態にする必要があるとだろう。
不十分な条件の下でデータマイニングの適切な重要性を判断できないことのリストをあなたに提供する。
データマイニングをするための状態
・正しい情報の準備。
分析に不可欠な十分な最小限の情報を把握する必要があり、それを集められるする状態が不可欠だ。
・分析技能。
目的に応じた適切な分析方法の組み合わせを見つけ、分析結果を正確に解釈するための能力、技術が求められる。
・意思決定者と対象分野の専門家との連携。
データアナリストが意思決定者ではないという状況がよくあるので、分析専門家の協力が必要である。
1990年代半ばに、データマイニングが現れ、会社も次第ににデータマイニングを開始した。
最も全世界で実績のある統計解析ソフトウェアを作ったSASや一般的な統計解析ソフトウェアの早期開発や、パソコン上で一番広く使われるソフトウェアを開発したSPSSなど、統計と分析に特化した会社は、データマイニングで行動範囲を大きくし、IBMや日立もデータマイニングを取り入れた。
各企業のHPを見ると、各社の考えるデータマイニングの価値とアプローチの仕方にはかなりの違いがあるみたいである。
データマイニングには固定された方法はないので、当たり前なのだが。
IBMのHPにはデータマイニングの定義が書かれていない。
データマイニングの必須性と何が可能かについて説明してある。
この定義は意図的に行われていないと考えられている。データマイニングの価値が認識されていない1996年にHPはすでに存在し、私はそれがデータマイニングに非常に関心がある会社だということがわかる。
日立のにはたくさんの方法から、有意義なデータが得られるとある。
沢山の情報から、規則性と因果関係を抽出し、傾向と情報のパターンを割り出し、溜まった情報を営業/生産使用するべく、有意義なデータにすることを目指している。
IBMのように、データマイニングが一般に認識されていないときから、データマイニングをしていたのだ。
既存の手法から完全に脱出できていない部分がたくさんあると思ったが、積極的にデータマイニングをしているようだ。