事業・ソリューションに関するお問い合わせ 各種コンサルティング、システムソリューションなど事業・ソリューションに関するお問い合わせ、ご相談
![データ分析の歴史とビッグデータ | 大和総研](https://cdn-ak-scissors.b.st-hatena.com/image/square/f4dcce8cd5d8bc825c6c31ac2e35cc8b62bfde4c/height=288;version=1;width=512/https%3A%2F%2Fwww.dir.co.jp%2Fcommon2%2Fimg%2Flogo-ogp-dir.png)
データマイニングが重要である理由はこれまでに書いてきましたが、いざやってみると、失敗するケースが多発しています。もしかすると、ほとんど失敗なのかもしれません。 それは何がまずいかというと、マイニング環境が技術的に足りないか、体制がととのっていない、そもそも過大な期待をしているということが挙げられます。 失敗要因を考えてみましょう 無秩序なデータ収集(技術の問題) 「何か重大な情報があるかも?」とやみくもなデータ収集は解析レベルの低下のみならず、身動きをとれなくします。 解析スキルの欠如(技術の問題) スキルの欠如は、解析手法を適切に用いることができないばかりか、解析結果に誤った解釈を与え現実とはかけ離れたものになります。 解析環境の不整備(環境・体制の問題) データマイニングを実行するには、最低限のマイニングに値するデータと、実行するツールなどの環境が必要になります。環境が十分でない状
データマイニングでは、データが膨大となっている場合があります。ここまでデータ量が大きくなると計算量の問題で解析時間がかかりすぎるという問題が起き、色々なデータマイニング技法を試行することができません。 それでは、大規模データに対抗するためにどうしたらいいでしょう? 今、著者が思いついたものを挙げてみると 1.高速なマシンに期待する 2.大規模でも計算する手法を編み出す 3.仮説を立てて絞り込んで挑戦 4.サンプリングして、そこそこの量のデータで試す 5.それでもじっくり処理が終わるのを待つ ということをとりあえず思いつきました。(他にある場合は教えてください) それでは、以上の項目をデータマイニングとして検討してみましょう。 【1番:高速なマシンに期待する】高速マシンに投資することは基本的に有効です。30年前の計算機ではどうやっても不可能であった計算処理であっても技術
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く