データ用語虎の巻：ビジネスのためのわかりやすいデータ用語集

※本ポストは2023年6月8日に米国で公開された“This New Data Glossary Will Demystify Data for You and Your Teams”の翻訳版です。本ポストの正式言語は英語であり、その内容および解釈については英語が優先されます。

2025年までに、世界で生成されるデータ量は12時間毎に2倍になるといわれています。大量のデータが組織の中を移動するこうした状況では、データの専門家のみならず、誰もがデータを活用できることが理想的です。人工知能（AI）によって、私たちは情報の海からビジネスに必要なインサイトを汲み取れるようになりましたが、AIが行う意思決定について学び、改善していくにはデータが必要不可欠です。

そんなときはぜひ本用語集をご活用いただき、経営陣からチームのメンバーに至るまで、組織の全員でデータリテラシーを身につけいきましょう。

これらの重要な用語に精通すれば、技術的な能力に関わらず、あなたもそしてチームメンバーの皆さんもデータについて自信を持って話せるようになるだけではなく、ビジネスでの価値創出にデータを活用する方法を理解することができます。

データ用語

一括処理

一括処理とは、コンピューターが大量のデータに関する反復作業やまとまったタスクを自動的に実行するときに、一連の異なる作業としてではなく、単一の作業として処理することを指します。特定のプロセッサ集中型タスクは、個別に実行すると非効率的な場合がありますが、一括処理ではデータジョブをまとめて、コンピューターの計算リソースを節約するためにオフピーク時間に実行されることが多いです。

• お客様にとっての意味：注文処理などの作業をバッチとして実行すると、個別に処理されていた場合よりもタスクの処理スピードがアップするので、顧客は一貫性のある正確な結果が得られます。
• チームにとっての意味：個別のタスクに必要なシステム負荷を最小限に抑えて時間を節約し、一括処理全体で標準ビジネスルールを使用することで、品質管理において一層の一貫性をもたらします。

（トップへ戻る↑）

ビジネス分析

ビジネス分析とは、データを使用して仮説を検証し、多くの場合、将来のパフォーマンスに関する予測や、より多くの情報に基づいた意思決定を行う実践のことを指します。ビジネス分析は予測的なものです。つまり、データをモデル化し、それらを分析して、新しいインサイトを特定し、傾向を予測していくものです。

• お客様にとっての意味：顧客は、自分専用にパーソナライズされた製品のおすすめや適切なマーケティングメッセージが適切なタイミングで配信されるなど、全体的に改善された顧客体験を感じることができます。
• チームにとっての意味：チームはビジネス分析で時代を先取りし、より正確な予測を作成し、リソース計画、需要予測、リスク評価などについて賢明な意思決定を行うのに役立ちます。

（トップへ戻る↑）

ビジネスインテリジェンス

ビジネスインテリジェンスとは、現在のパフォーマンスの状態を確認するために大量のデータをまとめ、意思決定を促進するために実践的なインサイトを取得するための手法です。つまり、特定の瞬間に何が起こっているかを「説明」するものです。

• お客様にとっての意味：組織が過去または現在の取り組みがどのように機能したか (または機能していないか) を確認し、これらのインサイトを活用してそれらの改善を行うことで、顧客への対応が向上し、顧客の満足度とロイヤルティが向上します。
• チームにとっての意味：チームは主要業績指標（KPI）の追跡といった組織内の取り組みや、顧客満足度（CSAT）スコアのような部門内もしくはチーム内のビジネスリスクを特定するといった外部的な取り組みにビジネスインテリジェンスを活用することができます。

（トップへ戻る↑）

顧客データプラットフォーム（CDP）

CDPは、Webサイト、モバイルアプリ、メール、ソーシャルメディアといったソースから顧客データを収集、整理、使用して、一元的な顧客のプロファイルを構築するのに役立ちます。

• お客様にとっての意味：CDPを活用することで、顧客が求めているような問題解決に役立つ、より有意義なブランドとのやり取りを企業が的確に予測することができます。
• チームにとっての意味：一元的に顧客を管理すると、チームはさらに有意義で対象顧客を絞り込んだ顧客体験、キャンペーン、製品を生み出すことにつながります。取り込むデータ量が増えるほど、追跡、測定、改善をより適切に行うことができます。

（トップへ戻る↑）

ダッシュボード

ダッシュボードとは、データを視覚的に表示したもので、状況の監視や簡単に状況を理解できるようにするために使用されるものです。一般的にダッシュボードには、重要なビジネスプロセスやKPIを説明する複数のインタラクティブな図表があります。

• お客様にとっての意味：組織はプロセスを効果的に監視し、顧客のニーズへの対応を向上させるために対象を絞ったインサイトを生成できます。
• チームにとっての意味：重要なビジネス目標の進捗を監視することで、担当者はダッシュボードでポジティブなトレンドとネガティブな傾向を確認し、その原因を掘り下げて、すぐに対処することが可能になります。

（トップへ戻る↑）

データおよびビッグデータ

データとは、組織が収集、保存、分析する、ありのままの事実や数字、顧客の名前や連絡先の詳細などの情報です。データは、顧客とのやり取り、調査、センサー、SNSなどさまざまなソースから取得されます。一方、ビッグデータとは、大規模で複雑な情報のことです。ビッグデータには、volume（量）、velocity（速度）、veracity（正確性）、value（価値）、variety（多様性）という5つのVがあり、構造化、非構造化、半構造化の形式で保存、統制、分析するというビッグデータの課題を表しています。

• お客様にとっての意味：企業がビッグデータを使用すると、顧客はさらに自分自身にカスタマイズされた関連性の高いメッセージを受け取ることが可能になります。これにとどまらず、ビッグデータの分析により不正な行動を突き止めるパターンの特定が可能なことから、顧客にはセキュリティと信頼性の向上というメリットも享受することもできます。
• チームにとっての意味：チームはデータを利用して顧客とのやり取りを向上させます。過去の購入、閲覧行動、その他のデータポイントの関連データを収集、分析して特定の製品やサービスを推奨します。これにより顧客体験が向上し、購入の可能性が高まります。

（トップへ戻る↑）

データ分析

データ分析とは、結論を導き出すために生のデータを検証する技術です。これには、データを理解、集計、可視化しやすくするツールやテクノロジーも含まれています。

• お客様にとっての意味：顧客が改良された製品やサービスを利用する際に、データ分析のメリットを体感します。
• チームにとっての意味：チームはデータ分析をもとに、カスタマーサービス、製品開発、マーケティングなどの主要な職務全体で継続的な改善を図ります。

（トップへ戻る↑）

データカルチャー

データカルチャーとは、意思決定を向上させるためのデータの活用を提唱し、重視している個人の共有された行動と信念のことです。データカルチャーによって、データアナリストに限らず誰もがデータでビジネス価値を引き出し、創造できるようになります。

• お客様にとっての意味：組織の誰もがデータを活用できれば、全員が顧客のニーズについて優れた意思決定を行うことが可能になります。
• チームにとっての意味：チームは問題をこれまで以上にすばやく解決することが可能になります。ビジネス最前線でのデータ活用によって、トレンドの先を見越し、さらに顧客にカスタマイズされた製品を生み出し、ビジネス予測をより精緻なものに改善させることにつながります。

（トップへ戻る↑）

データガバナンス

データガバナンスとは、組織がデータの信頼性と関連性を確保するために、データのライフサイクル全体を通じてデータを効果的に処理するためのルールと責任を定義するために使用するフレームワークのことです。これらのルールは、使いやすさ、品質、ポリシーへの準拠、プライバシー、セキュリティを維持するためのプロセスとプロトコルを定義します。

• お客様にとっての意味：質の高い顧客体験を生み出すために、信頼性と関連性の高いデータは欠かせません。さらに、顧客はプライバシー権利や機密扱いの個人情報を尊重する組織を信頼する傾向があります。
• チームにとっての意味：データの信頼性と関連性が高く、データを保護し、データ侵害の可能性を軽減する明確な基準と手法の存在を把握することで、チームの安心感が高まります。

（トップへ戻る↑）

データハーモナイゼーション

データハーモナイゼーションとは、複数のソースのデータをまとめ、あたかも単一のデータソースのように機能する一元的なデータセットを作成するプロセスのことです。データ要素、形式、構造を調整し、不整合を解消して、データを簡単に比較・分析することが含まれています。

• お客様にとっての意味：組織は単一のソースから取得したデータと同様に、顧客の好みや購入履歴といった幅広いソースから取得したデータを利用できるので、顧客は対応してもらう部門を超えても一貫した顧客体験を得ることが可能です。
• チームにとっての意味：チームは複数のシステムを利用せずに顧客について包括的に把握し、すばやく情報にアクセスし、分析することができます。

（トップへ戻る↑）

データインサイトおよびリアルタイムのインサイト

データインサイトは、データ分析から得られるデータのパターンやトレンドといった重要な発見です。リアルタイムのインサイトは、eコマースサイトでの販売といったイベント発生の瞬間に得たデータ分析をもとにした即時の最新情報です。意思決定や戦略の指針としてこれらのインサイトを活用できます。

• お客様にとっての意味：データインサイトは、さらにカスタマイズされた製品、サービス、事前対応型のサポートなどブランドとのすべてのやりとりにおいて、顧客に重要なメリットをもたらします。リアルタイムのインサイトを活用すると、組織はリアルタイムのパーソナライゼーション、さらに的を絞り込んだマーケティング、問題に対する速やかな対応ができます。
• チームにとっての意味：データインサイトを使用すると顧客への理解が深まり、プロセスが向上し優れた意思決定を促すことができるので、市場で競争の優位性を構築できます。

（トップへ戻る↑）

データレイク

データレイクとは生データの一元的なストレージレポジトリです。これは、元の形式で大量の構造化、非構造化、および半構造化データを収集、保存するために組織が使用する強大で柔軟性のある低コストのストレージシステムです。データレイクにより、ソーシャルメディアの投稿、センサーログ、ロケーションデータなどの膨大な非構造化データを取得します。

• お客様にとっての意味：データレイク内の膨大な情報を活用すると、ブランドは顧客の要望やニーズを予測できます。
• チームにとっての意味：チームは単一の場所で膨大な量のデータにアクセスできるので、スピーディーな行動が可能になり、競合他社に後れを取ることがなくなります。

（トップへ戻る↑）

データレイクハウス

データレイクハウスはデータレイクの拡張性と柔軟性、データウェアハウスの構造とガバナンスという、両方の特長をあわせもっています。このハイブリッドな特性により、データの形式やサイズにかかわらず、組織のあらゆるデータを迅速かつ容易に抽出できます。

• お客様にとっての意味：顧客は、オムニチャネル体験の統合、応答時間の短縮、データセキュリティの向上といったメリットが得られます。
• チームにとっての意味：チームはデータストレージとプロセス構造を分散する必要がなくなるので、過去のデータとリアルタイムのデータの一元化が1か所で可能になります。

（トップへ戻る↑）

データリテラシー

データリテラシーとはデータを読み解き、理解し、伝えることができる能力です。

• お客様にとっての意味：顧客はブランドが自分のことを理解し、問題解決をサポートしてほしいと考えています。データリテラシーのある組織は、顧客接点の全体においてこのような顧客からのニーズに対する詳細な知識と理解があります。
• チームにとっての意味：データリテラシースキルの高いチームは、個人、仕事、組織の成長を積み上げることで、クリティカルシンキング、キャリア機会、データを活用した成功を増やしています。

（トップへ戻る↑）

データマスキング

データマスキングとは、機密情報や個人情報を保護し、プライバシー要件を遵守するために、機密データを架空のデータまたは匿名化されたデータに置き換えるプロセスのことです。データマスキングは、実際のデータを必要としない場合や外部のサードパーティとデータを共有するときのトレーニングやテストに使用されます。AIプロンプトを書くときや、AIモデルをトレーニングするときに個人情報を削除したことを確実にするためにもマスキングを使用できます。

• お客様にとっての意味：顧客は、企業が機密情報や個人の特定が可能な情報を保護すると、企業に対しての信頼度が向上します。
• チームにとっての意味：チームは、テスト、トレーニング、開発に使用する実用的なデータを所持する一方で、容易にプライバシー要件にも準拠できます。

（トップへ戻る↑）

データマイニング

データマイニングは、膨大なデータセットの中のパターンを発見するプロセスです。機械学習、統計、データベースシステムのような技術を使用して、生のデータを有用な情報に変換します。

• お客様にとっての意味：自分に何が必要なのかを知る前に、顧客は欲しいものや必要なものについて予測的なおすすめ情報を得ることができます。カスタマイズされたおすすめ事項、通知、追加製品の購入案内などは、データマイニングによって動作しています。
• チームにとっての意味：顧客の行動を詳細に理解すると、あらゆるマーケティングおよび営業戦略の効果と効率を維持できます。

（トップへ戻る↑）

データサイエンス

データサイエンスは、構造化データと非構造化データからインサイトを生成するために、科学的な手法、統計、アルゴリズム、データマイニングの技術を組み合わせたものです。

• お客様にとっての意味：顧客はレコメンデーションアルゴリズムのようなデータサイエンスツールで、迅速なサービスや進化したパーソナライゼーションを体験できます。ツールにより特定のサポートタスクを自動化し、カスタマイズされた推奨と機械学習アルゴリズムが提供されます。
• チームにとっての意味：チームはデータサイエンスを活用して、サービスと製品の提供を継続的に向上させ、反復し、さらに関連性、効率、満足度の高い顧客体験を生み出します。

（トップへ戻る↑）

データセキュリティ

データセキュリティとは、ユーザー権限やロールベースのアクセス制御のような組織の情報を保護するために使用される手法や手段です。許可された個人だけが特定のデータにアクセスできるようにします。

• お客様にとっての意味：顧客からの信頼がすべてです。組織がデータとプライバシーの保護に最新の注意を払っていることを顧客が知れば、関係性とロイヤルティが構築されます。
• チームにとっての意味：チームが適切なセキュリティ対策を講じていると、チーム自体をデータ侵害から保護し、顧客の信頼と評価を維持し、規制標準の準拠を徹底し、さらには知的財産を保護することもできます。

（トップへ戻る↑）

データストーリーテリング

データストーリーテリングとは、データ、可視化、口頭での説明を通じてオーディエンスにインサイトを伝え、魅力的なストーリーを届けることです。ストーリーテリングを作成してデータナラティブを伝え、状況を提供し、意思決定がどのように結果と関連しているかを提示することも、魅力的な事例を作ることもできます。

• お客様にとっての意味：組織はデータストーリーテリングを活用して、顧客を詳細で効果的に理解を深めています。
• チームにとっての意味：チームはデータストーリーテリングを使用して複雑な情報を簡素化し、その情報を組織全体に的確な方法で共有します。これにより、重要なデータコンセプトと関連プロジェクトに対する理解と同意が高まります。

（トップへ戻る↑）

データの可視化

データの可視化とは、詳細な図表、グラフ、マップを作成し、情報を理解しやすくするためのプロセスです。これにより、組織はデータのトレンドとパターンを高精度で特定できるので、非技術系の従業員もデータを理解し、把握することができます。

• お客様にとっての意味：データインサイトについて組織で共通の認識を持っていれば、顧客とブランドで一貫性のあるやり取りを行えます。
• チームにとっての意味：チームはデータへの理解が深まり、優れた可視化機能で隠れたインサイトを発掘します。

（トップへ戻る↑）

データウェアハウス

データウェアハウスとは処理されたデータのための巨大な整理されたストレージ場所で、組織は構造化された方法で異なるソースからの情報をデータウェアハウスで収集・保存します。

• お客様にとっての意味：顧客はブランドとのやり取りがシームレスになることを期待しています。すべてのデータが単一の場所に整理されていると、組織はこの期待を上回ることができます。
• チームにとっての意味：チームはデータの一元的なハブを備えています。これにより、報告や意思決定のためにデータが必要な場合にいつでもすぐにアクセスできます。

（トップへ戻る↑）

予測型分析

予測型分析とは機械学習などの統計技術を使用して、過去のデータにもとづいて将来のイベントや結果を予測することです。CRMを使用している場合には、離脱しそうな顧客または特定のプロモーションに反応しそうな顧客の予測も含まれることがあります。

• お客様にとっての意味：予測分析によって、顧客は自身にとって最も興味深く、関連性の高い情報やプロモーションを受け取ることができます。
• チームにとっての意味：チームは予測分析を使用して需要を予測し、トレンドを特定し、事前対応型の意思決定を行い、ビジネス戦略を伝えることができます。

（トップへ戻る↑）

構造化データ、非構造化データ、半構造化データ

構造化データとは、固定された形式で的確に定義されたデータです。たとえば、スプレッドシートや顧客データベースのように各顧客の列があり、名前、住所、電話番号、メールなどのカラムがあります。構造化データは従来の分析ツールで簡単に理解、検索、機械への読み込みができます。

非構造化データは、事前定義された形式や特定のデータモデルがなく、インサイトの作成には専門のツールを必要とします。非構造化データの例としては、メール、ソーシャルメディアの投稿、オーディオおよび動画、画像、Webページなどが挙げられます。非構造化データは構造化データよりも急速に増加しているので、企業にとって非構造化データをシームレスに分析する技術が不可欠です。

半構造化データは組織的な構造もありますが、そのままでは簡単に分析することができません。構造化データのようにリレーショナルデータベースにインポートするためには、何らかの整理もしくはクリーニングが必要です。

• お客様にとっての意味：異なるタイプのデータを活用しているブランドは、より定量的な構造化データとより定性的な非構造化データからインサイトを獲得することで、優れた顧客対応を実現できます。
• チームにとっての意味：非構造化データの取り込みにはHadoop、構造化データと半構造化データの分析と可視化にはTableauというようにソリューションを組み合わせることで、チームは3つのデータタイプをすべて分析に使用できます。

（トップへ戻る↑）

データを活用して次のステップへ

データの重要性はかつてないほどに増しており、広がり続けているデータの流れには管理とガバナンスの重大な責任が伴います。ですが、データには大きな力があります。組織全体で個人のデータアクセスとデータリテラシーを拡大すればするほど、意思決定を導き、類いまれなる顧客体験を生み出すことができるビジネス上の気づきを得られる可能性が膨らみます。AIとCRMでリアルタイムの実践的なデータを組み合わせると、データによってスマートなアクションが促進され、大規模にパーソナライズされた顧客体験の提供が可能になります。

だからこそ、データの本質を理解することが重要となります。企業文化全体にデータリテラシーが浸透すると、誰もがデータを活用して理解を深め、価値を生み出すことができるようになります。

（トップへ戻る↑）