BIの第2波がやって来る？：特集：データ経営でビジネスを制す（2/3 ページ）

[梅田正隆，ITmedia]

運動性能を決める分析プロセス

　分析プロセスは、ETL機能によって集めてきたデータについて、OLAP（オンライン分析処理）やデータマイニングを行って、データをハンドリングする、あるいは統計解析手法やマイニングアルゴリズムによってデータ間の関係性を導出するプロセスとなる。

　OLAPは大量データの高速ハンドリングを実現する。ハンドリングの基本として、ダイスとスライスとドリルがある。ダイスは、表の軸を切り替える操作であり、Excelのピボットテーブルと同じだ。スライスは、データを集計するときの切り口を変更する操作。ドリルには、表示されたデータ集計について、詳細レベルに掘り下げていくドリルダウンと、逆に上のレベルにたどっていくドリルアップがある。

　OLAPの操作は、たとえば、ある商品に関する売上高の集計を、年単位で集計した表があるとすると、まずドリルダウンして月単位で見てみる。次にダイスして、その月の地域別の売上高を見る。さらにドリルダウンして、その月の特定地域における販売店別の売上高を見る、といった操作になる。

　OLAPには、分析するデータをバッチ処理で下ごしらえして、キューブと呼ぶ多次元データベースを作成するMOLAP（Multi-Dimensional OLAP）モデルと、リレーショナル・データベースを直接参照するROLAP（Relational OLAP）モデルがある。

　ROLAPは更新されたデータがリアルタイムに分析操作に反映させることができる。反面、操作の都度、計算を行う必要があるためCPUパワーと大容量のメモリ空間を必要とするが、この問題は64ビットコンピューティング環境が解決してくれそうだ。また、MOLAPとROLAPの両方に対応し、必要に応じて使い分けられるHOLAP（Hybrid OLAP）モデルも増えている。

　一方、統計解析やデータマイニングは、統計解析手法やマイニングアルゴリズムを大量のデータに適用して、意味のあるのパターンを見出したり、データの変動モデルを適用して将来予測を行ったりする。最近は、解析やマイニングに詳しくないユーザーでも高度な解析を実施できるよう、ガイダンス機能が提供されるようになっている。