機械学習で扱うデータとは
みなさんこんにちは、いぬがすきです。
データアナリストへの道の第一歩を踏み出そうとしているサラリーマンです。
分析については全くのど素人なので、
『学んだ知識をビジネスに活かしていけるようにする』ことをゴールに勉強していきたいと思います📊
今回は機械学習で扱うデータについてです！
それでは、一緒に勉強していきましょう！
オペレーショナル・アナリティカルデータ
みなさんの会社、特に大企業には多くのデータが蓄積されていると思います。
では、社内に溜まっているこれらのデータをそのまま用いて機械学習を行えば、
ビジネスに活かせる価値を見出すことができるのか！？というと、
答えは『できない！』そうです。
残念、、、じゃあどうしたら良いんだって話ですよね。
普段蓄積しているデータは、あくまで何かの記録を残しておいたり、
社員情報やシステムへのアクセス記録といった、事業を回してく上で必要なデータであり、解析するためのデータではないとのこと。
このように、普段溜めているデータのことをオペレーショナルデータと呼ぶそうです。
そしてデータを活用するためには、このオペレーショナルデータをいかに解析できるようなデータ、 アナリティカルデータに変換できるかが非常に重要とのことでした！
非構造化・構造化データ
基本的に機械学習で扱えるデータは、Excelやcsvのように行と列を持つ表形式データかつ、中身が数値である必要があります。
表形式データのようにデータ構造がわかりやすくなっているデータを構造化データと呼び、
機械学習ではこの構造化データを主に扱っていきます。
しかし、身の回りにある多くのデータは、テキストや画像、 音声のように構造化されていない非構造化データです。
一昔前までは、 非構造化データを扱うのは難しかったのですが、 ディープラーニングの登場、発展により、 非構造化データの活用も徐々に可能になってきました。
・今日のまとめ
『機械学習にはアナリティカルデータが必要！』
いかがだったでしょうか？
みなさんもご自身の会社にどんなデータが溜まっているか考えてみて、
そのデータがどんなデータなのか調べてみるのもおもしろいかもしれないですよ！
下記参考資料です📚
この記事が気に入ったらサポートをしてみませんか？