業務分析とデータ利活用

要点と定義

故障率曲線は、使用時間に伴う故障率の変化を捉える考え方です。過去の出題で扱った補足として、初期に故障率が下がる時期、ほぼ一定の時期、摩耗や劣化で上がる時期を区別します。ほぼ一定の時期は故障を事前に予測しにくいため、予備部品を準備して故障時に交換できるようにします。摩耗が進む時期は、部品交換などの保全を検討します。この時期と対策の対応が、故障率曲線を問う判断に必要です。

BIは、業務システムに蓄積されたデータを分析し、業績の把握や経営上の意思決定に役立てる考え方・仕組みです。たとえば、販売記録を商品群や期間ごとに集計し、経営計画の検討に使います。業務データの分析を判断に結び付ける点が、BIの活用例を見分ける手掛かりです。

データマイニングは、蓄積データを分析して、単なる検索では見つけにくい規則性や相関関係を発見することです。たとえば、購買記録から、ある商品群と別の商品群が一緒に購入される傾向を探します。データの用途別の切り出し・格納とは、分析の目的が異なります。この違いがデータマイニングの判断に必要です。

デルファイ法は、専門知識や経験を持つ複数の人にアンケートを繰り返し、各回の集約結果を示して再検討を促し、集団の意見を収束させる方法です。反復調査と結果のフィードバックが、他の予測・分析手法と区別する要点です。

パレート図は、項目別の件数を多い順に並べ、件数の多い要因を把握するための図です。故障記録を要因別に集計し、上位の要因を見つけたいときに使います。因果関係を整理する目的ではなく、記録された件数の大小を比べたいという条件が図法の選択に必要です。

二クラス分類の偽陽性率については、過去の出題で扱った補足として、正しいデータを陽性、間違ったデータを陰性とする定義では、実際に陰性のデータのうち誤って陽性と判定した割合を指します。したがって分母は全データではなく、実際の陰性データです。この分母の確認が指標の説明を選ぶ判断に必要です。

PERTやCPMでは、作業の依存関係と所要時間から日程を考えます。各経路の作業時間を合計し、最も長い経路がプロジェクト全体の日程を決めます。作業を短縮するときは、短縮後に別の経路が最長になる可能性も確認します。この考え方が、日程変更の全体への影響を判断するために必要です。

適用条件と例

故障記録を扱うときは、記録された件数の順位を知りたいのか、原因間の影響関係を知りたいのかを先に定めます。たとえば、問い合わせの種類ごとの件数から対応の多い種類を探すなら、件数を降順に並べるパレート図が適します。

BIとデータマイニングは、どちらもデータを分析しますが、着目点が異なります。月ごとの売上を集計して事業判断に使うのはBIの活用例です。記録の中から、検索語を指定しただけでは分からない共通傾向を探すのはデータマイニングの例です。

偽陽性率を読む例では、まず何を陽性・陰性と呼ぶかを確認します。その定義のもとで、実際の陰性データだけを数え、その中で陽性と誤判定したものの割合を求めます。定義が変われば、同じ名称でも数える対象の解釈を取り違えるおそれがあります。

日程の例として、同じ開始点と終了点を結ぶ二つの経路があり、所要時間が一方は十三日、もう一方は十一日だとします。十三日の経路上の作業を二日短縮すると、両経路は十一日になり、全体日程は十三日から十一日に変わります。短縮前後それぞれで最長経路を確かめるのが要点です。