基本情報技術者試験過去問 令和6年度（2024年）科目A問15
ビッグデータ分析の前段階として，非構造化データを構造化データに加工する処理を記述している事例はどれか。
選択肢
- ア：関係データベースに蓄積された大量の財務データから必要な条件に合致するデータを抽出し，利用者が扱いやすい表計算ソフトウェアデータに加工する。
- イ：個人情報を含むビッグデータを更に利活用するために，特定の個人を識別することができないように匿名化加工する。
- ウ：住所データ項目の中にある，“ヶ”と“が”の混在や，丁番地の表記不統一を，標準化された表記へ統一するために加工する。
- エ：ソーシャルメディアの口コミを機械学習によって単語ごとに分解し，要約を作り，分析可能なデータに加工し，関係データベースに保管する。
- ア
- イ
- ウ
- エ
正解と解き方・学習ポイント（AI解説）
文章などの非構造化データを、単語分割や要約などで項目として扱える形にし、表（行と列）で管理できる構造化データとしてデータベースに格納する事例が該当します。
Point
この問題は、非構造化データと構造化データの違いを理解し、ビッグデータ分析の前段階として行う「非構造化データを構造化データに加工する処理」を具体例で判別できるかを確認しています。
解くために必要な知識
この問題を解くには、非構造化データと構造化データの違い、および非構造化データを分析用に加工する流れを理解しておく必要があります。
用語の整理
| 用語名 | 意味 |
|---|---|
| 非構造化データ | テキスト、音声、画像、動画、SNS投稿など、行と列のような定型の構造を前提に整理されていないデータです。 |
| 構造化データ | RDBの表（テーブル）やCSVのように、項目（列）が定義されて整理されたデータです。 |
| ビッグデータ | 大量で種類が多く、発生や更新が頻繁で、従来の方法だけでは蓄積や処理が難しいデータ群を指す用語です。 |
| 関係データベース（RDB） | データを表（テーブル）で管理し、複数の表の関係を定義して検索や更新を行うデータベースです。 |
他の選択肢に出てくる用語
| 用語名 | 意味 |
|---|---|
| 匿名化加工 | 特定の個人を識別できないように個人情報を加工することです。目的はプライバシー保護です。 |
| 表計算ソフトウェア | 表形式のデータを入力し、計算や集計を行うソフトウェアです。扱うデータは一般に構造化データです。 |
| データクレンジング | 欠損、誤り、重複、表記ゆれなどを修正して、データの品質を高める作業です。 |
判断ポイントの整理
本問で問われている加工
非構造化データを、分析しやすいように項目化して構造化データとして扱える形にすることです。
本問で該当しにくい加工
-
構造化データを別の構造化形式に移すだけの変換
-
個人情報保護を目的とした秘匿化
-
構造化データ内の表記ゆれ修正（データクレンジング）
問題の解法手順
問題の着眼点
変換前が非構造化データか
文章、音声、画像、動画のように、表形式で項目が定義されていないデータかを確認します。
変換後が構造化データか
表の列（項目）を定義して整理し、RDBやCSVなどで扱える形になっているかを確認します。
各選択肢の整理
| 選択肢 | 変換前のデータ状態 | 変換後のデータ状態 | 判断 |
|---|---|---|---|
| ア | 構造化（RDB） | 構造化（表計算） | 構造化データ同士の形式変更であり、非構造化から構造化への加工ではありません。 |
| イ | 状態は問わない（個人情報を含むデータ） | 秘匿化されたデータ | 匿名化が目的であり、構造化への変換が主目的ではありません。 |
| ウ | 構造化（住所という項目がある） | 構造化（表記統一） | 表記ゆれの修正であり、非構造化から構造化への加工ではありません。 |
| エ | 非構造化（口コミの文章） | 構造化（要素に分解しRDBに格納） | 非構造化データを分析可能な構造に整理しているため適切です。 |
選択肢ごとの解説
- ア：不正解
関係データベースの財務データは、行と列で定義された構造化データです。条件抽出や表計算ソフトウェア用への形式変換は構造化データの加工であり、非構造化データを構造化データにする処理ではありません。よって誤りです。
- イ：不正解
匿名化は、個人情報を含むデータから特定個人が識別できないようにする加工です。分析のために文章などを項目化する処理ではないため、非構造化データを構造化データにする事例ではありません。よって誤りです。
- ウ：不正解
“ヶ”と“が”の混在や丁番地表記の不統一を統一するのは、表記ゆれの標準化（データクレンジング）です。住所という項目は既に存在しているため、非構造化データを項目化して構造化する処理ではありません。よって誤りです。
- エ：正解
ソーシャルメディアの口コミは自由記述のテキストであり非構造化データです。単語への分解や要約によって、関係データベースの項目として保存できる形に整理しているため、非構造化データを構造化データに加工する事例です。よって正解です。
まとめ
文章などの非構造化データを、単語分割や要約などで項目として扱える形にし、表（行と列）で管理できる構造化データとしてデータベースに格納する事例が該当します。
関係データベースの財務データは、行と列で定義された構造化データです。条件抽出や表計算ソフトウェア用への形式変換は構造化データの加工であり、非構造化データを構造化データにする処理ではありません。よって誤りです。
匿名化は、個人情報を含むデータから特定個人が識別できないようにする加工です。分析のために文章などを項目化する処理ではないため、非構造化データを構造化データにする事例ではありません。よって誤りです。
“ヶ”と“が”の混在や丁番地表記の不統一を統一するのは、表記ゆれの標準化（データクレンジング）です。住所という項目は既に存在しているため、非構造化データを項目化して構造化する処理ではありません。よって誤りです。
ソーシャルメディアの口コミは自由記述のテキストであり非構造化データです。単語への分解や要約によって、関係データベースの項目として保存できる形に整理しているため、非構造化データを構造化データに加工する事例です。よって正解です。