戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

9

9

1.6　ビッグデータ 1.0 からビッグデータ 2.0 へ

スだけに留まらない、より一般的なものです。例えば、データ処理スキル、データ処理シス

テム、そしてデータ関連技術がデータサイエンスの要素であると勘違いされることもありま

す。データサイエンスとデータ主導型のビジネスを理解するためには、データサイエンスと

データ処理の違いについて理解することが重要です。データサイエンスではデータを使うこ

とが不可欠ですし、データ処理技術を活用した洗練されたデータエンジニアリングが大きな

メリットに繋がることもあります。しかしながら、これらの技術はデータサイエンス特有の

技術というわけではありません。図

1-1

では、データ処理はデータサイエンスを支える技

術として登場しています。データ処理は非常に有用な技術であり、データ主導型ビジネスに

とっても重要な存在です。データ処理技術には、データからの知識の抽出やデータ主導型意

思決定そのものは含まれませんが、効率的なトランザクション処理や、最新の

Web

システ

ム処理や、オンライン広告キャンペーンなどにとっては中核的要素なのです。

近年、「ビッグデータ」を処理するための技術（

Hadoop

、

HBase

、

MongoDB

など）に注

目が集まっています。本質的には、ビッグデータとは従来のシステムが扱ってきたデータ量

と比較して、はるかに規模が大きいデータのことを指します。従来の技術では、ビッグデー

タを処理することは困難であったため、新しいデータ処理技術を必要とします。従来のデー

タ処理技術と同じように、ビッグデータ処理技術もデータエンジニアリングを含むさまざま ...