正解：イ
各選択肢の解説
ア決まった項目と桁に沿って並んでおり、そのまま集計や並べ替えができる。
誤り。これは構造化データの性質です。売上明細や会員名簿のように、項目名が決まった 行と列の形に入っているものを指します。自由に書かれた文章や録音は、どこからどこまでが 一つの項目なのかが決まっていないため、この形にはなっていません。
イ行と列の形に収まらず、集計の前に内容を取り出す加工が必要になる。
正解。非構造化データの特徴です。文章なら単語や評価の語を、音声ならまず文字起こしを、 というように「何を数えるか」を人が決めて取り出して初めて集計できます。 この加工の手間があるぶん、集計済みの表よりも分析の準備に時間がかかります。
ウ量が極めて多く、専用の基盤がなければ保存も処理もできなくなる。
誤り。これはビッグデータの特徴で、分ける切り口が違います。構造化か非構造化かは 「どんな形で入っているか」、ビッグデータかどうかは「量や種類や発生の速さ」の話です。 1件だけのメールも非構造化データであり、量の多さは非構造化の条件ではありません。
エ内容が必ず特定の個人と結び付き、本人の同意なしには扱えなくなる。
誤り。これはパーソナルデータをめぐる説明で、これも切り口が違います。問い合わせの 記録は個人に結び付くことが多いものの、匿名の意見や機械が発した警報の音声のように 個人と結び付かない非構造化データもあります。形の話と中身の話は分けて考えます。
理解を深めるために
表のマス目に入るか、入らないか
データを表計算ソフトに貼り付ける場面を思い浮かべてください。 売上明細なら、日付・商品・数量が最初から列に分かれていて、そのまま合計が出せます。 これが構造化データです。
一方、問い合わせメールの本文や通話の録音は、貼り付けても1つのマスに丸ごと入るだけで、 合計も並べ替えもできません。これが非構造化データです。
非構造化データを分析するには一段階いる
非構造化データは、集計できる形に直す作業が先に必要になります。
- 文章 … 単語に分けて出現回数を数える（テキストマイニング）
- 音声 … いったん文字に起こしてから、文章として扱う
- 画像・動画 … 写っているものに名前を付ける（アノテーション）
この一段階があるため「価値は高いが手がかかる」と言われます。 企業が持つデータの大半は非構造化データだとされ、ここをどう扱うかが分析の分かれ目です。
切り口の違う分類と並べて整理する
| 分類 | 何で分けているか |
|---|---|
| 構造化／非構造化データ | 決まった形に整理されているか |
| ビッグデータ | 量・種類・発生の速さが従来の手に負えない規模か |
| パーソナルデータ | 中身が個人と結び付くか |
| 1次データ／2次データ | 誰が、何のために集めたか |
同じ通話録音が、非構造化データであり、パーソナルデータであり、自社が集めた1次データ でもあります。問題文がどの切り口の話をしているかを最初に見分けるのがこつです。