第8章データ管理
8.5 Data Warehousing, Data Lakes, and Business Intelligence8.5 データウェアハウス、データレイク、ビジネスインテリジェンス
• A data warehouse is a relational database that stores processed data that are optimized for gathering business insights to support decision-making process.
• データウェアハウスは、意思決定を支える業務上の知見を集めやすいように最適化・処理されたデータを保存する、関係データベースである。
• In designing a data warehouse, many schemas can be adopted such as star schema, snowflake schema, and fact constellation.
• データウェアハウスの設計では、スター、スノーフレーク、ファクトコンステレーションなど、さまざまなスキーマを採用できる。
• ETL is the data extraction, transformation, and loading process.
• ETLは、データの抽出・変換・読み込みの過程である。
• A data mart is a scaled-down version of a data warehouse aimed at meeting the information needs of a homogeneous small group of end users.
• データマートは、共通した性質を持つ少人数のエンドユーザーの情報ニーズを満たすため、データウェアハウスを小規模にしたものである。
• Virtualization uses middleware to create a logical or virtual data warehouse.
• 仮想化は、ミドルウェアを使って論理的・仮想的なデータウェアハウスを作る。
• An operational data store (ODS) is a staging area that provides query facilities.
• 運用データストア（ODS）は、クエリー機能を備えた一時的なデータ格納領域である。
• Data lakes are large data repository that store raw data and can be set up without having to first define the data structure and schema.
• データレイクは、生のデータを保存する大きなリポジトリーで、データ構造やスキーマを先に定義せずに設置できる。
• Business intelligence (BI) is the set of activities, techniques, and tools aimed at understanding patterns in past data to predict the future.
• ビジネスインテリジェンス（BI）は、未来を予測するため、過去のデータのパターンを理解しようとする活動・技法・道具の集合である。
8.6 Data Management for Shallow and Deep Learning Applications8.6 浅い学習と深層学習のアプリケーションのためのデータ管理
• Data integration aims to provide a unified view and/or unified access over heterogeneous, and possibly distributed, data sources.
• データ統合は、異種の、場合によっては分散したデータ源について、統一された見え方やアクセス方法、またはその両方を提供することを目指す。
• Big data encompasses both structured and highly unstructured forms of data.
• ビッグデータは、構造化された形と、非常に非構造化された形の両方のデータを含む。
• The scope of big data has five Vs: Volume, Velocity, Variety, Veracity, and Value.
• ビッグデータの範囲には、量・速度・多様性・信憑性・価値という5つのVがある。
• Data virtualization is a technique that hides the physical location of the data and uses data integration patterns to produce a unified data view.
• データ仮想化は、データの物理的な場所を隠し、データ統合のパターンによって統一されたデータの見え方を作る技法である。
• Data quality involves various criteria to assess the quality of a dataset.
• データ品質には、データセットの品質を評価するさまざまな基準が含まれる。
• The aim of data governance is to set up a company-wide controlled and supported approach toward data quality that is accompanied by data quality management processes.
• データガバナンスは、データ品質の管理過程を伴い、全社的に統制・支援されたデータ品質への取り組みを確立することを目指す。
• An analytics process model includes prepressing, analytics, and postprocessing.
• 分析プロセスモデルには、前処理、分析、後処理が含まれる。
• Big data analytics creates a model from a set of data; to learn from the data we need machine learning algorithms.
• ビッグデータ分析は、データの集合からモデルを作る。データから学習するには、機械学習アルゴリズムが必要である。
• Streaming analytics performs analytic processes on streaming data.
• ストリーミング分析は、流れてくるデータに分析処理を行う。
• Cognitive computing is a technology tries to simulate human’s way in solving problems
• コグニティブコンピューティングは、人間の問題解決の仕方を模倣しようとする技術である。
• Artificial intelligence is a system that creates intelligent ways to solve problems that previously required human interaction
• 人工知能は、以前は人間の関与を必要とした問題を解くため、知的な方法を作り出すシステムである。
8.7 Informatics and Data Management8.7 情報学とデータ管理
• Informatics describes the study, design, and development of information technology for the good of people, organizations, and society.
• 情報学は、人・組織・社会の役に立つ情報技術の研究・設計・開発を指す。
• Information systems clearly support informatics and provide an organizational context for using database systems to help collect, organize, store, analyze, preserve, retrieve, and govern data and records relevant to an organization.
• 情報システムは情報学を明確に支え、組織に関係するデータや記録の収集・整理・保存・分析・保全・検索・統制にデータベースシステムを使うための、組織的な文脈を提供する。
• Information systems provide resources involved in collection, management, use, and dissemination of information resources of organizations.
• 情報システムは、組織の情報資源の収集・管理・利用・普及に関わる資源を提供する。
• An information system life cycle includes feasibility analysis, requirements collection and analysis, design, implementation, and validation and acceptance testing.
• 情報システムのライフサイクルには、実現可能性の分析、要件の収集と分析、設計、実装、妥当性確認と受け入れテストが含まれる。
Review Questions確認問題
Exercises 1–5練習問題 1–5
1. What statement best describes the differences among data, information, and knowledge? a. Data are collected from random sources. Information is gathered from specific sources. Knowledge is the process of reading and understanding data and information. b. Data are information that was targeted to be collected and stored by a system or application. Information is the bulk data that have not been analyzed to determine to keep or delete. Knowledge is the underlying decision on what information to turn into data. c. Knowledge is the process of reading and understating information and data. Information is data that have been collected from targeted research of online and academic sources. Data are information that was collected from research and development experiments. d. Data are the raw data without meaning. Information is processing and formatting the data. Knowledge is the process of using and analyzing the information.
1. データ・情報・知識の違いを、最もよく表す文はどれか。a. データは無作為な情報源から集める。情報は特定の情報源から集める。知識はデータや情報を読んで理解する過程である。b. データはシステムやアプリケーションが収集・保存の対象にした情報である。情報は保持するか削除するかを決める分析がまだ行われていない、大量のデータである。知識は、どの情報をデータに変えるかという根本的な決定である。c. 知識は情報やデータを読んで理解する過程である。情報はオンライン資料や学術資料を狙いを定めて調査し、収集したデータである。データは研究開発の実験から集めた情報である。d. データは意味を持たない生のデータである。情報はデータを処理し、形式を整えることである。知識は情報を使い、分析する過程である。
2. What does a data steward do? a. They ensure that the enterprise's actual business data and the metadata are accurate, accessible, secure, and safe. b. They have the authority to ultimately decide on the access to, and usage of, the data. c. They are responsible for creating, implementing, and maintaining the database management system. d. They design conceptual data model (blueprints) to bridge the gap between the business processes and the IT environment.
2. データスチュワードは何をするか。a. 企業の実際の業務データとメタデータが、正確で、利用でき、安全に保護されていることを確保する。b. データへのアクセスと利用を、最終的に決定する権限を持つ。c. データベース管理システムの作成・実装・保守を担当する。d. 業務過程とIT環境の隔たりを埋めるため、概念データモデル（設計図）を設計する。
3. What are three examples of data quality parameters? a. size, accuracy, and variety of sources b. accuracy, age of data, and size c. accuracy, security, and variety of sources d. accessibility, accuracy, and security
3. データ品質の指標の例となる3つはどれか。a. 大きさ、正確性、情報源の多様性b. 正確性、データの古さ、大きさc. 正確性、安全性、情報源の多様性d. アクセス可能性、正確性、安全性
4. Define data governance.
4. データガバナンスを定義しよう。
5. What is metadata and what is involved in cataloging them?
5. メタデータとは何か。カタログ化では、何を行うか。
Exercises 6–10練習問題 6–10
6. Data science is a combination of what domains? a. computer science, and mathematics and statistics b. computer science and business area applications c. computer science, mathematics and statistics, and business area applications d. mathematics and statistics, and business area applications
6. データ科学は、どの領域の組み合わせか。a. コンピューターサイエンス、数学と統計学b. コンピューターサイエンス、業務分野の応用c. コンピューターサイエンス、数学と統計学、業務分野の応用d. 数学と統計学、業務分野の応用
7. What type of data model focuses on scalability and easily copes with irregular or highly volatile data structures? a. relational DBMS b. XML DBMS c. hierarchical DBMS d. NoSQL DBMS
7. 拡張性を重視し、不規則な、あるいは頻繁に変化するデータ構造にも容易に対応できるデータモデルは、どの種類か。a. 関係DBMSb. XML DBMSc. 階層型DBMSd. NoSQL DBMS
8. A federated DBMS architecture can be described as a. a uniform interface to multiple underlying data sources, which hide the underlying storage details to facilitate data access. b. where the data are maintained on a centralized server at a single location. c. where the DBMS and database are hosted by a third-party cloud provider. d. an architecture that stores all data in internal memory instead of slower external storage.
8. 連邦型DBMSアーキテクチャーの説明はどれか。a. 基盤となる複数のデータ源への統一したインターフェースであり、アクセスしやすくするため、基盤の保存方式の詳細を隠す。b. 1か所にある中央のサーバーでデータを維持するもの。c. 外部のクラウド事業者がDBMSとデータベースをホストするもの。d. 低速な外部記憶装置の代わりに、全データを内部メモリーに保存する構成。
9. What are the three layers into which an n-tier DBMS architecture divides an application? a. client side, server side, virtual b. physical, logic, virtual c. presentation, logic, data d. front-end, back-end, network
9. n層DBMSアーキテクチャーは、アプリケーションをどの3層に分けるか。a. クライアント側、サーバー側、仮想b. 物理、論理、仮想c. 表示、論理、データd. フロントエンド、バックエンド、ネットワーク
10. What is physical data independence?
10. 物理的データ独立性とは何か。
a. the use of multiple physical storage devices such as local servers and external hard drives where data on one device is not dependent on data on other physical storage devices b. a separation of the conceptual level from the physical level c. where the data stored on local devices is not dependent on data stored in the cloud. d. a separation of logical layers and presentation layers of data
a. ローカルサーバーや外付けハードディスクなど、複数の物理記憶装置を使い、ある装置のデータが他の物理記憶装置のデータに依存しないこと。b. 概念レベルと物理レベルを分離すること。c. ローカル装置に保存したデータが、クラウド上のデータに依存しないこと。d. データの論理層と表示層を分離すること。
Exercises 11–15練習問題 11–15
11. Give a few examples of data models and explain how they differ from one another.
11. データモデルをいくつか挙げ、それぞれの違いを説明しよう。
12. Give examples of DBMS users.
12. DBMSの利用者の例を挙げよう。
13. What type of systems is described where the presentation layer is only on the client device but the application and data layers are on the server devices? a. thin-client b. fat-client c. distributed application d. parallel processing
13. 表示層だけがクライアント装置にあり、アプリケーション層とデータ層はサーバー装置にあるシステムは、どの種類か。a. シンクライアントb. ファットクライアントc. 分散アプリケーションd. 並列処理
14. What is the primary key? a. the special string of characters to unlock a table for editing b. a special unique identifier for each table record c. the first object in the table that locks in the format for that table d. the first field of an object
14. 主キーとは何か。a. 表を編集できるよう、ロックを解除する特別な文字列b. 表の各レコードを一意に識別する、特別な識別子c. その表の形式を固定する、表内の最初のオブジェクトd. オブジェクトの最初のフィールド
15. What are some of the relational algebra operations?
15. 関係代数の演算には、どのようなものがあるか。