ディスカバリー駆動型探索とは？データキューブ分析における例外検出の仕組みを解説

ディスカバリー駆動型探索とは

ディスカバリー駆動型探索（Discovery-Driven Exploration）とは、データキューブを効率的に探索するための分析手法の一つです。この手法では、データの例外（異常値）を示す事前計算済みの指標を活用し、あらゆる集計レベルにおいてユーザーのデータ分析プロセスをガイドします。これらの指標は「例外インジケータ」と呼ばれます。

通常のキューブ探索では、ユーザー自身が大量のセル値を目視で確認しながら傾向や異常を見つけ出す必要がありますが、ディスカバリー駆動型探索では、あらかじめ計算された統計的な指標が「どこに注目すべきか」を教えてくれるため、分析の効率と精度が大幅に向上します。

「例外」とは何か

直感的に言えば、例外とは、統計モデルに基づいて予測される期待値と比較して、著しく異なるデータキューブのセル値のことです。この統計モデルは、対象のセルが適用されるすべての次元にわたる測定値の変動やパターンを考慮に入れています。

例えば、商品別販売データの分析において、12月の売上が他の月と比べて大きく増加していた場合、これは時間次元における例外と見なせます。しかし、商品次元も考慮すると、12月には他の商品でも同様の売上増加が見られるため、全体としては例外とは言えません。このように、例外の判定は複数の次元を横断的な視点で評価することで初めて正確になります。

このモデルは、データキューブのさまざまな集計レベル（GROUP BY）ごとに例外を識別します。そして、事前計算された例外インジケータに基づき、背景色などの視覚的な手がかりを用いて、各セルの例外度合いを直感的に表示します。

3つの例外インジケータ

データの異常を認識しやすくするために、次の3つの指標が例外インジケータとして使用されます。これらは、セル内の値がその期待値に対してどれほど「意外」であるかの度合いを表し、すべての集計レベルで計算され、各セルに関連付けられます。

SelfExp（セルフ例外度）

同じ集計レベルにある他のセルと比較した際の、そのセル値自体の意外性の度合いを示します。

InExp（内部例外度）

そのセルからドリルダウンした場合に、下位階層のどこかに存在する可能性のある意外性の度合いを示します。

PathExp（パス例外度）

そのセルから下位へ向かうドリルダウンパスごとの意外性の度合いを示します。

具体例：AllElectronicsの月間売上分析

例えば、AllElectronics社の月間売上を、前月比での差分（パーセンテージ）として分析したいとします。ここで扱う次元は「商品」「時間」「地域」の3つです。

例外インジケータを確認するには、画面上の「例外をハイライト（Highlight Exceptions）」ボタンをクリックします。これにより、SelfExp値とInExp値が視覚的な手がかりに変換され、各セルとともに表示されます。

• 背景色： 各セルの背景色は、そのセルのSelfExp値によって決まります。
• 枠線： 各セルの周囲には枠線が描かれ、その太さと色はInExp値の関数として表現されます。太い枠線は高いInExp値、つまりドリルダウン先に大きな例外が潜んでいることを意味します。

どちらの場合も、色が濃いほど例外の度合いが高いことを示しています。

ここで商品次元に沿ってドリルダウンを行うと、各商品の時間経過に伴う売上を表示するキューブスライスが得られ、複数の異なる売上値を分析対象として確認できます。再度「例外をハイライト」ボタンを押すことで視覚的な手がかりが表示され、膨大な数値の中から例外となっている箇所に素早く焦点を当てることができるのです。