ITパスポート 令和7年度 問95：databaseに関する問題

答えは c「必要なデータ項目を洗い出し，項目間の関連を整理する」 です。

データベースを作るとき、いきなり箱（表）を作るのではなく、まず「どんな情報がいるか」「その情報どうしがどうつながっているか」を整理します。これが“データ分析”です。

たとえば家計簿を作る前に、「日付・金額・店名…が必要だな」「店名と分類はつながるな」と書き出す感じ。設計図を描く準備の段階です。

👉 覚え方：作る前に“何の情報がいる？どうつながる？”を洗い出すのがデータ分析。

ほかの選択肢：a/b/dはデータを“使う・取り出す”話で、設計の準備とは別です。

なぜこれが正解か

正解は c。データベース設計の上流工程である「データ分析」では、業務で扱うデータ項目を洗い出し、項目間の関連（関係）を整理する。これがその後の概念設計（E-R図）・論理設計（正規化）の土台になる。

各選択肢の解説

• a：データウェアハウスから業務ごとに情報を抽出＝データマート作成など“活用・運用”の話で、設計のデータ分析ではない。
• b：条件を満たす行だけ抽出＝SQLの選択（検索）操作の話。
• d：膨大な情報から統計的手法でビジネス活用情報を探す＝データマイニングの説明。

覚え方・ひっかけ注意

「設計（作る準備）」と「活用（できた後に使う）」を区別する。データ分析＝“何のデータが要り、どう関連するか整理”。dのデータマイニング（探索）やbの検索操作は“使う側”で別物。

理論的背景

データベース設計における「データ分析」は要求分析・概念設計フェーズの活動であり、正解はcの「必要なデータ項目を洗い出し、項目間の関連を整理する」が最も正確な説明である。

データベース設計プロセスの全体像を詳述する。要件定義（Requirements Analysis）：業務要件・ユーザー要件の把握、どのようなデータが必要かの理解。概念設計（Conceptual Design）：E-R図（Entity-Relationship Diagram）の作成。エンティティ（実体）・属性・リレーションシップ（関連）を識別・整理する。本問の「データ分析（データ項目の洗い出しと項目間の関連整理）」はこのフェーズに相当する。論理設計（Logical Design）：概念モデルをリレーショナルモデル（表・列・主キー・外部キー）に変換し、正規化（第1〜第3正規形・BCNF）を実施する。物理設計（Physical Design）：特定のDBMS（MySQL・PostgreSQL・Oracle等）に向けた実装設計。テーブル定義・インデックス設計・パーティション設計・ストレージ設計を行う。

選択肢の分析：選択肢aの「データウェアハウスからの情報抽出」はDWH設計における「データマート構築」やBIツールによる分析の説明であり、データ分析フェーズの概念とは異なる。選択肢bの「条件を満足する行だけを抽出」はSQLのSELECT文にWHEREを使ったクエリ実行の説明。選択肢dの「膨大な情報から統計的手法でビジネス活用情報を探索」はデータマイニング（Data Mining）またはBI（Business Intelligence）の説明である。

実務での使われ方

データ分析（要件収集とE-R設計）は現代のシステム開発でも依然として重要な工程であり、特に基幹システム・データ統合プロジェクトでは設計品質がシステムの品質を決定づける。

実務でのE-R設計のアプローチ：エンティティの識別（業務上の「もの・こと」を名詞で抽出：顧客・商品・注文・在庫等）→属性の識別（各エンティティが持つ特性：顧客ID・氏名・住所等）→リレーションシップの識別（「顧客が注文する」「注文に商品が含まれる」等の動詞で表現される関係）→カーディナリティの定義（1対1・1対多・多対多）。設計ツール：Lucidchart・draw.io・ERDPlusなどのオンラインツール・DBeaverやMySQL Workbench等のDB管理ツールのER図生成機能が広く使われる。

マイクロサービス・DDD（Domain-Driven Design）とのデータ設計：現代のマイクロサービスアーキテクチャではサービスごとにDBを持つ「Database per Service」パターンが採用され、集約ルート（Aggregate Root）・境界づけられたコンテキスト（Bounded Context）という概念でデータの責任範囲を定義する。伝統的なE-R設計とDDDアプローチの融合が現代のデータアーキテクト・エンジニアに求められる知識となっている。

試験での位置づけ

データベース設計フェーズの各活動はITパスポートのデータベース分野で出題される概念群であり、「データ分析」「概念設計（E-R図）」「論理設計（正規化）」「物理設計（インデックス等）」という設計フェーズの流れを理解していることが正答の前提となる。本問のポイントは「データウェアハウスからの情報抽出（a）」「SQLでの絞り込み検索（b）」「データマイニング・BI（d）」が全て「データ分析（設計フェーズ）」とは異なる概念であることを識別できるかである。「データ分析」という語が日常的に「データを分析すること（BI・データサイエンス）」とも使われるため、本問の文脈での「データベース設計工程でのデータ分析」という設計フェーズ固有の意味に気づけるかが差がつくポイントである。

基本情報技術者試験では、E-R図の読み取りと作成・関数従属性と正規化（第1〜第3正規形・BCNF・推移的関数従属性の除去）・ER図から関係スキーマへの変換・多対多の関係を中間テーブルで解消する設計まで出題される。データベーススペシャリスト試験では概念設計・論理設計・物理設計の全フェーズの詳細（候補キー・スーパーキー・NULL制約の設計・正規化と非正規化のトレードオフ）が問われる最難関レベルの知識が要求される。

選択肢の発展補足

選択肢dのデータマイニング（Data Mining）はKDD（Knowledge Discovery in Databases）プロセスの一部であり、「大量のデータから人間には直接見えないパターン・相関・ルールを統計的手法・機械学習で発見する」技術を指す。代表的な手法：クラスタリング（K-meansで顧客セグメンテーション）・分類（決定木・ランダムフォレストで不正検知）・アソシエーション分析（「おむつとビールが一緒に購入される」アパーケーション分析・Aprioriアルゴリズム）・時系列分析（売上予測・株価予測）。データマイニングとデータ分析（DB設計）の混同はデータ関連用語の多義性から生じやすく、文脈（DB設計フェーズ vs データサイエンス）での意味の違いを把握することが重要である。選択肢aのデータウェアハウス（DWH）は業務システムから大量のデータを集約・統合した分析専用のデータストアであり、OLAP（Online Analytical Processing）クエリに最適化されている。Snowflake・Amazon Redshift・Google BigQuery・Databricksが現代のクラウドDWHの代表例であり、「データレイクハウス」アーキテクチャへの発展も進んでいる。