インターネットのアクセス記録やクレジットカードの利用履歴も

　第１回、第２回と、「ビッグデータ」を用いた新型コロナウイルス感染症と医療の話をしてきました。

　「ビッグデータ」という言葉は今でこそ、私たち研究者も、マスメディアも当たり前のように使っています。「データとか全然興味ないよ」という人でも、言葉だけは聞いたことがあるかもしれません。

　言葉としてはシンプルです。「ビッグ」な「データ」なのですから、何らかの「大きい」データであることはわかります。では何が「大きい」のでしょうか？

　そもそも、「ビッグデータ」の統一した定義はありません。なんらかの（１）データ量が大きく、（２）どんどん溜（た）まっていって、（３）構造が複雑なデータ、のことをビッグデータと呼んでいます。

　例えば、日々のインターネットのアクセス記録や、クレジットカードの利用履歴などをイメージしてもらえればよいと思います。これらは日々の利用によって、勝手にどんどん溜まっていきます。しかし、多くは情報が単に羅列されているだけになっており、そのままではとても、意味のある結果を見いだすには程遠いです。

量、速度、種類、正確性、有用性。かぎを握る五つの「Ｖ」

　この（１）～（３）の三つの特徴はそれぞれ、量（ｖｏｌｕｍｅ）、速度（ｖｅｌｏｃｉｔｙ）、種類（ｖａｒｉｅｔｙ）として言い換えられ、しばしばビッグデータの「三つのＶ」という特徴として表されます。さらに最近は、（４）正確性（ｖｅｒａｃｉｔｙ）と（５）有用性（ｖａｌｕｅ）を加えた「五つのＶ」が、ビッグデータの重要な要素と言われています。

　不正確なデータや、ほとんど意味を見いだせない数字の羅列は、たとえ「ビッグ」であっても、価値あるビッグデータとは言えない、ということだと思います。

　このようなデータは昔から存在してはいました。しかし、技術上の問題のために、なかなか分析可能な形で容易に扱うことが難しかったのです。しかし、２０００年代後半くらいから、技術の進歩により、比較的簡単に分析できるようになってきました。