CRISP-DMとは
CRISP-DM(CRoss-Industry Standard Process for Data Mining)とは、データ分析プロジェクトのためのデータ分析プロセスモデルです。CRISP-DMに沿ってデータ分析を行うことで、効率よくデータ分析を行うことが出来ます。
CRISP-DMでは以下のようなプロセスでデータ解析が行われます。
プロセスに矢印が引かれ、円形のプロセスマップからもわかる通り、データ解析の分野では必要に応じて、処理を戻りやり直したり、繰り返すことが求められます。
CRISP-DMの6つのプロセス
CRISP-DMには、次の6つのプロセスがあります。
❶ビジネス課題の理解
❷データの理解
❸データの準備
❹モデル作成
❺評価
❻展開・共有
ビジネス課題の理解
まず始めにビジネス課題を理解するところから始まります。（Business Understainding）
データの理解
ビジネス課題の理解の次は、データの理解のフェーズです。
データの理解のフェーズでは、分析のもととなるデータについて理解します。
データを理解するためには、ただ手を動かせば良いわけでなく、担当者との密なコミュニケーションが必要になります。さらに、可視化を行うことでデータ理解につながります。
データの準備
データの理解ができたら、モデルを作成する前段階としてデータを準備・前処理します。
データ前処理は、全体の8割を占めると一般的に言われます。
どのように特徴量を作成するかによって、次のフェーズのモデルの精度を左右します。
さらには、ビジネス理解のフェーズに定めた分析目標を達成できるかどうかにもつながるため、作業には十分に時間を割く必要があります。
モデル作成
データの準備・前処理を終えることで、はじめてモデルの作成が行えます。
このフェーズでモデル（データに潜むルールやパターンの集まり）を作成します。
評価
モデル作成フェーズで得られた結果から、分析の目標とビジネス目的を達成できるか評価します。
次の『展開・共有』フェーズで実際にモデルを運用し、効果を確認することも必要です。
評価の結果、ビジネス目的を達成できなければ、ビジネス理解のフェーズに戻り、再度分析の目標と成功の判定基準を設定します。
展開・共有
ビジネス目的を達成できるモデルを得られたら、既存の業務フローへ展開、共有し既存システムに組み込みます。
このフェーズでは組み込んで終わりではなく、効果をモニタリングしフィードバックを行い、さらなる改善を繰り返します。
モデルは一度作って終わりではなく、継続的に価値を出し続けるために、最新の状態に保つ必要があります。
分析の価値が下がらないよう、モデルは日々更新します。
（更新頻度はビジネスの目的によって異なります。）
おわりに
この記事では、データ分析プロセス CRISP-DMに関して解説しました。
CRISP-DMの6つのプロセスを理解し、データ分析を行う際には参考にしてみてください。
❶ビジネス課題の理解
❷データの理解
❸データの準備
❹モデル作成
❺評価
❻展開・共有
データ分析を効率よく学ぶには？
データ分析を効率よく学ぶには、普段から分析業務をしている現役のデータサイエンティストに質問できる環境で学ぶことです。
質問し放題かつ、体系的に学べる動画コンテンツでデータ分析技術を学びたい方は、オンラインで好きな時間に勉強できるAI Academy Bootcampがオススメです。受講料も業界最安値の35,000円（６ヶ月間質問し放題＋オリジナルの動画コンテンツ、テキストコンテンツの利用可能）なので、是非ご活用ください。
