G検定 用語解説
CRISP-DMとは
データ分析プロジェクトを段階的に進めるための標準的な手順の枠組み。
まず押さえる結論
CRISP-DMは、G検定の「大項目7 AIの社会実装に向けて」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×CRISP-DM（進め方の枠組み）とPoC（概念実証）の役割の取り違え。
×データリーケージ（学習・評価データに正解情報が混入する事故）の見落とし。
×説明可能AI（XAI）・公平性・透明性など、近い概念の取り違え。
関連する確認問題
大項目7 AIの社会実装に向けて / AIプロジェクトの進め方
データ分析やデータマイニングのプロジェクトを、「業務理解」「データ理解」「データ準備」「モデリング」「評価」「展開」の6つの段階に分けて反復的に進める、代表的なプロセスモデルはどれか。
正解は「CRISP-DM」である。「業務理解→データ理解→データ準備→モデリング→評価→展開」の6段階を反復しながら進めるデータ分析・データマイニングの標準的な工程モデルがCRISP-DMである。PoCは本格開発の前に実現可能性を小規模な試作で検証する取り組みであり、6段階に分かれた反復型の工程モデルそのものではない。MLOpsはモデルを本番環境へデプロイした後の運用・再学習を継続的に回す仕組みで、分析プロジェクトの立ち上げから展開までの工程を定めるものではない。BPRは業務の流れ自体を抜本的に作り直す経営手法で、データ分析の作業段階を規定する語ではない。PoC・MLOps・BPRはいずれもAIプロジェクトの異なる局面（検証・運用・業務改革）を指す語であり、6段階の反復工程というCRISP-DMの定義とは階層が異なる。
大項目7 AIの社会実装に向けて / AIプロジェクトの進め方
AI導入の効果を最大化するために、既存の手順を部分的に改善するのではなく、業務の流れそのものを抜本的に作り直す取り組みを表す用語はどれか。
正解は「BPR」である。この設問が見ている論点は、AI導入効果を最大化する際に「個別の作業を自動化するだけ」なのか「業務プロセス全体を組み替える」のかという変更範囲の違いである。BPRは担当者や承認経路、入力と出力までを含めて業務の流れを根本から再定義する取り組みであり、単発の効率化とは変更が及ぶ範囲が異なる。残る3つの選択肢は、業務プロセスの再設計という主題そのものから外れた別の層に属している点で一括りにできる。CRISP-DMはデータ分析の進め方を定める工程モデル、Webスクレイピングはデータ収集の技術手法、クラウドは計算資源の利用形態であり、いずれも「業務の流れをどう作り直すか」という経営判断の対象ではなく、分析やインフラを支える実務的な手段にとどまる。
大項目7 AIの社会実装に向けて / データの整備と運用
機械学習モデルの開発から本番環境へのデプロイ、運用、再学習までの一連の流れを、継続的かつ効率的に回し続けて安定稼働させるための仕組みや方法論を指す用語はどれか。
正解は「MLOps」である。機械学習モデルの開発・デプロイ・運用・再学習までを継続的かつ効率的に回し、本番環境で安定稼働させ続けるための仕組み・方法論がMLOpsである。CRISP-DMは業務理解からモデリング・評価・展開までを6段階で進める分析プロジェクトの工程モデルであり、本番運用後の継続的な再学習サイクルを主眼とする語ではない。概念ドリフトは運用中にデータの傾向が変化して精度が下がる現象そのものであり、それに対処する仕組みであるMLOpsとは同じ話題の中でも「問題」と「対処のための方法論」という異なる立場にある。BPRは業務プロセスそのものを抜本的に再設計する経営手法で、モデルの運用基盤とは対象が異なる。
同じ章で確認したい用語
到達チェック
- CRISP-DMを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、CRISP-DMに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）