まず結論

データキューブとは、売上などのデータを、商品・地域・時間など複数の視点で集計しやすい形に整理した多次元データ構造です。

DS検定では、データキューブそのものよりも、次の関係を切り分けられるかが重要です。

用語	試験での判断基準
データキューブ	多次元に整理されたデータ構造
OLAP	データキューブを使って分析する仕組み
スライス	1つの条件で切り出す
ダイス	複数条件で絞り込む
ドリルダウン	詳細な階層へ掘り下げる
ドリルアップ	大きな集計単位へ戻す
ピボット	分析軸を入れ替える

迷ったら、データキューブは「立体的な表」、OLAPは「その表を操作して分析する仕組み」と考えると分かりやすいです。

---

直感的な説明

たとえば、会社の売上データを考えます。

商品	地域	月	売上
商品A	東京	1月	100万円
商品A	大阪	1月	80万円
商品B	東京	2月	120万円

このデータは、単に「売上」だけを見るのではなく、

• 商品別
• 地域別
• 月別

のように、いろいろな角度から見たいですよね。

このとき、データを

商品 × 地域 × 時間

のような立体的な形で整理したものが、データキューブです。

イメージとしては、Excelのピボットテーブルをさらに多次元にしたものです。

• 商品で見る
• 地域で見る
• 月で見る
• 商品×地域で見る
• 地域×月で見る

このように、分析の切り口を変えやすくするための考え方です。

---

定義・仕組み

データキューブは、複数の次元（ディメンション）と、分析したい値（メジャー）で構成されます。

次元（ディメンション）

分析の切り口です。

例：

• 商品
• 地域
• 時間
• 顧客属性
• 店舗

値（メジャー）

集計したい数値です。

例：

• 売上金額
• 販売数量
• 利益
• 来店者数

たとえば、売上分析では次のように整理できます。

種類	例	役割
次元	商品、地域、時間	どの切り口で見るか
メジャー	売上、数量、利益	何を集計するか
データキューブ	商品×地域×時間の売上	多次元に整理した構造

DS検定では、細かい実装方法よりも、複数の視点から集計・分析しやすくする構造として理解できていれば十分です。

なお、DWHやスタースキーマと関連して出てくることもあります。
DWHは分析用にデータを蓄積する基盤で、データキューブはそのデータを多次元に分析しやすく整理する考え方です。

関連して確認するなら、スタースキーマとは？ もあわせて見ると理解しやすいです。

---

どんな場面で使う？

データキューブは、主にOLAP分析で使われます。

OLAPは、Online Analytical Processing の略で、大量のデータを多角的に分析するための仕組みです。

売上分析

たとえば、売上を次のような切り口で分析します。

• 商品別売上
• 地域別売上
• 月別売上
• 店舗別売上
• 商品カテゴリ別売上

経営ダッシュボード

経営層が数字を見るときも、1つの集計表だけでは不十分です。

• 全国の売上を見る
• 地域ごとに見る
• 店舗ごとに見る
• 商品カテゴリごとに見る
• 月別に見る

このように、集計単位を切り替えながら確認します。

マーケティング分析

顧客属性や購買時期を組み合わせて分析する場合にも使われます。

例：

• 年代別 × 商品カテゴリ別
• 地域別 × キャンペーン別
• 購買月別 × 顧客ランク別

DS検定では、「多次元」「集計」「OLAP」「分析軸」という言葉が出てきたら、データキューブを考えます。

---

よくある誤解・混同

誤解① データキューブ = OLAP

これは誤りです。

用語	意味
データキューブ	多次元データ構造
OLAP	データキューブなどを使って分析する仕組み

つまり、データキューブは「構造」、OLAPは「分析の仕組み」です。

誤解② データキューブは必ず3次元

「キューブ」という名前から3次元だけを想像しがちですが、実際には3次元に限りません。

商品、地域、時間、顧客属性、店舗など、分析軸が増えれば多次元になります。

DS検定では、“立方体そのもの”ではなく“多次元データ”と理解するのが大切です。

誤解③ スライスとダイスの混同

スライスとダイスは似ています。

操作	意味	例
スライス	1つの条件で切り出す	2026年1月だけを見る
ダイス	複数条件で絞り込む	2026年1月、東京、商品Aを見る

試験では、1条件ならスライス、複数条件ならダイスと考えると切りやすいです。

誤解④ ドリルダウンとドリルアップの混同

操作	意味	例
ドリルダウン	詳細へ掘り下げる	年別 → 月別 → 日別
ドリルアップ	大きくまとめる	日別 → 月別 → 年別

「詳細へ行く」のがドリルダウン、「集計へ戻る」のがドリルアップです。

誤解⑤ ピボットを集計そのものと考える

ピボットは、分析軸を入れ替えて見方を変える操作です。

例：

• 行：商品、列：地域
• 行：地域、列：商品

このように、見る向きを変えるのがピボットです。

---

まとめ（試験直前用）

• データキューブ = 多次元に整理された分析用データ構造
• OLAP = データキューブを操作して分析する仕組み
• 次元 = 商品、地域、時間などの分析軸
• メジャー = 売上、数量、利益などの集計値
• スライスは1条件、ダイスは複数条件
• ドリルダウンは詳細へ、ドリルアップは集計へ
• ピボットは分析軸の入れ替え

判断基準：多次元の集計・分析軸の操作ならデータキューブ／OLAPを疑う。

---

確認問題（DS検定対策）

データキューブの説明として、最も適切なものはどれか。

• ア. 業務システムで1件ずつ取引を高速に登録・更新する仕組み
• イ. 商品、地域、時間など複数の軸でデータを集計・分析しやすくする多次元データ構造
• ウ. AIモデルの予測精度を評価するための指標
• エ. データを暗号化して安全に保存するための方式

▶ クリックして答えと解説を見る（ここを開く）

正解：イ

解説

• ア：OLTPの説明です。取引処理が中心で、データキューブではありません。
• イ：適切です。データキューブは多次元の分析用データ構造です。
• ウ：評価指標の説明であり、データキューブではありません。
• エ：暗号化やセキュリティの説明であり、データキューブではありません。

判断ポイントは、「商品・地域・時間など複数の分析軸」です。

---

対応スキル項目（データエンジニアリング力シート）

• データ基盤
• データウェアハウス・データマート
• ★ 分析目的に応じたデータ構造やデータ基盤の基本を理解している