ds data-collection preprocessing
まず結論
データ抽出は「必要なデータを選ぶ操作」、集計は「データをまとめて数値を計算する操作」です。 DS検定では、この2つの役割の違いを理解しているかがよく問われます。
直感的な説明
例えば、次の売上データがあるとします。
日付 店舗 売上
4/1 東京 80万円 4/2 東京 120万円 4/3 大阪 90万円 4/4 東京 150万円
データ抽出
「売上100万円以上の日だけ知りたい」
日付 店舗 売上
4/2 東京 120万円 4/4 東京 150万円
これは 条件に合うデータを取り出しているだけです。
これが データ抽出（フィルタリング） です。
集計
「東京店舗の売上合計を知りたい」
店舗 売上合計
東京 350万円 大阪 90万円
このように
複数のデータをまとめて数値を計算する操作
が 集計（Aggregation） です。
定義・仕組み
データ抽出
データ抽出とは
条件に合うレコード（行）だけを取り出す処理です。
SQLでは主に WHERE句を使います。
SELECT * FROM sales WHERE 売上 >= 1000000;
集計
集計とは
複数のデータをまとめて統計値を計算する処理です。
SQLでは次のような関数を使います。
関数 意味
SUM 合計 AVG 平均 COUNT 件数 MAX 最大 MIN 最小
例
SELECT 店舗, SUM(売上) FROM sales GROUP BY 店舗;
これは
店舗ごとの売上合計を計算する処理です。
どんな場面で使う？
データ分析ではこの2つはよく組み合わせて使われます。
典型的な流れは次の通りです。
① データ抽出 ② 集計 ③ 可視化
例：
「2024年の売上だけ抽出 → 店舗ごとに売上合計 → グラフ表示」
つまり
抽出はデータを選ぶ作業 集計はデータをまとめて計算する作業
です。
よくある誤解・混同
① 抽出と集計を同じ操作と思ってしまう
DS検定では次のようなひっかけが出ることがあります。
❌ 「データ抽出とは平均や合計を計算する処理である」
これは誤りです。
抽出 → データを選ぶ
集計 → 数値を計算する
役割が全く違います。
② WHEREとGROUP BYの混同
操作 役割
WHERE データ抽出 GROUP BY 集計
DS検定では
「条件によるデータの絞り込み」＝WHERE
と理解しておくと選択肢を切りやすくなります。
③ フィルタリング＝集計と思う
ExcelでもBIツールでも
フィルターと集計は 別機能です。
この違いは実務でも非常に重要です。
まとめ（試験直前用）
データ抽出 → 条件に合うデータを取り出す
集計 → データをまとめて数値を計算
SQLでは
操作 SQL
データ抽出 WHERE 集計 GROUP BY
DS検定では
「条件でデータを取り出す」＝抽出（フィルタリング）
と覚えておくと判断しやすくなります。
対応スキル項目（データエンジニアリング力シート）
データ加工
データ抽出・加工
★ 数十万レコードのデータに対して、条件を指定してフィルタリングできる（特定値に合致する・もしくは合致しないデータの抽出、特定範囲のデータの抽出、部分文字列の抽出など）
🔗 関連記事
- アノテーションとは？（AI学習データを作る重要な作業）【DS検定】
- データ拡張（Data Augmentation）とは？画像AIの学習データを増やす方法【DS検定】
- データトランスフォーメーションとは？（非構造化データの変換）【DS検定】
- エンコーディングとは？カテゴリ変数を数値化する理由【DS検定】
- ETLとは？（データ統合の基本プロセス）【DS検定リテラシー】