最終更新日：2026年9月4日
gk data_mining process crisp-dm
まず結論
CRISP-DM（Cross-Industry Standard Process for Data Mining）は、データマイニング・データ分析プロジェクトを進めるための代表的なプロセスモデルです。
6つのフェーズを押さえます。
- ビジネス理解
- データ理解
- データ準備
- モデリング
- 評価
- 展開（Deployment）
G検定では、モデル作成だけの手法ではないことが重要です。
直感的な説明
CRISP-DMは、アルゴリズムではなく仕事の進め方の地図です。
「何を解決したいか」を決め、データを確認し、モデルを作り、目的に合うか評価し、利用できる形へつなげます。
定義・仕組み
6つのフェーズ
- ビジネス理解：目的、課題、成功条件を整理する
- データ理解：利用できるデータの内容や品質を確認する
- データ準備：前処理、加工、特徴量作成などを行う
- モデリング：分析・機械学習モデルを構築する
- 評価：技術指標だけでなく、ビジネス目的に合うか確認する
- 展開：結果やモデルを実際に利用できる形へつなげる
実務では一方向に一度だけ進むとは限らず、前のフェーズへ戻って見直すこともあります。
CRISP-ML(Q)との関係
CRISP-DMはデータマイニング・データ分析プロジェクト全体の進め方を整理する枠組みです。
一方、CRISP-ML(Q)は、CRISP-DMの考え方を機械学習アプリケーション向けに拡張し、デプロイ後の監視・保守や、ライフサイクル全体での品質保証まで明示します。
試験では、CRISP-DM＝分析プロジェクトの基本プロセス、CRISP-ML(Q)＝ML運用・品質保証まで広げたプロセスモデルと切り分けると判断しやすくなります。
いつ使う？（得意・不得意）
向いている場面
- データ分析プロジェクト全体を整理する
- 技術より先に業務目的を明確にする
- チームで共通の進め方を持つ
注意点
CRISP-DMは、個別の学習アルゴリズムやCI/CDなどの実装手順そのものではありません。
また、法務・契約・ガバナンスを独立した6フェーズとして定義しているわけではありませんが、実際のプロジェクトでは当然それらも考慮します。
G検定ひっかけポイント
最初のフェーズ
❌ モデリングから始める
⭕ ビジネス理解から始める
評価の意味
❌ 精度だけを確認する
⭕ ビジネス目的に合うかも評価する
CRISP-ML(Q)との違い
❌ CRISP-DMも監視・保守・品質保証を独立したフェーズとして明示する
⭕ CRISP-ML(Q)の方が、機械学習特有の監視・保守と品質保証を明示する
MLパイプラインとの違い
❌ CRISP-DM＝前処理→学習→推論を自動実行する仕組み
⭕ CRISP-DM＝プロジェクト全体の進め方
まとめ（試験直前用）
- CRISP-DM＝データ分析プロジェクトのプロセスモデル
- 6フェーズはビジネス理解 → データ理解 → データ準備 → モデリング → 評価 → 展開
- モデル構築だけではない
- 評価ではビジネス目的との整合も見る
- CRISP-ML(Q)は監視・保守と品質保証まで明示する
- MLパイプラインとは役割が違う