原データ・とは？初心者向けガイド共起語・同意語・対義語も併せて解説！

この記事を書いた人

高岡智則

年齢：33歳性別：男性職業：Webディレクター（兼ライティング・SNS運用担当）居住地：東京都杉並区・永福町の1LDKマンション出身地：神奈川県川崎市身長：176cm 体系：細身〜普通（最近ちょっとお腹が気になる）血液型：A型誕生日：1992年11月20日最終学歴：明治大学・情報コミュニケーション学部卒通勤：京王井の頭線で渋谷まで（通勤20分）家族構成：一人暮らし、実家には両親と2歳下の妹恋愛事情：独身。彼女は2年いない（本人は「忙しいだけ」と言い張る）

原データ・とは？

原データとは、まだ何も加工されていない「事実そのもの」のデータのことを指します。身近な例としては、センサーが出力する数値、アンケートの回答、ウェブサイトのアクセスログ、スマホの位置情報などがあります。原データはそのままの状態で価値がある反面、そのままでは分析に使いづらいことが多いです。

たとえばアンケートの回答をそのまま使うと、文字コードの違い、全角と半角の混在、空欄の扱いなどで分析結果が崩れることがあります。そこでデータを使いやすくするために、前処理と呼ばれる作業を行います。前処理にはデータの整形、欠損値の扱い、重複の削除、単位の統一、日付時刻の揃えなどが含まれます。

原データと加工データの違いを知っておくと、データ分析の正確さが変わります。原データは「事実のありのまま」を示すのに対し、加工データは分析の目的に合わせて整理した情報です。加工データは集約やフィルタリング、統計量の計算を経て、グラフの作成やモデルの学習に使われます。

原データの種類

ここでは代表的な原データの例をいくつか挙げます。

数値データ：温度、売上、距離などの数字で表されるデータです。

カテゴリデータ：色や性別、商品カテゴリのように複数の選択肢に分かれるデータです。

時系列データ：日時と値がセットになっているデータで、時間の経過とともに変化を追えます。

テキストデータ：自由回答の文字列など、言葉で表されたデータです。

原データを扱う際の基本的な考え方をまとめます。

<th>作業

説明
収集	どこからデータを集めるかを決めます。信頼できるソースを選ぶことが大切です。
保存	データを失わないように安全な場所に保管します。ファイル形式は目的に合わせて選ぶと良いです。
洗浄	欠損値や誤入力を見つけて正しく直します。これをデータクリーニングと呼びます。
統合	複数のデータを同じ意味で合わせて一つのデータにします。
整形	日付の形式をそろえたり単位をそろえたりして分析しやすくします。

データを分析に使える形に整える過程はとても大事です。前処理の質が分析の質を決めると言っても過言ではありません。原データ自体には価値がありますが、正しく扱わなければ正しい結論には結びつきません。

身近な例として、ある日の気温データを考えてみましょう。観測点Aの気温が午前9時に23.5度、午後1時に28.1度だったとします。これらは原データです。これを整形して日付ごとの最高気温の表にするのが加工データです。さらに複数の日のデータを並べてグラフ化すれば、天気の傾向を直感的に読み取ることができます。

データ品質の観点では、信頼性、整合性、完全性が大切です。原データの品質が高いほど、分析の結論も信頼できます。倫理の観点からも、データを扱う際には個人情報の保護や匿名化、同意の取得などに配慮する必要があります。

初心者の方へ簡単なまとめを置いておきます。原データは事実の記録、加工データは分析用の整理データです。原データを適切に扱う知識と技能を身につけることが、データを活用する第一歩になります。