ITパスポート過去問 令和2年度（2020年）問4
コンビニエンスストアを全国にチェーン展開するA社では，過去10年間にわたる各店舗の詳細な販売データが本部に蓄積されている。これらの販売データと，過去10年間の気象データ，及び各店舗近隣のイベント情報との関係を分析して，気象条件，イベント情報と商品の販売量との関連性を把握し，1週間先までの天気予報とイベント情報から店舗ごとの販売予想をより高い精度で行うシステムを構築したい。このとき活用する技術として，最も適切なものはどれか。
選択肢
- ア：IoTを用いたセンサなどからの自動データ収集技術
- イ：仮想空間で現実のような体験を感じることができる仮想現実技術
- ウ：ディープラーニングなどのAI技術
- エ：表計算ソフトを用いて統計分析などを行う技術
- ア
- イ
- ウ
- エ
正解と解き方・学習ポイント（AI解説）
過去10年分の販売データに加えて、気象データやイベント情報のような種類の異なるデータを組み合わせ、要因の関係を学習して店舗別の販売量を高精度に予測するには、ディープラーニングなどのAI技術が適切です。
Point
この問題は、販売データ、気象データ、イベント情報のように種類の異なる大量データから関係性を学習し、将来の販売量を予測する目的に対して、AI技術（特に機械学習やディープラーニング）が適することを理解しているかを確認しています。
解くために必要な知識
この問題を解くには、AI（機械学習、ディープラーニング）が「過去データから関係性を学習して予測する」用途で使われることと、IoT、VR、表計算ソフトが主に担う役割の違いを理解している必要があります。
用語の整理
| 用語 | 意味 |
|---|---|
| AI（人工知能） | 学習、推論、判断など、人が行う知的作業の一部をコンピュータで行うための技術の総称です。 |
| 機械学習 | データから規則性を学習し、新しいデータに対して分類や予測を行う手法です。 |
| ディープラーニング（深層学習） | 多層のニューラルネットワークを用い、大量データから特徴や関係を学習して予測などを行う機械学習の手法です。 |
他の選択肢に出てくる用語
| 用語 | 意味 |
|---|---|
| IoT（Internet of Things） | センサや機器をネットワークにつなぎ、データの収集や送受信を行う仕組みです。主にデータ収集側の技術です。 |
| VR（仮想現実） | コンピュータで作った仮想空間を現実のように体験させる技術です。データ分析や予測が目的ではありません。 |
| 表計算ソフト | データの集計、グラフ作成、関数計算、基本的な統計処理などに使うソフトウェアです。 |
判断ポイントの整理
この問題の中心は「予測」です
-
過去データ（販売、気象、イベント）から関連性を学習する
-
学習した結果を使って将来（1週間先）を予測する
技術選択の基準
-
データの種類が複数あり、関係が単純とは限らない場合は、機械学習やディープラーニングが選ばれやすいです。
-
IoTは収集が中心で、予測モデルを作る技術ではありません。
-
表計算ソフトでも分析は可能ですが、試験上は「大量かつ多種類のデータから高精度に予測する」用途ではAIが適切と扱われます。
問題の解法手順
この問題は、目的が「データの収集」ではなく「関係の分析と販売予測」である点を押さえると解きやすいです。
問題文から読み取る要件
扱うデータの特徴
-
過去10年間の販売データ（店舗別で詳細）
-
過去10年間の気象データ
-
店舗近隣のイベント情報
やりたいこと
-
気象条件、イベント情報と販売量の関連性を分析する
-
1週間先までの天気予報とイベント情報から、店舗ごとの販売をより高精度に予測する
技術の当てはめ
| 選択肢 | 何をする技術か | 要件との一致 |
|---|---|---|
| ア | データを集める（収集・送信） | 分析・予測が目的なので不一致です |
| イ | 仮想空間の体験を提供する | 分析・予測と無関係です |
| ウ | データから規則性を学習し予測する | 大量データの関連性分析と予測に一致します |
| エ | 手作業中心の集計や基本的な統計処理 | 大量・多種類データの複雑な予測には不足しやすいです |
以上から、正解は「ウ」です。
選択肢ごとの解説
- ア：不正解
IoTは、センサなどを使ってデータを自動収集する技術です。本問で必要なのは、販売データと気象・イベント情報の関係を学習して販売量を予測することであり、IoTは予測の中心技術ではないため不適切です。
- イ：不正解
仮想現実（VR）は、仮想空間を現実のように体験させる技術です。販売データと外部要因の関係を分析して販売量を予測する目的には合わないため不適切です。
- ウ：正解
ディープラーニングなどのAI技術は、大量データから特徴や規則性を学習し、将来の値を予測する用途で用いられます。気象条件やイベント情報など複数要因を使って、店舗別に販売量を高精度で予測したい本問に適切です。
- エ：不正解
表計算ソフトでも集計や基本的な統計分析はできますが、全国の店舗データを10年分扱い、気象やイベントなど多要因を組み込んだ高精度な予測システムを作る目的には不足しやすいため不適切です。
まとめ
過去10年分の販売データに加えて、気象データやイベント情報のような種類の異なるデータを組み合わせ、要因の関係を学習して店舗別の販売量を高精度に予測するには、ディープラーニングなどのAI技術が適切です。
ストラテジ系 > 経営戦略 > ビジネスインダストリ
IoTは、センサなどを使ってデータを自動収集する技術です。本問で必要なのは、販売データと気象・イベント情報の関係を学習して販売量を予測することであり、IoTは予測の中心技術ではないため不適切です。
仮想現実（VR）は、仮想空間を現実のように体験させる技術です。販売データと外部要因の関係を分析して販売量を予測する目的には合わないため不適切です。
ディープラーニングなどのAI技術は、大量データから特徴や規則性を学習し、将来の値を予測する用途で用いられます。気象条件やイベント情報など複数要因を使って、店舗別に販売量を高精度で予測したい本問に適切です。
表計算ソフトでも集計や基本的な統計分析はできますが、全国の店舗データを10年分扱い、気象やイベントなど多要因を組み込んだ高精度な予測システムを作る目的には不足しやすいため不適切です。