ビッグデータ（量・速さ・多様性の3V）
従来の手法では扱いきれない多量・多様・高速なデータの総称。
📌ビッグデータとは
ビッグデータとは、従来のデータベースや表計算ソフトでは扱いきれないほど「多量・高速・多様」なデータの総称です。単に「データが多い」だけでなく、発生する速さやデータの形のバラバラさも含めて指す言葉です。
身近な例で考えると、SNS（＝ソーシャル・ネットワーキング・サービス。X や Instagram のような交流サイトのこと）を思い浮かべると分かりやすいです。世界中の人が毎秒、文章・写真・動画を投稿し続けています。この「止まらずに増え続ける、形もバラバラな膨大なデータ」がまさにビッグデータです。
上の図解のように、1台のサーバや1つの表計算ソフトという「器」に収まりきらないため、複数のサーバで分担して保存・処理する専用の技術（分散処理やNoSQL＝表形式にこだわらない柔軟なデータベースなど）が必要になります。次のカードで、ビッグデータを特徴づける3つのVを見ていきましょう。
📌3V特性
ビッグデータの特徴は、頭文字が V で始まる3つの言葉（3V）で説明されます。上の図解の3色とこの表の色が対応しています。
| 特性 | 意味 | 具体例 |
|---|---|---|
| Volume | 量がとにかく多い | SNS投稿、アクセスログ |
| Velocity | 発生・更新の速さ | 決済、IoTセンサー値 |
| Variety | データの種類の多さ | 画像、動画、音声、文章 |
3つのVをかみ砕くと次のとおりです。
・Volume（量）：データの「大きさ」。TB（テラバイト）や PB（ペタバイト）といった桁になります
・Velocity（速さ）：データが「発生・更新される速度」。リアルタイムで次々に流れ込みます
・Variety（多様性）：データの「種類の多さ」。表のように整った構造化データだけでなく、画像や文章のような非構造化データも含みます
なお、3VにVeracity（正確さ・データの信頼性）や Value（価値）を加えて「4V」「5V」と呼ぶこともあります。まずは基本の3V（量・速さ・多様性）をしっかり押さえておきましょう。
❓なぜ従来のDBでは扱えないのか
なぜビッグデータは従来のデータベースで扱えないのか、3Vそれぞれの観点から見てみましょう。
・Volume（量）の問題：1台のサーバのディスクに収まらない。1台のコンピュータが持てる記憶容量には上限があるため、数百台〜数千台に分散して保存する必要がある
・Velocity（速さ）の問題：リアルタイムで大量に流れ込むデータを、1台のサーバが処理しきれない。毎秒何万件もの書き込みが来ると、処理の行列がどんどん積み上がる
・Variety（多様性）の問題：従来のデータベースは「表（行と列が決まった形）」が得意。画像・動画・SNS投稿のような形がバラバラなデータは表に入れにくい
この3つの壁を乗り越えるために生まれた技術が、分散処理（＝多数のサーバで仕事を分担する仕組み）やNoSQL（＝"Not only SQL" の略。表形式にこだわらず、画像やテキストなど様々な形のデータをそのまま保存できる柔軟なデータベース）です。
身近な例で考えると、1人の店員（従来DB）では大行列（ビッグデータ）をさばけないのに似ています。解決策は「店員を増やして並行で対応する（分散処理）」か「ルールを柔軟にして何でも受け付けられるようにする（NoSQL）」です。どちらも「1台・1人ではなく複数で対応する」発想が根底にあります。
📌活用事例
ビッグデータは、ただ集めるだけでなく分析して新しい価値を引き出すことに意味があります。代表的な活用事例は次のとおりです。
・レコメンド（おすすめ表示）：購入履歴や閲覧履歴から「次に欲しそうな商品」を予測する
・需要予測：過去の販売データや天気から、商品の売れ行きを見込んで仕入れを調整する
・異常検知：大量のログから不正アクセスや故障の兆候をいち早く見つける
・渋滞・人流の予測：位置情報を集計して交通や混雑を予測する
身近な例で考えると、ネット通販の「あなたへのおすすめ」がまさにこれです。膨大な購入データを分析し、似た買い物をした人の傾向から「あなたもこれを気に入りそう」と予測しています。
こうした分析を支える技術として、大量データから規則性を見つけるデータマイニングや、雑多なデータをそのまま貯めておくデータレイク（＝形を整える前のデータをためる「湖」のような保存場所）などが組み合わせて使われます。
