JP2002279148A - Data analysis program, data analysis method using computer system and data analysis system - Google Patents

Data analysis program, data analysis method using computer system and data analysis system

Info

Publication number
JP2002279148A
JP2002279148A JP2001076839A JP2001076839A JP2002279148A JP 2002279148 A JP2002279148 A JP 2002279148A JP 2001076839 A JP2001076839 A JP 2001076839A JP 2001076839 A JP2001076839 A JP 2001076839A JP 2002279148 A JP2002279148 A JP 2002279148A
Authority
JP
Japan
Prior art keywords
data
group
analyzed
collected
feature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2001076839A
Other languages
Japanese (ja)
Inventor
Rumi Hayakawa
Seiji Iwata
誠司 岩田
ルミ 早川
Original Assignee
Toshiba Corp
株式会社東芝
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, 株式会社東芝 filed Critical Toshiba Corp
Priority to JP2001076839A priority Critical patent/JP2002279148A/en
Publication of JP2002279148A publication Critical patent/JP2002279148A/en
Application status is Pending legal-status Critical

Links

Abstract

PROBLEM TO BE SOLVED: To accurately divide analysis object data collected at a plurality of stages into groups.
SOLUTION: According to this data analysis program 1, in order to classify newly collected analysis object data, a computer realizes a determining function of determining the compatibility between an already generated group and newly collected analysis object data according to the previously collected analysis object data, a first classifying function 3 of classifying the analysis object data determined to be compatible by the determining function 4, and a second classifying function 5 of generating a new group according to the analysis object data determined to be incompatible by the determining function 4 and classifying the analysis object data determined to be incompatible into the new group.
COPYRIGHT: (C)2002,JPO

Description

【発明の詳細な説明】 DETAILED DESCRIPTION OF THE INVENTION

【0001】 [0001]

【発明の属する技術分野】本発明は、収集されたデータを分類し、分析するデータ分析プログラム、コンピュータシステムによるデータ分析方法、データ分析システムに関する。 BACKGROUND OF THE INVENTION The present invention classifies the collected data, the data analysis program for analyzing the data analysis method according to the computer system, a data analysis system.

【0002】 [0002]

【従来の技術】マーケティング調査を行った結果について分析を行う分析者は、例えばアンケート調査などにより消費者情報や商品情報などのデータ(以下、「分析対象データ」という)を収集し、分析を行う。 BACKGROUND OF THE INVENTION analyst to perform the analysis of the results of the marketing survey, for example, data such as consumer information and product information such as by questionnaire survey (hereinafter referred to as "data to be analyzed") to collect, for analysis . 分析方法としては例えば多変量解析を利用するなど各種の方法が提案されている。 As analytical methods have been proposed various methods such as using, for example, multivariate analysis. 分析者は、分析対象データの内容や分析の内容に適した分析方法を利用する。 Analyst is, to use the analysis method suitable to the contents of the content and analysis of data to be analyzed.

【0003】分析の際には、クラスタリング、分類木、 [0003] At the time of analysis, clustering, classification tree,
判別分析などを用いて分析対象データを分類する場合がある。 Sometimes classifying the analyzed data by using a discriminant analysis. このような分類を行うと、例えば消費者や商品についていくつかのグループが生成される。 If you do this kind of classification, are some of the groups are generated for example, consumers and products.

【0004】図10は、マーケティング調査を行った結果に対する従来の分類方法を例示する図である。 [0004] Figure 10 is a diagram illustrating a conventional classification method for a result of market research.

【0005】この例では、収集された分析対象データに基づいてグループ1G、2Gが生成されている。 [0005] In this example, the group 1G based on the collected data to be analyzed, 2G is generated. 境界A Boundary A
を基準としてグループ1Gに属するかグループ2Gに属するか判断される。 The is determined belongs to or group 2G belonging to the group 1G as a reference. 例えば、境界Aは、クラスタリングにおけるクラスタ中心からの距離、判別分析における判別関数、分類木などで定まる。 For example, the boundary A is the distance from the cluster center in the clustering, the discriminant function in the discriminant analysis, determined by such classification tree.

【0006】マーケティング調査における従来の分類において、新たに分析対象データが収集された場合、この新たに収集された分類対象データは、先に収集された分類対象データと異なる性質を持っていても、境界Aを基準としてグループ1Gであるかグループ2Gであるか判断される。 [0006] In the conventional classification in marketing research, if it is newly analyzed data is collected, the newly collected data to be categorized is, even if you have a different nature and classification target data that has been collected before, boundary a is determined whether a group 2G is a group 1G as a reference.

【0007】そして、分析者は、分析結果(グルーピング結果、分類結果)を参考として、その結果に応じたアクションを行う。 [0007] Then, the analyst, analysis results (grouping result, the classification result) as a reference, take action in accordance with the result.

【0008】 [0008]

【発明が解決しようとする課題】このように、マーケティング調査の結果に対する従来の分類において、分析対象データのグループを生成した後に新規の分析対象データが収集されると、この新規に収集された分析対象データは、先に生成されたグループのうちのいずれかに配属される。 BRIEF Problem to be Solved] Thus, in the conventional classification for the results of marketing research, when after generating a group of data to be analyzed new data to be analyzed is collected, analyzed collected in the new target data is assigned to any of the groups previously generated.

【0009】この場合、新規に収集された分析対象データは、先に収集済みの分析対象データとは異なる独自の特徴を含んでいても、生成済みのグループに配属されることになる。 [0009] In this case, the analyte data collected in new, also contain unique features different from the previously collected data to be analyzed before, it will be assigned to the generated group.

【0010】したがって、マーケティング調査における従来の分類において、精度の良いグルーピングを行うことは困難である。 [0010] Thus, in the conventional classification in marketing research, it is difficult to do a good grouping of accuracy. また、新規に収集された分析対象データの特徴は、分類結果に影響しないため、分析に有効に利用されない。 The feature of the analyzed data collected in new, because they do not affect the classification result, not effectively utilized for analysis.

【0011】また、マーケティング調査の結果に対する分析後、この分析結果(グルーピング結果)に応じて様々なアクションを行うことがあるが、分析後のアクションにより、分析者側の意図するグループを得るような試みは十分に検討されていない。 [0011] After analysis of the results of marketing research, as it is possible to perform various actions depending on the result of the analysis (grouping results), by the action of the post-analysis, to obtain a group intended to analytical side attempts have not been sufficiently studied.

【0012】本発明は、以上のような実情に鑑みてなされたもので、高精度のグルーピングとそのグルーピング結果を利用した分析を実施するためのデータ分析プログラム及びコンピュータシステムによるデータ分析方法並びにデータ分析システムを提供することを目的とする。 [0012] The present invention has been made in view of the above circumstances, the data analysis method and data analysis by the data analysis program and a computer system for implementing the analysis using a high-precision grouping and their grouping result an object of the present invention is to provide a system.

【0013】 [0013]

【課題を解決するための手段】本発明を実現するにあたって講じた具体的手段について以下に説明する。 Will be described below specifically means taken when implementing the present invention, in order to solve the problems].

【0014】第1の発明は、新規に収集された分析対象データを分類するためにコンピュータに、先に収集済みの分析対象データに基づいて生成済みのグループと新規に収集された分析対象データとの間で適合性を判定する判定機能、判定機能により適合と判定された分析対象データを、生成済みのグループに分類する第1の分類機能、判定機能により不適合と判定された分析対象データに基づいて新規のグループを生成し、不適合と判定された分析対象データをこの新規のグループに分類する第2 A first aspect of the present invention, in a computer to classify the analyzed data collected in a new, and analyzed data collected previously generated groups and new on the basis of the previously collected data to be analyzed previously determining functional compatibility among the analyzed data determined as adapted by the determination function, a first classifier for classifying the already generated groups, based on the analyzed data determined irrelevant by determining function Te generate a new group, classifying the analyzed data determined irrelevant to this new group second
の分類機能、を実現させるためのデータ分析プログラムである。 Classification function, which is a data analysis program for realizing.

【0015】また、第2の発明は、上記第1の発明のデータ分析プログラムにおいて、生成済みのグループ毎に、そのグループに含まれている分析対象データの特徴を抽出する特徴抽出機能をコンピュータに実現させるためのプログラムを具備し、判定機能は、特徴抽出機能によって抽出された特徴と新規に収集された分析対象データとの比較により、生成済みのグループと新規に収集された分析対象データとの間の適合性を判定する。 [0015] The second invention is the data analysis program of the first invention, each already generated group, a feature extraction function for extracting a feature of the analysis target data contained in the group to the computer comprising a program for implementing the determination function, by comparing the analyzed data collected extracted features and new by a feature extraction function, the generated groups and new and collected analyzed data determining compatibility between.

【0016】この第1及び第2の発明においては、新規に収集された分析対象データが既に生成されているグループのいずれにも適さない場合に、新たなグループが生成される。 [0016] In the first and second aspects of the invention, if not suitable to any group that analyzed data collected in the new has already been generated, a new group is created.

【0017】したがって、新規に収集された分析対象データの特徴を反映した分析結果を得ることができる。 [0017] Thus, it is possible to obtain an analysis result which reflects the characteristics of the analyzed data collected newly.

【0018】第3の発明は、コンピュータに、収集された分析対象データに基づいて生成されたグループに含まれている分析対象データの特徴を抽出する特徴抽出機能、特徴抽出機能によって抽出された特徴とグループに含まれている分析対象データとの差に基づいて、グループ内の分析対象データの位置情報を抽出する位置情報抽出機能、を実現させるためのデータ分析プログラムである。 [0018] wherein the third invention, in the computer, the feature extraction function for extracting a feature of the analysis target data included in the generated group based on the collected data to be analyzed, extracted by the feature extraction function and based on the difference between the analyzed data contained in the group, the data analysis program for realizing the position information extraction function, which extracts the position information of the analysis target data in the group.

【0019】この第3の発明においては、グループの特徴を抽出し、分類された分析対象データのグループ内での位置付けを把握できるため、分析対象データがグループの特徴をどの程度強く継承しているか明らかにできる。 [0019] or In the third invention, extracting a feature of a group, it is possible to understand the positioning in the group of classified analyzed data, analyzed data is how strongly inherits the characteristics of the group It can be clarified.

【0020】第4の発明は、コンピュータに、収集された分析対象データに基づいて生成された複数のグループ毎に、そのグループに含まれている分析対象データの特徴を抽出する特徴抽出機能、特徴抽出機能によって抽出された複数のグループの特徴を比較可能な形態で表示する機能、を実現させるためのデータ分析プログラムである。 The fourth invention is a computer, for each of a plurality of groups that are generated based on the collected data to be analyzed, the feature extraction function for extracting a feature of the analysis target data included in that group, wherein ability to display characteristics of a plurality of groups that are extracted by the extractor in a form comparison, a data analysis program for realizing.

【0021】この第4の発明においてはグループ間の特徴を比較できる。 [0021] In the fourth invention can be compared characteristics between groups. これにより、あるグループに分類されている分析対象データが別のあるグループに分類されるためにはその分析対象データの特徴をどのように変化させればよいのか把握できる。 Thus, in order to analyze target data are classified into a group is classified into groups with different can grasp what may be changed how the characteristics of the analyzed data.

【0022】したがって、分析後のアクションを容易に決定することができる。 [0022] Therefore, it is possible to easily determine the action after analysis.

【0023】なお、上記第1から第4の発明のプログラムで実施されるデータ分析方法を発明の対象としてもよい。 [0023] It is also a subject of the invention data analysis method implemented by the program of the fourth aspect of the invention from the first.

【0024】また、上記第1から第4の発明のプログラムで実現される機能を実現するデータ分析システムを発明の対象としてもよい。 [0024] The present invention may also be the subject invention the data analysis system for realizing the functions implemented by the program of the fourth invention from the first.

【0025】 [0025]

【発明の実施の形態】以下、図面を参照しながら本発明の実施の形態について説明する。 BEST MODE FOR CARRYING OUT THE INVENTION Hereinafter, embodiments of the present invention are described with reference to the drawings. なお、以下に示す各図において、同一の部分については同一の符号を付してその説明を省略し、異なる部分についてのみ詳しく説明する。 In the drawings shown below, the same parts are denoted by the same reference numerals without description thereof will be described only in detail the different parts.

【0026】(第1の実施の形態)本実施の形態における概念について説明する。 [0026] The concept of the (first embodiment) In this embodiment will be described.

【0027】マーケティング調査、分析における分析対象データについて分類を行うといくつかのグループが生成される。 The marketing research, some of the group and carry out the classification for the data to be analyzed in the analysis is generated.

【0028】通常は、新規に収集された分析析対象データは、先に収集済みの分析対象データについて生成されたグループのうちのいずれかのグループに分類される。 [0028] Typically, the analysis analysis target data that has been collected in a new, are classified in any of the groups of the groups that have been generated for the previously collected data to be analyzed first.

【0029】しかしながら、先に分類済みの分析対象データと新規に収集された分析対象データとを比べると、 [0029] However, when compared and analyzed data collected in the sorted data to be analyzed and the new earlier,
新規に収集された分析対象データは先に生成されたグループの特徴をそれほど色濃く保持しているわけではない場合がある。 It analyzed data collected in the new in some cases do not retain much heavily features of the group previously generated.

【0030】本実施の形態では、このような場合に、新規に収集された分析対象データに基づいて新たなグループを生成する。 [0030] In this embodiment, in such a case, to generate a new group based on the analyzed data collected newly.

【0031】同じ条件を設定して分析対象データを収集しても、分析対象データの収集時期が異なれば、周囲の環境変化により人や物の状態にも変化が起こる。 [0031] be collected and analyzed data to set the same conditions, different collection time of the data to be analyzed, even a change occurs in the state of people and goods by the surrounding environment changes. 新規に収集された分析対象データを、既存の分類結果にとらわれずに最適なグループへ分類することができれば、分析対象データの分類精度が向上し、グループに対してより的確なアクションを行うことが可能となる。 The analyte data collected in a new, if it is possible to classify the optimal group without being bound by existing classification results, the classification accuracy of the analysis target data is improved, it is possible to perform more accurate actions for the group It can become.

【0032】また、同一のグループに含まれる分析対象データは、そのグループに共通の特徴を備えていると考えられる。 Further, the analysis target data included in the same group is considered to comprise a common feature of that group.

【0033】しかしながら、そのグループに含まれる分析対象データの特徴を少し変更することで、そのグループに属するいくつかの分析対象データは、他のグループに含まれるように加工することが可能である。 [0033] However, by slightly changing the features of the analyzed data contained in the group, a number of analyzed data belonging to the group, can be processed to be included in other groups.

【0034】例えば、分類の結果得られたあるグループと分析者の目標とするグループとの間で差があるような場合、どのようなアクションを起こせばあるグループを分析者の目標とするグループに変更可能が判断できる。 [0034] For example, if between the group that results obtained were group classification target analysts as there is a difference, a group of a group that if Okose what action the target of the analyst change can be determined.

【0035】そして、グループの特徴を調べてグループ間で分析対象データを移動させることができれば、的確なマーケティング戦略の立案と実行が可能となる。 [0035] and, if it is possible to move the data to be analyzed between the groups by examining the characteristics of the group, it is possible to planning and execution of precise marketing strategy.

【0036】図1は、上記概念を実現するための本実施の形態に係るデータ分析プログラムの構成を例示するブロック図である。 [0036] FIG. 1 is a block diagram illustrating the configuration of a data analysis program according to the present embodiment for implementing the above concept. この図1は、データ分析プログラム1 The Figure 1, the data analysis program 1
を記録媒体2から読み込んだ計算機上で実現される機能を示している。 It shows the functions realized on a computer read from the recording medium 2.

【0037】本実施の形態に係るデータ分析プログラム1は、複数段階に分けて収集された分析対象データを読み込み、分析のための分類を行う。 [0037] Data analysis program 1 according to the present embodiment reads the analyzed data collected separately in a plurality of stages, to classify for analysis.

【0038】このデータ分析プログラム1は、分類機能3、判定機能4、新規分類機能5、特徴抽出機能6、位置情報抽出機能7、比較機能8を計算機や計算機システム上で実現する。 [0038] The data analysis program 1, classifier 3, judgment function 4, the new classifier 5, the feature extraction function 6, the position information extraction function 7, implemented on a computer or computer system to compare feature 8.

【0039】また、データ分析プログラム1は、先に収集済みの分析対象データを登録するデータベース9、新規に収集された分析対象データを登録する新規データベース10、分類データベース11をアクセスする。 Further, the data analysis program 1, the database 9 to register the previously collected data to be analyzed first, new database 10 to register the analyzed data collected newly accesses the classification database 11.

【0040】分類機能3は、先に収集済みの分析対象データを受け付けて分類し、グループを生成し、その結果を分類データベース11に登録する。 The classification function 3, classified accept previously collected data to be analyzed previously, generates a group, to register the result in the classification database 11. この例では、先に収集済みの分析対象データからグループ1Gとグループ2Gとが生成されている。 In this example, the group 1G and group 2G from previously collected data to be analyzed previously are generated.

【0041】また、この分類機能3は、生成済みのグループに含めるべきと判定された新規の分析対象データを判定機能4から受け付け、この受け付けた新規の分析対象データを生成済みのどのグループに分類すればよいかを判断し、適切なグループに含めて登録する。 Further, the classifier 3 receives the new analysis target data is determined to be included in the generated groups from decision function 4, fall into this accepted novel which group already generated data to be analyzed for determine may be, and registers included in the appropriate group.

【0042】判定機能4は、新規に収集された分析対象データが生成済みのグループのいずれかに適合するか否かを判定する。 The determination function 4 determines whether or not the analyzed data collected newly are compatible with any of the generated group. なお、適合性の判定は、例えば新規に収集された分析対象データと特徴抽出機能6によって抽出された各グループの特徴とを比較して行われる。 The determination of suitability is carried out, for example, by comparing the characteristics of the individual groups that are extracted by the analysis target data and the feature extraction function 6 collected newly.

【0043】そして、判定機能4は、新規に収集された分析対象データが生成済みのグループのいずれかに適合すると判定した場合には、その新規に収集された分析対象データを分類機能3に提供する。 [0043] The determination function 4, when the analyzed data collected newly is determined to conform to any of the generated groups, provides analyzed data collected in the new classifier 3 to.

【0044】一方、生成済みのグループのいずれにも適合しないと判定した場合には、判定機能4は、その新規に収集された分析対象データを新規分類機能5に提供する。 On the other hand, if either of the generated group is determined not to conform, the determination function 4 provides analyzed data collected in the new new classifier 5.

【0045】新規分類機能5は、生成済みのグループに含めるべきでないと判定された分析対象データを判定機能4から受け付け、受け付けた分析対象データに基づいて新規のグループを生成し、その結果を分類データベース11に登録する。 The new classifier 5 receives the analyzed data is determined not to be included in the generated groups from decision function 4, to generate a new group based on the received analyte data, the classification results It is registered in the database 11. この例では、新規に収集された分析対象データからグループ3Gが生成されている。 In this example, the group 3G is generated from the analysis data collected newly.

【0046】特徴抽出機能6は、各グループの特徴を抽出する。 The feature extraction function 6, to extract the characteristics of each group. 特徴は、例えば各グループに含まれている分析対象データの回答内容と回答者情報の一方又は双方を集計して抽出する。 Feature, for example one or aggregates both extracts of answer content and respondent information analyzed data contained in each group. 例えば、グループ1Gに属する分析対象データの回答者の平均年齢が30才の場合、そのことをグループ1Gの特徴とする。 For example, the average age of the respondents analyzed data belonging to the group 1G is the case of 30-year-old, and that the features of the group 1G. その他にも、グループ1 Besides, Group 1
Gに属する分析対象データの回答者の性別は、男性が9 Respondents of the gender of the analyzed data belonging to G, men 9
0%の場合、男性90%であることをグループ1Gの特徴とする。 If 0% characterized groups 1G that is male 90%.

【0047】位置情報抽出機能7は、各グループ内でそのグループに属する分析対象データの位置付けを示す位置情報を抽出し、分析者に提供する。 The positional information extraction function 7 extracts position information indicating the positioning of the analysis target data belonging to the group in each group, to provide the analyst.

【0048】比較機能8は、複数のグループの特徴を比較可能な形態で表示する。 The comparison function 8 displays the characteristics of a plurality of groups in comparable form.

【0049】上記のような構成を持つデータ分析プログラム1を利用したデータ分析方法について説明する。 The described data analysis method using the data analysis program 1 having the above configuration.

【0050】図2は、本実施の形態に係るデータ分析プログラム1によるデータ分類方法を例示するフロー図である。 [0050] Figure 2 is a flow diagram illustrating a data classification method according to the data analysis program 1 according to the present embodiment.

【0051】まず先に収集済みのデータによるグループ生成と分類が分類機能3によって実行される(S1)。 Firstly previously classified as the group produced by the collected data are performed by classifier 3 (S1).

【0052】次に、新規に収集された分析対象データが判定機能4によって受け付けられる(S2)。 Next, we analyzed data collected in newly accepted by decision function 4 (S2).

【0053】次に、生成済みのグループと新規に収集された分析対象データとの間の適合性の判定が判定機能4 Next, the compatibility of the determination is the determination function between the generated groups and newly collected data to be analyzed 4
によって実行される(S3)。 Executed by (S3).

【0054】そして、上記判定において適合と判定された場合に、新規に収集された分析対象データが分類機能3によって生成済みのグループに分類され(S4)、上記判定により不適合と判定された場合に、新規に収集された分析対象データに基づいて新規分類機能5によって新規のグループが生成され、新規に収集された分析対象データがこの新規のグループに分類される(S5)。 [0054] Then, when it is determined that adapted in the determination, the analyte data collected newly are classified into groups already generated by the classifier 3 (S4), if it is determined that the non-conforming by the determination , newly based on the collected data to be analyzed in the new group by the new classifier 5 is generated, newly collected data to be analyzed is classified into the new group (S5).

【0055】図3は、本実施の形態に係るデータ分析プログラム1により分類された分析対象データの位置付け出力方法を例示するフロー図である。 [0055] Figure 3 is a flow diagram illustrating the positioning method of outputting analyzed data classified by the data analysis program 1 according to the present embodiment.

【0056】まず、各グループの特徴が特徴抽出機能6 [0056] First of all, the characteristics of each group feature extraction function 6
によって抽出される(T1)。 It is extracted by (T1).

【0057】次に、ユーザから位置付けを把握したい分析対象データの指定が受け付けられる(T2)。 Next, specify the data to be analyzed that you want to understand the position from the user is accepted (T2).

【0058】次に、指定された分析対象データとそのグループの特徴との差に基づいて、このグループ内の分析対象データの位置情報が位置情報抽出機能7によって抽出され、ユーザに提供される(T3)。 Next, based on the difference between the specified data to be analyzed, characterized in that group, the position information of the analysis target data in the group is extracted by the position information extraction function 7, it is provided to the user ( T3).

【0059】図4は、本実施の形態に係るデータ分析プログラム1により生成されたグループ間の比較方法を例示するフロー図である。 [0059] Figure 4 is a flow diagram illustrating a method of comparing between groups generated by the data analysis program 1 according to the present embodiment.

【0060】まず、ユーザから比較を行いたいグループの指定が受け付けられる(U1)。 [0060] First, the designation of the group that you want to compare from the user is accepted (U1).

【0061】次に、特徴抽出機能6によって抽出された各グループの特徴が比較機能7によって抽出される(U Next, the characteristics of individual groups that are extracted by the feature extraction function 6 is extracted by comparison function 7 (U
2)。 2).

【0062】そして、抽出された複数のグループ毎の特徴が比較機能7によって比較可能な形態で表示される(U3)。 [0062] The feature of each extracted plurality of groups are displayed in comparable form by comparison function 7 (U3).

【0063】以下に、本実施の形態に係るデータ分析プログラム1を利用したマーケティング分野における消費者アンケート調査について説明する。 [0063] In the following, a description will be given of consumer survey in the marketing field using the data analysis program 1 according to an embodiment of the present invention.

【0064】ここで想定する調査はある商品Zに関するものであり、この商品Zの「価格設定」、「商品イメージ」、「機能」などについての質問項目に対する回答が回答者別に得られていると仮定する。 [0064] relates to goods Z survey that assumed in here, "pricing" of this product Z, "product image", and answers to the questions about such as "function" is obtained for each respondent assume.

【0065】図5を用いて分析対象データの適切な分類について説明する。 [0065] For proper classification of data to be analyzed will be described with reference to FIG.

【0066】分布12は、複数の質問に対する回答を回答者別に分析し、得点付けした結果を示している。 [0066] distribution 12, to analyze the answers to several questions by respondents, shows the results of scored.

【0067】図中の「・」の一つが回答者一人を示している。 [0067] one of the "-" in the figure shows a one respondent. この結果に基づいて、例えばクラスタリングなどの手法を用いてグルーピングを実施し、分布13のような結果が得られたとする。 Based on this result, for example using a technique such as clustering performed grouping, the result shown in the distribution 13 is obtained. この分布13では先の回答者が2つのグループ1G、2Gに分類されている。 In the distribution 13 ahead of respondents two groups 1G, are classified in 2G.

【0068】例えば、グループ1Gは、商品Zを既に購入している回答者のグループで、グループ2Gは、商品Zをまだ購入していない回答者のグループであるとする。 [0068] For example, the group 1G is a group of respondents who have purchased the products Z already, group 2G is assumed to be a group of respondents who have not purchased the goods Z yet.

【0069】このアンケート調査からしばらくして、また同じ質問項目で、別の消費者に対してアンケートを取ったところ、新規の回答者「×」から分析対象データが得られたとする。 [0069] After a while from this survey, also with the same question item, as a result of taking the questionnaire for another consumer, be analyzed data from a new respondent "×" is obtained.

【0070】通常の分析では、この回答者「×」の回答を分析し、生成済みのグループ1G、2Gのどちらに含まれるかを判別していた。 [0070] In a typical analysis, analyzing the answers of the respondent "×", the generated group 1G, was to determine whether contained in both 2G. この状態が分布14ある。 This state is a distribution 14. この例では、新規の回答者「×」は、グループ1Gよりも2Gに含まれると判断され、グループ2Gの範囲が広がったことを示している。 In this example, new respondent "×" is determined to be included in the 2G than group 1G, it shows that the range of the group 2G is widened.

【0071】しかし、一見したところ、回答者「×」はグループ2Gの他の回答者と比較すると、グループ2G [0071] However, at first glance, the respondents "×" is when compared to other respondents of the group 2G, group 2G
に含まれるべきであるという主張が弱いように感じられる。 Claim that should be included in is felt so weak.

【0072】そこで、本実施の形態においては、まず回答者「×」をグループ1G、2Gに含めてよいかどうか判定し、グループ1G、2Gに含めることが適切でなければ新たに回答者「×」による新グループ3Gを生成する。 [0072] Therefore, in this embodiment, first respondent "×" groups 1G, determines whether may be included in the 2G, groups 1G, newly respondent be appropriate to include in the 2G "× to generate a new group 3G by ". この状態を示したのが分布15である。 This state is shown the distribution 15.

【0073】この例では、新たに生成したグループ3G [0073] group 3G In this example, the newly generated
は、「商品Zはまだ購入はしていないが、今後購入を検討する可能性がある」グループであると解釈されたとする適合性の判定では、例えば、グループ1G、2Gの回答者「・」が密集している度合い(個々のデータの距離)を計測しておき、回答者「×」が入ることでそれがどのように変化するかを算出する。 Is, "The commodity Z is not yet purchased is, there is a possibility to consider purchasing the future" in the compatibility of the judgment to have been interpreted as a group, for example, group 1G, 2G of the respondents "." There advance measures the degree (distance of the individual data) that are crowded, calculates how it varies by respondent "×" enters. あるいは、グループの重心を決めておき、回答者「×」がその重心からどの程度離れているか等を調べ判定を行う。 Alternatively, leave determine the center of gravity of the group, the respondents "×" a determination is made as examined, such as whether the extent away from its center of gravity.

【0074】図6は、重心からの距離で判断する例を説明したものである。 [0074] FIG. 6 is obtained by illustrating an example of determining the distance from the center of gravity. 予め閾値を決めておき、回答者「×」と生成済みのグループの重心との間の距離がこの閾値を超える場合、「回答者「×」は生成済みのグループに入れるべきではない」と判定される。 Previously determined threshold value, if the distance between the centroid of the generated group respondents "×" exceeds this threshold value, determines that the "respondent" × "should not put the already generated Group" It is.

【0075】また、データ分析プログラム1により実現される位置情報抽出機能7は、あるグループ内に含まれる分析対象データと重心との距離情報を位置情報として分析者に対して表示する。 [0075] The position information extracting function 7 which is implemented by the data analysis program 1 is displayed to the analyst the distance information analyzed data and centroids contained within a group as position information.

【0076】通常の分類方法にしたがって分類を行ったところ、回答者「×」は生成済みのグループ2G(=未購入)であると判断されるとする。 [0076] was subjected to a classification according to the usual classification methods, respondents "×" is to be determined to be a pre-generated group 2G (= not yet purchased).

【0077】この場合、グループ2Gと判断される場合と別のグループ3G(=購入の可能性がある未購入)であると判断される場合とでは、次のマーケティング戦略立案に差が生じる。 [0077] In this case, in the case where another group 3G and if it is determined that the group 2G is (the possibility of = purchase is not yet purchased) determined to be, the difference occurs in the following marketing strategies.

【0078】もし、回答者「×」はグループ3Gであると判断できれば、商品カタログを送付したり、また購入した場合の特典を強力にアピールするなどの戦略を立てることが可能となる。 [0078] If, respondents "×" is if we determined to be a group 3G, it is possible to develop a strategy, such as strongly appeal the benefits when it is sent or, also purchase the product catalog.

【0079】また、同じアンケート調査を繰り返して行うことで、グルーピングの変化を時系列的に把握することができる。 [0079] In addition, by repeatedly performing the same survey, it is possible to time-series grasp the changes in the grouping. これにより、長期的なマーケティング戦略を立てることも可能となる。 As a result, it is possible to make a long-term marketing strategy.

【0080】続いて、図7を用いてグループの変更方法について説明する。 [0080] The following describes how to change the group with reference to FIG.

【0081】分析対象データの分類されたグループは、 [0081] classified group of analyzed data,
それぞれある特徴を持つ。 There each with its features. グループ1G=「商品Zを購入した人の集まり」、グループ2G=「商品Zをまだ購入していない人の集まり」、グループ3G=「商品Zは未購入だが購入する可能性がある人の集まり」などがその特徴である。 Collection of people group 1G = "a collection of people who purchased a product Z", group 2G = "a collection of people who have not yet purchased the goods Z", group 3G = "product Z is but not yet purchased there is a possibility to buy ", which is its features, such as.

【0082】これらの特徴は、更に詳細に見ると、複数の要因から成り立っている。 [0082] These features, when viewed in more detail, are made up of several factors. 例えば、商品Zをまだ購入したいない人のグループ2Gを形成するのは、「商品Z For example, to form a group 2G of people who do not want to buy a commodity Z yet, "product Z
の機能(をそれほど理解しておらず)、年齢(大体30 Function of (a not so much to understand), age (roughly 30
歳台で)、職種(頭脳労働の傾向が強い)、などといった複数の要因である」という具合に判断することが可能である。 At the age table), a strong trend of occupations (brain work), it is possible to determine the condition that it is "a number of factors, such as.

【0083】ここで、特徴とその要因の関係を簡単に表すために、次の表記を用いる。 [0083] Here, in order to represent the characteristics and relationships of the factors easily, using the following notation. 例えば、3つのグループ1G、2G、3Gがあって、それぞれの特徴が要因r 1 、r 2 、r 3 、r 4から成り立っているとする。 For example, three groups 1G, 2G, there is a 3G, each feature is that consists factor r 1, r 2, r 3 , r 4. 図7 Figure 7
は、各グループの特徴要因の様子を例えば二次元グラフのような形で表現できた場合を示している。 Shows a case where can represent the state of the feature factor of each group in the form, for example a two-dimensional graph.

【0084】また、要因の影響度合いは要因の前に配置する数値で表すものとすると、例えば、グループ1Gの特徴はR(2r 1 ,r 2 ,3r 3 ,r 4 )であり、グループ2 [0084] Further, when the degree of influence of the factors are expressed in numerical values placed in front of the factors, for example, features of the group 1G is R (2r 1, r 2, 3r 3, r 4), Group 2
Gの特徴はR(r 1 ,r 2 ,2r 3 ,r 4 )であり、グループ3Gの特徴はR(2r 1 ,r 2 ,2r 3 ,r 4 )であると表される。 Features of G is R (r 1, r 2, 2r 3, r 4), wherein the groups 3G are represented as the R (2r 1, r 2, 2r 3, r 4).

【0085】グループ間の差異に注目すると、グループ3Gに属する消費者は要因r 3を強化するとグループ1 [0085] When attention is paid to the differences between the groups, consumers belonging to the group 3G is to strengthen the factors r 3 Group 1
Gに属することが可能となることが明確に把握できる。 That it is possible to belong to the G can be clearly understood.

【0086】つまり、例えば「現時点で商品Zは未購入だが購入する可能性が高い」回答者は、商品Zの機能についてもっと詳しく知ることができれば、「商品Zを購入する」回答者にシフトすると判断できる。 [0086] In other words, for example, "there is a high possibility that the commodity Z but not yet purchased to buy at the moment," respondents, if it is possible to know more about the function of the product Z, and to shift to "buy the goods Z" respondent It can be determined.

【0087】また、グループ間の差異に注目すると、グループ2Gとグループ3Gの相違点は、要因r 1の影響の強さに差がある点であると判断できる。 [0087] In addition, focusing on the differences between the groups, differences between groups 2G and Group 3G, it can be determined that is that there is a difference in the intensity of the influence of factors r 1. したがって、 Therefore,
例えば要因r 1が年齢であるとすると、高齢者に対して商品Zの宣伝を行うことで、「商品Zを未購入」回答者は「現時点で商品Zは未購入だが購入する可能性が高い」回答者にシフトすると判断できる。 For example, if the factors r 1 is assumed to be age, by performing the promotion of products Z for the elderly, commodity Z "Product Z not yet purchased" respondent is "currently there is a high possibility that but not yet purchased to buy "it can be determined that the shift to the respondent.

【0088】このような分析後のアクションを行うことができれば、「商品Zの機能を詳しく紹介するような広告を各媒体に展開する」、あるいは「グループ3Gの回答者がよく目にしている媒体に絞って広告展開する」といった無駄のない、効果的な戦略を立案・実行することが可能となり、マーケティング戦略をどのように展開すればよいかの指針を明確にすることが可能となる。 [0088] If it is possible to carry out the action after such an analysis, "be deployed to each media advertising, such as to introduce in detail the function of the product Z", or "media respondent group 3G is often see no waste, such as advertising to expand "squeeze in, effective strategy makes it possible to plan and implement, and how it is possible to clarify the guidelines of whether it is sufficient to expand the marketing strategy.

【0089】図8は、本実施の形態に係るデータ分析プログラム1による比較機能8により表示される各グループ間の特徴の比較結果である。 [0089] Figure 8 is a comparison of characteristics between the groups displayed by the comparison function 8 by the data analysis program 1 according to the present embodiment. この比較結果は上記のようなグループの変更を試みる場合に参考とすることができる。 This comparison result can be used as reference when attempting to change the group as described above.

【0090】以上のような本実施の形態に係るデータ分析プログラム1を利用することによって得られる効果をまとめる。 [0090] summarized effects obtained by utilizing data analysis program 1 according to the present embodiment as described above.

【0091】まず、データ分析プログラム1を利用すると、生成済みのグループが新規に収集された分析対象データの特徴を正確に反映していない場合に、新規に収集された分析対象データに基づいて新規のグループが生成される。 [0091] First, the use of data analysis program 1, when the group previously generated does not accurately reflect the characteristics of the analyzed data collected in a new, based on the analyzed data collected in New New group is generated of. これにより、正確なグルーピングが可能となる。 As a result, it is possible to correct grouping.

【0092】次に、データ分析プログラム1を利用すると、各グループ内での分析対象データの位置付けを把握し、分析対象データがグループの特徴をどの程度強く継承しているかを明らかにすることができる。 [0092] Next, the use of data analysis program 1, it is possible to grasp the position of data to be analyzed in each group, analyzed data is to clarify to what extent strongly inherit the characteristics of the group .

【0093】次に、データ分析プログラム1を利用すると、分析者は、分析対象データを分類した結果得られる各グループを特徴付けている要因を把握し、差を明確に認識できる。 [0093] Next, the use of data analysis program 1, analyst grasps the factors that characterize each group obtained as a result of classifying the analyzed data can clearly recognize the difference.

【0094】そして、分析者は、ある分析対象データを他のグループに移動させるためにどのようなアクションを実行すればよいか容易に把握できる。 [0094] Then, the analyst can determine the certain analyte data may either easily be performed which action to move to another group.

【0095】なお、本実施の形態に係るデータ分析プログラム1によって実現される機能は、同様の作用を実現可能であれば配置を変更させてもよく、また各機能を自由に組合せてもよい。 [0095] Incidentally, functions realized by the data analysis program 1 according to this embodiment may also be changed if feasible arrangement similar actions, or may be combined each function freely.

【0096】また、本実施の形態で説明したデータ分析プログラム1は、例えば磁気ディスク(フロッピー(登録商標)ディスク、ハードディスク等)、光ディスク(CD−ROM、DVD等)、半導体メモリなどの記録媒体2に書き込んでコンピュータに適用可能である。 [0096] The data analysis program 1 described in this embodiment, for example, a magnetic disk (floppy disk, hard disk, etc.), optical disk (CD-ROM, DVD, etc.), a recording medium 2 such as a semiconductor memory It can be applied written in to the computer. また、このプログラムは通信媒体により伝送して、計算機、計算機システムに適用可能である。 Further, the program is transmitted through a communication medium, the computer is applicable to the computer system.

【0097】コンピュータは、記録媒体2に記録されたデータ分析プログラム1を記録媒体2から読み込み、このプログラム1によって動作が制御されることにより、 [0097] The computer reads the data analysis program 1 recorded on the recording medium 2 from the recording medium 2, by whose operation is controlled by the program 1,
上述した機能を実現する。 To achieve the above-described function.

【0098】(第2の実施の形態)本実施の形態においては、上記第1の実施の形態に係るデータ分析プログラム1の利用態様について説明する。 [0098] (Second Embodiment) This embodiment mode describes use form of the data analysis program 1 according to the first embodiment.

【0099】図9は、上記第1の実施の形態に係るデータ分析プログラム1により実施されるサービスをASP [0099] Figure 9, ASP the service implemented by the data analysis program 1 according to the first embodiment
(アプリケーション・サービス・プロバイダ)が提供する形態を例示するブロック図である。 Is a block diagram illustrating an embodiment (application service provider) provides.

【0100】ユーザ(分析者)16は、自己の端末17 [0100] user (analyst) 16, a self-terminal 17
からネットワーク18を経由してASP19の管理するデータ分析プログラム1を利用することで、分析対象データの分析作業を効率的にかつ容易に実施できる。 From via the network 18 by using the data analysis program 1 that manages the ASP19, the analytical work of the analysis target data can be efficiently and easily performed.

【0101】また、ASP18のサービスの提供を受けることで、ユーザ16は、自己でデータ分析プログラム1を管理する場合よりも保守、運用の面で効率的にデータ分析サービスを利用できる。 [0102] By receiving the service of ASP 18, the user 16 can be maintained than when managing data analysis program 1 in self, can efficiently utilize the data analysis services in terms of production.

【0102】ASP18は、ユーザ16にデータ分析サービスを提供し、ユーザ16から対価を得ることができる。 [0102] ASP18 provides data analysis services to the user 16, can be obtained consideration from the user 16.

【0103】 [0103]

【発明の効果】以上詳記したように本発明においては、 In the present invention, as above Shoki, according to the present invention,
新規に収集された分析対象データが生成済みのグループに適合しない場合、新規のグループが生成され、その新規のグループに分類される。 If analyzed data collected newly are not compatible with the already generated group, a new group is created, it is classified into the new group.

【0104】したがって、正確なグルーピングが可能となり、分析の精度を向上させることができる。 [0104] Thus, it is possible to correct grouping, it is possible to improve the accuracy of analysis.

【0105】また、本発明においては、各グループの特徴が抽出され、グループに含まれている分析対象データの位置付け又はグループ間の特徴の差が容易に把握可能となる。 [0105] In the present invention, characteristics of each group are extracted, the difference features between positioning or group of data to be analyzed contained in the group is easily grasped.

【0106】したがって、効果的なマーケティング戦略の立案・実行が可能となる。 [0106] Thus, it is possible to plan and implement an effective marketing strategy. 例えば、広告展開などでターゲットを絞り込むことにより、マーケティングにかかる費用を抑えることができる。 For example, by narrowing down the target, such as advertising campaigns, it is possible to suppress the cost of marketing.

【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS

【図1】本発明の第1の実施の形態に係るデータ分析プログラムの構成を例示するブロック図。 1 is a block diagram illustrating the configuration of a data analysis program according to the first embodiment of the present invention.

【図2】同実施の形態に係るデータ分析プログラムによるデータ分類方法を例示するフロー図。 Figure 2 is a flow diagram illustrating a data classification method according to the data analysis program according to the embodiment.

【図3】同実施の形態に係るデータ分析プログラムにより分類された分析対象データの位置付け出力方法を例示するフロー図。 Figure 3 is a flow diagram illustrating the positioning method of outputting analyzed data classified by the data analysis program according to the embodiment.

【図4】同実施の形態に係るデータ分析プログラムにより生成されたグループ間の比較方法を例示するフロー図。 Figure 4 is a flow diagram illustrating a method of comparing between groups generated by the data analysis program according to the embodiment.

【図5】分析対象データの分類状態を例示する図。 5 is a diagram illustrating a classification state of analyzed data.

【図6】グループと分析対象データとの適合性の判定手法を例示する図。 6 is a diagram illustrating the suitability of the method of determining the Group analyzed data.

【図7】グループの変更を例示する図。 FIG. 7 is a diagram illustrating the change of the group.

【図8】グループ間の比較結果を例示する図。 8 is a diagram illustrating the comparison results between groups.

【図9】データ分析プログラムにより実施されるサービスをASPが提供する形態を例示するブロック図。 9 is a block diagram of the service to be performed by the data analysis program ASP is exemplified a mode of providing.

【図10】マーケティング調査を行った結果に対する従来の分類方法を例示する図。 FIG. 10 is a diagram illustrating a conventional classification method for a result of market research.

【符号の説明】 DESCRIPTION OF SYMBOLS

1…データ分析プログラム 2…記録媒体 3…分類機能 4…判定機能 5…新規分類機能 6…特徴抽出機能 7…位置情報抽出機能 8…比較機能 1 ... data analysis program 2 ... recording medium 3 ... classifier 4 ... judgment function 5 ... new classifier 6 ... feature extractor 7 ... position information extractor 8 ... Compare

Claims (10)

    【特許請求の範囲】 [The claims]
  1. 【請求項1】 新規に収集された分析対象データを分類するためにコンピュータに、 先に収集済みの分析対象データに基づいて生成済みのグループと新規に収集された分析対象データとの間で適合性を判定する判定機能、 前記判定機能により適合と判定された分析対象データを、前記生成済みのグループに分類する第1の分類機能、 前記判定機能により不適合と判定された分析対象データに基づいて新規のグループを生成し、前記不適合と判定された分析対象データをこの新規のグループに分類する第2の分類機能を実現させるためのデータ分析プログラム。 To 1. A computer to classify the analyzed data collected newly, fit between the previously gathered analyzed data already generated based on the group and analyzed data collected in the new determining function sex, said analyte data is determined to fit the determination function, a first classifier for classifying a group of the already generated, the determination function based on the analysis target data determined irrelevant by generate a new group, a second data analysis program for realizing the classifier that classifies the analyzed data determined as the non-conforming to the new group.
  2. 【請求項2】 請求項1記載のデータ分析プログラムにおいて、 生成済みのグループ毎に、そのグループに含まれている分析対象データの特徴を抽出する特徴抽出機能をコンピュータに実現させるためのプログラムを具備し、 前記判定機能は、前記特徴抽出機能によって抽出された特徴と新規に収集された分析対象データとの比較により、生成済みのグループと新規に収集された分析対象データとの間の適合性を判定することを特徴とするデータ分析プログラム。 2. A data analysis program according to claim 1, each already generated group, including a program for implementing a feature extraction function for extracting a feature of the analysis target data contained in the group to the computer and it said determining function is the comparison of the feature extraction function analyzed data collected on the extracted features and the new way, the compatibility between the generated groups and collected analyzed data into the new data analysis program and judging.
  3. 【請求項3】 コンピュータに、 収集された分析対象データに基づいて生成されたグループに含まれている分析対象データの特徴を抽出する特徴抽出機能、 前記特徴抽出機能によって抽出された特徴と前記グループに含まれている分析対象データとの差に基づいて、前記グループ内の分析対象データの位置情報を抽出する位置情報抽出機能を実現させるためのデータ分析プログラム。 3. The computer, feature extraction function for extracting a feature of the analysis target data contained in the group generated based on the collected data to be analyzed, said the features extracted by the feature extraction function groups based on the difference between the analyzed data contained in the data analysis program for realizing the positional information extraction function for extracting the positional information of the analysis target data in the group.
  4. 【請求項4】 コンピュータに、 収集された分析対象データに基づいて生成された複数のグループ毎に、そのグループに含まれている分析対象データの特徴を抽出する特徴抽出機能、 前記特徴抽出機能によって抽出された複数のグループの特徴を比較可能な形態で表示する比較機能を実現させるためのデータ分析プログラム。 4. A computer, for each of a plurality of groups that are generated based on the collected data to be analyzed, the feature extraction function for extracting a feature of the analysis target data contained in the group, by the feature extraction function data analysis program for realizing the comparison function of displaying a comparable form a feature of the extracted plurality of groups.
  5. 【請求項5】 コンピュータシステムによるデータ分析方法において、 新規に収集された分析対象データを受け付ける受付ステップと、 先に収集済みの分析対象データに基づいて生成済みのグループと新規に収集された分析対象データとの間で適合性を判定する判定ステップと、 前記判定ステップにより適合と判定された場合に、新規に収集された分析対象データを前記生成済みのグループに分類し、前記判定ステップにより不適合と判定された場合に、新規に収集された分析対象データに基づいて新規のグループを生成し、不適合と判定された分析対象データをこの新規のグループに分類する分類ステップとからなるデータ分析方法。 5. A data analysis method using a computer system, receiving step and the analyte which is collected in the generated groups and new on the basis of the previously collected data to be analyzed before accepting an analysis target data collected in the new a determining step of determining compatibility with the data, if it is determined that the adapted by the determination step, classifying the analyzed data collected to a new group of the already generated, incompatible by the determination step when it is determined to generate a new group based on the analyzed data collected in new data analysis method comprising the analyzed data determined irrelevant from the classification step of classifying this new group.
  6. 【請求項6】 コンピュータシステムによるデータ分析方法において、 収集された分析対象データに基づいて生成されたグループに含まれている分析対象データの特徴を抽出するステップと、 抽出された特徴とこのグループに含まれている分析対象データとの差に基づいて、このグループ内の分析対象データの位置情報を抽出するステップとからなるデータ分析方法。 6. The data analysis method according to the computer system, the steps of extracting a feature of the analysis target data contained in the group generated based on the collected data to be analyzed, the extracted features to this group based on the difference between the analyzed data contained, the data analysis method comprising the steps of extracting position information of the analysis target data in the group.
  7. 【請求項7】 コンピュータシステムによるデータ分析方法において、 収集された分析対象データに基づいて生成された複数のグループの指定をユーザから受け付けるステップと、 ユーザに指定された複数のグループに含まれている分析対象データの特徴を抽出するステップと、 抽出された複数のグループ毎の特徴を比較可能な形態で表示するステップとからなるデータ分析方法。 7. The data analysis method according to the computer system, a step of accepting a specification of a plurality of groups that are generated based on the collected data to be analyzed from the user, are included in a plurality of groups designated by the user steps and, data analysis method comprising the step of displaying in a comparable form a feature of each extracted plurality of groups of extracting features of the analyzed data.
  8. 【請求項8】 分析対象データを分析するシステムにおいて、 先に収集済みの分析対象データに基づいて生成済みのグループと新規に収集された分析対象データとの間で適合性を判定する判定手段と、 前記判定手段により適合と判定された分析対象データを、前記生成済みのグループに分類する第1の分類手段と、 前記判定手段により不適合と判定された分析対象データに基づいて新規のグループを生成し、前記不適合と判定された分析対象データをこの新規のグループに分類する第2の分類手段とを具備したことを特徴とするデータ分析システム。 8. A system for analyzing the analysis target data, and determining means for determining compatibility with the analyte data collected previously generated groups and new on the basis of the previously collected data to be analyzed previously , generates a new group based on the analysis target data is determined to fit, and the first classifying means for classifying a group of the already generated, the analyte data determined irrelevant by the determination unit by the determination unit data analysis system is characterized by comprising a second classifying means for classifying the analyzed data determined as the non-conforming to the new group.
  9. 【請求項9】 分析対象データを分析するシステムにおいて、 収集された分析対象データに基づいて生成されたグループに含まれている分析対象データの特徴を抽出する特徴抽出手段と、 前記特徴抽出手段によって抽出された特徴と前記グループに含まれている分析対象データとの差に基づいて、前記グループ内の分析対象データの位置情報を抽出する位置情報抽出手段とを具備したことを特徴とするデータ分析システム。 9. A system for analyzing the analysis target data, a feature extraction means for extracting a feature of the analysis target data contained in the group generated based on the collected data to be analyzed by the feature extracting means based on the difference between the extracted features analyzed data contained in the group, data analysis, characterized by comprising a position information extracting means for extracting positional information of the analysis target data in the group system.
  10. 【請求項10】 分析対象データを分析するシステムにおいて、 収集された分析対象データに基づいて生成された複数のグループ毎に、そのグループに含まれている分析対象データの特徴を抽出する特徴抽出手段と、 前記特徴抽出手段によって抽出された複数のグループの特徴を比較可能な形態で表示する手段とを具備したことを特徴とするデータ分析システム。 10. A system for analyzing the analysis target data, for each of a plurality of groups that are generated based on the collected data to be analyzed, feature extracting means for extracting a feature of the analysis target data contained in the group If the data analysis system, characterized by comprising a means for displaying in a comparable form a feature of a plurality of groups that are extracted by said feature extracting means.
JP2001076839A 2001-03-16 2001-03-16 Data analysis program, data analysis method using computer system and data analysis system Pending JP2002279148A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2001076839A JP2002279148A (en) 2001-03-16 2001-03-16 Data analysis program, data analysis method using computer system and data analysis system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2001076839A JP2002279148A (en) 2001-03-16 2001-03-16 Data analysis program, data analysis method using computer system and data analysis system

Publications (1)

Publication Number Publication Date
JP2002279148A true JP2002279148A (en) 2002-09-27

Family

ID=18933702

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001076839A Pending JP2002279148A (en) 2001-03-16 2001-03-16 Data analysis program, data analysis method using computer system and data analysis system

Country Status (1)

Country Link
JP (1) JP2002279148A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007515867A (en) * 2003-11-12 2007-06-14 ザ トラスティーズ オブ コロンビア ユニヴァーシティ イン ザ シティ オブ ニューヨーク Apparatus, method, and medium for detecting payload anomalies using n-gram distribution of normal data
JP2007317209A (en) * 2006-05-25 2007-12-06 Dunnhumby Ltd Method for planning and evaluating in-store advertising for retail entity

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007515867A (en) * 2003-11-12 2007-06-14 ザ トラスティーズ オブ コロンビア ユニヴァーシティ イン ザ シティ オブ ニューヨーク Apparatus, method, and medium for detecting payload anomalies using n-gram distribution of normal data
JP4662944B2 (en) * 2003-11-12 2011-03-30 ザ トラスティーズ オブ コロンビア ユニヴァーシティ イン ザ シティ オブ ニューヨーク Apparatus, method, and medium for detecting payload anomalies using n-gram distribution of normal data
JP2007317209A (en) * 2006-05-25 2007-12-06 Dunnhumby Ltd Method for planning and evaluating in-store advertising for retail entity

Similar Documents

Publication Publication Date Title
Grohs et al. Assessing the effectiveness of sport sponsorships—An empirical examination
Oliver Varieties of value in the consumption satisfaction response
Hashim Information communication technology (ICT) adoption among SME owners in Malaysia
Bates UK consumer decision-making styles
Heslop et al. Who controls the purse strings: A study of consumers' and retail buyers' reactions in an America's FTA environment
Rojas-Mendez et al. The Ford brand personality in Chile
Foxall et al. Consumer psychology for marketing
Kinra The effect of country-of-origin on foreign brand names in the Indian market
Yu et al. Determinants of internet shopping behavior: An application of reasoned behaviour theory
Demby Psychographics and from whence it came
Bodet Customer satisfaction and loyalty in service: Two concepts, four constructs, several relationships
Hand et al. Data mining for fun and profit
Dhar et al. Does chatter matter? The impact of user-generated content on music sales
Leimeister et al. Success factors of virtual communities from the perspective of members and operators: An empirical study
Johnson et al. On the depth and dynamics of online search behavior
Pappu et al. Consumer-based brand equity: improving the measurement–empirical evidence
Russell-Bennett et al. Involvement, satisfaction, and brand loyalty in a small business services setting
Amine et al. Efficient retailer assortment: a consumer choice evaluation perspective
US20090182625A1 (en) Process and System for Integrating Information from Disparate Databases for Purposes of Predicting Consumer Behavior
Kamakura et al. Cross-selling through database marketing: a mixed data factor analyzer for data augmentation and prediction
Ngai Selection of web sites for online advertising using the AHP
Dupuis et al. Business distance and global retailing: a model for analysis of key success/failure factors
He et al. Mining class outliers: concepts, algorithms and applications in CRM
Rundle-Thiele Exploring loyal qualities: assessing survey-based loyalty measures
Bornmann et al. What do citation counts measure? A review of studies on citing behavior