ITパスポート試験過去問 - 分野別 - 業務分析・データ利活用
| 市況が好転 | 市況が悪化 | |
| 投資戦略a | 20 | -15 |
| 投資戦略b | 5 | 0 |
| ア | -15 |
|---|---|
| イ | 0 |
| ウ | 5 |
| エ | 20 |
a 自由奔放なアイディアは控え,実現可能なアイディアの提出を求める。
b ほかのメンバーのアイディアに便乗した案であっても,とがめずに進める。
c メンバーから出されるアイディアの中で,テーマに適したものを選択しながら進める。
| ア | a |
|---|---|
| イ | a,b |
| ウ | a,b,c |
| エ | b |
解説
ブレーンストーミングは、複数の人が自由にアイディアを出し合い、たくさんの発想を得るための会議の手法です。良いアイディアは、たくさんのアイディアの中から生まれやすいという考え方に基づいています。
ブレーンストーミングには、次の4つの原則があります。
- 批判禁止
出されたアイディアの良し悪しをその場で判断しない。 - 自由奔放
常識にとらわれない、突飛なアイディアも歓迎する。 - 質より量
できるだけ多くのアイディアを出す。 - 結合・便乗
他の人のアイディアに乗っかったり、組み合わせたりして新しいアイディアを生む。
評価や選別をすると、参加者は「こんなことを言ったら否定されるかもしれない」と考えて発言を控えるようになります。アイディアを出す段階と、選ぶ段階を分けることがポイントです。
この原則に照らすと、aは「実現可能なもの」に限っているので自由奔放の原則に反します。cはテーマに適したものを選びながら進めており、批判禁止の原則に反します。適切なのは、便乗したアイディアをとがめないbだけです。
| × ア | aは、実現可能なアイディアに限っており、自由奔放の原則に反します。 |
| × イ | aが自由奔放の原則に反するので、誤りです。 |
| × ウ | aとcが原則に反するので、誤りです。 |
| ○ エ | 他人のアイディアへの便乗を認めるbだけが、結合・便乗の原則に沿っています。 |
| ア | アノテーション |
|---|---|
| イ | エンコード |
| ウ | データクレンジング |
| エ | フィルタリング |
解説
機械学習の「教師あり学習」では、問題と正解の組を大量にAIに与えて学習させます。例えば、猫と犬を見分けるAIを作るには、たくさんの画像それぞれに「これは猫」「これは犬」という正解を付けたデータが必要です。
このように、データに正解の情報(ラベル)を付ける作業をアノテーションと言います。アノテーションは「注釈を付ける」という意味です。画像の中の人や車の位置を枠で囲んで名前を付けたり、文章に「肯定的」「否定的」といった印を付けたりする作業もアノテーションです。
AIの判断の正確さは、学習に使ったデータの質に大きく左右されます。正解の付け方が間違っていたり、ばらついていたりすると、AIはその誤りまで学習してしまいます。そのため、アノテーションは地道ですが重要な作業です。
| ○ ア | データに正解となる情報を付与する作業であり、アノテーションの説明です。 |
| × イ | エンコードは、データを決められた規則に従って別の形式に変換すること(符号化)です。 |
| × ウ | データクレンジングは、データの誤りや重複、表記の揺れなどを取り除いて、データの品質を高める作業です。 |
| × エ | フィルタリングは、条件に合うデータだけを選び出したり、不要なデータを取り除いたりすることです。 |
| ア | 3C |
|---|---|
| イ | 3D |
| ウ | 3G |
| エ | 3V |
解説
ビッグデータは、従来のデータベースでは扱いきれないほど巨大で複雑なデータのことです。SNSへの投稿、センサーが測ったデータ、ネット通販の購買履歴などがその例です。
ビッグデータの特徴は、英語の頭文字がすべてVになる3つの要素で表され、まとめて3Vと呼ばれます。
| 要素 | 意味 | 例 |
|---|---|---|
| Volume(量) | データの量が膨大である | 何億件もの購買履歴 |
| Velocity(速度) | データが発生・更新される頻度が高い | 刻々と送られるセンサーの値 |
| Variety(多様性) | データの種類や形式がさまざまである | 文章・画像・音声・位置情報 |
問題文の「大容量」はVolume、「頻繁な更新」はVelocity、「多種多様」はVarietyに当たります。最近では、これにVeracity(正確さ)とValue(価値)を加えて「5V」と呼ぶこともあります。
| × ア | 3Cは、マーケティングで市場環境を分析するときの、顧客(Customer)、競合(Competitor)、自社(Company)の3つの観点です。 |
| × イ | 3Dは、3次元(three dimensions)のことです。立体的な表示や造形などで使われる言葉です。 |
| × ウ | 3Gは、第3世代移動通信システムのことです。 |
| ○ エ | 量、速度、多様性という、ビッグデータを特徴づける3つの要素の総称です。 |
a 学習の目的に適したデータであることを確認する。
b データの入手元 作成来歴を確認する。
c データへのアノテーションの付与は学習目的に合わせて実施する。
d 人間の目でも同定が困難と考えられる画像認識用のデータは除外する。
| ア | a,b |
|---|---|
| イ | a,b,c,d |
| ウ | a,d |
| エ | b,c,d |
解説
機械学習では、AIが大量のデータから規則性を学びます。そのため、AIの出来は学習に使うデータの質で大きく決まります。偏ったデータで学習すると、AIの判断も偏ってしまいます。このような偏りをバイアスと言います。例えば、ある年代の顔写真ばかりで学習した顔認識AIは、他の年代の人の顔を正しく認識しにくくなります。
バイアスを減らし、データの品質を保つには、次のような点に気を付けます。
- 学習の目的に合ったデータか
目的と関係のないデータや、目的に対して偏ったデータを使わないようにします。 - データの入手元や作成の来歴
誰が、いつ、どのように作ったデータかを確認します。出どころが分からないデータには、誤りや偏り、権利の問題が含まれている恐れがあります。 - アノテーションの付け方
アノテーションは、データに正解のラベル(「この画像は猫」など)を付ける作業です。学習の目的に合わせて、基準をそろえて付ける必要があります。 - 人間でも判断が難しいデータ
人間の目でも何が写っているか分からない画像は、正しいラベルを付けられず、誤ったラベルが混ざる原因になります。除外するのが適切です。
a〜dは、どれもバイアスの低減やデータの品質の確保に役立つ対策です。
| × ア | cとdも適切な対策です。アノテーションを目的に合わせて付けることと、判断が難しいデータを除外することも、データの品質を高めます。 |
| ○ イ | a〜dのすべてが、バイアスの低減やデータの品質の確保に役立つ対策です。 |
| × ウ | bとcも適切な対策です。データの来歴の確認と、目的に合わせたアノテーションも必要です。 |
| × エ | aも適切な対策です。学習の目的に適したデータを使うことは、最も基本的な対策です。 |
| ア | データを学習し,分析するAI |
|---|---|
| イ | データを自動収集し,データベースに蓄積するIoT |
| ウ | 入力したデータを,加工して見せるオフィスツール |
| エ | ビッグデータを,様々な手法で分析するデータサイエンス |
解説
ITを使って問題を解決するときは、解決したい問題の大きさに合った道具を選ぶことが大切です。高度な技術を使えば良いというわけではありません。
この問題でAさんがしたいことは、10人の営業担当者が毎月提出する営業見込みと実績を集め、一目で分かるようにグラフにすることです。データの量は少なく、自動で集めたり予測したりする必要もありません。これは、表計算ソフトのようなオフィスツールに入力して集計し、グラフを作れば十分に解決できます。
| × ア | AIは、大量のデータから学習して予測や判断を行う技術です。10人分の見込みと実績をグラフにするだけなら、AIは必要ありません。 |
| × イ | IoTは、さまざまな機器をネットワークにつなぎ、センサーなどでデータを自動で集める技術です。営業担当者が提出するデータの集約には向きません。 |
| ○ ウ | 表計算ソフトなどのオフィスツールで、入力したデータを集計してグラフにすれば、営業成績を一目で分かるようにできます。 |
| × エ | データサイエンスは、ビッグデータを統計学や機械学習などで分析し、価値のある知見を引き出す分野です。この程度の集計には大がかりすぎます。 |
| ア | 回帰分析 |
|---|---|
| イ | 線形計画法 |
| ウ | デルファイ法 |
| エ | パレート分析 |
解説
「気温が高い日ほどアイスクリームがよく売れる」のように、2つの数量の間には関係があることがあります。この関係を散布図に点として描くと、点が右上がりの直線の近くに並ぶことがあります。
回帰分析は、このような点の並びに最もよく当てはまる式(直線なら y = ax + b)を求め、ある値(説明変数)から別の値(目的変数)を予測する手法です。この問題では、気温が説明変数x、販売量が目的変数yです。過去のデータから傾きaと切片bを求めておけば、天気予報の気温をxに代入するだけで、販売量の予測値が計算できます。
関係を一次式(直線)で表すものを単回帰分析や線形回帰と言います。説明変数が2つ以上ある場合は、重回帰分析を使います。
| ○ ア | 一次式で近似した関係を使って、気温から販売量を推定する手法が、回帰分析です。 |
| × イ | 線形計画法は、いくつかの制約条件(材料の量や作業時間など)の下で、利益などを最大(または費用を最小)にする組合せを求める手法です。 |
| × ウ | デルファイ法は、複数の専門家へのアンケートと結果のフィードバックを繰り返して、意見を集約し将来を予測する手法です。 |
| × エ | パレート分析(ABC分析)は、項目を値の大きい順に並べて累積比率を求め、重要な項目を見極める手法です。 |
発注量 = ([ a ]+調達期間) × 毎日の使用予定量 + [ b ] ー 現在の在庫量 ー [ c ]
| a | b | c | |
| ア | 営業日数 | 安全在庫量 | 現在の発注残 |
| イ | 営業日数 | 現在の発注残 | 安全在庫量 |
| ウ | 発注間隔 | 安全在庫量 | 現在の発注残 |
| エ | 発注間隔 | 現在の発注残 | 安全在庫量 |
解説
在庫の発注方式には、主に定量発注方式と定期発注方式があります。定量発注方式は、在庫が一定の量(発注点)まで減ったら、決まった量を発注する方式です。定期発注方式は、1週間ごと、1か月ごとのように決まった間隔で発注し、そのたびに必要な量を計算して発注する方式です。
定期発注方式で発注した原料は、調達期間(発注から納品までの日数)が過ぎてから届きます。そして、届いた原料は、次に発注した分が届くまで使い続けます。つまり今回の発注量は、「発注間隔 + 調達期間」の日数分の使用量をまかなえなければなりません。これに、予想より多く使った場合に備える安全在庫量を加えます。
ただし、そのすべてを新たに発注する必要はありません。今ある在庫(現在の在庫量)と、すでに発注済みでまだ届いていない分(現在の発注残)は、これから使える原料なので差し引きます。
例えば、発注間隔が7日、調達期間が3日、毎日100kg使い、安全在庫量が200kg、現在の在庫量が500kg、発注残が300kgなら、(7 + 3) × 100 + 200 − 500 − 300 = 400kgを発注します。
安全在庫量は手元に置いておきたい量なので足し、発注残はすでに手配済みの量なので引きます。aは発注間隔、bは安全在庫量、cは現在の発注残です。
| × ア | aは営業日数ではなく、発注間隔です。次の発注分が届くまでの使用量を求めるので、発注と発注の間隔を使います。 |
| × イ | aは発注間隔です。また、発注残は差し引く量、安全在庫量は加える量なので、bとcが逆です。 |
| ○ ウ | aが発注間隔、bが安全在庫量、cが現在の発注残の組合せが、定期発注方式の発注量の式です。 |
| × エ | bとcが逆です。安全在庫量は加え、すでに発注済みの発注残は差し引きます。 |
| ア | 機械学習や統計などの手法を用いてビッグデータを解析することによって,ビジネスに活用するための新たな知見を獲得する。 |
|---|---|
| イ | 企業が保有する膨大なデータを高速に検索できるように,パフォーマンスの高いデータベースを運用するためのシステム基盤を構築する。 |
| ウ | 企業における情報システムに関するリスクを評価するために,現場でのデータの取扱いや管理についての実態を調査する。 |
| エ | 企業や組織における安全な情報システムの企画,設計,開発,運用を,サイバーセキュリティに関する専門的な知識や技能を活用して支援する。 |
解説
データサイエンティストは、データを分析して、ビジネスに役立つ知見を引き出す専門家です。統計学や機械学習の知識、プログラミングなどのIT技術、そして分析の結果をビジネスの課題解決に結び付ける力の、3つを合わせて持つことが求められます。
例えば、小売企業の大量の購買データを分析して「雨の日にはこの商品が売れる」といった傾向を見つけ、品ぞろえや販売促進の施策を提案します。データを集めて保管する仕組みを作ることより、データから意味を読み取り、意思決定に役立てることが主な役割です。
| ○ ア | 機械学習や統計の手法でビッグデータを解析し、ビジネスに活用する知見を得るのが、データサイエンティストの役割です。 |
| × イ | 高速に検索できるデータベースの運用基盤を構築するのは、データベースエンジニアやインフラエンジニアの役割です。 |
| × ウ | 情報システムのリスクを評価するために、現場のデータの取扱いの実態を調べるのは、システム監査人などの役割です。 |
| × エ | サイバーセキュリティの専門知識で安全な情報システムの企画から運用までを支援するのは、情報処理安全確保支援士などのセキュリティ専門家の役割です。 |
| ア | ABC分析 |
|---|---|
| イ | クラスター分析 |
| ウ | 主成分分析 |
| エ | 相関分析 |
解説
販売数量の変化を説明するために顧客の行動や天候、店の場所など多くの項目を集めると、項目が多すぎて分析が複雑になります。しかも、項目の中には「気温」と「湿度」のように互いに似た動きをするものが含まれていることがよくあります。
主成分分析は、多くの項目の情報をできるだけ失わないように組み合わせて、少数の新しい指標(主成分)にまとめる分析手法です。例えば、生徒の国語・英語・社会の点数を「文系の総合力」という1つの指標に、数学・理科の点数を「理系の総合力」という1つの指標にまとめれば、5教科の成績を2つの数値で説明できます。
このように、データの持つ情報を要約して項目(パラメータ)の数を減らすことを「次元の削減」と言います。問題文の「説明に使用するパラメータをできるだけ少数に絞りたい」という目的に合うのは、主成分分析です。
| × ア | ABC分析は、商品などを売上高の多い順に並べてA・B・Cの3グループに分け、重点的に管理すべき対象を見極める手法です。 |
| × イ | クラスター分析は、似た性質を持つデータ同士を集めてグループ(クラスター)に分ける手法です。データを分類するもので、項目を減らすものではありません。 |
| ○ ウ | 主成分分析は、多数の項目を少数の総合的な指標にまとめる手法で、パラメータを絞る目的に合います。 |
| × エ | 相関分析は、2つの項目の間に、一方が増えると他方も増える(減る)という関係がどの程度あるかを調べる手法です。 |
a Webサイト上で,日本語の文章を入力すると即座に他言語に翻訳される。
b 災害時にSNSに投稿された文字情報をリアルタイムで収集し,地名と災害情報などを解析して被災状況を把握する。
c スマートスピーカーを利用して,音声によって家電の操作や音楽の再生を行う。
d 駐車場の出入口に設置したカメラでナンバープレートを撮影して,文字認識処理をし,精算済みの車両がゲートに近付くと自動で開く。
| ア | a,b,c |
|---|---|
| イ | a,b,d |
| ウ | a,c,d |
| エ | b,c,d |
解説
自然言語処理(NLP:Natural Language Processing)は、日本語や英語のように人間がふだん使っている言葉(自然言語)を、コンピュータで解析し、意味を理解したり文章を作ったりする技術です。プログラミング言語のような厳密な規則を持つ言葉と違い、自然言語はあいまいで、同じ言葉でも文脈で意味が変わります。それを扱えるようにするのが自然言語処理です。
一方、画像に写っているものを見分ける技術は画像認識と呼ばれ、自然言語処理とは別の領域です。カメラで写した文字を読み取る文字認識(OCR)も、画像の中の文字の形を見分ける技術で、画像認識の一種です。
| 使われている技術 | 判定 | |
|---|---|---|
| a | 入力された日本語の文の意味を解析して他の言語に置き換える機械翻訳で、自然言語処理の代表例です。 | ○ |
| b | SNSの投稿文から地名や災害の情報を読み取って解析しています。文章の意味を解析しているので、自然言語処理です。 | ○ |
| c | 声を文字に変える音声認識に加えて、その言葉が何を求めているかを理解する処理に自然言語処理が使われています。 | ○ |
| d | ナンバープレートの文字を画像から読み取る文字認識で、画像認識の技術です。文章の意味を理解するわけではありません。 | × |
したがって、a、b、cが該当し、「ア」が正解です。
| ア | 最適な発注量は,発注費用と在庫維持費用の総額が最小となる場合である。 |
|---|---|
| イ | 発注回数の多寡で比較したとき,発注回数の多い方が商品を保管するスペースを広くする必要がある。 |
| ウ | 発注は毎週金曜日,毎月末など,決められた同じサイクルで行われる。 |
| エ | 毎回需要予測に基づき発注が行われる。 |
解説
商品の在庫を補充するときの発注のしかたには、大きく分けて2つの方式があります。
- 定量発注方式
在庫がある量(発注点)まで減ったら、あらかじめ決めた一定の量を発注します。発注する時期は在庫の減り方次第で変わりますが、発注量は毎回同じです。 - 定期発注方式
毎週金曜日、毎月末など決まった周期で発注します。発注量は、その都度、需要予測や在庫の状況から計算します。
定量発注方式では「1回にどれだけ発注するか」が大事になります。1回の発注量を多くすると、発注の回数が減って発注のたびにかかる手間や費用(発注費用)は減りますが、平均の在庫が増えるので、倉庫代や管理の手間などの在庫維持費用が増えます。逆に1回の発注量を少なくすると、在庫維持費用は減りますが、発注回数が増えて発注費用が増えます。
この2つの費用は、一方を減らすと他方が増える関係にあります。そこで、両者の合計が最も小さくなる発注量を選ぶのが最適です。この発注量を経済的発注量(EOQ:Economic Order Quantity)と言います。
| ○ ア | 発注費用と在庫維持費用の合計が最小となる発注量が最適で、これを経済的発注量と言います。 |
| × イ | 同じ需要を満たす場合、発注回数が多いほど1回の発注量は少なくなり、手元に置く在庫も少なくなります。そのため、保管スペースは狭くて済みます。 |
| × ウ | 決められた周期で発注を行うのは、定期発注方式の特徴です。 |
| × エ | 発注のたびに需要予測に基づいて発注量を決めるのは、定期発注方式の特徴です。定量発注方式の発注量は毎回一定です。 |
| ア | ガントチャート |
|---|---|
| イ | バブルチャート |
| ウ | マインドマップ |
| エ | ロードマップ |
解説
データの関係を図で表すとき、要素が2つなら、横軸と縦軸に1つずつ割り当てた散布図で表せます。しかし、要素が3つになると、平面の縦と横だけでは足りません。
バブルチャートは、散布図の点を大きさの異なる円(バブル)に置き換えて、円の大きさで3つ目の要素を表すグラフです。この問題では、例えば横軸に座席数、縦軸に客単価を取り、円の大きさで売上高を表します。こうすれば全店舗の3つの要素を1枚の図で見比べられます。
このグラフを見ると、座席数が多いのに売上高が小さい店や、座席数が少なくても客単価が高く売上の大きい店などが一目で分かります。これが、店舗ごとの運営戦略を考える手がかりになります。
| × ア | ガントチャートは、横軸を時間として、作業ごとの予定と実績を横棒で表す図です。工程の進み具合の管理に使います。 |
| ○ イ | バブルチャートは、縦軸、横軸、円の大きさで3つの要素を同時に表せるので、この分析に適しています。 |
| × ウ | マインドマップは、中心のテーマから枝を伸ばすように、関連する考えを放射状に書き出していく図です。発想を広げたり整理したりするのに使います。 |
| × エ | ロードマップは、目標に向けて、いつ何を実現するかを時系列で示した計画表です。 |
| ア | PERT図 |
|---|---|
| イ | 管理図 |
| ウ | 特性要因図 |
| エ | パレート図 |
解説
苦情の種類がたくさんあると、すべてに同時に手を打つことはできません。限られた人手や時間で効果を上げるには、件数の多い苦情から優先して対策するのが合理的です。
パレート図は、そのための図です。項目を件数(または金額など)の多い順に左から並べた棒グラフと、件数を左から順に足し合わせた割合(累積百分率)を表す折れ線グラフを、1つの図に重ねて描きます。
例えば苦情の合計が100件で、多い順に「待ち時間が長い」40件、「説明が分かりにくい」25件、「たらい回し」15件と続くとします。累積百分率は、1番目までで40%、2番目までで65%、3番目までで80%と増えていきます。この折れ線を見ると、上位3項目に手を打つだけで苦情全体の8割に対処できることが一目で分かります。
多くの場合、結果の大部分は少数の原因から生じます(「売上の8割は2割の商品が生む」などと言われるパレートの法則)。パレート図は、その「重要な少数」を見つけて対応の優先度を判断するのに適しています。
| × ア | PERT図(アローダイアグラム)は、作業の順序と所要日数を矢印でつないで表し、プロジェクト全体の日程を管理するための図です。 |
| × イ | 管理図は、品質などのデータを時間の順に折れ線で表した図です。上限と下限の管理限界線から外れていないかを見て、工程が安定しているかを判断します。 |
| × ウ | 特性要因図は、問題(特性)とそれを引き起こす原因(要因)の関係を、魚の骨のような形に整理した図です。 |
| ○ エ | パレート図は、件数の多い順の棒グラフと累積百分率の折れ線グラフを組み合わせ、優先して対処すべき項目を判断するための図です。 |
| ア | A/Bテスト |
|---|---|
| イ | ABC分析 |
| ウ | クラスタ分析 |
| エ | リグレッションテスト |
解説
Webサイトのデザインを変えたとき、申込みが増えたかどうかを確かめるには、変更の前後で申込みの数を比べる方法が思い浮かびます。しかし、それでは時期の違い(季節や曜日、宣伝の有無など)の影響も混ざってしまうため、本当にデザインの効果なのかが分かりません。
A/Bテストは、この問題を避けるための検証方法です。2つの案(AとB)を同じ期間に並行して公開し、訪問した利用者をランダムに2つのグループに振り分けて、それぞれに片方の案だけを見せます。そして、どちらの案のほうが申込みや購入などの目的の行動に至った割合(コンバージョン率)が高いかを比べます。条件をそろえて比べるので、違いがデザインによるものだと判断できます。
ボタンの色や配置、見出しの文言、画像の違いなど、小さな変更の効果を確かめるのによく使われます。
| ○ ア | A/Bテストは、2つの案を並行して公開し、利用者の反応を比較してどちらが優れているかを検証する手法です。 |
| × イ | ABC分析は、商品などを売上高の大きい順に並べて累積の割合でA・B・Cの3つのランクに分け、重点的に管理すべきものを決める手法です。 |
| × ウ | クラスタ分析は、多くのデータの中から似た性質を持つもの同士を集めて、いくつかのグループ(クラスタ)に分ける分析手法です。 |
| × エ | リグレッションテスト(回帰テスト)は、プログラムを修正したときに、修正していない部分に悪い影響が出ていないかを確かめるテストです。 |
| ア | 顧客の消費行動を,時代,年齢,世代の三つの観点から分析する。 |
|---|---|
| イ | 自社の商品を,売上高の高い順に三つのグループに分類して分析する。 |
| ウ | マーケティング環境を,顧客,競合,自社の三つの観点から分析する。 |
| エ | リピート顧客を,最新購買日,購買頻度,購買金額の三つの観点から分析する。 |
解説
お店で扱う商品が1,000種類あっても、売上のほとんどは一部の売れ筋商品が生み出していることがよくあります。「売上の約8割は、全体の約2割の商品が生み出している」という経験則はパレートの法則と呼ばれます。
ABC分析は、この考え方を使って商品を重要度で3つのグループに分ける手法です。商品を売上高の高い順に並べ、売上高の累計が全体の何%になるかを順に計算します。そして累計比率がおよそ70%までの商品をA、70~90%の商品をB、残りをCとします(境目の比率は目的によって変わります)。
Aグループは品切れを起こさないように在庫を手厚く管理し、Cグループは在庫を減らしたり取扱いをやめたりするというように、グループごとに管理の力の入れ方を変えるのに使います。
| × ア | 時代、年齢、世代の3つの観点から消費行動を分析するのは、コーホート分析(APC分析)と呼ばれる手法です。 |
| ○ イ | 商品を売上高の高い順に3つのグループに分類するのはABC分析です。 |
| × ウ | 顧客(Customer)、競合(Competitor)、自社(Company)の3つの観点から環境を分析するのは3C分析です。 |
| × エ | 最新購買日(Recency)、購買頻度(Frequency)、購買金額(Monetary)の3つの観点から顧客を分析するのはRFM分析です。 |
| ① | メールマガジンの購読者数 | 100,000人 |
| ② | ①のうち,広告中のURLをクリックする割合 | 2% |
| ③ | ②のうち,商品Yを購入する割合 | 10% |
| ④ | 商品Yの1個当たりの原価 | 1,000円 |
| ⑤ | 販売促進策に掛かる費用の総額 | 200,000円 |
| ア | 1020 |
|---|---|
| イ | 1100 |
| ウ | 1500 |
| エ | 2000 |
解説
広告による販売促進では、広告を見た人のうち、実際に商品を買う人はほんの一部です。購読者数から、クリックする人、購入する人へと段階的に人数が絞り込まれる様子は、漏斗(じょうご)の形にたとえられます。まず購入者が何人になるかを求め、その人数で費用を回収できる販売価格を考えます。
- 広告中のURLをクリックする人数を求めます。購読者100,000人の2%なので、100,000 × 0.02 = 2,000人です。
- 商品Yを購入する人数を求めます。クリックした2,000人の10%なので、2,000 × 0.1 = 200人です。1人1個に限られるので、販売個数は200個です。
- 商品Y1個を売ると、販売価格から原価1,000円を引いた分が利益になります。販売価格を x 円とすると、200個分の利益は 200 × ( x − 1,000) 円です。
- 収支がマイナスにならないためには、この利益が販売促進策の費用200,000円以上である必要があります。
販売価格がちょうど2,000円のとき、1個当たりの利益は1,000円で、200個の利益の合計は200,000円です。これで販売促進策の費用200,000円と同じになり、収支はちょうど0円になります。したがって「エ」が正解です。
〔条件〕
・ 製品Aの生産リードタイム(着手から完成までの期間)は無視する。
・ 製品Aを1個生産するためには部品Bが2個必要であり,部品Bは製品Aの生産以外には使われない。
・ 部品Bの発注は,各週の生産終了後に行い,翌週の生産開始までに入荷する。
・ 部品Bの安全在庫は,当該週の部品Bの総所要量の25%とする。
・ 部品Bの第1週の生産開始前の在庫量を100個とする。
単位 個
| 第1週 | 第2週 | 第3週 | |
| 製品Aの生産計画量 | 40 | 40 | 20 |
| 部品Bの総所要量 | 80 | 80 | 40 |
| 部品Bの在庫量 (生産終了後) | 20 | ||
| 部品Bの発注量 | [ a ] |
| ア | 30 |
|---|---|
| イ | 40 |
| ウ | 60 |
| エ | 80 |
解説
製品を作るのに必要な部品を、いつ、いくつ発注すればよいかを計算する考え方をMRP(Material Requirements Planning:資材所要量計画)と言います。生産計画から部品の必要量を求め、手元の在庫を差し引いて、不足する分だけを発注します。
この問題では、もう一つ安全在庫の考え方が加わります。安全在庫は、需要の急な増加や入荷の遅れに備えて、余分に持っておく在庫のことです。条件では「当該週の総所要量の25%」とされています。表で第1週の生産終了後の在庫量が20個になっているのは、第1週の総所要量80個の25%(80 × 0.25 = 20)にあたります。つまり、各週の生産終了後に、その週の総所要量の25%が安全在庫として残るように発注していることが分かります。
発注は各週の生産終了後に行い、翌週の生産開始までに入荷します。したがって、第2週の発注量aは、第3週の生産に使う分を補うための量です。順に計算します。
- 第1週の発注量:第2週の生産終了後に、第2週の総所要量80個の25%である20個が残るようにします。第2週の開始時には80 + 20 = 100個が必要で、第1週の終了後の在庫は20個なので、100 − 20 = 80個を発注します。
- 第2週の生産終了後の在庫量:20 + 80 − 80 = 20個です。
- 第2週の発注量a:第3週の生産終了後に、第3週の総所要量40個の25%である10個が残るようにします。第3週の開始時には40 + 10 = 50個が必要で、第2週の終了後の在庫は20個なので、50 − 20 = 30個を発注します。
| 第1週 | 第2週 | 第3週 | |
|---|---|---|---|
| 部品Bの総所要量 | 80 | 80 | 40 |
| 生産開始時の在庫量 | 100 | 20 + 80 = 100 | 20 + 30 = 50 |
| 生産終了後の在庫量 (安全在庫) | 20 | 20 | 10 |
| 部品Bの発注量 | 80 | 30 | - |
第2週における部品Bの発注量aは30個です。したがって「ア」が正解です。

| ア | 1,200 |
|---|---|
| イ | 3,000 |
| ウ | 6,000 |
| エ | 30,000 |
解説
原材料表は、ある製造品を作るのに、どの原材料がどれだけ必要かをまとめた表です。この表には、「シュウマイ弁当」の原材料に「シュウマイ」が、「シュウマイ」の原材料に「シュウマイの具」が、「シュウマイの具」の原材料に「豚肉」があるという階層の関係があります。このような表を部品表(部品構成表)とも言います。
必要量は、上の段から順に「作る数 × 1つ当たりに必要な量」を掛けてたどれば求められます。ただし、製造量の単位に注意します。シュウマイの具は「100グラム当たり豚肉60グラム」なので、1グラム当たりに直してから掛けます。
- シュウマイ弁当1個にシュウマイ5個を使うので、100個の弁当には 100 × 5 = 500(個)のシュウマイが必要です。
- シュウマイ1個にシュウマイの具20グラムを使うので、500個のシュウマイには 500 × 20 = 10,000(グラム)の具が必要です。
- シュウマイの具100グラムに豚肉60グラムを使うので、10,000グラムの具には 10,000 ÷ 100 × 60 = 6,000(グラム)の豚肉が必要です。
したがって「ウ」が正解です。
| ア | 自由奔放なアイディアは控え,実現可能なアイディアの提出を求める。 |
|---|---|
| イ | 他のメンバの案に便乗した改善案が出ても,とがめずに進める。 |
| ウ | メンバから出される意見の中で,テーマに適したものを選択しながら進める。 |
| エ | 量よりも質の高いアイディアを追求するために,アイディアの批判を奨励する。 |
解説
ブレーンストーミングは、数人のグループで自由にアイディアを出し合い、新しい発想を生み出すための会議の手法です。発言しやすい雰囲気を作り、できるだけ多くのアイディアを集めることを目的としています。次の4つの原則を守って進めます。
- 批判厳禁
他人の意見を批判したり、その場で良し悪しを判断したりしません。批判されると、誰もが発言をためらうようになるからです。 - 自由奔放
突飛なアイディアや、実現できそうにないアイディアも歓迎します。 - 質より量
アイディアの質を問わず、とにかく数を多く出します。数が多いほど、優れたアイディアが含まれる可能性が高まります。 - 結合・便乗
他人のアイディアに乗っかったり、複数のアイディアを組み合わせたりして、新しいアイディアを作ることを歓迎します。
例えば、誰かが「駅前で試食会を開く」と言ったら、「それを動画で配信する」と便乗してよいのです。アイディアの評価や選択は、出し尽くした後で別に行います。
| × ア | 自由奔放なアイディアを歓迎するのが原則です。実現可能なものに限ると、発想が狭まってしまいます。 |
| ○ イ | 他人の案に便乗した改善案は、結合・便乗の原則に沿っているので、とがめずに進めます。 |
| × ウ | その場でテーマに適したものを選ぶと、判断や批判をすることになります。選択はアイディアを出し尽くした後で行います。 |
| × エ | ブレーンストーミングでは、質より量を重視し、批判は禁止します。 |
単位 万円/日
| 技術者 | ||||
| A | B | C | ||
| 製品 | X | 6 | 6 | 5 |
| Y | 7 | 6 | 8 | |
| Z | 8 | 7 | 8 | |
| ア | 20 |
|---|---|
| イ | 21 |
| ウ | 22 |
| エ | 23 |
解説
人と仕事を1つずつ組み合わせて、合計の成果がいちばん大きくなる組合せを探す計算を「割当て問題」と言います。ここでは、3人の技術者に3つの製品を1つずつ受け持たせます。
条件を整理しましょう。各技術者は1日に1製品しか担当できず、どの製品も必ず生産します。つまり技術者と製品は1対1で結び付きます。3人で3つの持ち場を分担する場面を思い浮かべると分かりやすいでしょう。最初の人の選び方が3通り、次の人は残りの2通りで、最後の人は残った1つに決まります。組合せは 3 × 2 × 1 = 6 通りしかありません。6通りなら、すべて書き出して比べるのが確実です。
| 製品X | 製品Y | 製品Z | 合計 |
|---|---|---|---|
| A:6 | B:6 | C:8 | 20 |
| A:6 | C:8 | B:7 | 21 |
| B:6 | A:7 | C:8 | 21 |
| C:5 | A:7 | B:7 | 19 |
| B:6 | C:8 | A:8 | 22 |
| C:5 | B:6 | A:8 | 19 |
最大になるのは、Aさんが製品Z(8万円)、Bさんが製品X(6万円)、Cさんが製品Y(8万円)を担当する組合せです。合計は 8 + 6 + 8 = 22 万円になります。
表の中の大きな値から順に選ぶ方法では、うまくいかないことがあります。例えば8万円の欄は3つありますが、Cさんは製品Yと製品Zの両方で8万円なので、両方を同時に選ぶことはできません。Cさんを製品Zに回すと、製品Yを受け持つのはAさん(7万円)かBさん(6万円)になり、残りの組合せでは22万円に届きません。このように選択が互いに影響し合うので、組合せの数が少ないときは全部を数え上げて確かめるのが安全です。
したがって「ウ」が正解です。
| ア | 管理図 |
|---|---|
| イ | 系統図 |
| ウ | パレート図 |
| エ | マトリックス図 |
解説
品質管理では、データを図にして問題点を見つけるための代表的な手法を「QC七つ道具」と呼びます。問題の図は、その1つである「パレート図」です。
パレート図では、不良品やクレームなどの件数を原因別に分類し、多い順に棒グラフで並べます。さらに、件数を順に足し合わせた累積比率を折れ線グラフで重ねます。折れ線を見ると、上位の数項目で全体の何割を占めるかが一目で分かります。
図の例では、上位の原因AとBだけで全体の70%を占めています。少数の原因が大部分の問題を生み出していることが多いので、上位の項目から優先して対策すれば効率よく改善できます。この考え方を「ABC分析」や「重点分析」と呼び、在庫管理などにも使われます。
| × ア | 製造工程などで測定したデータを時系列の折れ線グラフにし、中心線と上下の管理限界線を引いて、工程が安定しているかを監視する図です。 |
| × イ | 目的を達成するための手段を「目的→手段」の関係で木の枝のように展開していく図です。 |
| ○ ウ | 原因別の件数を大きい順の棒グラフで示し、累積和を折れ線グラフで重ねた図なので、パレート図です。 |
| × エ | 行と列に要素を並べ、交わるところに関係の有無や強さを記入して、要素同士の関係を整理する図です。 |
| 3月 | 4月 | 5月 | 6月 | |
| 製品Aの生産計画 | 5,000個 | 6,000個 | 7,000個 | |
| 部品Bの発注量 | 6,000個 | |||
| 部品Bの月末在庫量 | 6,000個 |
| ア | 5,000 |
|---|---|
| イ | 6,000 |
| ウ | 7,000 |
| エ | 8,000 |
解説
部品Bは「毎月第1営業日に発注し、その月の最終営業日に届き、翌月以降の生産に使う」という流れです。発注した月にはまだ使えず、使えるのは翌月からという点が鍵です。ある月の生産に使えるのは、前月末の在庫だけです。
製品Aを1個作るには部品Bが1個必要なので、各月の部品Bの使用量は生産計画の数と同じです。月末在庫は次の式で求められます。
月ごとの部品Bの動きを、図で追ってみましょう。
- 4月:使えるのは3月末の在庫6,000個です。生産に5,000個使うので1,000個が残ります。月末に4月発注分の6,000個が届くので、4月末在庫は 1,000 + 6,000 = 7,000個です。
- 5月:4月末在庫の7,000個から、生産で6,000個使います。残りは1,000個です。月末に5月発注分(求める数をxとします)が届くので、5月末在庫は 1,000 + x 個です。
- 6月:生産に7,000個必要です。6月の生産に使えるのは5月末の在庫だけなので、1,000 + x ≧ 7,000 でなければなりません。したがって x ≧ 6,000 となります。
5月の第1営業日に最低6,000個を発注すれば、6月の生産に間に合います。6月に発注した分は6月末にならないと届かないので、6月の生産には使えないことに注意しましょう。したがって「イ」が正解です。
| ライセンスの種類 | 価格(円/ライセンス) | マニュアル |
| 1ライセンス | 15,000 | 1冊無料で付属 |
| 10ライセンスパック | 13,000 | 1冊無料で付属 追加の場合1冊5,000円 |
| 20ライセンスパック | 12,000 | 1冊無料で付属 追加の場合1冊5,000円 |
| ア | 10ライセンスパック5個,マニュアル5冊を購入 |
|---|---|
| イ | 20ライセンスパック1個,10ライセンスパック3個,マニュアル6冊を購入 |
| ウ | 20ライセンスパック2個,10ライセンスパック1個,マニュアル7冊を購入 |
| エ | 20ライセンスパック2個,1ライセンス10個を購入 |
解説
50台のPCに必要な50ライセンスと、10冊以上のマニュアルをそろえる費用を、選択肢ごとに計算して比べます。表の価格は「1ライセンス当たり」の価格なので、10ライセンスパックは 13,000円 × 10 = 130,000円、20ライセンスパックは 12,000円 × 20 = 240,000円です。
どのパックにもマニュアルが1冊無料で付属します。1ライセンスで買った場合も1冊付属するので、1ライセンスを10個買えばマニュアルも10冊付いてきます。無料の冊数が10冊に足りない分は、1冊5,000円で追加します。
| 選択肢 | ライセンス費用 | 付属のマニュアル | 追加のマニュアル | 合計 |
|---|---|---|---|---|
| ア | 130,000 × 5 = 650,000円 | 5冊 | 5冊 × 5,000 = 25,000円 | 675,000円 |
| イ | 240,000 + 130,000 × 3 = 630,000円 | 4冊 | 6冊 × 5,000 = 30,000円 | 660,000円 |
| ウ | 240,000 × 2 + 130,000 = 610,000円 | 3冊 | 7冊 × 5,000 = 35,000円 | 645,000円 |
| エ | 240,000 × 2 + 15,000 × 10 = 630,000円 | 12冊 | 0円 | 630,000円 |
ライセンスの単価だけで比べると、パックを多く使う「ウ」が最も安くなります。しかし、パックの数が少ないと付属のマニュアルが減り、追加の購入費がかさみます。「エ」は1ライセンスの単価が高いものの、マニュアルが12冊付いてくるので追加の購入が不要になり、合計が最も安くなります。単価だけでなく、付属品を含めた総額で比べることが大切です。したがって「エ」が正解です。
〔eラーニングの条件〕
・費用は年間60万円の固定費と受講者1人当たり2,000円の運用費である。
〔集合教育の条件〕
・費用は会場費及び講師代として1回当たり25万円である。
・1回当たり50人が受講し,受講者が50人に満たない場合は開催しない。
| ア | 10 |
|---|---|
| イ | 150 |
| ウ | 200 |
| エ | 250 |
解説
費用には、利用量に関係なくかかる「固定費」と、利用量に比例して増える「変動費」があります。eラーニングは、年間60万円の固定費に、受講者1人当たり2,000円の運用費(変動費)が加わります。集合教育は1回25万円で50人が受講するので、受講者1人当たりに直すと 250,000 ÷ 50 = 5,000円です。
年間の受講者をx人とすると、それぞれの費用は次のようになります。集合教育は50人単位でしか開催しないので、xは50の倍数で考えます。
2つの費用が等しくなるときを求めます。
200人は50の倍数なので、集合教育を4回開催する場合に当たります。実際に確かめると、eラーニングは 600,000 + 2,000 × 200 = 1,000,000円、集合教育は 250,000 × 4 = 1,000,000円で、確かに等しくなります。
グラフのように、受講者が少ないうちは固定費のない集合教育のほうが安くなります。200人で費用が並び、それを超えるとeラーニングのほうが安くなります。人数が多いほど、固定費を多くの人で分担できるeラーニングが有利になるわけです。したがって「ウ」が正解です。
| ア | 6 |
|---|---|
| イ | 10 |
| ウ | 16 |
| エ | 32 |
解説
性能が「2年ごとに倍増する」とは、2年たつと2倍、4年で2倍の2倍の4倍、6年で8倍というように、2年ごとに2を掛けていくことです。このように一定の期間ごとに同じ倍率で増えていく変化を「指数関数的な増加」と言います。半導体の集積度が一定期間で倍増するという「ムーアの法則」も、この形の経験則です。
現在の32倍の性能が必要なので、2を何回掛けると32になるかを考えます。
- 2年後:1 × 2 = 2倍
- 4年後:2 × 2 = 4倍
- 6年後:4 × 2 = 8倍
- 8年後:8 × 2 = 16倍
- 10年後:16 × 2 = 32倍
2を5回掛けると32になります()。倍増が5回必要で、1回に2年かかるので、5 × 2 = 10年後に必要なCPUが販売されます。
選択肢の16は32を2で割った値、32は必要な性能の倍率そのものです。倍増は掛け算で増えていくので、何回倍にすればよいかを数えることに注意しましょう。したがって「イ」が正解です。
| ア | ブレーンストーミング |
|---|---|
| イ | ベンチマーキング |
| ウ | ロールプレイング |
| エ | ワークデザイン |
解説
ブレーンストーミングは、複数人で自由にアイディアを出し合う会議の技法です。次の4つのルールを守ることで、多くの発想を引き出します。
- 批判禁止:出された意見を否定しない
- 自由奔放:突飛な意見も歓迎する
- 質より量:とにかく数を多く出す
- 結合・便乗:他人の意見に乗っかって発展させる
批判を気にせずに話せる場を作ることで、一人では思いつかないアイディアが連鎖的に生まれやすくなります。出てきた意見は、後でKJ法などを使って整理します。
| ○ ア | 批判せず、質より量を重視して自由に意見を出し合う技法は、ブレーンストーミングです。 |
| × イ | ベンチマーキングは、優れた他社のやり方を指標として比較し、自社の改善に役立てる手法です。 |
| × ウ | ロールプレイングは、実際の場面を想定して役割を演じ、対応方法を身に付ける研修の技法です。 |
| × エ | ワークデザインは、仕事の目的から理想の仕事のやり方を考え、業務を設計し直す手法です。 |
| ア | (期首在庫高 + 期末在庫高)÷ 2 |
|---|---|
| イ | 売上高 ÷ 総資産 |
| ウ | 売上高 ÷ 平均在庫高 |
| エ | 平均在庫高 ÷ 売上高 |
解説
在庫回転率は、一定期間に在庫が何回入れ替わったか(何回売れて補充されたか)を示す指標です。例えば、平均して100万円分の在庫を持っている店が、1年に1,200万円売り上げたとします。在庫回転率は 1200 ÷ 100 = 12回となり、平均すると1か月ほどで在庫が売れて入れ替わっている計算になります。
回転率が高いほど、仕入れた商品が早く売れていて、少ない在庫で効率よく販売できていることを表します。式は「売上高 ÷ 平均在庫高」です。平均在庫高は、期首と期末の在庫高の平均で求めます。売上高の代わりに売上原価を使う場合もあります。
| × ア | 期首在庫高と期末在庫高を足して2で割った値は、平均在庫高そのものです。在庫回転率を求める材料の一つにすぎません。 |
| × イ | 売上高 ÷ 総資産は、総資産回転率の式です。資産全体がどれだけ効率よく売上に結び付いているかを示します。 |
| ○ ウ | 売上高 ÷ 平均在庫高が、在庫回転率の式です。 |
| × エ | 平均在庫高 ÷ 売上高は、在庫回転率の逆数です。この値に日数を掛けると、在庫が売れるまでの日数(在庫回転期間)が求められます。 |
| ア | 営業員の業務生産性向上と営業部門の組織力強化 |
|---|---|
| イ | 構成部品及び仕掛品の在庫量削減 |
| ウ | 調達から製造・配送・販売に至る一連のプロセスの最適化 |
| エ | 店舗ごとの品ぞろえの改善と発注や在庫管理業務の効率化 |
解説
POS(Point Of Sale:販売時点情報管理)システムは、レジで商品のバーコードを読み取った瞬間に「いつ、どの店で、何が、いくつ売れたか」を記録する仕組みです。
集めた販売データを分析すると、店舗ごとの売れ筋や死に筋の商品が分かります。売れる商品を多く並べるといった品ぞろえの改善ができ、売れた数に合わせて発注や在庫の管理を効率よく行えるようになります。
| × ア | 営業員の生産性向上や営業部門の組織力強化は、SFA(Sales Force Automation)の導入で目指す目標です。 |
| × イ | 構成部品や仕掛品の在庫の削減は、生産計画と資材の手配を管理するMRP(Material Requirements Planning:資材所要量計画)で目指す目標です。 |
| × ウ | 調達から販売までの一連のプロセスを企業の枠を越えて最適化するのは、SCM(Supply Chain Management)で目指す目標です。 |
| ○ エ | 店舗ごとの品ぞろえの改善と発注・在庫管理の効率化は、POSシステムの販売データを活用して達成できる目標です。 |
単位 万円/個
| 店舗C | 店舗D | |
| 倉庫A | 4 | 2 |
| 倉庫B | 2 | 1 |
| ア | 85 |
|---|---|
| イ | 100 |
| ウ | 110 |
| エ | 125 |
解説
倉庫から店舗へ荷物を運ぶ量をどう割り振れば、輸送費の合計が最も安くなるかを考える問題です。このような問題を輸送問題と言います。
基本の考え方は「1個あたりの輸送費が高い経路は、できるだけ使わない」ことです。表を見ると、A→Cが4万円で最も高く、次にA→DとB→Cが2万円、B→Dが1万円です。
ただし、量には制約があります。Bの在庫は15個しかないので、Bから送る分を差し引いた残りはすべてAから送ることになります。そこで、BからCへ送る個数を 個として、ほかの経路の個数を表します。
- B→D:Bの残り 個
- A→C:Cの必要量の残り 個
- A→D:Dの必要量の残り 個
これを使って総輸送費を計算します。
を大きくするほど総輸送費は安くなります。 はBの在庫15個が上限なので、 のとき最小の 125 − 15 = 110万円になります。このときの割り振りは次の図のとおりで、最も高いA→Cの経路を5個まで減らせています。
比較のため、ほかの割り振りも計算してみます。例えば、1個1万円と最も安いB→Dを優先して、Bの15個をすべてDへ送ったとします()。するとAからCへ20個、Dへ15個を送ることになり、総輸送費は 4 × 20 + 2 × 15 + 1 × 15 = 125万円です。一番安い経路だけに目を向けると、一番高い経路をたくさん使うことになり、かえって高くなってしまいます。
式の「125 − 」は、BからCへ1個送り先を変えるごとに、全体で1万円安くなることを表しています。BからCへ1個回すと、A→Cが1個減って4万円安くなり、B→Dが1個減って1万円安くなります。その代わり、B→Cが1個増えて2万円、A→Dが1個増えて2万円高くなるので、差し引き 4 + 1 − 2 − 2 = 1万円安くなるわけです。
したがって、最小の総輸送費は110万円で、「ウ」が正解です。
単位 円
| 実現方式 | 初期費用 | 年間費用 | ||
| 運用 | 保守 | |||
| A案 | 自社開発 | 4億 | 500万 | 200万 |
| B案 | パッケージ適用 | 2億 | 初期費用の15% | |
| C案 | SaaS利用 | 5,000万 | 利用者1人当たり1万 | 300万 |
| ア | A案 > B案 > C案 |
|---|---|
| イ | A案 > C案 > B案 |
| ウ | B案 > C案 > A案 |
| エ | C案 > B案 > A案 |
解説
システムにかかる費用は、導入時の初期費用だけでなく、使い続ける間の運用費や保守費も含めて比べる必要があります。このような、導入から廃棄までにかかる費用の総額をTCO(Total Cost of Ownership:総保有コスト)と言います。初期費用が安くても、毎年の費用が高ければ、長く使うと結局高くつくことがあります。
総費用は、次の式で求めます。
各案の年間費用を求めてから、10年分の総費用を計算します。
- A案(自社開発):年間費用は運用500万円と保守200万円で700万円です。10年で7,000万円になり、初期費用4億円と合わせて、総費用は4億7,000万円です。
- B案(パッケージ適用):年間費用は初期費用2億円の15%で、3,000万円です。10年で3億円になり、初期費用2億円と合わせて、総費用は5億円です。
- C案(SaaS利用):運用費は利用者1人当たり1万円なので、4,000人で4,000万円です。保守300万円と合わせて年間4,300万円、10年で4億3,000万円になります。初期費用5,000万円と合わせて、総費用は4億8,000万円です。
総費用はB案(5億円)>C案(4億8,000万円)>A案(4億7,000万円)の順になります。初期費用だけで比べるとA案が最も高いのに、10年間の総費用ではA案が最も安くなっている点に注目しましょう。B案は「初期費用の15%」が毎年かかるため、年数が長いほど不利になります。したがって「ウ」が正解です。
| ア | 管理図 |
|---|---|
| イ | 特性要因図 |
| ウ | パレート図 |
| エ | ヒストグラム |
解説
品質管理では、データを図にして問題を見つける方法がよく使われます。代表的なものは「QC七つ道具」と呼ばれ、ヒストグラムはその一つです。
ヒストグラムは、測定値の範囲をいくつかの区間(階級)に分け、それぞれの区間に入るデータの個数(度数)を棒グラフにしたものです。例えば工場で作ったボルト100本の長さを測り、「49.8〜49.9mm」「49.9〜50.0mm」…のように区切って本数を数え、棒の高さで表します。こうすると、データがどのあたりに集まっているか(中心)、どれくらい広がっているか(ばらつき)、形が左右対称か偏っているかが、一目で分かります。
| × ア | 管理図は、測定値を時間の順に折れ線で描いた図です。上下に引いた管理限界線を超えるかどうかで、工程が安定しているかを判断します。 |
| × イ | 特性要因図は、ある結果(特性)とその原因(要因)の関係を、魚の骨のような形で整理した図です。 |
| × ウ | パレート図は、項目を件数の多い順に棒グラフで並べ、その累積の割合を折れ線で重ねた図です。重点的に取り組むべき項目を見つけるのに使います。 |
| ○ エ | 測定値の範囲を区間に分け、区間ごとの度数を棒グラフにしたものがヒストグラムです。 |

単位 分
| 終点 | |||||
| A | B | C | Y | ||
| 始点 | X | 20 | 20 | 40 | 不可 |
| A | - | 40 | 30 | 不可 | |
| B | 40 | - | 20 | 60 | |
| C | 30 | 20 | - | 60 | |
| ア | 110 |
|---|---|
| イ | 130 |
| ウ | 140 |
| エ | 150 |
解説
いくつかの地点をすべて回る最短の経路を求める問題は、経由する順番の組合せをすべて調べるのが確実です。地点がA、B、Cの3つなら、回る順番は 通りしかないので、すべて書き出して比べられます。
表を見ると、Xから行けるのはA、B、Cで、Yに入れるのはBとCからだけです(AからYへは行けません)。したがって、最後に経由する地点はBかCのどちらかです。6通りの順番を、表の所要時間で計算します。
| 経由の順番 | 計算 | 所要時間(分) |
|---|---|---|
| X→A→B→C→Y | 20 + 40 + 20 + 60 | 140 |
| X→A→C→B→Y | 20 + 30 + 20 + 60 | 130 |
| X→B→A→C→Y | 20 + 40 + 30 + 60 | 150 |
| X→B→C→A→Y | A→Yは通れない | 不可 |
| X→C→A→B→Y | 40 + 30 + 40 + 60 | 170 |
| X→C→B→A→Y | A→Yは通れない | 不可 |
なお、経由する地点が増えると、調べる順番の数は急激に増えます。4地点なら24通り、10地点なら約363万通りです。このような「すべての地点を回る最短の経路」を求める問題は、巡回セールスマン問題と呼ばれ、コンピュータでも効率よく解くのが難しい問題として知られています。この問題は3地点なので、すべて調べられます。
最短はX→A→C→B→Yの130分です。最初にXから近いA(20分)へ行き、Aから近いC(30分)、Cから近いB(20分)と、短い区間をつないでいるのが分かります。なお、BとCからYまではどちらも60分なので、最後の区間では差がつきません。差がつくのは、A・B・Cの回り方の部分です。したがって「イ」が正解です。
| ア | PERTで示されたプロジェクトの全作業における作業ごとの作業時間と作業間の順序関係から,最短のプロジェクト期間を求める。 |
|---|---|
| イ | 購入累積金額,直近の購入日,購入頻度から,ダイレクトメールを送付する顧客を抽出する。 |
| ウ | 商品ごとの過去10年間の年間販売実績額と今後の商圏人口変化の予測パターンから,向こう3年間の販売予測額を求める。 |
| エ | 複数の機械の平均故障発生時間間隔と平均修理所要時間,修理担当者数を算出式に入力して,平均修理待ち時間を求める。 |
| ア | アローダイアグラム |
|---|---|
| イ | 特性要因図 |
| ウ | パレート図 |
| エ | マトリックス図 |
| ア | 管理図 |
|---|---|
| イ | 散布図 |
| ウ | 特性要因図 |
| エ | パレート図 |
単位 百万円
| 資材の配分個数 | 0個 | 1個 | 2個 | 3個 | 4個 |
| A工場の利益 | 0 | 2 | 5 | 7 | 8 |
| B工場の利益 | 0 | 1 | 3 | 5 | 7 |
| C工場の利益 | 0 | 3 | 4 | 6 | 8 |
| ア | 8 |
|---|---|
| イ | 9 |
| ウ | 10 |
| エ | 11 |
| ア | 円グラフ |
|---|---|
| イ | 散布図 |
| ウ | パレート図 |
| エ | レーダチャート |
| ア | 決定表 |
|---|---|
| イ | 散布図 |
| ウ | 特性要因図 |
| エ | パレート図 |
翌月の製造量 = 翌月の販売見込量 - 当月末の在庫量 + 20
翌月の販売見込量が当月までの3か月の販売実績量の移動平均法によって算出されるとき,9月の製造量は幾らか。
| 5月 | 6月 | 7月 | 8月 | |
| 販売実績量 | 110 | 100 | 90 | 95 |
| 月末在庫量 | 10 | 10 | 35 | 25 |
| ア | 90 |
|---|---|
| イ | 92 |
| ウ | 95 |
| エ | 100 |
| 売上個数 | 86 | 87 | 88 | 89 | 90 | 91 | 92 | 93 | 94 | 分布計 |
| 分布(%) | 1 | 5 | 11 | 20 | 26 | 20 | 11 | 5 | 1 | 100 |
| ア | 87 |
|---|---|
| イ | 88 |
| ウ | 92 |
| エ | 93 |
| ア | 英語学習の重要性に関する社長メッセージの社員認知率が80%以上 |
|---|---|
| イ | 英語力テストでの650点以上の得点者比率が60%以上 |
| ウ | 英語力テストヘの社員参加率が90%以上 |
| エ | 月例の社内英語研修の開催率が90%以上 |
| ア | ある商品と一緒に買われることの多い商品を調べた。 |
|---|---|
| イ | ある商品の過去3年間の月間平均売上高を調べた。 |
| ウ | ある製造番号の商品を売った販売店を調べた。 |
| エ | 売上高が最大の商品と利益が最大の商品を調べた。 |
| 取引日 | 商品の受注 | 商品の発注 |
| 5月2日 | 40個 | - |
| 5月3日 | - | 50個 |
| 5月6日 | 20個 | - |
| 5月7日 | - | 50個 |
| 5月9日 | 30個 | - |
| ア | 60 |
|---|---|
| イ | 90 |
| ウ | 110 |
| エ | 140 |
| ア | ガントチャート |
|---|---|
| イ | 管理図 |
| ウ | 特性要因図 |
| エ | パレート図 |
売上高に対する,売上原価の比率は [ a ] 傾向,販売費及び一般管理費の比率は [ b ] 傾向である。

| a | b | |
| ア | 減少 | 減少 |
| イ | 減少 | 増加 |
| ウ | 増加 | 減少 |
| エ | 増加 | 増加 |
単位 百万円
| 市況 | 製品A | 製品B | 製品C | 製品D |
| 好況 | 12 | 18 | 20 | 10 |
| 不況 | 10 | 8 | 6 | 12 |
| ア | 製品A |
|---|---|
| イ | 製品B |
| ウ | 製品C |
| エ | 製品D |
| ア | A社はB社より売上高の伸び率が高いが,2008 年の売上高営業利益率は低い。 |
|---|---|
| イ | A社はB社より売上高の伸び率が低いが, 2008年の売上高営業利益率は高い。 |
| ウ | A社はB社より売上高の伸び率も2008年の売上高営業科益率も高い。 |
| エ | A社はB社より売上高の伸び率も2008年の売上高営業利益率も低い。 |
| ア | 各自でアイデアを練り,質が高いと思うものだけを選別して発言する。 |
|---|---|
| イ | 他人が出したアイデアを遠慮なく批判する。 |
| ウ | 他人の出したアイデアに改良を加えた発言は慎む。 |
| エ | 突飛なアイデアも含め,自由奔放な発言を歓迎する。 |
単位 億円
| 商品 | 拡大 | 現状維持 | 縮小 |
| A | 60 | 50 | 40 |
| B | 80 | 40 | 20 |
| C | 100 | 40 | 0 |
| ア | A |
|---|---|
| イ | B |
| ウ | C |
| エ | A,B,Cどれでも同じ |
| ア | 不具合がどのような原因によって起きているのかなどを,魚の骨に似た図によって系統的に把握する手法 |
|---|---|
| イ | 二つの変数の間に関係があるかどうかを,収集したデータを用いて解析する手法 |
| ウ | 母集団からサンプルを抜き取って検査を行い,サンプル中の不良個数によって母集団の品質を判定する手法 |
| エ | 優先的に管理すべき対象を明確にするために,売上金額などの累積構成比を基に重要度のランク付けを行う手法 |
| ア | 生産工程の信頼性 |
|---|---|
| イ | 製品の重量のばらつき |
| ウ | 品質不良の要因ごとの構成比率 |
| エ | 二つの変動要素の間の関係 |
| ア | 420 |
|---|---|
| イ | 450 |
| ウ | 480 |
| エ | 530 |
単位 円
| 株式 | 高成長 | 中成長 | 低成長 |
| A | 20 | 10 | 15 |
| B | 30 | 20 | 5 |
| C | 25 | 5 | 20 |
| D | 40 | 10 | -10 |
| ア | A |
|---|---|
| イ | B |
| ウ | C |
| エ | D |
| ア | 20 |
|---|---|
| イ | 25 |
| ウ | 30 |
| エ | 45 |





解説
将来どうなるか分からない状況で、どの選択肢を選ぶかを決める考え方には、いくつかの種類があります。マクシミン戦略は、その中でも慎重な考え方です。「マクシミン」は「最小値(ミニマム)の中で最大(マキシマム)のもの」という意味です。
身近な例で考えてみましょう。遠足の日の天気が分からないとき、晴れた場合の楽しさよりも、雨が降った場合にどれだけ困るかを重く見て持ち物を選ぶ人がいます。このように、それぞれの選択肢について「最悪の場合」を想定し、最悪の場合が一番ましな選択肢を選ぶのがマクシミン戦略です。
表に当てはめると、次の手順になります。
投資戦略aを選べば、市況が好転したときに20の利益を得られます。しかし、マクシミン戦略では最悪の場合を避けることを優先するので、大きな利益の可能性は考慮しません。逆に、最大値が最も大きい戦略を選ぶ楽観的な考え方を「マクシマックス戦略」と言います。マクシマックス戦略なら投資戦略aを採用します。
したがって「ウ」が正解です。