情報セキュリティマネジメント試験過去問 - 分野別(科目A) - 業務分析・データ利活用
令和8年公開問題 問12
良品である確率が 0.9，不良品である確率が 0.1 の外注部品について，受入検査を行いたい。受入検査には四つの案があり，それぞれの良品と不良品1個に掛かる諸費用は表のとおりである。期待費用が最も低い案はどれか。
| 案 | 良品に掛かる費用 | 不良品に掛かる費用 |
| A | 0 | 1,500 |
| B | 40 | 1,000 |
| C | 80 | 500 |
| D | 120 | 200 |
| ア | A |
|---|---|
| イ | B |
| ウ | C |
| エ | D |
答え ： ウ
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › OR・IE(検査手法・品質管理手法，業務分析・業務計画)
解説 ：
「期待費用」とは，起こりうる結果ごとの費用に，その確率を掛けて合計した平均的な費用のことです。この問題では，部品が良品である確率が0.9，不良品である確率が0.1です。各案について，良品の費用に0.9を，不良品の費用に0.1を掛けて足し合わせます。
案Aは，0×0.9＋1,500×0.1＝0＋150＝150円です。
案Bは，40×0.9＋1,000×0.1＝36＋100＝136円です。
案Cは，80×0.9＋500×0.1＝72＋50＝122円です。
案Dは，120×0.9＋200×0.1＝108＋20＝128円です。
期待費用が最も低いのは案Cの122円なので，「ウ」が正解です。
「ア」の案Aは150円で最も高くなります。検査にお金をかけない分，不良品が混ざったときの損害が大きいためです。
「イ」の案Bは136円，「エ」の案Dは128円で，どちらも案Cより高くなります。案Dは検査費用が高いぶん不良品の損害が小さいのですが，良品の検査費用が重いため，全体では案Cが有利になります。
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › OR・IE(検査手法・品質管理手法，業務分析・業務計画)
解説 ：
「期待費用」とは，起こりうる結果ごとの費用に，その確率を掛けて合計した平均的な費用のことです。この問題では，部品が良品である確率が0.9，不良品である確率が0.1です。各案について，良品の費用に0.9を，不良品の費用に0.1を掛けて足し合わせます。
案Aは，0×0.9＋1,500×0.1＝0＋150＝150円です。
案Bは，40×0.9＋1,000×0.1＝36＋100＝136円です。
案Cは，80×0.9＋500×0.1＝72＋50＝122円です。
案Dは，120×0.9＋200×0.1＝108＋20＝128円です。
期待費用が最も低いのは案Cの122円なので，「ウ」が正解です。
「ア」の案Aは150円で最も高くなります。検査にお金をかけない分，不良品が混ざったときの損害が大きいためです。
「イ」の案Bは136円，「エ」の案Dは128円で，どちらも案Cより高くなります。案Dは検査費用が高いぶん不良品の損害が小さいのですが，良品の検査費用が重いため，全体では案Cが有利になります。
令和7年公開問題 問9
サービス満足度の目標値を“サービス満足度に関する調査アンケートの満足度の平均点が5点満点中4.0点”と設定したサービスがある。調査アンケートの集計結果が表のとおりであるとき，目標達成率は幾らか。ここで，目標達成率は次式で計算するものとする。
目標達成率 ＝ 満足度の平均点 ÷ 満足度の目標値
目標達成率 ＝ 満足度の平均点 ÷ 満足度の目標値
| 満足度（点） | 回答数 |
| 5 | 50 |
| 4 | 250 |
| 3 | 150 |
| 2 | 50 |
| 1 | 0 |
| ア | 0.6 |
|---|---|
| イ | 0.72 |
| ウ | 0.8 |
| エ | 0.9 |
答え ： エ
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用
解説 ：
計算問題です。まず平均点を求めます。各点数に回答数を掛けて合計し，全回答数で割ります。
5点が50人で250点，4点が250人で1,000点，3点が150人で450点，2点が50人で100点，1点が0人で0点です。合計は250+1,000+450+100=1,800点です。回答者数は50+250+150+50+0=500人です。したがって平均点は1,800÷500=3.6点です。
目標達成率は，平均点を目標値で割ります。3.6÷4.0=0.9です。よって「エ」が正解です。
「ア」の0.6，「イ」の0.72，「ウ」の0.8は，平均点の計算を間違えた場合などに出てくる値です。たとえば，平均点を3.0や2.88と取り違えると，「イ」や「ウ」に近い値になります。
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用
解説 ：
計算問題です。まず平均点を求めます。各点数に回答数を掛けて合計し，全回答数で割ります。
5点が50人で250点，4点が250人で1,000点，3点が150人で450点，2点が50人で100点，1点が0人で0点です。合計は250+1,000+450+100=1,800点です。回答者数は50+250+150+50+0=500人です。したがって平均点は1,800÷500=3.6点です。
目標達成率は，平均点を目標値で割ります。3.6÷4.0=0.9です。よって「エ」が正解です。
「ア」の0.6，「イ」の0.72，「ウ」の0.8は，平均点の計算を間違えた場合などに出てくる値です。たとえば，平均点を3.0や2.88と取り違えると，「イ」や「ウ」に近い値になります。
令和6年公開問題 問12
特性要因図を説明したものはどれか。
| ア | 原因と結果の関連を魚の骨のような形態に整理して体系的にまとめ，結果に対してどのような原因が関連しているかを明確にする。 |
|---|---|
| イ | 時系列的に発生するデータのばらつきを折れ線グラフで表し，管理限界線を利用して客観的に管理する。 |
| ウ | 収集したデータを幾つかの区間に分類し，各区間に属するデータの個数を棒グラフとして描き，品質のばらつきを捉える。 |
| エ | データを幾つかの項目に分類し，出現頻度の大きさの順に棒グラフとして並べ，累積和を折れ線グラフで描き，問題点を絞り込む。 |
答え ： ア
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › OR・IE(検査手法・品質管理手法，業務分析・業務計画)
解説 ：
「特性要因図」は，ある結果（特性）に対して，どのような原因（要因）が関係しているのかを整理する図です。魚の骨のような形をしているため，「フィッシュボーンチャート」とも呼ばれます。
背骨に当たる矢印の先に問題となっている結果を書き，そこへ向かって「人」「機械」「方法」「材料」などの大きな原因の枝を伸ばし，さらに細かい原因を書き足していきます。原因を漏れなく洗い出し，体系的に整理するのに役立ちます。したがって「ア」が正解です。
「イ」は，時系列のデータの折れ線グラフに管理限界線を入れて，ばらつきが異常でないかを確認する「管理図」です。
「ウ」は，データを区間に分けて個数を棒グラフにし，分布の形を見る「ヒストグラム」です。
「エ」は，項目を件数の多い順に並べた棒グラフと累積和の折れ線グラフで，重点的に対処すべき問題を絞り込む「パレート図」です。
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › OR・IE(検査手法・品質管理手法，業務分析・業務計画)
解説 ：
「特性要因図」は，ある結果（特性）に対して，どのような原因（要因）が関係しているのかを整理する図です。魚の骨のような形をしているため，「フィッシュボーンチャート」とも呼ばれます。
背骨に当たる矢印の先に問題となっている結果を書き，そこへ向かって「人」「機械」「方法」「材料」などの大きな原因の枝を伸ばし，さらに細かい原因を書き足していきます。原因を漏れなく洗い出し，体系的に整理するのに役立ちます。したがって「ア」が正解です。
「イ」は，時系列のデータの折れ線グラフに管理限界線を入れて，ばらつきが異常でないかを確認する「管理図」です。
「ウ」は，データを区間に分けて個数を棒グラフにし，分布の形を見る「ヒストグラム」です。
「エ」は，項目を件数の多い順に並べた棒グラフと累積和の折れ線グラフで，重点的に対処すべき問題を絞り込む「パレート図」です。
令和5年公開問題 問12
品質管理において，結果と原因との関連を整理して，魚の骨のような図にまとめたものはどれか。
| ア | 管理図 |
|---|---|
| イ | 特性要因図 |
| ウ | パレート図 |
| エ | ヒストグラム |
答え ： イ
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › OR・IE(検査手法・品質管理手法，業務分析・業務計画)
解説 ：
品質管理で使われる「QC七つ道具」に関する問題です。結果（特性）と，その原因（要因）との関係を整理した図で，形が魚の骨に似ているものは，「特性要因図」です。
魚の頭にあたる部分に解決したい問題を書き，背骨から枝分かれする骨に，原因の候補を大分類，中分類，小分類と書き込んでいきます。原因を洗い出して整理するのに役立つため，「フィッシュボーンチャート」とも呼ばれます。したがって正解は「イ」です。
「ア」の「管理図」は，製造工程などのデータを時間の順に折れ線で表し，管理限界の線を引いて，工程が安定しているか，異常がないかを判断するための図です。
「ウ」の「パレート図」は，項目ごとの件数を多い順に棒グラフで並べ，累積比率を折れ線で重ねた図で，重点的に対策すべき項目を見つけるのに使います。
「エ」の「ヒストグラム」は，データの分布を区間ごとの度数で示す棒グラフで，ばらつきの様子を把握するのに使います。
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › OR・IE(検査手法・品質管理手法，業務分析・業務計画)
解説 ：
品質管理で使われる「QC七つ道具」に関する問題です。結果（特性）と，その原因（要因）との関係を整理した図で，形が魚の骨に似ているものは，「特性要因図」です。
魚の頭にあたる部分に解決したい問題を書き，背骨から枝分かれする骨に，原因の候補を大分類，中分類，小分類と書き込んでいきます。原因を洗い出して整理するのに役立つため，「フィッシュボーンチャート」とも呼ばれます。したがって正解は「イ」です。
「ア」の「管理図」は，製造工程などのデータを時間の順に折れ線で表し，管理限界の線を引いて，工程が安定しているか，異常がないかを判断するための図です。
「ウ」の「パレート図」は，項目ごとの件数を多い順に棒グラフで並べ，累積比率を折れ線で重ねた図で，重点的に対策すべき項目を見つけるのに使います。
「エ」の「ヒストグラム」は，データの分布を区間ごとの度数で示す棒グラフで，ばらつきの様子を把握するのに使います。
令和1年秋期 問50
アンケートの自由記述欄に記入された文章における単語の出現頻度などを分析する手法はどれか。
| ア | アクセスログ分析 |
|---|---|
| イ | シックスシグマ |
| ウ | テキストマイニング |
| エ | マーケットバスケット分析 |
答え ： ウ
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › データ利活用
解説 ：
アンケートの自由記述欄のような，文章の形をしたデータから，単語の出現頻度や単語同士の関連を分析し，有用な傾向を見つけ出す手法が「テキストマイニング」です。「この商品が良い」「使いにくい」といった言葉の出現回数を数え，顧客の意見を把握するのに役立ちます。したがって「ウ」が正解です。
「ア」の「アクセスログ分析」は，Webサイトの閲覧履歴を調べて，訪問者の行動を分析する手法です。
「イ」の「シックスシグマ」は，不良品や誤りの発生を極めて少なくするための，品質改善の経営手法です。
「エ」の「マーケットバスケット分析」は，買い物かごの中身を分析して，一緒に買われやすい商品の組合せを見つける手法で，「おむつとビール」の例が有名です。
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › データ利活用
解説 ：
アンケートの自由記述欄のような，文章の形をしたデータから，単語の出現頻度や単語同士の関連を分析し，有用な傾向を見つけ出す手法が「テキストマイニング」です。「この商品が良い」「使いにくい」といった言葉の出現回数を数え，顧客の意見を把握するのに役立ちます。したがって「ウ」が正解です。
「ア」の「アクセスログ分析」は，Webサイトの閲覧履歴を調べて，訪問者の行動を分析する手法です。
「イ」の「シックスシグマ」は，不良品や誤りの発生を極めて少なくするための，品質改善の経営手法です。
「エ」の「マーケットバスケット分析」は，買い物かごの中身を分析して，一緒に買われやすい商品の組合せを見つける手法で，「おむつとビール」の例が有名です。
平成31年春期 問48
2種類のIT機器 a，b の購入を検討している。それぞれの耐用年数を考慮して投資の回収期間を設定し，この投資で得られる利益の全額を投資額の回収に充てることにした。a，b それぞれにおいて，設定した回収期間で投資額を回収するために最低限必要となる年間利益に関する記述のうち，適切なものはどれか。ここで，年間利益は毎年均等とし，回収期間における利率は考慮しないものとする。
| a | b | |
| 投資額（万円） | 90 | 300 |
| 回収期間（年） | 3 | 5 |
| ア | aとbは同額の年間利益が必要である。 |
|---|---|
| イ | aはbの2倍の年間利益が必要である。 |
| ウ | bはaの1.5倍の年間利益が必要である。 |
| エ | bはaの2倍の年間利益が必要である。 |
答え ： エ
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › OR・IE(検査手法・品質管理手法，業務分析・業務計画)
解説 ：
投資額を回収期間で割れば，毎年最低限必要な年間利益が求まります。年間利益は毎年同じで，利率は考えないので，単純な割り算で済みます。
aは，90万円を3年で回収するので，90÷3＝30万円です。bは，300万円を5年で回収するので，300÷5＝60万円です。60÷30＝2なので，bはaの2倍の年間利益が必要です。したがって，「エ」が正解です。
「ア」は，同額ではなく，30万円と60万円で差があるので誤りです。
「イ」は，倍率の向きが逆で，aではなくbのほうが多く必要です。
「ウ」は，1.5倍という倍率が正しくありません。
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › OR・IE(検査手法・品質管理手法，業務分析・業務計画)
解説 ：
投資額を回収期間で割れば，毎年最低限必要な年間利益が求まります。年間利益は毎年同じで，利率は考えないので，単純な割り算で済みます。
aは，90万円を3年で回収するので，90÷3＝30万円です。bは，300万円を5年で回収するので，300÷5＝60万円です。60÷30＝2なので，bはaの2倍の年間利益が必要です。したがって，「エ」が正解です。
「ア」は，同額ではなく，30万円と60万円で差があるので誤りです。
「イ」は，倍率の向きが逆で，aではなくbのほうが多く必要です。
「ウ」は，1.5倍という倍率が正しくありません。
平成29年秋期 問46
コンピュータの能力の向上によって，限られたデータ量を分析する時代から，Volume（量），Variety（多様性），Velocity（速度）の三つのVの特徴をもつビッグデータを分析する時代となった。この時代の変化によって生じたデータ処理の変化について記述しているものはどれか。
| ア | コストとスピードを犠牲にしても，原因と結果の関係に力を注ぐようになった。 |
|---|---|
| イ | ビッグデータ中から対象データを無作為抽出することによって予測精度を高めるようになった。 |
| ウ | 分析対象のデータの精度を高めるクレンジングに力を注ぐようになった。 |
| エ | 膨大なデータを処理することで，パターンを発見することに力を注ぐようになった。 |
答え ： エ
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › データ利活用
解説 ：
ビッグデータ時代には，データを一部だけ抜き出して調べる（標本調査）のではなく，膨大なデータ全体を処理して，そこに現れるパターンや相関関係を見つけることが重視されるようになりました。したがって「エ」が正解です。
「ア」は，因果関係よりも相関関係を重視するようになったので，逆です。コストとスピードを犠牲にするのも，時代の流れに合いません。
「イ」は，無作為抽出で精度を高めるのは従来のやり方です。
「ウ」は，データが多少不正確でも，量でカバーできると考えるようになったので，クレンジングに力を注ぐという説明は当てはまりません。
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › データ利活用
解説 ：
ビッグデータ時代には，データを一部だけ抜き出して調べる（標本調査）のではなく，膨大なデータ全体を処理して，そこに現れるパターンや相関関係を見つけることが重視されるようになりました。したがって「エ」が正解です。
「ア」は，因果関係よりも相関関係を重視するようになったので，逆です。コストとスピードを犠牲にするのも，時代の流れに合いません。
「イ」は，無作為抽出で精度を高めるのは従来のやり方です。
「ウ」は，データが多少不正確でも，量でカバーできると考えるようになったので，クレンジングに力を注ぐという説明は当てはまりません。
平成29年春期 問45
| ア | データウェアハウス |
|---|---|
| イ | データディクショナリ |
| ウ | データマイニング |
| エ | メタデータ |
答え ： ウ
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › データ利活用
解説 ：
「データマイニング」とは，大量のデータに統計学的な手法などを用いて，それまで気づかなかった傾向やパターンといった新たな知識を見つけ出す手法やプロセスです。『データの鉱山から，価値ある鉱石を掘り出す』ようなイメージです。たとえば，スーパーの購買データから『この商品を買う人は，これも買いやすい』といった関係を見つけます。したがって正解は「ウ」です。
「ア」のデータウェアハウスは，分析用にデータを蓄積・整理する大規模なデータベースです。
「イ」のデータディクショナリは，データの定義や属性を一元管理する辞書です。
「エ」のメタデータは，データそのものを説明する付随的なデータ（データについてのデータ）です。
分野 ： その他の分野 › 企業と法務 › 企業活動 › 業務分析・データ利活用 › データ利活用
解説 ：
「データマイニング」とは，大量のデータに統計学的な手法などを用いて，それまで気づかなかった傾向やパターンといった新たな知識を見つけ出す手法やプロセスです。『データの鉱山から，価値ある鉱石を掘り出す』ようなイメージです。たとえば，スーパーの購買データから『この商品を買う人は，これも買いやすい』といった関係を見つけます。したがって正解は「ウ」です。
「ア」のデータウェアハウスは，分析用にデータを蓄積・整理する大規模なデータベースです。
「イ」のデータディクショナリは，データの定義や属性を一元管理する辞書です。
「エ」のメタデータは，データそのものを説明する付随的なデータ（データについてのデータ）です。
共有ボタンをタップ