分野 A｜データ分析・利活用 重点分野
予測と計画の手法
シラバス案（Ver.0.1）にある項目です。問われるとしたら、線形計画法・需要予測・クラスタ分析法・モデル化の使いどころを、文・組合せ・表と計算から選ぶ形です。
シラバス案 Ver.0.1（2026年8月31日公表）の『2-9-3 業務分析／業務分析・業務計画』
最終更新
よく出る形
- 問われるとしたら：課題に合う手法（線形計画法・需要予測・クラスタ分析法）を、4つの文から選ぶ形
- 問われるとしたら：用語の説明のうち、適切な物だけの組合せを選ぶ形
- 問われるとしたら：条件の表を見て、線形計画法の最大利益を計算する形
- 問われるとしたら：需要予測と線形計画法の説明のうち、最も不適切な物を選ぶ形
覚えること
- 線形計画法：一次式の制約条件のもとで、一次式の目的関数を最大か最小にする値を求める方法
- 目的関数：最大か最小にしたい量（例：利益）を表す式
- 制約条件：使える材料や時間などの上限を表す式
- 最適解の探し方：条件を満たす範囲の頂点で目的関数を比べ、最大（最小化なら最小）の点を選ぶ
- 需要予測：過去の販売実績などから、将来の需要（売れる量）を見込むこと
- 需要予測の使いみち：仕入れ、生産量、在庫の計画に使う
- クラスタ分析法：似たデータどうしを、グループ（クラスタ）にまとめる手法
- クラスタ分析法の特徴：グループの正解を前もって与えず、意味は分けたあとに人が読み取る
- モデル化：現実の業務を、目的に必要な要素に絞って、式や図で単純に表すこと
- モデル化のねらい：試しにくいことを式や図の上で試し、計画や予測に使う
数字と計算
- 例：製品X（材料2kg、作業1時間、利益3万円）、製品Y（材料1kg、作業1時間、利益2万円）
- 上限は材料10kg、作業6時間。頂点は (X, Y)＝(0, 0)、(5, 0)、(0, 6)、(4, イ
- 利益は順に 0、15、12、16 万円。最大は X を4個、Y を2個作る 16万円
ひっかけ
- クラスタ分析法は、将来の値を見込む手法ではない。似たデータのグループ分けである
- 線形計画法は、グループ分けの手法ではない。限られた条件で最善の量を決める
- モデル化は、現実を細部まで全て写し取ることではない
想定問題
4問（科目A（四肢択一））。選ぶと、その場で正解と解説が開きます。
業務の課題と、それに使う手法の組合せとして、最も適切なものはどれか。
正解：エ 購買の傾向が似ている顧客を、いくつかのグループにまとめるために、クラスタ分析法を使う。
ポイント
課題に合う手法を、4つの文から選ぶ問題です。
考え方と解き方
3つの手法は、求める物がちがいます。最善の量、将来の数、グループ分けのどれを求める課題かを見ずに、手法の名前だけで選ぶと取りちがえます。
- 課題は、購買の傾向が似ている顧客をグループにまとめることです。似たデータどうしをグループにまとめる課題です。
- 似たデータどうしをグループにまとめる手法は、クラスタ分析法です。
- したがって、最も適切なのは エ です。
ほかの選択肢
- ア 材料や時間の上限の中で利益が最大になる生産量を決めるのは、線形計画法の仕事です。クラスタ分析法は、グループ分けの手法です。
- イ 顧客のグループ分けには、クラスタ分析法を使います。需要予測は、将来の需要を見込む手法です。
- ウ 過去の実績から次の月の来客数を見込むのは、需要予測の仕事です。線形計画法は、条件の中で最善の量を求める手法です。
覚えておくこと
- クラスタ分析法：似たデータどうしを、グループ（クラスタ）にまとめる手法
- クラスタ分析法の特徴：グループの正解を前もって与えず、意味は分けたあとに人が読み取る
（テーマ・覚えること）
Yさんは、A社の業務分析で使う手法の用語を整理している。
業務分析の用語の説明として、適切なものだけを全て挙げたものはどれか。
- a 線形計画法の制約条件は、使える材料や時間などの上限を、式で表したものである。
- b クラスタ分析法では、グループに分けたあとで、各グループの意味を人が読み取る。
- c モデル化とは、現実の業務を、細部まで全て写し取って、式や図に表すことである。
正解：ア a、b
ポイント
制約条件、クラスタ分析法、モデル化の説明を、a〜c それぞれ判定して選ぶ問題です。
考え方と解き方
モデル化は、現実をそのまま写すのではなく、目的に必要な要素に絞る点が取りちがえやすい所です。a〜c を1つずつ判定してから、選択肢に当てはめます。
- a は、制約条件が材料や時間などの上限を表す式という説明のとおりで、適切です。
- b は、クラスタ分析法がグループの意味を決めずに分け、意味は分けたあとに人が読み取る手法なので、適切です。
- c は、モデル化が目的に必要な要素に絞って単純に表すことなのに、細部まで全て写し取るとしているので、不適切です。
- したがって、適切なのは a、b で、ア です。
ほかの選択肢
- イ c は不適切です。モデル化は、目的に必要な要素に絞る考え方で、全てを写し取るのではありません。適切な b も入っていません。
- ウ b は適切ですが、適切な a も入っていません。
- エ a と b が適切なので、適切なものがないわけではありません。
覚えておくこと
- 制約条件：使える材料や時間などの上限を表す式
- クラスタ分析法の特徴：グループの正解を前もって与えず、意味は分けたあとに人が読み取る
- モデル化：現実の業務を、目的に必要な要素に絞って、式や図で単純に表すこと
（テーマ・覚えること）
A社の工場は、製品P と製品Q を作っている。1週間に使える材料と作業時間には上限があり、条件を表1 に示す。
製品P、製品Q を整数の個数で作るとき、1週間の利益の最大はどれか。
| 製品P（1個あたり） | 製品Q（1個あたり） | 1週間の上限 | |
|---|---|---|---|
| 材料（kg） | 3 | 1 | 18 |
| 作業時間（時間） | 2 | 2 | 16 |
| 利益（万円） | 5 | 4 | ― |
正解：イ 37万円
ポイント
線形計画法の小さな例で、条件を満たす範囲の頂点から最大の利益を求める問題です。
考え方と解き方
1つの条件だけを見ると、もう1つの条件を破る答えを選びやすくなります。条件を両方満たす頂点の利益を全て比べて、最大を選びます。
- P を p 個、Q を q 個とします。目的関数は、利益＝5×p＋4×q（万円）です。制約条件は、材料が 3×p＋q ≦ 18、作業時間が 2×p＋2×q ≦ 16 です。
- 条件を満たす範囲の頂点は、(p, q)＝(0, 0)、(6, 0)、(0, 8)、(5, ウ です。(5, ウ は、材料 3×5＋3＝18、作業時間 2×5＋2×3＝16 で、どちらも上限ちょうどの点です。
- 利益は、(0, 0) が 0、(6, 0) が 30、(0, ク が 32、(5, ウ が 37 万円です。最大は 37万円です。したがって、最も適切なのは イ です。
ほかの選択肢
- ア 30万円は、P だけを材料の上限まで6個作った場合（5×6）です。Q も作れるので、最大ではありません。
- ウ 62万円は、P だけの最大 30万円と Q だけの最大 32万円を足した数（5×6＋4×8）です。両方は同時に作れません。
- エ 72万円は、材料の上限だけを見て Q を18個作った場合（4×18）です。作業時間が 2×18＝36時間になり、上限の16時間を超えます。
覚えておくこと
- 制約条件：使える材料や時間などの上限を表す式
- 最適解の探し方：条件を満たす範囲の頂点で目的関数を比べ、最大（最小化なら最小）の点を選ぶ
- 線形計画法：一次式の制約条件のもとで、一次式の目的関数を最大か最小にする値を求める方法
（テーマ・覚えること）
需要予測と線形計画法の説明として、最も不適切なものはどれか。
正解：ウ 需要予測では、将来の需要を見込むので、過去の販売実績のデータは使わない。
ポイント
需要予測と線形計画法の説明のうち、誤っている文を選ぶ問題です。
考え方と解き方
先のことを見込むので過去は使わないと思いがちですが、見込みの元になるのは過去のデータです。「など」にあたる他のデータも加えられる点も押さえます。
- 需要予測は、過去の販売実績などから将来の需要を見込むことで、結果は仕入れ、生産量、在庫の計画に使います。ア と イ は、このとおりです。
- 線形計画法では、最大か最小にしたい量を表す式が目的関数なので、エ はこのとおりです。
- ウ は、見込みの元になる過去の販売実績を使わないとしている点が合いません。したがって、最も不適切なのは ウ です。正しくは、過去の販売実績などをもとに将来の需要を見込みます。
ほかの選択肢
- ア 需要予測の結果を、仕入れ、生産、在庫の計画に使うのは、需要予測の使いみちとして適切です。
- イ 需要予測は、過去の販売実績など、売れ行きに関わるデータをもとにします。他のデータを加えることも、適切です。
- エ 最大か最小にしたい量（利益など）を表す式が目的関数なので、適切です。
覚えておくこと
- 需要予測の使いみち：仕入れ、生産量、在庫の計画に使う
- 需要予測：過去の販売実績などから、将来の需要（売れる量）を見込むこと
- 目的関数：最大か最小にしたい量（例：利益）を表す式
（テーマ・覚えること）
同じ分野のテーマ（データ分析・利活用）
- データ基盤の構成シラバス案（Ver.0.1）にある項目です。問われるとしたら、データレイク・DWH・データマートの違いと、データ基盤の役割を、文・組合せ・表から選ぶ形です。
- データを運びつなぐ技術シラバス案（Ver.0.1）にある項目です。問われるとしたら、ETL と ELT の順番、データ仮想化、データコネクタ、データファブリックを、文・組合せ・表から選ぶ形です。
- 分析・管理ツールの活用シラバス案（Ver.0.1）にある項目です。問われるとしたら、セマンティックレイヤー、BI ツール、データプレパレーション、オントロジーなどの役割を、文・組合せ・表から選ぶ形です。
- データの出どころと集め方シラバス案（Ver.0.1）にある項目です。問われるとしたら、データの出どころ（1次・2次、ログ、公開データ、個人に関わるデータ）と、集め方を、文・組合せ・表から選ぶ形です。
- データの形と性質シラバス案（Ver.0.1）にある項目です。問われるとしたら、量的・質的、構造化・非構造化、時系列、ビッグデータの区別を、組合せ・表・文から選ぶ形です。
- データの加工シラバス案（Ver.0.1）にある項目です。問われるとしたら、データ結合・標準化・アノテーション・スクレイピング・移動平均の区別を、文・表・組合せから選ぶ形です。
- データマイニングと機械学習シラバス案（Ver.0.1）にある項目です。問われるとしたら、データマイニング、テキストマイニング、リフト値、機械学習、データドリブンマーケティングの区別を、組合せ・表・文から選ぶ形です。
- 確率と代表値・ばらつきシラバス案（Ver.0.1）にある項目です。問われるとしたら、場合の数と確率、代表値、分散と標準偏差、確率分布と正規分布を、計算・組合せ・表・文から選ぶ形です。
- 相関・回帰・検定シラバス案（Ver.0.1）にある項目です。問われるとしたら、相関と因果、回帰直線による予測、検定結果の読み取り、標本からの推定を、文・計算・表・組合せから選ぶ形です。
- 統計と認知のバイアスシラバス案（Ver.0.1）にある項目です。問われるとしたら、選択・情報・交絡の各バイアスの見分けと、ハロー効果などの認知バイアスの説明を、文・事例・表・組合せから選ぶ形です。
- 伝える図と整理の図シラバス案（Ver.0.1）にある項目です。問われるとしたら、データストーリーテリングの考え方と、ロジックツリー・コンセプトマップの使い分け、クロス集計表の読み取りを、文・組合せ・表・事例から選ぶ形です。
- グラフ・地図で見るシラバス案（Ver.0.1）にある項目です。問われるとしたら、箱ひげ図・ヒートマップ・レーダーチャートの見分けと使い分け、箱ひげ図の数値の読み取り、シェープファイルの説明を、文・表・組合せから選ぶ形です。
- 問題を見つける図と発想シラバス案（Ver.0.1）にある項目です。問われるとしたら、ヒストグラム・パレート図・散布図の用途と読み方、ブレーンストーミングの進め方を、文・組合せ・表と計算から選ぶ形です。