連環データ分析の紹介

1. Copyright (C)2013 Data Cake Baker 1
連環データ分析へのご招待
Delta ComBine Analysis
Data. CakeBaker
2013年5月24日改
2013年5月10日
ＷＩＭ-1209-036
連環データ分析は、
モノゴトを正しく理解し、判断し、実践するための、
事象を可視化するツールです。

2. Copyright (C)2013 Data Cake Baker 2
 知識創造の時代
データから意味のある情報へ、さらに知識へ
連環データ分析のアドバンテージとフィーチャ
今後にむけて
内容
Data. CakeBaker

3. Copyright (C)2013 Data Cake Baker 3
・価値観は、物質資産から記号の資産へ、
・情報環境は、都市から自然へ回帰し、
・人・物・金が、空間やルールや仕組みを越えて、
ネットワークされたレイヤーを張り、異なったス
ピードで動き、ストレスを溜め、絶えざる非連続
を演出する。
・現実の事象をデータで踏まえ、創発的に仮説
発想し、ストーリーを持って説明する “アブダク
ティブ・インテリジェンス” が求められている。
Vision
Data. CakeBaker
・連環データ分析は、より多くの人々がデータで読み書き伝えるための“データ・リテラ
シー” を高め、状況変更ニーズに対応するための“アブダクティブ・インテリジェンス“の
向上を支援します。それは技術や制度のイノベーションを期待するからです。
Symbol
Material
ArtificialNatural
Meme
Value
Ａｆｏｒｄａｎｃｅ
Ⅰ
ⅢⅡ
Ⅳ
場
(ba)
座 講
Concept
Image
Gene
Value
Thought
～for innovation story ～

4. Copyright (C)2013 Data Cake Baker 4
知識の形式化処理の最前線
・2011年2月16日“IBMのWATSON、Jeopardyのチャンピオンに勝利!!”
・2007年のチェスのチャンピオンに挑戦したIBMのDeep Blue以上の知識クイズへの兆戦。
・IBMの社命を掛けた、4年間、日本から3名を加えた30名のグランドチャレンジ・プロジェクト。
・
オリジナルDB
・百科事典
・聖書
・BLOG
・ニュース記事
・歌の歌詞
・語彙体系
・AIルール
・ニューラル・ネット
・ｄB検索エンジン
・オントロジースキーマ
教師付データ
・ケースデータ：20,000件
・問題タイプ：2500型
・解：2000件
オントロジー化
・スキーマ設定
・アノテーション付加
トレーニング
構造化DB
・百科事典
・聖書
・BLOG
・ニュース記事
・歌の歌詞
・語彙体系
問われている
内容の理解
解答群の生成 根拠の探索と
確認
最大確信度の
解答選択
・パワー・IT技術の勝利
・狩猟民族の体系的戦略
・所詮、規範的課題の解 !!

5. Copyright (C)2013 Data Cake Baker 5
発展するデータ処理手段!!
？！
+,-,=
+,-,*,/,=
+,-,*,/,=,
Σ、平均
・・ ・・ ・・
・ ・ ・
・ ・ ・
・昔ソロバン、デンタク、そしてエクセル、
それから・・・今、可視化、カシ化？！

6. Copyright (C)2013 Data Cake Baker 6
膨張し続る ビッグ・データ !!
・エクセル
・ワード
・ｐｐｔ.
・・ ・・ ・・
・ ・ ・
・ ・ ・
・Web
・Blog
・Twitter
・POS
・ERP
・電子決済
ネットワーク
のグローバ
ル化
ＥＣの進展、
コンプライア
ンス
産業の情報
化・知識化
・データの統合処理のエンジンが求められている!!

7. Copyright (C)2013 Data Cake Baker 7
 知識創造の時代
データから意味のある情報へ、さらに知識へ
連環データ分析のアドバンテージとフィーチャ
今後にむけて
内容
Data. CakeBaker

8. Copyright (C)2013 Data Cake Baker 8
“データ・リテラシー”とは？
データ
情報
知識
ある視点へのスクリーンに
写像したリアルファクト
ある人にとって、意味
のあるデータ
多くの人が使うことが
できる有用な情報
データ・リテラシー
データを情報に、情報を知識に変換するイ
ンテリジェンスと、その活用スキル

9. Copyright (C)2013 Data Cake Baker 9
現場・現実を切り取るデータから始まる
リアルファクト
データ
データモデル化 ＦＤＳあ
ＶＣＸＺ
ＴＲＷＱ
4321
モデルへの数値実装
モデルによるシ
ミュレーション
・全ての事象は、抽象化されたモデルで、データ実装され、プロ
ファイリングされて、始めてリアルファクトに切迫できる！

10. Copyright (C)2013 Data Cake Baker 10
関心の特性事象を関連する事象との連環度でモデル化する
Aアイテ
ムA2
アイテムs4
アイテムs5
アイテムs3
アイテムs2
アイテムs1
Aアイテ
ムA3
アイテ
ムA1
アトリビュート
属性事象
特
性
事
象
サ
ブ
ジ
ェ
ク
ト
連環度
・ 全ての特性事象は、環連性の中で、捉えられる。
・全ての特性の実態は、その属性事象で説明され尽くせる。
・クロス表は、検討対象のサブジェクトと、それを説明する属性アトリビュート
のアイテム間の近さを結んだ数値実装モデルである。
特
性
事
象
属性事象
＃1
属性事象
＃2
属性事
象＃ｐ
属性事
象＃ｍ
属性事
象＃ｎ

11. Copyright (C)2013 Data Cake Baker 11
全てはクロス表データから始まる
オブジェクト連環度データ
（
表
側
：主
体
）
サ
ブ
ジ
ェ
ク
ト
アトリビュート（表頭：属性）属性事象
関心事象
“連環度が高いサブジェクトとアトリビュート”とは、以下のような関係性
が強く成り立つ場合である：
“サブジェクトにおけるこのアイテム” は/ が、“アトリビュートにおける
このアイテム”であり、同時に
“アトリビュートにおけるこのアイテム”なのは/なのが、“サブジェクト”に
おけるこのアイテムである。
◎
アイテム
ア
イ
テ
ム

12. Copyright (C)2013 Data Cake Baker 12
ネットワークを表現しているクロス表は、多様な意味がある
・クロス表は、縦で見るか、横でみるか、全体で見るか？ ストーリーが幾つもできます：
①オリジナルデータは、周辺度数がばらついているので、単純な数値の大きさでは比較できない。
②列内で見ると、それぞれの属性で特徴があるが、一番人気の富士山が頑張っていて、他の印象が薄くなる。
③行内で見ると、それぞれの山の特徴が見えるが、高尾山のような八方美人の特徴が見え難い。
④列と行の周辺度数を規準とし、その期待値に対し、実際の出現度を比較すると、列の特徴と行の特徴が同時に見やすくなる。
・個票でみるか、集約したクロス集計表でみるか？ 集約したクロス集計表でも、アトリビュートの種類が増えると複雑になってしまいま
す。
高い 近い きれ
い
赤い 緑 白い 合計
富士山 3 1 3 2 0 4 13
高尾山 2 4 2 2 3 0 13
嵐山 1 3 2 3 2 0 11
北岳 2 0 1 0 1 3 7
合計 8 8 8 7 6 7 44
高い 近い きれ
い
赤い 緑 白い 合計
富士山 38 13 38 29 0 57 30
高尾山 25 50 25 29 50 0 30
嵐山 13 38 25 43 33 0 25
北岳 25 0 13 0 17 43 16
合計 100 100 100 100 100 100 100
高い 近い きれ
い
赤い 緑 白い 合計
富士山 23 8 23 15 0 31 100
高尾山 15 31 15 15 23 0 100
嵐山 9 27 18 27 18 0 100
北岳 29 0 14 0 14 43 100
合計 18 18 18 16 14 16 100
高い 近い
きれ
い
赤い 緑 白い 合計
富士山 1.3 0.4 1.3 1.0 0.0 1.9 1.0
高尾山 0.8 1.7 0.8 1.0 1.7 0.0 1.0
嵐山 0.5 1.5 1.0 1.7 1.3 0.0 1.0
北岳 1.6 0.0 0.8 0.0 1.0 2.7 1.0
合計 0.8 0.8 0.8 0.8 0.8 0.8 0.8
①オリジナルデータ（全体で数字の大きなものをマーク）
②列を100と基準化したデータ（列の中で大きなものをマーク）
③行を100と基準化（全体で数字の大きなものをマーク）
④列と行の出現比率を規準として実現値が何倍か？

13. Copyright (C)2013 Data Cake Baker 13
b1.
品質
b2.
エコロジ
Ｂｍ.
上品
＃1
ロレアル
＃2
ボディ
ショップ
＃n
資生堂
多くの事象は、n個のサブジェクトと、ｍ
個のアトリビュート、それらの連環度とし
て説明できる。
元データ：Ｃ
(連環度データ)
連環データ分析の情報圧縮展開
サブジェクトとアトリビュートの同時空間
ｎ次のサブジェクト元空間とｍ次元のアト
リビュート空間を、第3のｐ次元空間にコ
ンバインして表現できるようになりました。
エコロジ
上品
＃1..ロレアル
＃ｎ.資生堂
品質
ブランドのｎ次元空間にｍ本の形
容属性ベクトルが布置できる。
ロレアル
ボデイショップ
ｂ1.品質
ｂｍ. 上品
資生堂
形容属性のｍ次元空間に、ブランドを
示すｎ本のベクトルが布置できる。
元データＣを特異値分解し、
少数次元に圧縮して近似
Ｃ=XVYｔ
ロレアル
資生堂
ボデイショップ
品質
エコロジ
上品
手ごろ
ロレアル
サブジェクト・
ベースの多次元
空間
アトリビュート・ベースの多次元空間

14. Copyright (C)2013 Data Cake Baker 14
連環データ分析MAPの読み方
連環データ分析ＭＡＰの特徴と読み方
・従来は、サブジェクトとアトリビュートを、同じ空間ＭＡＰに
表示すると、対応関係が崩れたり、どちらかの分布が歪ん
だりすることがありました。
1.原点からのベクトルの方向は、意味の内容を示
します。
1）意味の内容は、方向が近いサブジェクトやアトリビュー
トから、人が読み取る必要があります。
2）原点の反対側にあるサブジェクトやアトリビュートも、
意味の理解には役立つでしょう。
2.原点からのベクトルの長さは、意味の強さを示し
ます。
1）同じ方向でも、原点から遠いほど、意味合いが強くなり
ます。
2）原点に近いベクトルは、個性が少ないか、全ての意味
を満遍なく持った個性的ではないことを意味します。
ロレアル
資生堂
ボデイショップ
品質
エコロジ
上品
手ごろ
ロレアル
・全体を理解するためのステップは、
1）方向性によるクラスタリング
2）クラスタへのラベル付け
3）軸の意味の読み取り
をお奨めします。

15. Copyright (C)2013 Data Cake Baker 15
連環データ分析
60
年
65
年
70
年
71
年
72
年
73
年
74
年
75
年
76
年
工学 0.8 2.1 3.4 3.5 3.5 3.3 3.1 3.0 2.8
数学 0.3 0.7 1.2 1.2 1.3 1.2 1.2 1.1 1.0
物理 0.5 1.0 1.7 1.7 1.6 1.6 1.3 1.3 1.2
化学 1.1 1.4 2.2 2.2 2.0 1.8 1.8 1.8 1.8
地球 0.3 0.4 0.5 0.6 0.6 0.6 0.6 0.6 0.6
生物 1.2 2.0 3.4 3.6 3.6 3.6 3.5 3.5 3.5
農学 0.4 0.6 0.8 0.9 0.9 0.9 0.8 0.9 0.9
心理 0.8 1.0 1.9 2.1 2.3 2.4 2.6 2.7 2.8
社会 0.2 0.2 0.5 0.6 0.6 0.6 0.6 0.7 0.7
経済 0.3 0.5 0.8 0.8 0.9 0.9 0.8 0.9 0.9
人類 0.0 0.0 0.2 0.2 0.3 0.3 0.4 0.4 0.4
社科 0.3 0.5 1.1 1.4 1.5 1.6 1.5 1.6 1.6
・幾ばくかのデータと、幾ばくか
の前提に基づく理論から、仮説
創出を行う例
・（出典：柳井晴夫著、”多変量データ解析法”、朝倉書房
USの博士号の分野別推移：1960～1976）
・データ・モデルは、時代に沿って高度化する産業を支えている!!
米国の博士号の分野別推移：
可視化はアブダクティブインテリジェンスを刺激する
1 農学・化学 実験データモデル 農業・食品・重化学産業
2 物理・工学 物理データモデル 組立て・加工・精密機械産業
3 社会学・社会科学 調査データモデル サービス産業・販売マーケティング産業
4 心理学・人類学 関与データモデル 健康・金融・情報産業

16. Copyright (C)2013 Data Cake Baker 16
 知識創造の時代
データから意味のある情報へ、さらに知識へ
連環データ分析のアドバンテージとフィーチャ
今後にむけて
内容
Data. CakeBaker

17. Copyright (C)2013 Data Cake Baker 17
連環データ分析のプロセス
リアル・
ファクト
クロス表化
（特性要因図）
MAP化
A.タイプ
B.タイプ
C.タイプ
リアル・
ファクト
連環データ分析
・モデル化
・データ実装
インプリケー
ション
・提示仮説1.
・例示仮説2.
・
ほとんどのデータは、クロス表形式に変換できる。
クロス表に変換されたデータは、可視化することができる。

18. Copyright (C)2013 Data Cake Baker 18
①アンケートデータは、サンプルをサブジェクトに、質問項目
をアトリビュートに。反応を「0,1」として、クロス表となります。
テキスト
データ
文節
切り出し
キーワード
切り出し
Ｋ
Ｗ
Ｋ
Ｗ
Ｋ
Ｗ
文節
文節
文節
文節
・ 頻度データ
⑥テキストデータも、キーワードでタグ付けしてクロス表に構
造化します。
Ｑｍ.Ｑ2.Ｑ1.
サンプルｎ.
サンプル2.
サンプル1.
・ 反応データ
②サンプルの各属性の組合せをクロス集
計表として、入力することもできます。
高い赤いきれい
嵐山
高尾山
富士山
・ 近さ度データ
③計量値もセグメント化してクロス表になります。
10万人1000万人
博多.
名古屋
東京
・ 帰属度データ
④ランキングデータ、時系列も帰属度データでクロス表になります。
日本中国ＵＳ
10位
2位
1位
・ 帰属度データ
⑤入れ子データも、二重クロス表になります。
北海道 沖縄
男 男10歳代
男60歳代
女 女10歳代
女60歳代
・頻度データ
構造を持ったデータは、ほぼ全てクロス表となり、ＭＡＰ化できます。
※形態素分解は、連環データ分析の
オプション・プロダクツとなっております。

19. Copyright (C)2013 Data Cake Baker 19
何枚ものクロス表を統合し、情報圧縮し、可視化します
Item
ぐ
び
な
ま
極旨
スー
パー
ドラ
イ
プラ
イム
タイ
ム
本生
一番
搾り
円熟
クラ
シッ
クラ
ガー
キリ
ン
ザゴ
ール
ド
端麗生
のど
ごし
生
ラ
ガー
男20- 10 0 15 5 2 14 3 0 0 12 7 1
男25- 10 0 15 8 3 14 0 0 4 11 7 6
男30- 8 0 15 2 7 14 0 1 0 12 4 9
男35- 4 0 14 0 6 15 1 3 0 12 8 11
男40- 3 0 14 0 5 15 0 4 0 12 9 7
男45- 5 2 14 0 6 15 0 1 0 12 9 7
男50- 4 0 15 0 9 14 0 5 0 12 7 8
男55- 3 0 15 0 8 14 0 5 2 11 9 10
男60- 2 0 15 0 13 14 0 5 0 12 7 8
男65- 0 2 15 0 0 14 13 5 0 12 6 9
Item
イン
ター
ネッ
ト
音楽
鑑賞
映画
鑑賞
テレ
ビ・
ラジ
オ
ス
ポー
ツ
読書
国内
旅行
ドラ
イブ
お酒
ショ
ッピ
ング
男20～ 56.5 43.0 30.5 27.4 25.4 24.0 22.4 18.9 17.8 17.7
男25～ 51.1 34.8 33.7 21.2 27.8 22.9 30.6 23.3 20.9 17.6
男30～ 49.5 30.3 32.0 18.1 26.0 19.5 31.5 26.6 21.9 13.9
男35～ 45.6 27.7 32.0 17.6 20.8 18.2 31.6 25.4 23.8 11.5
男40～ 44.9 30.2 35.9 16.0 20.4 21.3 34.7 25.5 24.6 11.9
男45～ 46.7 31.6 38.4 16.9 19.1 24.0 34.5 23.5 28.6 10.5
男50～ 45.4 30.3 39.2 13.4 18.1 22.5 36.1 20.9 28.7 8.5
男55～ 46.3 31.5 36.3 12.3 17.3 24.3 43.7 22.7 30.8 7.9
男60～ 44.4 24.8 30.0 14.3 22.1 25.5 50.1 24.2 32.0 8.4
男65～ 43.1 30.0 30.7 16.7 25.0 27.4 62.7 26.9 33.6 9.20
10
20
30
40
50
60
70
80
90
男
20-
男
25-
男
30-
男
35-
男
40-
男
45-
男
50-
男
55-
男
60-
男
65-
ラガー
のどごし生
端麗生
キリン
クラシックラガー
円熟
一番搾り
本生
プライムタイム
スーパードライ
極旨
ぐびなま
0
50
100
150
200
250
300
350
男
20～
男
25～
男
30～
男
35～
男
40～
男
45～
男
50～
男
55～
男
60～
男
65～
ショッピング
お酒
ドライブ
国内旅行
読書
スポーツ
テレビ・ラジオ
映画鑑賞
音楽鑑賞
インターネット
連環データ分析は、クロス表を集計計算するスキルから、
クロス表から情報デザインをするための、クロス表データを
可視化するレシピです。

20. Copyright (C)2013 Data Cake Baker 20
立ち位置を変えると、異なった様相が見える
・我々の銀河系は宇宙の端にあり、我々の太陽系は銀河系の端にある。
・我々の日本は、太陽系の中の地球の遥か東に在る。
・しかし、自分は地球の一番上のセンターから周りを見ている、と思っている。
・スタンドポイントを決め、スタンスを決め、スコープを決めないとリアルファクト
データから、意味が見えてこない。
・関心事象は、いくつかのビューポイントを選び、重ねて見ると意味のある情
報、価値がある知識が見えてきます。

21. Copyright (C)2013 Data Cake Baker 21
○ 今まで難しかった各種のデータを、全て統合して、意味のあ
る情報や誰でも使える知識に変換する。
アドバンテージ
各種データのコンバイン
Web データ
BLOG データ
SNS データ
企業
データ
外在的情報
連環データ分析
Delta ComBine Analysis
ツイッタ データ 調査データ
公官庁
データ
ＮＧＯ/ＮＰＯ
データ
内在的情報
なぜ、個別にしか扱えなかったデータが統合化できるようになったか？
主観的データ
メデイア等の
パブリック
データ

22. Copyright (C)2013 Data Cake Baker 22
フィーチャ
多様なデータタイプとデータ構造を持つデータセットの統合化が可能
定量的・量的・
計量値データ
順序・ランキ
ングデータ
時系列
データ
マルチメデイ
アデータ
平文・文章化
データ
連環データ分析
Delta ComBine Analysis
母数型変数
データ
変量型変数
データクロス型変
数構成
入れ子型変
数構成
完備型デー
タ
不完備型
データ
ネットワーク
データ
外基準あり
データ
外基準なし
データ
定性的・質的・
計数値データ
○ 従来は、各種のデータタイプ、各種のデータ構造のデータセットに対し、
分析法はバラバラに存在していたので、それぞれ使い分ける必要があった。

23. Copyright (C)2013 Data Cake Baker 23
従来のデータ解析の枠組みを超えに挑戦中
数量化3類、4類
Dual Scaling
主成分分析
Gifi System/多重
対応分析
正準相関分析
多重回帰分析
非対称ＭＤＳ
連環データ分析
Delta ComBine
Analysis
基準なし
基準あり
多次元尺度構成法
Page Ranking
数量化1類・2類
共分散構造分析
多変量判別分析
ＡＮＯＶＡ・ＭＡＮＯＶＡ
ロジット回帰
遺伝的アルゴリズム
クラスター分析
因子分析
決定木
ニューラル・ネット
ワーク
量
的
デ
ー
タ
質
的
デ
ー
タ
コホーネン-SOM
ネットワーク・ダイヤ
グラム
ニューラル・ネットワーク

24. Copyright (C)2013 Data Cake Baker 24
サブジェクトに変量型アイテムを採ると、クロス集計表で
は得られない応用が広がります。
高い 近い きれい
富士山 3 1 3
高尾山 2 4 2
嵐山 1 3 2
北岳 2 0 1
ＭＳ．Ｃ 高い 近い きれい 赤い 緑 白い
富士山 1 0 1 1 0 1
高尾山 0 1 0 0 1 0
嵐山 0 1 1 1 1 0
北岳 1 0 0 0 0 1
赤い みどり 白い
高い 1 0 2
近い 1 2 0
きれい 2 1 3
・表側と表頭の各
アイテムを同時布
置できないか？
・表側と関係する
多種のアトリ
ビュートを同時に
扱えないか？
富士山
北岳
嵐山高尾山
高い
近い
きれい
?!?
Ｍｒ．Ｂ 高い 近い きれい 赤い 緑 白い
富士山 1 0 1 1 0 1
高尾山 0 1 0 0 1 0
嵐山 0 1 1 1 1 0
北岳 1 0 0 0 0 1
Ｍｒ．Ａ 高い 近い きれい 赤い 緑 白い
富士山 1 0 1 1 0 1
高尾山 0 1 0 0 1 0
嵐山 0 1 1 1 1 0
北岳 1 0 0 0 0 1
?!?
・アトリビュート（表頭）のアイ
テム同志も、サブジェクトのア
イテム（表側）を介してネット
ワークし、連環しています。
・表側と表頭の各アイテムは、ネットワークを作っています。
繋がっているアイテム同志は連環度“1”、そうでないアイテム同志は連環度“0”。
サブジェクトに特定多数ア
イテムで、広がるアプリ
ケーション
クロス集計
クロス集計
集約展開
集約展開
集約展開

25. Copyright (C)2013 Data Cake Baker 25
連環データ分析
■世界初のフィーチャ
・多様なデータタイプのデータを統合して扱える。
・多種類のデータタイプ、非構造データの解析法をカバー。
・データ量が少なくても頑健性の高い数値実装モデルが得られる。
■アドバンテージ
・人は事象を、二元関係し理解し、三元関係で納得する。
・定性的な質を量で裏づけし、論理的な量を質で説明する。
・サブジェクトとアトリビュートを同時布置して全貌を俯瞰できる。
■ベネフィット
・独立して存在していた個別データを関係付けし、情報・知識抽出が可能。
・事象の現状俯瞰分布から、コンセプトデザインを創発的発想を支援。
・証明澄みの文化遺伝子を編集して、新しいイメージを再構築できる。

26. Copyright (C)2013 Data Cake Baker 26
 知識創造の時代
 データから意味のある情報へ、さらに知識へ
 連環データ分析のアドバンテージとフィーチャ
 今後にむけて
内容
Data. CakeBaker

27. Copyright (C)2013 Data Cake Baker 27
1990年代 2000年代 2010年代
上位システム
（サービス機能）
検索ポータル
システム
レコメンデーション
システム
ソーシャルBI
システム
中位システム
（サポート
エンジン）
人気ゾーン優先配置 Google
Search：
有向性ネットワークマトリック
スの固有値分解による優先
順位付け
Delta ComBine
Analysis
複数の連結度マトリックス
ネットワーク特異値分解の
連結による情報集約
下位システム
（理論）
人為的感覚的
デザイン ＆
多種多様なコンテンツ
クラウドコンピューテング：
100億ページのWebデータ,
1,000万台のクラスタサーバ
知識成長型P2P連携
プラットﾌｫｰﾑ
データが人と連環して知識を生む時代を切り拓く
・オープンなソーシャル・アブダクティブ・インテリジェンスの時代へ。
・あらゆるデータは、関心のあるデータと連環して意味情報となり、人を変える情報と
連環して役立つ知識となる。
・サーチからレコメンドへ、レコメンドからマッチングへ、そしてソーシャルＡIを目指す！

28. Copyright (C)2013 Data Cake Baker 28
連環データン分析は“イノベーション”を支援したい
・イノベーションには、技術と政策のブレークスルーが必要です。
・技術は、物質・エネルギー、そして時間の不確実性を減らす知識。
・リアルファクトを示すデータを、意味のある情報に、さらに皆が使える
知識に変換するデータ・リテラシーが必要。
・社会に貢献できる良い達成目標（駆動目的）を設定し、イノベーション
を創発する、アブダクティブ・インテリジェンスを支援します。
連環データン分析は、データ・リテラシーの向上を通じて、
“ソーシャル・イノベーション”を支援したい

29. Copyright (C)2013 Data Cake Baker 29計量データ 順序データ 計数データ テキストデータ 定性データ
・ 連環データ分析：（Delta ComBine Analysis ）
DCB Analysis: ビジネス・アナリテック・インテリジェンス
連環
データ
分析
ベイシック
版
連環
データ
分析
スタンダード
版
連環
データ
分析
アドバンスド
版
ファシリ
テータ・
アシスト
連環
データ・
ソリュー
ション
パ
フォーマ
ンス・ガ
イド
連環
データソ
リュー
ション
イベント
連環
データ・
モニタリ
ング
マー
ケット・
リサー
チ
連環
データ・
ソリュー
ション
アーテ
クル・ス
コープ
連環
データ・
ソリュー
ション
サービスの構成
1.連環データ分析：クロス表データの可視化による意味のある情報化SaaS
2.連環データソリューション：職種別スポット型支援業務ソリューション
3. 連環データ・モニタリング：社会の有徴事象のレポーティング・サービス
4.連環データ分析サービス：データ解析に関するコンサル受託サービス
SaaS
ソーシャ
ル・マイ
ンド連
環デー
タ・レ
ポート
ソーシャ
ル・デマ
ンド連
環デー
タ・レ
ポート
ソーシャ
ル・トレ
ンド連
環デー
タ・レ
ポート
コンサルファーム・プラットフォーム
Web
・ SNS ・ Blog ・ Wiki

30. Copyright (C)2013 Data Cake Baker 30
お問合せ先
・Mail: dcba@dcb.co.jp
・FAX: 042-357-6871
・データ・ケーキベーカ 株式会社
・担当： プロモーション＆オペレーションＧｐ.
・平日：9：00～17：30
・期間限定で、下記のURLより、“連環データ分析のトライアル版”を申し込
んで頂き、ダウンロードしてお試し頂くことが出来ます。
・URL: http://www.dcb.co.jp/
・BLOG: http://blog.dcb.jp