デシジョンツリー
意思決定の過程をツリー状に分岐して表すモデル。
条件ごとに選択肢を分けていくことで、判断ルールが明確になる。
分類や予測の可視化によく使われる。
例：顧客が購入するかどうかを、年齢・職業・過去の購買で分岐させて予測。
モデル化（確定モデル）
変数や条件をすべて確定的に設定して構築するモデル。
同じ条件なら常に同じ結果が出る。
再現性が高く、設計や制御に適している。
例：ある部品が壊れる確率が0なら、機械全体の稼働率は100％と決まる。
モデル化（確率モデル）
変数や条件に確率の要素を含めて構築するモデル。
同じ条件でも結果にばらつきが出る。
実世界の不確実性を表現するのに適している。
例：商品の売れ行きが「70％の確率で売れる」と仮定して予測。
シミュレーション
現実の状況やシステムを仮想的に再現して実験する手法。
リスクを予測したり、最適な対応を検討するために使う。
現実には試せないことを安全に検証できる。
例：工場の稼働状況を模擬して、ライン配置を見直す。
シミュレーションのデータ同化
実際の観測データをシミュレーションに取り込む技術。
モデルの精度を高めるために現実の情報で補正する。
天気予報などで使われている。
例：気象衛星の観測データを取り込んで、シミュレーション結果を更新。
予測
過去のデータやモデルをもとに、未来の値や状態を推定すること。
需要、売上、気象、在庫など様々な分野で活用される。
精度を高めるには、データの質やモデルの工夫が重要。
例：来月の売上を過去3年分のデータから予測。
グルーピング
似た特徴を持つデータをまとめて分類すること。
クラスタリングとも呼ばれ、顧客分析などに使われる。
ラベルなしのデータでも使える。
例：顧客の購買パターンからタイプ別に分類。
パターン発見
データの中にある規則性や傾向を見つけ出すこと。
人間には気づきにくい特徴を明らかにする。
データマイニングの中心的なタスク。
例：売上が上がる曜日や時間帯に共通する特徴を発見。
最適化
与えられた条件の中で最も良い結果を出す方法を見つけること。
コスト削減、利益最大化、作業効率化などに使われる。
数学的手法やアルゴリズムで実現する。
例：配達ルートを最短距離で巡回する経路に調整。
在庫管理
商品や資材の数・場所・状態を把握し、適切に保管・補充すること。
過不足を防ぎ、コストを抑える目的で行う。
需要予測や発注方式と密接に関係する。
例：売れ筋商品の在庫数を常に一定範囲に保つ。
与信管理
取引相手の信用状況を判断し、適切な取引条件を設定すること。
貸倒れのリスクを防ぐための重要な業務。
スコアリングや履歴情報をもとに判断する。
例：初めて取引する顧客に与信枠を設定して請求限度を決める。
発注方式
在庫や需要に応じて商品や資材を発注する仕組み。
定量発注方式・定期発注方式などの種類がある。
コストと欠品リスクのバランスが重要。
例：在庫が100個を切ったら、200個をまとめて注文する方式。