2013年「公共分野」における「ビッグデータ(BigData)」の「データ(Data)」種類に関する詳細調査

~ 「ビッグデータ(BigData)」時代を睨み、「公共分野」に属するあらゆる「データ(種類)」の網羅的な抽出調査を実施、「公共分野」で活用価値の高い「データ」の徹底探索
≪合計1,311件の公共分野×全データ種類を抽出・整理&体系化≫~

【調査対象】

・「公共分野」全般

【調査方法】

・弊社専門調査員によるオープンデータの収集ならびに、クローズドデータの収集、プラス弊社内データベースの活用により調査・分析を行った。

【調査&レポート期間】

・2013年5月10日(調査開始)~2013年7月7日まで深堀調査を実施した。その後、レポーティング(集計&分析)を実施し、2013年7月9日に集計&分析ならびにコメント化が終了した。

【はじめに】

 2013年度がスタートして早くも3ヶ月が経過したが、「ビッグデータ(BigData)」 に対する期待や注目度は今まで以上に高まっている。

 中でも、特に最近では医療・ヘルスケア分野、農業分野、交通分野、防犯・セキュリティ分野、HOME分野、食品分野、エネルギー分野、製造分野、流通分野、公共分野などを中心に各分野別、各業界・業種別に「ビッグデータ(BigData)」の「データ種類(各業界・業種別に、どのようなデータ種類が存在し、どのようなデータが今後活用価値の高いデータになるのか?)」ならびに「活用シーン(そのデータを活用した斬新な未来シーン)」について調査&レポート化して欲しい!といった声が高まっている。
 
 背景にあるのは、「ビッグデータ(BigData)」を収集・蓄積・保存、解析(マイニング)、活用、予防・予見・予兆・コンサルティングなどの「ビッグデータ(BigData)」関連ビジネスの一連の流れの基となる「データ種類(各業界・業種別に、どのようなデータ種類が存在し、どのようなデータが今後活用価値の高いデータになるのか?)」 を網羅的且つ多層的に把握したい!といった要望・リクエストがある。

 こうした声を受けて、ESP総研では各業界・業種別の中で急速にニーズが高まっている“2013年「公共分野」における「ビッグデータ(BigData)」の「データ(Data)」種類に関する詳細調査 ”をレポート化することとなった。

 この調査報告書が「ビッグデータ(BigData)」関連ビジネスに着眼する全ての皆様のマーケティング活動に貢献できることを心から切に望むものである。

【目次】

?.総括 編 P1

1)大分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化) P2
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類:安心・安全情報 P3
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類:医療・介護情報 P4
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類:インフラ情報 P5
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<4>大分類:環境・気象情報 P6
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<5>大分類:観光・イベント情報 P7
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<6>大分類:教育・文化情報 P8
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<7>大分類:行政・公共事業情報 P9
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<8>大分類:公共施設・設備情報 P10
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<9>大分類:交通情報 P11
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<10>大分類:地方自治体情報 P12
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<11>大分類:政府・公共団体情報 P13
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<12>大分類:地図・位置情報 P14
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<13>大分類:農業・水産業情報 P15
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<14>大分類:地盤・地質情報 P16
2)大分類×中分類&集計・分析(合計 1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<15>大分類:その他情報 P17
3)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:安心・安全情報×安全関連(抽出件数:17件) P18
3)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:安心・安全情報×避難所・復興関連(抽出件数:60件) P19
3)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類×中分類:安心・安全情報×防災関連(抽出件数:198件) P20
3)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<4>大分類×中分類:安心・安全情報×防犯関連(抽出件数:12件) P21
4)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:医療・介護情報×医療関連(抽出件数:17件) P22
4)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:医療・介護情報×介護・福祉関連(抽出件数:11件) P23
4)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類×中分類:医療・介護情報×健康関連(抽出件数:12件) P24
5)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:インフラ情報×インフラ関連(抽出件数:32件) P25
5)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:インフラ情報×通信関連(抽出件数:7件) P26
6)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:環境・気象情報×環境関連(抽出件数:52件) P27
6)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:環境・気象情報×気象関連(抽出件数:44件) P28
7)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:観光・イベント情報×イベント関連(抽出件数:23件) P29
7)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:観光・イベント情報×観光関連(抽出件数:33件) P30
8)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:教育・文化情報×子育て・教育関連(抽出件数:18件) P31
8)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:教育・文化情報×文化関連(抽出件数:9件) P32
9)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:行政・公共事業情報×県政・市政関連(抽出件数:67件) P33
9)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:行政・公共事業情報×都市計画関連(抽出件数:9件) P34
9)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類×中分類:行政・公共事業情報×公共工事関連(抽出件数:39件) P35
9)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<4>大分類×中分類:行政・公共事業情報×公共事業関連(抽出件数:47件) P36
9)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<5>大分類×中分類:行政・公共事業情報×その他(抽出件数:20件) P37
10)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:公共施設・設備情報×施設・設備関連(抽出件数:71件) P38
10)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:公共施設・設備情報×図書館関連(抽出件数:6件) P39
10)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類×中分類:公共施設・設備情報×駐車場・駐輪場関連(抽出件数:12件) P40
11)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:交通情報×交通全般(抽出件数:58件) P41
11)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:交通情報×バス関連(抽出件数:14件) P42
11)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類×中分類:交通情報×港湾・航空関連(抽出件数:13件) P43
11)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<4>大分類×中分類:交通情報×電車関連(抽出件数:19件) P44
11)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<5>大分類×中分類:交通情報×道路・自動車関連(抽出件数:67件) P45
12)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:地方自治体情報×自治体関連(抽出件数:34件) P46
12)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:地方自治体情報×生活関連(抽出件数:63件) P47
12)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類×中分類:地方自治体情報×求人関連(抽出件数:12件) P48
12)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<4>大分類×中分類:地方自治体情報×その他(抽出件数:28件) P49
13)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:政府・公共団体情報×公共団体関連(抽出件数:13件) P50
13)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:政府・公共団体情報×政府関連(抽出件数:32件) P51
13)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類×中分類:政府・公共団体情報×統計・測量関連(抽出件数:24件) P52
14)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:地図・位置情報×位置関連(抽出件数:11件) P53
14)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<2>大分類×中分類:地図・位置情報×地図関連(抽出件数:15件) P54
14)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<3>大分類×中分類:地図・位置情報×写真・空間情報関連(抽出件数:23件) P55
15)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:農業・水産業情報※中分類なし(抽出件数:22件) P56
16)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:地盤・地質情報※中分類なし(抽出件数:35件) P57
17)大分類×中分類×小分類&集計・分析(合計1,311件の公共×ビッグデータ(BigData)×種類を集計&網羅的に体系化)<1>大分類×中分類:その他情報※中分類なし(抽出件数:12件) P58

18)公共分野×詳細なデータ種類・情報内容(大分類・中分類・小分類) Lowデータ <合計:1,311件> P59

奥付け

【ISBNコード】

ISBN978-4-907048-30-3 C2034

【企画・調査・分析・レポーティング・監修・編集】

1)企画・監修・編集:ESP総研 村岡 正悦
2)調査・分析・レポーティング:ESP総研 田嶋 樹里

【トータル・ページ数(報告書)】

・79ページ
<調査レポート一覧はこちら>

試読希望・お問い合わせ・お申し込みについて

【資料名】 『2013年「公共分野」における「ビッグデータ(BigData)」の「データ(Data)」種類に関する詳細調査』
【頒価】 PDF(CD-R)*Excel(集計&加工用Lowデータ)も添付:本体価格100,000円+税<※全てカラーですが、目次タイトルリンク設定は行っていません。>
【発刊日】 2013年7月9日

【報告書体裁】 A4版 PDF(CD-R)*Excel(集計&加工用Lowデータ)も添付
【ページ数】 合計79ページ
【担当部署】 株式会社 ESP総研 出版部
TEL:03-5762-8136
FAX:03-5762-8036
【お申し込み方法】 <申込フォームはこちら>
受信後、担当者より折り返しご連絡いたします。
また、必要事項をE-mail(info@espers.co.jp)にてお送りいただいても結構です。お申し込み後の処理フローはこちらのページでご確認ください

レポート注文

    お問い合わせ内容

    お名前(必須)

    フリガナ(必須)

    御社名(必須)

    メールアドレス(必須)

    電話番号(必須)

    タイトル

    本文

    カテゴリー