data
第一音節にアクセントがあります。/eɪ/ は二重母音で、日本語の『エ』から『イ』へスムーズに移行するイメージです。最後の /ə/ は曖昧母音で、口を軽く開けて弱く発音します。『ア』と『ウ』の中間のような音を意識すると良いでしょう。日本語の『データ』のように平板に発音せず、最初の音節を強く発音することが重要です。
専門的な内容に関するご注意
このページには、健康、金融、法律など、専門的な知識を必要とする内容が含まれている可能性があります。本サイトの情報は学習目的で提供されており、専門家による助言の代わりとなるものではありません。重要な判断を行う際には、必ず資格を持つ専門家にご相談ください。
情報
事実や数値を集めたもの。分析や意思決定の基礎となる。単数・複数両方で使われるが、集合的に扱うことが多い。
I quickly checked the weather data on my phone to see if it would rain tomorrow.
明日雨が降るか確認するために、私はすぐにスマホで天気データを見ました。
※ この例文は、私たちがスマホで天気予報をチェックするような日常のワンシーンを描いています。天気予報はまさに「data（情報）」の典型的な例です。何かを計画するときに、そのための情報（データ）を確認する、という非常に基本的な使い方です。
The scientists carefully analyzed the research data to find a new solution.
科学者たちは、新しい解決策を見つけるために、研究データを慎重に分析しました。
※ この例文は、科学者や研究者が実験や調査で得た情報を「data」と呼ぶ典型的な場面です。ビジネスの現場でも、市場調査の結果などを「data」と呼び、分析して次の行動を決めることがよくあります。客観的な事実や数値を指す場合によく使われます。
Don't forget to back up your important data on your computer so you don't lose anything.
何も失くさないように、コンピューターの重要なデータをバックアップするのを忘れないでください。
※ この例文は、コンピューターやスマートフォンの中にある、写真や書類などのデジタル情報を「data」と呼ぶ使い方です。私たちが日々触れるデジタルデバイスの中で、情報が「データ」として扱われる、非常に身近な例です。特に「back up data」はよく使われるフレーズです。
資料
研究や議論の根拠となるもの。裏付けや証拠として提示される。
The student carefully collected a lot of data for her important research paper.
その学生は、大切な研究論文のために多くのデータを注意深く集めました。
※ この例文では、図書館や研究室で学生が真剣にパソコンに向かい、論文に必要な情報を集めている場面が目に浮かびます。「data」は、研究や学術の分野で、調査結果や事実などの「情報」「資料」を指す際によく使われます。「collect data (データを集める)」は、この文脈で非常によく使われる表現です。
The manager showed the latest sales data on a big screen during the meeting.
部長は会議中、大きなスクリーンに最新の売上データを見せました。
※ 会議室で、発表者が少し緊張しながらも自信を持ってグラフを指さし、聴衆が真剣に聞いているビジネスシーンを想像できます。「data」は、ビジネスの場で「売上データ」「市場データ」など、具体的な数値や統計情報を指す際によく登場します。ビジネスプレゼンテーションでは「show data (データを見せる)」も頻繁に使われます。
We need more data to make a good decision for our future project.
私たちは、今後のプロジェクトのために良い決断をするためにもっとデータが必要です。
※ この例文は、誰かが何かを決断しようとしているが、情報が足りなくて困っている様子を伝えています。「うーん、もっと情報が必要だなぁ」と考えている感情が伝わってきますね。ここでは「data」が、判断を下すための「情報」や「資料」という意味で使われています。何かを決める際に情報が不足している状況で、「We need more data. (もっとデータが必要です。)」という表現はとても自然です。
記録
コンピューターで処理・保存される形式。デジタルデータ。
My mom carefully wrote down all the baby's growth data in a special book every month.
私の母は、毎月、赤ちゃんの成長記録を特別なノートに丁寧に書き留めました。
※ この例文では、愛情を込めて子どもの成長を記録するお母さんの姿が目に浮かびますね。身長や体重、初めてできたことなどの「記録された情報」が「data」として表現されています。個人的な大切な情報を丁寧に残している、という温かい情景が浮かびます。
The team worked hard to gather all the sales data from last year to plan for next year.
チームは来年の計画のために、去年のすべての売上データを集めるのに一生懸命取り組みました。
※ オフィスで、チームのメンバーが協力して、過去の売上実績をまとめている様子が想像できますね。ビジネスの現場では、「data」は「過去の取引記録」や「市場の情報」などを指すことが非常に多いです。「gather data（データを集める）」は、仕事でよく使う典型的なフレーズです。
We need to check the latest traffic data before we leave, or we might get stuck in a jam.
出発する前に最新の交通情報を確認しないと、渋滞にはまってしまうかもしれません。
※ 車で出かける前に、スマホやカーナビで道路の混雑状況を確認している場面ですね。リアルタイムの「交通状況の記録」や「情報」を「data」と表現しています。日常的にアプリなどで確認する情報として、とても自然な使い方です。「check data（データを確認する）」も、よく使う表現ですよ。
コロケーション
データマイニング（データ発掘）
※ 大量のデータの中から、これまで知られていなかった有益な情報やパターンを発見するプロセスを指します。ビジネス、科学、マーケティングなど幅広い分野で使用されます。単にデータを集めるだけでなく、統計学や機械学習などの手法を用いて、隠れた関係性や傾向を見つけ出す点が重要です。たとえば、顧客の購買履歴データから、特定の製品を購入する人が他にどんな製品も購入する傾向があるかを発見するといったケースが考えられます。近年、ビッグデータの活用が進むにつれて、その重要性が増しています。
データ漏洩
※ セキュリティ上の欠陥や攻撃によって、機密データが不正にアクセスされたり、外部に流出したりする事態を指します。個人情報、企業秘密、財務情報などが漏洩する可能性があり、企業や組織にとって深刻なリスクとなります。近年、サイバー攻撃の高度化・巧妙化に伴い、データ漏洩の件数も増加傾向にあります。漏洩が発覚した場合、企業は法的責任を問われるだけでなく、顧客からの信頼を失う可能性があります。そのため、企業はセキュリティ対策を強化し、データ漏洩のリスクを最小限に抑える必要があります。ニュースやビジネスの文脈で頻繁に使われます。
データセット
※ 分析や処理のために整理されたデータの集合体を指します。表形式で表現されることが多く、統計分析、機械学習、データマイニングなど、さまざまなデータ分析の基礎となります。データセットの品質は、分析結果の精度に大きく影響するため、データの収集、整理、クリーニングが重要です。研究論文や技術文書で頻繁に使用される用語です。
データ分析
※ データを調べて解釈し、有益な情報や結論を引き出すプロセスです。統計的手法や可視化ツールを用いて、データのパターン、傾向、関係性を明らかにします。ビジネスにおいては、売上データや顧客データを分析して、マーケティング戦略の改善や意思決定に役立てます。科学研究においては、実験データや観測データを分析して、仮説の検証や新たな発見につなげます。データサイエンスの中核となる概念であり、様々な分野で不可欠なスキルとなっています。
データ点
※ データセットにおける個々の観測値や要素を指します。例えば、ある人の年齢、身長、体重などの情報がそれぞれデータ点となります。グラフやチャートにおいては、データ点をプロットすることで、データの分布や関係性を視覚的に表現することができます。データ分析や可視化において基本的な概念であり、データの性質を理解する上で重要な役割を果たします。
データプライバシー
※ 個人情報や機密データが適切に保護され、不正なアクセスや利用から守られる権利および概念です。 GDPR（一般データ保護規則）などの法律や規制によって保護されており、企業や組織はデータプライバシーを尊重し、適切な管理体制を構築する必要があります。データプライバシーの侵害は、個人情報の漏洩や不正利用につながり、個人の権利や利益を損なう可能性があります。近年、デジタル化の進展に伴い、データプライバシーの重要性がますます高まっています。ニュースや法律関連の文章でよく見られます。
リアルタイムデータ
※ 生成された直後に、ほぼ遅延なく利用可能なデータのことです。株価、交通情報、センサーデータなど、常に変化する情報を迅速に把握する必要がある場合に活用されます。リアルタイムデータ分析を行うことで、迅速な意思決定や状況への対応が可能になります。金融、交通、製造、医療など、幅広い分野で利用されており、IoT（Internet of Things）の普及に伴い、その重要性が増しています。ビジネスシーンでよく使われる表現です。
使用シーン
学術論文、研究発表、講義などで頻繁に使用されます。統計データや実験結果を分析・提示する際に不可欠な語彙です。例：「実験データから有意な差が認められた (Significant differences were observed in the experimental data.)」のように、客観的な根拠を示す文脈で使われます。学生がレポートを作成する際や、研究者が論文を執筆する際に必ずと言っていいほど登場します。
ビジネスシーンでは、市場調査、顧客分析、業績報告などの文脈で用いられます。意思決定の根拠となる情報を指す場合が多いです。例：「顧客データを分析し、新たなマーケティング戦略を立案する (Analyze customer data to develop a new marketing strategy.)」のように、データに基づいた戦略や改善策を説明する際に使われます。会議資料や報告書など、比較的フォーマルな文書でよく見られます。
日常会話では、ニュース記事やSNSなどで見かける程度で、自分から積極的に使う場面は少ないでしょう。例：「個人のデータが流出した (Personal data was leaked.)」のように、プライバシーに関するニュースで使われることがあります。また、健康管理アプリなどで「今日のデータ (today's data)」という表現を目にすることもありますが、基本的には専門的な話題で使われることが多いです。
関連語
類義語
事実、知識、ニュースなど、特定の意味を持つ整理された形のデータ。幅広い文脈で使用され、日常会話、ビジネス、学術分野など、あらゆる場面で見られる。 【ニュアンスの違い】"Data" が未加工の数値や事実の集まりを指すのに対し、"information" は "data" を分析・解釈して意味を持たせたものを指す。"Information" はより具体的で理解しやすい形になっている。 【混同しやすい点】"Data" は集合名詞として扱われ、形式的には複数形だが、近年では単数形としても扱われることが多い。一方、"information" は不可算名詞であり、複数形は存在しない。また、"data" は分析対象、"information" は伝達対象という視点の違いもある。
数値データに基づいて分析・解釈された情報。主に数学的、科学的な文脈で使用され、調査、実験、市場分析などで用いられる。 【ニュアンスの違い】"Data" は単なる数値の集まりであるのに対し、"statistics" はその "data" を統計的に処理し、意味のある結論を導き出すために用いられる。より専門的で分析的なニュアンスを持つ。 【混同しやすい点】"Statistics" は不可算名詞として「統計学」という意味を持つ一方、可算名詞として「統計データ」という意味も持つ。文脈によって意味が異なるため注意が必要。また、"data" は様々な形式で存在しうるが、"statistics" は基本的に数値データのみを扱う。
- facts
客観的に検証可能な真実。ニュース記事、歴史的記録、科学論文など、真実性や正確性が求められる場面で用いられる。 【ニュアンスの違い】"Data" は必ずしも真実であるとは限らない情報を含む可能性があるが、"facts" は検証済みの真実のみを指す。より客観的で信頼性の高い情報というニュアンスを持つ。 【混同しやすい点】"Facts" は常に複数形で使用され、単数形は存在しない。一方、"data" は単数形としても複数形としても扱われる。また、"data" は主観的な解釈を含む可能性があるが、"facts" は客観的な真実である。
- figures
主に数値で表されたデータ。財務報告書、統計資料、グラフなど、数値情報が重要な意味を持つ場面で用いられる。 【ニュアンスの違い】"Data" は数値データだけでなく、テキストデータや画像データなども含むが、"figures" は数値データに限定される。より具体的で定量的なニュアンスを持つ。 【混同しやすい点】"Figures" は「数字」という意味の他に、「図形」「人物」「著名人」などの意味も持つ多義語であるため、文脈によって意味を判断する必要がある。また、"data" は分析の対象となる情報全体を指すのに対し、"figures" は特定の数値情報を指すことが多い。
主張や結論を裏付けるための情報。法廷、科学研究、議論など、証拠としての役割が重視される場面で用いられる。 【ニュアンスの違い】"Data" は単なる情報の集まりであるのに対し、"evidence" は特定の主張を支持するための "data" として用いられる。より説得力があり、客観的な根拠としての意味合いが強い。 【混同しやすい点】"Evidence" は不可算名詞であり、複数形は存在しない。一方、"data" は単数形としても複数形としても扱われる。また、"data" は必ずしも証拠としての価値を持つとは限らないが、"evidence" は証拠としての価値を持つ情報である。
派生語
「data」の単数形で、元々は「与えられたもの」という意味。学術論文や統計の文脈で、個々の測定値や観察結果を指す場合に用いられる。複数形の「data」が一般的になったため、現在では使用頻度は低い。
「data（データ）」と「base（基盤）」が組み合わさった語。「データの基盤」という意味で、構造化されたデータの集合体を指す。情報技術分野で非常に頻繁に使われ、ビジネス文書や技術論文にも登場する。
- data mining
「data（データ）」と「mining（採掘）」が組み合わさった語。「データから価値を採掘する」という意味で、大量のデータから有用な情報を発見するプロセスを指す。ビジネスや研究分野でよく用いられる。
- data analysis
"data（データ）」と「analysis（分析）」が組み合わさった語。「データの分析」という意味で、データを調べて解釈し、結論を導き出すプロセスを指す。ビジネス、科学、社会科学など、幅広い分野で使用される。
反意語
「data」が客観的な事実に基づく情報であるのに対し、「speculation」は根拠の薄い推測や憶測を意味する。ビジネスや経済の文脈では、市場の動向に関する推測などに用いられる。学術的な文脈では、仮説を立てる前の段階の考察を指すこともある。
「data」が具体的なデータや観察結果であるのに対し、「theory」はそれらを説明するための体系的な理論を意味する。科学や社会科学の文脈で、データに基づいて構築された仮説やモデルを指す。データに基づいて理論が構築され、理論に基づいて新たなデータが収集されるという関係がある。
「data」が検証された事実であるのに対し、「assumption」は検証されていない前提や仮定を意味する。数学や論理学の文脈では、証明の出発点となる仮定を指す。ビジネスや政策の文脈では、意思決定の根拠となる仮定を指す。
語源
"data"はラテン語の"datum"（与えられたもの）の複数形に由来します。さらに遡ると、"dare"（与える）という動詞に行き着きます。つまり、データとは文字通り「与えられたもの」の集まりであり、観察や実験、調査などによって得られた個々の事実や数値、記録などを指します。日本語で例えるなら、アンケートで「回答」として与えられたものが集まって「データ」になる、というイメージです。単数形"datum"は現在ではほとんど使われず、複数形の"data"が一般的です。これは、情報が単独で存在するよりも、複数の情報が組み合わさって意味を持つことが多いという、現代の情報環境を反映していると言えるでしょう。
暗記法
「data」は単なる数字ではない。科学革命期には客観性の象徴として真理探究を支え、天文学や物理学の発展に貢献した。しかし、その利用は常に中立とは限らない。統計学の発展とともに、社会統制の道具となり、差別を正当化する疑似科学にも利用された。現代のビッグデータも倫理的な問題を孕む。Dataは社会を映す鏡であり、背後にある権力構造を意識することで、より良い社会への視点を与えてくれる。
混同しやすい単語
『data』と発音が非常に似ており、特にアメリカ英語では母音の区別が曖昧になりやすい。スペルも一文字違いで、意味は『日付』や『デート』と大きく異なる。文脈で判断する必要があるが、発音に注意して使い分けることが重要。語源的には、date はラテン語の 『datum』（与えられたもの）に由来し、dataの単数形datumと語源を共有する。
『data』の単数形で、学術的な文脈や技術的な文脈で使われることがある。発音はデータと似ているものの、よりフォーマルな印象を与える。意味は『（測定などの）基礎となるデータ』。data が集合的な情報を指すのに対し、datum は個々のデータ点を指すニュアンスがある。統計学などで頻出する。
『data』とは全く異なる意味（借金）だが、スペルの中に共通の文字が含まれているため、視覚的に混同される可能性がある。発音も全く異なる（/det/）。日本語のカタカナ英語に影響されて「デット」と発音しないよう注意が必要。'b' は発音しないサイレントレターであり、語源的にはラテン語の『debitum』に由来する。
『data』とは意味も発音も異なるが、スペルの一部が似ているため、特に急いで読んでいる時などに誤読しやすい。意味は『詳細』。発音は /dɪˈteɪl/。日本語では「ディテール」として定着しているため、意味の混同は少ないと考えられる。ただし、スペルミスには注意が必要。
『data』とスペルが似ており、特にタイプミスなどで間違えやすい。意味は芸術運動の『ダダ』。発音は同じ音を繰り返すため、印象に残りやすい。芸術関係の文脈以外ではほとんど使われないため、文脈から判断できる。
『data』と文字の並びが一部似ており、特に手書きの場合に判読しにくいことがある。意味は『ダーター（魚の名前）』や『（矢などを）投げる人』。発音は /ˈdɑːrtər/。一般的な単語ではないため、混同の可能性は低いが、専門分野の文章を読む際には注意が必要。
誤用例
『data』はラテン語に由来する複数形ですが、現代英語では単数扱いが一般的です。日本語では『データは〜』と複数形で捉えるため、areを選びがちですが、ビジネスの場ではisを使う方が自然です。ただし、厳密さを期す学術論文などでは are が用いられることもあります。この変化は、英語の語彙がラテン語から英語へと進化する過程で、集合名詞（familyなど）が単数扱いされるようになったのと同様の流れです。
『prove』は、法廷や科学実験のように、厳密な証明が必要な場合に用いることが多いです。一方、『demonstrate』は、データや証拠に基づいて効果や結果を示す、より一般的な状況に適しています。日本人は『証明する』という言葉に強く惹かれがちですが、英語では文脈によって使い分ける必要があります。特にビジネスや日常会話では、demonstrate の方が適切であることが多いでしょう。日本語の『証明』という言葉が持つニュアンスが、やや強すぎる場合があります。
この誤用は、日本語の『データによると〜と考えられる』という表現を直訳しようとする際に起こりがちです。英語では、データそのものが能動的に『示唆する（suggest）』という言い方をします。無生物主語構文と呼ばれるもので、英語では非常に一般的です。日本人は、無生物を主語にすることを避けがちですが、英語では客観性や間接性を表現するために好んで用いられます。また、受動態（is thought that）を避けることで、文章がより簡潔で力強くなります。
文化的背景
「data」という言葉は、単なる事実の集積以上の意味を持ち、社会や科学における客観性、進歩、そして時には支配の象徴として機能してきました。その中立的な響きとは裏腹に、データの収集・分析・解釈は、常に人間の価値観や視点の影響を受け、社会的な力関係を反映する鏡とも言えるでしょう。
「data」が現代的な意味を獲得したのは、17世紀の科学革命以降です。フランシス・ベーコンが提唱した経験主義、つまり観察と実験に基づいた知識の獲得方法が重視されるようになり、「data」は自然科学の研究において、客観的な証拠として不可欠な存在となりました。天文学者たちは惑星の運行データを詳細に記録し、物理学者たちは実験データを分析して法則を発見しました。この時代、「data」は真理に近づくための客観的な足がかりであり、教会や伝統的な権威からの脱却を象徴するものでもありました。
しかし、「data」の利用は常に中立的だったわけではありません。19世紀以降、統計学が発展し、国家が人口統計や経済データを収集・分析するようになると、「data」は社会を管理・統制するための道具としても使われるようになりました。優生学のような疑似科学も、人種や階級に関する「data」を恣意的に解釈し、差別を正当化するために利用されました。現代においても、ビッグデータ解析によるターゲティング広告や、監視社会における個人情報の収集など、「data」は倫理的な問題と深く結びついています。
現代社会において、「data」は意思決定の根拠として不可欠な存在です。しかし、その解釈や利用方法によっては、偏見を助長したり、不平等を拡大したりする可能性も孕んでいます。私たちは「data」を単なる数字の羅列として捉えるのではなく、それがどのように収集され、誰によって解釈され、どのような目的で使用されるのかを常に意識する必要があります。そうすることで、「data」は社会をより良くするための道具となり得る一方で、その背後にある権力構造を批判的に見つめるための視点を与えてくれるでしょう。
試験傾向
1. 出題形式: 主に長文読解、まれに語彙問題。2. 頻度と級・パート: 準1級以上で比較的頻出。3. 文脈・例題の特徴: 環境問題、科学技術、社会問題など、アカデミックなテーマの長文でよく見られる。4. 学習者への注意点・アドバイス: 複数形（data）と単数形（datum）の区別は重要ではない。文脈から意味を判断し、関連語（database, dataset）も覚えておくと有利。
1. 出題形式: Part 5（短文穴埋め）、Part 7（長文読解）。2. 頻度と級・パート: 頻出単語。3. 文脈・例題の特徴: 報告書、統計資料、市場調査など、ビジネス関連の文書でよく使われる。4. 学習者への注意点・アドバイス: 「情報」「資料」「データ」など、文脈に応じた適切な日本語訳を選択できるように練習する。動詞（date）との混同に注意。
1. 出題形式: リーディングセクションで頻出。2. 頻度と級・パート: アカデミックな文章で頻繁に出現。3. 文脈・例題の特徴: 研究論文、学術記事、講義ノートなど、多様な分野のアカデミックな文章で登場。統計、分析に関する文脈が多い。4. 学習者への注意点・アドバイス: 複数形（data）として扱われることが多いが、文法的には単数形扱いも可能。文脈によって意味が異なる場合があるため、柔軟に対応できるようにする。関連語句（empirical data, statistical data）も覚えておくと理解が深まる。
1. 出題形式: 主に長文読解。文脈推測問題、内容一致問題などで問われる。2. 頻度と級・パート: 難関大学ほど頻出。3. 文脈・例題の特徴: 社会科学、自然科学、人文科学など、幅広い分野の文章で登場。4. 学習者への注意点・アドバイス: 文脈から意味を推測する練習が重要。関連語句や類義語（information, evidence）も覚えておくと役立つ。具体的なデータを示す部分を把握することが、内容理解に繋がる。