バッチデータとは、一定の期間や量ごとにまとめて一括で処理されるデータ群のことです。リアルタイムに1件ずつ処理を行うストリームデータとは対照的であり、機械学習のモデル訓練や大規模なデータ分析において、計算効率の向上やハードウェアリソースの有効活用を目的に広く用いられています。ディープラーニングなどの学習においても重要な概念です。
バッチデータとは
バッチデータとは、随時発生するデータをリアルタイムに処理するのではなく、特定の単位（時間、件数、容量など）で収集・蓄積し、一括して処理（バッチ処理）するためにまとめられたデータ群のことです。
詳しく解説
AIや機械学習の文脈において、バッチデータの活用は極めて一般的です。特に大規模なデータを扱う機械学習モデルの訓練では、すべてのデータを一度に処理するとメモリ不足が発生するため、データを適切なサイズに分割したミニバッチとして扱います。これにより、コンピュータのメモリ使用量を抑えつつ、効率的なパラメータ更新を可能にします。また、予測（推論）を行う際にも、1件ずつ即座に結果を返す必要がないシステムでは、夜間などに予測対象のデータをバッチデータとして一括処理する手法が採用され、計算コストの最適化に寄与しています。
具体例・使われ方
バッチデータの具体的な利用例として、ECサイトにおける「レコメンドエンジンの更新」が挙げられます。日中に蓄積されたユーザーの行動ログを深夜にバッチデータとして一括処理し、翌朝までに新しい推奨商品を計算・更新する仕組みです。また、画像認識を行うディープラーニングのトレーニング段階において、数万枚の訓練用画像を数十枚から数百枚ずつの塊に分割してモデルに入力する際にも、これらの分割されたデータ群がバッチデータ（またはミニバッチ）として機能します。
似た用語との違い
バッチデータと最もよく対比されるのが、ストリームデータ（またはリアルタイムデータ）です。ストリームデータは、データが発生した瞬間に逐次処理されるため、クレジットカードの不正利用検知や自動運転といった、即時性が求められるシステムに適しています。一方、バッチデータは一定の遅延を許容する代わりに、大量のデータを極めて高いスループットで一括処理するデータ分析や、定常的なバッチ処理に適しています。
注意点
バッチデータを利用する上での最大の注意点は「タイムラグ（遅延）」です。データが蓄積されてから処理が実行されるまでに時間がかかるため、常に最新の状況を反映したリアルタイムな意思決定や即時予測には不向きです。また、機械学習のモデル訓練においては、バッチデータのサイズ設計が重要です。サイズが大きすぎるとメモリが不足し、小さすぎると処理のオーバーヘッドが増大したり、教師あり学習などの訓練プロセスにおいて勾配のノイズが大きくなりすぎて学習が不安定化したりするリスクがあります。