解説

この問題は、多次元データの分析手法に関する理解を問うています。主成分分析（PCA: Principal Component Analysis）は、多くの変数（パラメータ）から成るデータを、情報の損失を最小限に抑えながら、より少ない次元数に縮約する統計的手法です。問題文では「多くの項目から成るデータ」を「できるだけ少数に絞りたい」という要件があり、まさに主成分分析の特徴と合致します。主成分分析では、元のデータの特徴をできるだけ保持しながら、重要な成分（主成分）を抽出することができます。

なぜ他の選択肢は違うのか

選択肢 ア

ABC分析は、商品や顧客を重要度によってA・B・Cにランク分けする手法です。データの次元削減には使用できません。

選択肢 イ

クラスター分析は、データをいくつかのグループ（クラスター）に分類する手法です。パラメータの数を減らすことは目的としていません。

選択肢 エ

相関分析は、2つの変数間の関係性の強さを測る手法です。多次元データの次元削減には適していません。

解くときのポイント

データ分析手法を選ぶときは、「何を知りたいのか」という目的に着目することが重要です。この問題では「多くのパラメータを少数に絞る」という目的があるため、次元削減に特化した主成分分析が最適解となります。