ビッグデータ時代と称される現代では，様々な分野において大規模データの利活用が進んでいる. 一方で，データの大規模化と共に異質な集団が混在した状況が多く見受けられるようになり，従来の「1つのデータに1つのモデル(one-model-fits-the-whole-population approach)」による単純な統計モデリングだけでは適切な分析を実行することができない．このような状況にも対応できる様々な方法論が既にいくつか存在しているが，現実的な計算コストで柔軟な統計モデリングを実行できる方法論の開発は未だ十分とは言えない．本稿では，クラスターデータと空間データの解析において，データのグループ化（異質な集団の発見）と各グループにおける統計モデルの推定（各集団特有の構造の発見）を同時に実行することが可能な方法論について解説する．
