みんなのPython勉強会#21 澪標アナリティクス 井原様
•Download as PPTX, PDF•
3 likes•3,223 views
Talk 3: 「明日から使える AIシステム開発シナリオ 事例特選10 〜pythonを使ったAI開発」 井原 渉（澪標アナリティクス）
Recommended
More Related Content
What's hot
What's hot (20)
Viewers also liked
Viewers also liked (20)
Similar to みんなのPython勉強会#21 澪標アナリティクス 井原様
Similar to みんなのPython勉強会#21 澪標アナリティクス 井原様 (20)
More from Takeshi Akutsu
More from Takeshi Akutsu (20)
みんなのPython勉強会#21 澪標アナリティクス 井原様
- 2. ©Miotsukushi Analytics Inc. 2016, All rights reserved. 2 この業界での豊富な経験と実績に基づいた コンサルティングをご提供する事を お約束いたします 会社概要
- 3. 会社概要 会 社 名：澪標アナリティクス株式会社 代表取締役：井原 渉 顧 問：川村 秀憲（北海道大学教授） 栗原 聡（電気通信大学教授） 所 在 地：東京都中央区日本橋茅場町1丁目10-8 グリンヒルビル6階 事 業 内 容：データ分析に関する各種事業 アドバイザリーサービス 教育研修 分析組織・IT基盤構築 分析官派遣 受託分析 U R L ：http://www.mioana.com/ ©Miotsukushi Analytics Inc. 2016, All rights reserved. 3
- 4. 会社名の由来 澪標（みおつくし）とは 船の安全のため、河口などで浅くて船の航行が不可能な場所を 示すために、船の航路の指す澪（みお）と境界に並べて設置され、 航路を示す標示の事です。 また、小倉百人一首20番に わびぬれば 今はたおなじ 難波なる みをつくしても 逢はむとぞ思ふ と詠われており、「身を尽くす」を指す掛詞としても使われておりました。 お客様にとって ビジネスの航路を示す標示となりたい 皆様のために身を尽くして働きたい との思いから命名いたしました。 ©Miotsukushi Analytics Inc. 2016, All rights reserved. 4
- 6. データ分析のレベル ©Miotsukushi Analytics Inc. 2015, All rights reserved. 6 レベル 目的 手段 分析内容 必要人材 ツール LV1 サービスの目標・状況を 数値に置き換えて説明 KPIレポーティング 登録者数、利用率、継続率、 課金率、ARPU、属性別等 の情報を取得 KPIを理解し、 活用できる人材 KPI取得 システム LV2 ユーザやサービスの 現状に合った施策を実施 詳細KPI追加 アイテム・イベントの状況、 ＬＴＶ 顧客セグメント別等の情報を 取得 サービスにあった KPI設計ができ る人材 ＤＢ ＢＩツール LV3 ユーザ単位で最適化 多変量解析 ユーザ単位で効果検証や パラメーターの設定等 アナリスト データウェアハウス マイニングツール LV4 ユーザやサービスを予測 仮説が作れない状況での 分析 データマイニング 優良顧客見込の発掘、 売上予測など 仮説を持たずに分析を行う データ サイエンティスト 「データ分析」は取組む難易度により、大きく４つのレベルに分類することができる。
- 7. レベル 手段 １段階 ２段階 ３段階 LV1 KPIレポーティング 毎日１回KPIを更新 複数回、KPIを更新 リアルタイムに集計 LV2 詳細KPI追加 全体向けに決まった 集計軸で状況を把握 職種ごとに決まった 集計軸で状況を把握 自由に集計軸を変更可能 LV3 多変量解析 ログインや課金などの 主な情報だけで 分析を実施 ログやユーザDB、タップや 角度などの情報も活用 自動で結果を出力可能 サービスにロジックを 組み込む LV4 データマイニング 決定木、回帰などツールで 容易に実施 手法で分析を実施 ベイズやDeep Learning などで分析を実施 自動で結果を出力可能 サービスにロジックを 組み込む 分析レベル別の深化（１／２） ©Miotsukushi Analytics Inc. 2015, All rights reserved. 7 同じデータ分析レベルでも取組みの深さ（活用方法）が異なる。
- 8. 【別紙】データ分析の業務ロードマップ ©Miotsukushi Analytics Inc. 2016, All rights reserved. 8 ビジネスアナリスト ◎ ○ ◎ データアナリスト ○ ◎ ○ ○ ◎ ◎ ○ データマネージャ ○ ◎ ◎ ○ ○ ビジネスアナリスト ○ データアナリスト ○ ○ ◎ ○ データマネージャ ◎ ○ ○ ◎ BIアプリ スペシャリスト ○ ◎ ○ ○ トライアル分析 ビジネス 仮説導出 分析設計 分析実施／レポート作成 ビジネス仮説 の検証 （施策立案）データ クレンジング データマート 構築 基礎集計 モデル構築 定型的な分析 分析作業の定型化 分析実施／ 定型帳票作成 設計・構築 BIツール 検討 データ集計の 手順化 データ活用基盤 構築・運用維持 ビジネスアナリスト ○ データアナリスト ○ データマネージャ ○ BIｱﾌﾟﾘｽﾍﾟｼｬﾘｽﾄ ○ インフラマネージャ ◎ ◎ 基盤設計・ 運用設計 構築・ 運用維持
- 9. 【別紙】澪標が提供するスペシャリスト一覧 ©Miotsukushi Analytics Inc. 2016, All rights reserved. 9 ポジション 役割 スキル ビジネスアナリスト • ビジネス上の課題を引出し、分析シナリオへと落とし込む • アナリストの分析結果に基づき、ビジネス仮説を構築、 施策の方向性を示唆 • 分析用データの理解、Biz課題の解決プロセス構築力 • 分析結果のBiz的な意味づけ、仮説構築力 • 各分析手法のインプットとアウトプット、一般的な分析の プロセスに関する知識 • BIツール等を使った基本的な加工集計技術 データアナリスト • ビジネスアナリストから提示された各分析テーマに対する 分析データ、分析プロセスを設計 • データマネージャより提供される分析データを用いて、分析 を実施 • 分析テーマ設定、分析プロセス設計の知識 • 分析ツールを利用した分析、分析モデリングの知識 • 分析用DMの基本的知識 データマネージャ • データアナリストから提示された分析データを抽出 • ソース・データ（分析用DM等）から分析用データを 集計・加工するプロセスを設計・実装 • 分析結果を実装 • 分析DM等のシステム構築スキル、データモデリングの知識 • 分析に関する基本的知識 • SPSSやRなどの知識 インフラマネージャ • ソースデータ、分析用データ等のAP基盤、及びシステム 基盤を構築、運用 • データストア技術(RDB・Hadoop・NoSQL・インメモリ DB)に関する知識・取り扱いスキル • システム運用設計、運用試験に関する知識/経験 • 性能/信頼性/NW/開発方式/実装方式など、広範な 技術分野に対する知識/経験 BIアプリスペシャリスト • BIツールを使った各種レポートの設計・実装 • BIツールを利用したレポート設計、BIツールの実装スキル • BIツールに関する広範な知識 （製品仕様、アーキテクチャ） • 分析用DMの基本的知識、データモデリングの知識
- 10. 主な取引先（敬称略、順不同） ©Miotsukushi Analytics Inc. 2016, All rights reserved. 10 株式会社 リクルート コミュニケーションズ 大手自動車 メーカー 大手運送会社 大手監査法人 パナソニック 株式会社 大手金融機関 大手インターネット マーケティング会社 大手広告会社 大手不動産会社 地方公共団体
- 14. AI コミュニケーションチャット 「AI Chat」 各種ポータルサイト運営事業者導入推奨企業 各ウェブページの情報 サイト全体の構造 過去の問合せ履歴 過去のページ遷移情報等 ページB 情報 ページC 情報 ページD 情報 ページA 情報 ウェブページ情報 コンシェルジュエリアにて、ユーザーの質問に自動応答 言語認識により、フリーテキスト質問に対する回答を可能とするシステムを構築。 当該システムを導入したコンシェルジュエリアをウェブページに用意し、ナビゲーション及び フリーテキストによる適切な自動回答を実施し、ユーザーが的確な情報に到達できる誘導を実現。 独自AI自動応答 システム
- 16. マニュアルが膨大にある、違反すると大きな問題になる会社導入推奨企業 業務マニュアルが膨大かつ更新頻度が高く、どこに何が載っているのか、 どこに格納されているのかを調べることをAIによって支援することにより、検索時間の大幅削減と マニュアル違反削減を実現。 質問入力画面 ユーザが回答確認 ＆フィードバック入力 役立つ・不満等 回答表示 マニュアル 検索支援AI このルール どこだっけ？ 全マニュアル 文章 過去のトラブル事例 その他データ AIマニュアル検索支援 稼働ログを学習 ※お探しの情報はこちらですか？ リンク1 ○○規定.html リンク2 ××ガイドライン.html リンク3 △△レギュレーション.html ＊回答表示については 要件定義にて検討・決定 質問文を入力
- 18. 会員カードやBtoBのようなデータをお持ちの会社、ECサイト、ゲーム会社導入推奨企業 これまで、人間の勘と経験に依存してきた分析作業をAIや統計解析によって、自動化する機能を 実装することにより、データ分析の定型化、高頻度化を実現。 高速かつ細やかなデータに基づくPDCAを支援。 自動分析システム ユーザー情報 登録情報 閲覧履歴 クリック履歴 購入履歴 商品データベース ユーザ毎に継続率 などのKPIを予測 自動分析 システム user_id 予測継続率 xxx n% …… …… 7日後継続率 継続率などのKPI の変動要因を特定 user_id 予測継続率 xxx n% …… …… 30日以内購入率 出力形式はサンプルです。 要因 影響度 xxx n% …… …… 7日後継続率
- 20. (派生形)AI A/Z テスト for Banner 資料請求、説明会申し込み等が必要な企業様、ECサイト運営事業者など導入推奨企業 従来のA/Bテスト AI A/Zテスト Banner A Banner BV S Banner B Banner CV S Banner C Banner D Banner B V S Banner E 2×2×4＝16回以上のテストとデータ収集期間 (1ヶ月以上)が必要。 画像有無 テキスト 色使い 肌の露出 その他 あり 小さい 暗め 少ない ・・・・ ちょっと暗め ちょっと少ない なし 大きい ちょっと明るめ ちょっと多い ・・・・ 明るめ 多い バナー 登録 Banner Z 無数にある バナーを 同時テスト これまで、手作業で行ってきたバナーやページ校正などのA/Bテストを、機械学習を用いる事で無限の テストを高速に実施。最適な結果を自動で導き出します。 データを蓄積することで、最適な結果を予測する事ができ、成約率の最大化と制作者の負担軽減を実現します。 独自AIエンジン ※上記はコンバージョン率を計算するエンジンのみとなります。 テストする仕組みは既存のWEBサイトや導入済みのシステムとの連動が必要となります。