Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

みんなのPython勉強会#21 澪標アナリティクス 井原様

2,123 views

Published on

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)

Published in: Technology
  • Be the first to comment

みんなのPython勉強会#21 澪標アナリティクス 井原様

  1. 1. 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 澪標アナリティクス株式会社
  2. 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. 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. 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
  5. 5. 代表者の紹介 代表取締役社長 井原 渉(シニアコンサルタント) 大学在学中に外資系コンサルティング会社の日本法人を設立。 老舗中堅ゲーム会社にて分析部門の立上げにリーダーとして参画し、 データマイニング、分析体制構築、新規事業立ち上げを担当すると同時に、 大学の研究センターにおいてもアクセスログに関するデータマイニングの 応用論を研究。 その後、東証1部上場企業にてシニアコンサルタントとして国内大手通信 事業会社におけるゲームやその他デジタルサービスのデータ分析・KPI設定・ 分析基盤構築に従事。 澪標アナリティクス株式会社を設立した後も、大手自動車メーカーをはじめ 幅広い業種にて分析コンサルティングや分析基盤構築、分析組織構築、 レコメンドシステム、AI開発を行う。 また、国立九州工業大学非常勤講師としてデータマイニング応用論と 流体シミュレーションを研究している。 ※講演実績:九州工業大学、関西大学、AWSソリューションDAYS、 オンラインゲームカンファレンス、吹田市公益活動センター等多数 ©Miotsukushi Analytics Inc. 2016, All rights reserved. 5 監修書籍・記事掲載雑誌等
  6. 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. 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. 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アプリスペシャリスト ○ インフラマネージャ ◎ ◎ 基盤設計・ 運用設計 構築・ 運用維持
  9. 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. 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
  11. 11. AIカタログ校正「KOUSEI-KUN」 TEXT DATA IMAGE DATA PRICE DATA 多品番を扱うメーカー、サービス契約が多数かつ複雑な通信、保険会社など 30 % 90% 90% 50% 導入推奨企業 これまで、人間に依存してきた膨大な量のカタログ校正作業に関してAI及びディープラーニング 機能を実装することにより、大幅な時間短縮、コスト削減を実現。 印刷ミスによる廃棄率が大幅に削減し、環境に配慮した企業活動を支援。 独自AIエンジン ※使用するデータは過去原稿、禁止表現・画像、ガイドライン、商品DB等になります。
  12. 12. AI 最適化レコメンド 各種ポータルサイト、ECサイトの運営事業者様、人材派遣/不動産会社など導入推奨企業 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 性別は?購入履歴は? ユーザ毎に最適な 情報を上位表示 レコメンド 従来のレコメンドエンジンは、在庫数が豊富な商品を前提にしているため、売り切れを想定せずに、 新着商品/人気商品を表示することが多っく、人気商品と不人気商品の2極化が起きやすい状況であった。 「AI最適化レコメンド」は、「不動産物件」や「人材採用」のような在庫が少量の商品を対象に、 人気商品に偏った表示をせずに、「ユーザー側と販売側の満足度が最大化」するように最適化されており、 売切れによる機会損失の軽減と、ロングテール商品の売上増加が実現できます。 独自AIエンジン
  13. 13. AI 監査システム 「KANSA-RO」 監査法人様、多店舗展開されている企業導入推奨企業 過去の監査データ 店舗POSデータ 過去の監査データやPOSデータ、店舗のPOSデータを独自のパターン認識に掛けて、不正をしている確率を 参考値として表示。架空売上、経費の水増し、債務隠し、グループ取引などにおける異常な傾向を検出し、 監査業務の効率化を実現 独自AIエンジン 従業員の勤続年数、 学歴、年齢など A会社 架空売上の可能性:60% 経費の水増しの可能性:80% B会社 債務隠し:30% C会社渋谷店 架空売上の可能性:90%
  14. 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
  15. 15. (派生形)AI コンシェルジュダッシュボード コールセンター運営事業者もしくはコールセンターを有する事業者導入推奨企業 使用 実績 契約 情報 各種ユーザー情報 <お問合せのキーワード> 1・・・・・ 2・・・・・ 3・・・・・ <該当するマニュアルページ> 1○○ページ 2○○ページ 3○○ページ 独自AI予測 システム ユーザーの個人情報等を基に、ユーザーの問合せ内容を予測するシステムを実装。 自動で当該質問のキーワード及び当該問合せに対応するマニュアルページ等を表示することで、 コールセンター担当者の対応工数を軽減するとともに、迅速な問合せ対応を実現。 カスタマー オペレーター 個人情報等を基に問合せ内容を事前予測。 対応に必要な情報とともに表示。
  16. 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
  17. 17. FAQに載っている内容でのお問い合わせの多い会社、ECサイト、ゲーム会社導入推奨企業 FAQに回答が載っているにもかかわらず、読まないでお問い合わせをしてくるお客様に対し、 お問い合わせ内容のテキストを入力するとその質問に関連するFAQを表示するシステムを実装。 お問い合わせの件数削減を実現。 FAQ閲覧支援システム お問い合わせ内容入力 17 おすすめFAQ 確認後 メール送信判断 お問い合わせ内容確認 確認画面にて、 おすすめFAQを表示 ※こちらのFAQも ご覧ください リンク1 リンク2 リンク3 FAQレコメンドAI 全FAQの文章 データベース 過去のお問い合わせ 対応ログ 稼働ログを学習 トラブル 発生!
  18. 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
  19. 19. 自社メディアをお持ちの会社、ECサイト、広告代理店導入推奨企業 これまで、人間に依存してきた画像の制作指示や配置決めに関して、 AI及びディープラーニング 機能を実装することにより、大幅な時間短縮、精度向上を実現。 ユーザごとの画像の出し分けも実現。 画像評価システム ユーザー情報 登録情報 閲覧履歴 クリック履歴 購入履歴 画像データベース 自動分析 システム ユーザ毎に最適な 画像を上位表示 CV数の高そうな 画像を上位表示 レコメンド
  20. 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。
  21. 21. 自社メディアをお持ちの会社、ECサイト、広告代理店導入推奨企業 これまで、人間に依存してきたシフト組みに関して、最適化問題及び機械学習を実装することにより、 連続休暇や連続勤務、シフトの公平性などを極力かなえれるようにシフトの自動化を実現。 シフト最適化 シフト希望 時給・スキル・役割 シフト組みの条件 シフト自動化 システム
  22. 22. 自社メディアをお持ちの会社など導入推奨企業 長いテキストの中にある重要な単語を自動的に抽出するAIシステムを実装。 メールや記事で重要な単語だけで概要を把握することを実現。 既存の検索ロジックの代替や読むべき記事のレコメンドなどにより、 作業時間の大幅短縮を実現。 自動要約 新規のテキスト 過去のタグ付けデータ 自動要約 システム 重要となる単語

×