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.

機械学習の精度と売上の関係

33,336 views

Published on

最近考えていることをつらつらと

Published in: Technology
  • Very Nice: See Latest Blogs @ https://www.thesisscientist.com/Blog
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

機械学習の精度と売上の関係

  1. 1. データ分析精度と売上曲線 中山ところてん
  2. 2. 今日の話 データサイエンティスト協会の資料より引用 http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
  3. 3. ビジネスモデルを考える 売上 精度 ①:リニア型 ②:早期飽和型 ③:ロジスティック型 ④:Winnar Takes All型 ⑤:バイアス型
  4. 4. ビジネス面の制約条件を考える • 「人工知能で何とかしてください」 • この案件はどのタイプの利益モデルか? • 人間のリプレイスが目的なので、人間より精度が高ければよい? • 今の人間の精度は95%位なので、それよりも精度が高くなければ使えない • 今の人間の精度は60%位なので、それよりも精度が高くなければ使えない • 60%であれば、簡単なルールベースや画像処理で到達できる可能性が高い • 機械学習を使わなくても改善が出来る • 要求される精度次第で、使う技術が異なる • 自らの立ち位置によって、精度売上曲線の意味が変わってくる • 内製と下請け
  5. 5. YahooとGoogle • Yahooは自社の検索ビジネスをロジスティック型だと思い込んでいた • これ以上投資しても売上が増えないと思っていた • http://blog.livedoor.jp/lionfan/archives/52682119.html • GoogleはYahoo以上の投資を行い、市場を全部奪い取った • 情報検索市場は、Googleによってロジスティック型からWTA型へ 売上 精度 Yahoo Google
  6. 6. NetflixとAmazon • NetflixやAmazonはバイアス型のビジネスモデル • 既存ビジネスが利益を生む状態 • 機械学習により追加の売上が得られる • 少しの改善が大きな利益を生む状態になっている • 既存ビジネスの余剰利益が、機械学習への投資を可能にする 売上 精度
  7. 7. 外注と内製 • 外注の場合ロジスティック型になってしまう • 精度が一定以上超えたら検収 • 精度をより高めても、外注の場合売上が増えない 売上 精度 内製 外注
  8. 8. ハイリスクハイリターン、Winnter Takes Allモデル • 情報検索や翻訳などは、この領域に突入 • 医療や自動運転などの安全が要求されるものもこのタイプ • このような案件を1から始めるのは危険すぎる • スモールスタートが出来ない • 外注の場合、精度が出なかったときのリスクがデカすぎる 売上 精度
  9. 9. 問題を変換して、スモールスタート可能にする • 自動運転車の例 • 自動運転技術を段階化することで、マーケットが受容可能にする • レベル1:運転支援 自動ブレーキ、アダプティブクルーズコントロール(ACC) • レベル2:部分運転自動化 ハンドル操作、加減速の支援、ACCの拡張 • レベル3:条件付き自動運転 天候や交通量などの条件が整った環境での自動運転 • レベル4:高度自動運転 条件が整った環境では乗員が不要になる • レベル5:完全自動運転 どんな条件でも自律的に走行してくれる 価値 精度 価値 精度
  10. 10. 超危険な案件 • データ分析の精度が高いことを前提にした新規ビジネス • これが設定されるとヤバい • 精度が上がらないと死 • ユーザがいないので精度も上がらない • 精度が上がらないとユーザが付かない • こういう案件からは今すぐ逃げろ!!! 価値 精度
  11. 11. 問題を変換して、スモールスタート可能にする • BIの導入から行う • 「人工知能で何とかしてください」系の雑案件にはBI投入で応える • BIを導入して、基礎KPIから会社の改善を行い、ベースラインを提供 • ベースラインを提供している間に、機械学習で改善できるものを見出す 価値 精度 価値 精度
  12. 12. データ分析のコストと売上の関係性 • 単価がでかくてボリュームが大きいものほど改善幅は大きくなる • 単価が安くてボリュームが小さいものに対するデータ分析は、コストメリットが出ない • データ分析のコストと、売上の関係性を考える • より多くのデータを取れば、それだけ精度は上がるがコストも上がる • 必要以上のデータを取りすぎて赤字になることもある • ムーアの法則を考慮する • ストレージとCPUは年々値下がりする • ただし、クラウドの値下がりは、それよりも遅い • 場合によっては自前でDCを構築することもある Ex) Dropboxの上場目論見書 • 将来コストが下がることを前提に多めにデータをとっても良い • 感覚値 • 機械学習で性能改善できるのは30%(というのが私の感覚値) • それ以上の改善を要求された場合は、企画からやったほうがいい
  13. 13. ビジネスの握りで、課題の成否は決まる • アルゴリズムだけを学んでいても問題解決できない データサイエンティスト協会の資料より引用 http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
  14. 14. まとめ • 機械学習の精度と売上の曲線を意識する • 精度と売上の曲線を変形できないか考える • ビジネスの握り次第で、曲線の形は変わる • 機械学習とビジネスモデルをセットで考える • 機械学習をスモールスタート可能な状態を作り出す • スモールスタート可能にすることで、ローリスクハイリターンの環境を 作り出し、持続可能なビジネスを形成する

×