機械学習による予測分析で、ビジネス貢献するためのポイント

Predictive Analytics

現在、AIや機械学習をはじめ、データ分析に関連するテクノロジーに注目が集まっている。では、どのようなデータや用途に活用すれば、ビジネス上で威力を発揮するのかについて考察を行いたい。

 

本記事は以下の方より寄稿いただきました。

株式会社ブレインパッド(英文 BrainPad Inc.)
ソリューション本部 マーケティングオートメーションサービス部 部長 東 一成 氏

注目の集まる機械学習によるデータ活用

近年、AIや機械学習をはじめとする様々なテクノロジーをビジネスに活用することが、企業の収益拡大に貢献することが期待されている。

機械学習と同種のテクノロジーは、実は20年以上前から存在し、「データマイニング」として活用されてきた。これまでは主に、与信管理やカタログの発送対象者の選定などに使われてきているが、近年のWeb、メール、スマホ、アプリなどの様々なチャネルの発達、さらにはIoTの発展により大量データの収集が可能となり、実ビジネスでの機械学習の活用の幅が大きく広がっている。

機械学習とデータマイニングの違い

機械学習の話に入る前に、データマイニングとの違いについて解説したい。
(※違いをイメージしやすいよう、数ある機械学習・データマイニングの活用方法をあえて限定的に記述している点はご了解いただきたい。)

一般的に、機械学習の目的としては、結果が重視されている。例えば、人は天気予報で「降水確率80%」という結果を聞くと、「今日は傘を持って出かけよう」という意思決定を下す。この場合、降水確率の算出方法や雨が降る仕組みにはフォーカスを当てず、この「80%」という数値をベースに戦術的な意思決定を下して行動に移す。莫大なデータから、このような意思決定を強力に支援する信頼できる数値を算出することが、機械学習の目的であるといえる。

一方、莫大なデータの中から、「どうして雨が降るのか?雨が降る時は、どのようなデータが関連しているのか?」など未知のルールを見つけ出し、データから現象を深く理解して業務に活かすのが、データマイニングといわれる方法である。データマイニングは、データから仮説を発見することが重要であるため、分析する人間のビジネスやテクノロジーに関する知見、専門的スキルや経験が必要となる。

以上の通り、分析作業に入る前に、即業務に活用できる数値が欲しいのか、もしくは、データの中に潜む未知のルールを見つけたいのかを見極め、機械学習的アプローチとデータマイニング的アプローチのどちらを選択するのか、まず決定する必要がある。

また、ひとつの作業によって、上記の二つのアプローチを同時に実行できるように考えられているが、実業務では大きくプロセスが異なるため、分析目的およびアプローチ方法を厳密に分けて考えた方が良い。まずはビジネスのテーマとして、「当てたい」のか「知りたい」のかをよく考えることが必要となる。

BrainPad-ビジネス要件におけるアプローチの違い

 

Pocket

コメント