• shadow
    CONCEPT
  • shadow
    Team CMO
  • shadow
    HSM & UVP
  • shadow
    Components
clock2018.12.04 15:01
SERVICE
home

株式会社ギックス・DataRobot Inc.(データロボット社)業務提携のお知らせ ~経営コンサルティングに機械学習を組み込む~

AUTHOR :   ギックス

590
ギックス

ギックス × 機械学習 = さらなる価値提供

株式会社ギックスは、DataRobot.Incと業務提携契約を締結いたしました。ギックスでは、従来より、DataRobot社のプロダクトを活用しておりましたが、今回の業務提携を経て、機械学習をより簡単且つより効率的にコンサルティング業務に組み込むことが可能となりました。

尚、ギックスは、DataRobot社のコンサルティング・パートナーとして、クライアント様向けコンサルティング業務に、機械学習を柔軟に組み込むためのツールとしてDataRobotを活用していきます。そのため、DataRobotそのものに対するご質問や、DataRobot導入支援等に関するご相談は販売代理店様までお問い合わせ頂ければと存じます。

DataRobot社とは

DataRobotはあらゆるレベルのユーザーが機械学習・AIを迅速に活用、ビジネスへ展開するためのエンタープライズ向け機械学習自動化プラットフォームを提供しています。数百種類におよぶパワフルなオープンソースの機械学習アルゴリズムから成るライブラリを組み込んだDataRobotのプラットフォームは、予測モデルのトレーニングと評価のプロセスを自動化し、またそれらを同時並行に行うことで、大規模なAI処理を可能にします。DataRobotはあらゆる規模の組織や企業が、最速でAIの導入と活用を成功できるようにサポートいたします。

(出所:DataRobot社公式サイト)

DataRobotに関する概要は、コチラの記事でもご紹介しております。

ギックスにおけるDataRobot活用

ギックスの ”コンサルティング” の基本思想

ギックスは、「経営コンサルティングとアナリティクスの融合」を掲げて創業しました。目的は、あくまでも「クライアント企業の経営課題を明らかにし、また、解決方法を模索すること」であり、そのために、データ分析という手段を用いています。

その観点で、まず、最初に行うべきは「クライアント企業の実態をつまびらかにする」ことです。事業構造を理解し、ビジネスのメカニズムを解き明かし、キードライバーを見つけ出すわけです。(参考:儲け話のメカニズムとキードライバー

具体的な例を挙げると、「今の自社の顧客はどういう人たちが、何人いるのか(既存顧客のクラスタリング)」「その中で理想的な顧客はどの人たちなのか(ターゲット顧客の見極め)」「理想の顧客を増やすために、どのクラスターを、どうやって理想顧客に変化させるのか(顧客育成戦略)」といったことを考えます。すなわち、優良顧客を定義し、LTV (Life-Time Value)を計算する、ということです。

尚、ここでいう「どういう人たち」というクラスターを定義するために用いるのは、性別・年代などの1次属性ではなく、商品/サービスの買い方・使い方などの顧客の行動に基づく2次属性を中心に据えています。

この2次属性の付与にあたっては、大量データを高速に処理することが求められます。また、導き出された仮説をもとに、クライアントとセッションを重ねていく中で、再分析も頻繁に発生しますので、分析を固定化せず、柔軟に処理し続けることが極めて重要です。そういったニーズに対応するために、データの保持方法を含む分析手法で、2015年に特許を取得しております。

機械学習の位置づけ

優良顧客を定義し、また、その育成方針を検討するにあたっては、従来のコンサルティングの考え方では「人間が考えて、仮説を構築する」という部分に頼りがちでした。サンプルデータで初期分析を行って、仮説を導き出し、それを検証するのにデータ分析をする、というアプローチです。

しかしながら、機械学習を用いることで、人力では扱いきれない大量且つ複雑な情報を、人間の代わりに機械が処理することが可能になりました。

  • 理想的な顧客(例えば年間100万円以上購入してくれる顧客)は、その他の顧客と何が違うのか?(性別?年齢?年収?来店頻度?1回あたり購入金額?購入している商品のカテゴリ?初回購入の動機?あるいは、それらの複合体?)
  • そういう理想的な顧客を育成するためには、どの変数を、どれくらい変化させるとよいのか?(毎月もう1回来店してもらう? 違う商品を買ってもらう?)
  • さらには、どういう順番・ステップで、顧客に行動変化を促すべきなのか?(複数商品・サービスがある場合、どれから使ってもらうべき? どういう顧客体験を積んでいってもらうべき?)

上記のようなことを考えるにあたって、すべてのデータを人が確認し、あらゆる仮説を分析して検証していくのは困難です。そこで、機械学習によって「仮説の種」を導き出すことが重要になります。

ホワイトボックス(中身の見える)型機械学習が鍵

仮説の種、とは、機械学習のアウトプットを”何が効いているのか”を考えるための材料にする、ということです。機械学習を回すことで、設定した目的変数に対して、どの説明変数が強く相関しているのかを導き出すことができます。しかし、これはあくまでも「仮説の種」です。

例えば、「コンビニエンスストアの傘の販売数が、雨の日に多い」ということが機械学習の結果わかったとします。これだけだと”当たり前”のことで、何の面白みもありません。しかし、「降水確率の高さ」「実際の降雨量」「気温」「駅から店までの距離」「路面店/ビル内等の立地条件」などの様々な要素が、それぞれ「傘の販売数量にどれくらい効いているか」が明らかにされると、それを材料にして、人間が考えることができます。

つまり、機械に答えを求めるのではなく、機械に人間の思考支援をさせる、ということがポイントになります。そのためには、予測モデルの結果が可視化される、すなわちホワイトボックス型の機械学習活用が求められます。

また、これを実現しようとすると、決め打ちで、単一の予測モデルに単一のデータセットを放り込む、というアプローチではダメです。いろいろな説明変数を含むデータセットを用意し、いろいろな予測モデルを試していくことが必要になります。

ギックスは、創業当初より、ビジネス上の意思決定に直結する分析を志していましたので、ビジネスの実態を表すために多種多様な2次属性をデータから創り出すことに秀でています。従って、「多様な説明変数を含むデータセット」は自在に作り出すことができます。

しかしながら、「多様な予測モデルを試す」ということになると、pythonを用いたプログラミングが必要となるため、時間と工数が必要でした。その状況を打破するために、DataRobotというツールが非常に役立ちました。DataRobotを活用することで、我々の非常に貴重な工数・時間を削減しながら、顧客に、ギックスが望む価値提供を実現することができたのです。

機械学習で「思考を拡げる」お手伝いを

ギックスの達成したいビジョンは「世界の考える総量を最大化する」です。(参考:2018年 年頭のあいさつ 「世界の考える総量を最大化する」) 機械学習を適切に用いることで、人間の思考能力を拡張し、より高度な「考える」を実現することが可能となります。その結果、「ビジネスにおける意思決定の精度UP/高度化」という価値をギックスのクライアント様にご提供できると考えております。

機械学習を活用した経営・事業戦略コンサルティングに関するご質問・ご相談は、お問い合わせページ(もしくは下段のお問い合わせボタン)よりご連絡ください。

注:弊社は、受託したコンサルティング案件の一環として機械学習を活用するためにDataRobotを導入しております。DataRobotの自社または得意先への導入支援に関するお問い合わせは、販売代理店様までご連絡いただければと存じます。

SERVICE