Enviar búsqueda
Cargar
ディープラーニングによるユーザーの行動予測
•
Descargar como PPTX, PDF
•
1 recomendación
•
837 vistas
澪標アナリティクス
Seguir
「実践者向けディープラーニング勉強会 第八回」での発表資料になります。ユーザーの行動の要因分析と予測を行い、施策へ展開するまでのプロセスをご紹介しております。
Leer menos
Leer más
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 43
Descargar ahora
Recomendados
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Google Cloud Platform - Japan
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
Takeshi Akutsu
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
Rakuten Group, Inc.
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
強化学習の基礎的な考え方と問題の分類
強化学習の基礎的な考え方と問題の分類
佑 甲野
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AI
Shota Imai
Recomendados
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Social GAME における AI 活用事例 [第 4 回 Google Cloud INSIDE Games & Apps]
Google Cloud Platform - Japan
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
Takeshi Akutsu
楽天のデータサイエンス/AIによるビッグデータ活用
楽天のデータサイエンス/AIによるビッグデータ活用
Rakuten Group, Inc.
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
セグメント?クラスタリング? ユーザーを分類し、サービスの改善に活かすポイント
Naoto Tamiya
Jubatus Casual Talks #2 異常検知入門
Jubatus Casual Talks #2 異常検知入門
Shohei Hido
強化学習の基礎的な考え方と問題の分類
強化学習の基礎的な考え方と問題の分類
佑 甲野
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AI
Shota Imai
さらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido
機械学習 入門
機械学習 入門
Hayato Maki
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
データ分析概略
データ分析概略
Daiyu Hatakeyama
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
If文から機械学習への道
If文から機械学習への道
nishio
強化学習における好奇心
強化学習における好奇心
Shota Imai
自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning
Yuta Kikuchi
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
機械学習を用いた異常検知入門
機械学習を用いた異常検知入門
michiaki ito
データサイエンティストの仕事とデータ分析コンテスト
データサイエンティストの仕事とデータ分析コンテスト
Ken'ichi Matsui
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
Takaya Nakanishi
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
BrainPad Inc.
Más contenido relacionado
La actualidad más candente
さらば!データサイエンティスト
さらば!データサイエンティスト
Shohei Hido
機械学習 入門
機械学習 入門
Hayato Maki
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
データ分析概略
データ分析概略
Daiyu Hatakeyama
データサイエンティストのつくり方
データサイエンティストのつくり方
Shohei Hido
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
If文から機械学習への道
If文から機械学習への道
nishio
強化学習における好奇心
強化学習における好奇心
Shota Imai
自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning
Yuta Kikuchi
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Shohei Hido
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
Hiroaki Sengoku
機械学習を用いた異常検知入門
機械学習を用いた異常検知入門
michiaki ito
データサイエンティストの仕事とデータ分析コンテスト
データサイエンティストの仕事とデータ分析コンテスト
Ken'ichi Matsui
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
Hirokatsu Kataoka
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Kenichi Sonoda
La actualidad más candente
(20)
さらば!データサイエンティスト
さらば!データサイエンティスト
機械学習 入門
機械学習 入門
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
データ分析概略
データ分析概略
データサイエンティストのつくり方
データサイエンティストのつくり方
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
SSII2020TS: 機械学習モデルの判断根拠の説明 〜 Explainable AI 研究の近年の展開 〜
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
If文から機械学習への道
If文から機械学習への道
強化学習における好奇心
強化学習における好奇心
自然言語処理のためのDeep Learning
自然言語処理のためのDeep Learning
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Deep Learning Lab 異常検知入門
Deep Learning Lab 異常検知入門
Pythonではじめるロケーションデータ解析
Pythonではじめるロケーションデータ解析
機械学習を用いた異常検知入門
機械学習を用いた異常検知入門
データサイエンティストの仕事とデータ分析コンテスト
データサイエンティストの仕事とデータ分析コンテスト
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
MLflowで学ぶMLOpsことはじめ
MLflowで学ぶMLOpsことはじめ
Similar a ディープラーニングによるユーザーの行動予測
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
Takaya Nakanishi
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
BrainPad Inc.
Tableau data science_20190627_distribute
Tableau data science_20190627_distribute
Masabumi Furuhata
[RIT]MLmodeling service
[RIT]MLmodeling service
RIT
データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???
Izumi Akiyama
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
IMJ Corporation
機械学習システムの品質保証に向けた課題とコンソーシアム活動
機械学習システムの品質保証に向けた課題とコンソーシアム活動
Hideto Ogawa
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
schoowebcampus
データサイエンスの現場で役立つスキルを磨きやすい職場環境
データサイエンスの現場で役立つスキルを磨きやすい職場環境
Masatoshi Abe
Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ
Kenji Noguchi
20180730 ds womens
20180730 ds womens
Rio Kurihara
失敗談から学ぶ!アクションにつながるデータ分析のコツ[2014.12.11 開催セミナー]
失敗談から学ぶ!アクションにつながるデータ分析のコツ[2014.12.11 開催セミナー]
Dentsu Razorfish
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Rakuten Group, Inc.
Tdc 20181121
Tdc 20181121
Masabumi Furuhata
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
Deep Learning Lab(ディープラーニング・ラボ)
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
株式会社Consumer first
120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforce
Masato Fujioka
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
マジセミ by (株)オープンソース活用研究所
ピタゴラAPIのすゝめ ー APIの組み合わせ利用でできること -
ピタゴラAPIのすゝめ ー APIの組み合わせ利用でできること -
Hiroshi Masuda
SHI2018: 製造現場での人と知能機械の協奏に向けて
SHI2018: 製造現場での人と知能機械の協奏に向けて
Kurata Takeshi
Similar a ディープラーニングによるユーザーの行動予測
(20)
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
Business utilization of real estate image classification system using deep le...
Business utilization of real estate image classification system using deep le...
Tableau data science_20190627_distribute
Tableau data science_20190627_distribute
[RIT]MLmodeling service
[RIT]MLmodeling service
データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
機械学習システムの品質保証に向けた課題とコンソーシアム活動
機械学習システムの品質保証に向けた課題とコンソーシアム活動
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
データサイエンスの現場で役立つスキルを磨きやすい職場環境
データサイエンスの現場で役立つスキルを磨きやすい職場環境
Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ
20180730 ds womens
20180730 ds womens
失敗談から学ぶ!アクションにつながるデータ分析のコツ[2014.12.11 開催セミナー]
失敗談から学ぶ!アクションにつながるデータ分析のコツ[2014.12.11 開催セミナー]
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Tdc 20181121
Tdc 20181121
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
ディープラーニング開発組織のつくり方と運営ノウハウ_DLLAB Case Study Day
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
大切なお客様を、一生のお客様に ~自社・競合データから導く、結果につながるデータ分析の最新事例~
120124 jgc information systems conference be st_pro to salesforce
120124 jgc information systems conference be st_pro to salesforce
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
ピタゴラAPIのすゝめ ー APIの組み合わせ利用でできること -
ピタゴラAPIのすゝめ ー APIの組み合わせ利用でできること -
SHI2018: 製造現場での人と知能機械の協奏に向けて
SHI2018: 製造現場での人と知能機械の協奏に向けて
Último
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
sn679259
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
WSO2
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
Último
(11)
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
ディープラーニングによるユーザーの行動予測
1.
ディープラーニングによる行動予測 澪標アナリティクス株式会社 野田諒那 2019/11/18 実践者向けディープラーニング勉強会 ©Miotsukushi Analytics
Inc. 2019, All rights reserved. 1
2.
会社紹介:澪標アナリティクス
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:栗原 聡(慶應義塾大学教授) 所 在 地:東京都中央区日本橋兜町8番8号 中島ビルディング5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. 2018, All rights reserved.
4.
人工知能 澪標アナリティクスの強み 事業に必要な価値お客様のビッグ データ 共同研究等を通じ以下の大学や 文部科学省・経済産業省・総務省等との 共同プロジェクト経験を持っております。 主な共同研究先(研究終了を含む) 国立電気通信大学 国立北海道大学 国立東京海洋大学 国立東京大学 国立京都大学 国立九州工業大学私立早稲田大学 私立関西大学 データマイニング応用研究センター(文部科学省戦略的研究基盤形成支援) データサイエンス研究センター(文部科学省戦略的研究基盤形成支援) 情報通信研究機構 ©Miotsukushi Analytics Inc.
2018, All rights reserved. データ マイニング 数理 最適化 統計学 統計学・最適化計算・データマイニング等に特化し 専門性を活かし統計学的、数学的な観点から 施策反映を見据えたデータ分析や開発を行い “お客様の事業においての価値”を見出すことができる 国内でも唯一のサービスを保持しております
5.
主な取引先(敬称略、順不同) ©Miotsukushi Analytics Inc.
2018, All rights reserved. 株式会社NTTデータ数理システム 株式会社システム計画研究所 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 株式会社 フィンクロスデジタル 大手広告会社 大手不動産会社 中央官庁 都市銀行
6.
提供可能ソリューションマップ ©Miotsukushi Analytics Inc.
2018, All rights reserved. トライアル分析 定常分析 自動分析ツール (アプリ向けソリューション) 分析官派遣 分析基盤構築 ログ設計・DB・BI・分析ソフト 分析戦略策定 データビジネス立上支援 共同研究支援 AI開発 レベルデザイン・業務効率化・ ゲーム内AI・チャットボット AI戦略策定 PMO支援 技術コンサル 分析組織構築 人材育成・採用計画 分析官スキル定義 分析 開発 コンサル
7.
ユーザの行動予測
8.
ユーザーの行動予測とは ©Miotsukushi Analytics Inc.
2019, All rights reserved. 8 ソーシャルゲームなら・・・ プレイ履歴や各イベント内容から、顧客の好むイベントや施策を見出す ショッピングサイトなら・・・ 購買データから、顧客の趣味趣向を分類し、「買いそうな」商品をレコメンドした り、商品の最適な金額設定を算出する 電力会社なら・・・ 季節・気温・温度や過去の使用量データから、顧客の電力使用量を予測する 証券会社なら・・・ 性別・年齢・貯蓄や取引履歴から、優良顧客への育成ストーリーを作成する
9.
ユーザーの行動予測とは ©Miotsukushi Analytics Inc.
2019, All rights reserved. 9 業績向上に直結する指標となる値(KPI)が刻々と変化 する中、様々な指標値の推移を把握し、その変化の要 因分析・予測を行うことで、各サービス運営者が、効果 的な施策の立案が出来るよう支援するための分析
10.
問題解決プロセス ©Miotsukushi Analytics Inc.
2019, All rights reserved. 10
11.
CRISP-DM ©Miotsukushi Analytics Inc.
2019, All rights reserved. 11 CRISP-DM (CRoss-Industry Standard Process for Data Mining) ①ビジネスの理解 →現状を把握して、課題と目標を定義する。 ②データの理解 →分析データの利用可否の判断および分析データの内容を把握する。 ③データの準備 →欠損値の処理やデータ型の正規化等、モデリング可能なデータを作成する。 ④モデリング →複数のモデルの比較を行うためのモデリング手法を選択・実施する 。 ⑤評価 →想定していた目標や目的の達成度を評価する。 ⑥展開 →データ分析の評価結果をビジネスに展開する。
12.
CRISP-DM ©Miotsukushi Analytics Inc.
2019, All rights reserved. 12 CRISP-DM (CRoss-Industry Standard Process for Data Mining) ①ビジネスの理解 →現状を把握して、課題と目標を定義する。 ②データの理解 →分析データの利用可否の判断および分析データの内容を把握する。 ③データの準備 →欠損値の処理やデータ型の正規化等、モデリング可能なデータを作成する。 ④モデリング →複数のモデルの比較を行うためのモデリング手法を選択・実施する 。 ⑤評価 →想定していた目標や目的の達成度を評価する。 ⑥展開 →データ分析の評価結果をビジネスに展開する。
13.
1.ビジネスの理解(課題把握) ©Miotsukushi Analytics Inc.
2019, All rights reserved. 13 顧客数をさらに分解 KPIツリーをつくる。 ビジネスで目指す最終目標(KGI)を頂点として要素を分解しKPIツリーをつくる。 改善するべきKPIを探る。 KGI KPI売上 顧客数 平均取引額 取引率 ライト顧客 ミドル顧客 ヘビー顧客 課金率低い課題
14.
1.ビジネスの理解(余談) ©Miotsukushi Analytics Inc.
2019, All rights reserved. 14 専門家の意見を組み込むことで、より精度の高い結果を出せる 提供データ 説明変数 ・気温 ・湿度 ・降水確率 目的変数 ・電力使用量 不快指数 ア ル ゴ リ ズ ム 気温 湿度 降水確率 気温 湿度 降水確率 不快指数 専門家 素人
15.
1.ビジネスの理解(余談) ©Miotsukushi Analytics Inc.
2019, All rights reserved. 15 プロジェクトの方向性の誤りに気付ける うちの社員が「業務の合間」にやってる 作業をAIで自動化させてください。 自動化出来れば、社員がこなせる仕 事の量が増えて、売上UPするはず! 出来ました!!! もともと「業務の合間」にやってた作業だ から、自動化させたとしてもこなせる仕 事量は変わらなかったよ(´;ω;`) お客さん お客さん
16.
CRISP-DM ©Miotsukushi Analytics Inc.
2019, All rights reserved. 16 CRISP-DM (CRoss-Industry Standard Process for Data Mining) ①ビジネスの理解 →現状を把握して、課題と目標を定義する。 ②データの理解 →分析データの利用可否の判断および分析データの内容を把握する。 ③データの準備 →欠損値の処理やデータ型の正規化等、モデリング可能なデータを作成する。 ④モデリング →複数のモデルの比較を行うためのモデリング手法を選択・実施する 。 ⑤評価 →想定していた目標や目的の達成度を評価する。 ⑥展開 →データ分析の評価結果をビジネスに展開する。
17.
2.データの理解 ©Miotsukushi Analytics Inc.
2019, All rights reserved. 17 KPIをもとに、散布図、ヒストグラムなどで集計し、課題と相関関係にあるデータを洗い出す。 この過程で、集計するためにどんなデータが必要か明確になってくる。 データの集合の特徴がわかる ヒストグラム相関関係を検証する 散布図 ※相関関係は証明されても 因果関係はない ・ガチャ回数 ・無償石獲得数 ・クエスト挑戦回数 etc. 統計分析に使える データ *不均衡データ・外れ値・欠損値などの特徴も把握しておく
18.
CRISP-DM ©Miotsukushi Analytics Inc.
2019, All rights reserved. 18 CRISP-DM (CRoss-Industry Standard Process for Data Mining) ①ビジネスの理解 →現状を把握して、課題と目標を定義する。 ②データの理解 →分析データの利用可否の判断および分析データの内容を把握する。 ③データの準備 →欠損値の処理やデータ型の正規化等、モデリング可能なデータを作成する。 ④モデリング →複数のモデルの比較を行うためのモデリング手法を選択・実施する 。 ⑤評価 →想定していた目標や目的の達成度を評価する。 ⑥展開 →データ分析の評価結果をビジネスに展開する。
19.
3. データの準備 ©Miotsukushi Analytics
Inc. 2019, All rights reserved. 19 ・ 欠損値処理 欠損値を含むデータを削除・補完するかを適切に判断をし、処理を行う。 ・ 外れ値の除去 基準を設定し、その基準をもとに外れ値を除外・変換する。 ・ ダミー変数化 カテゴリデータを数値変換する。 ・ 標準化、正規化 ・ 不均衡問題処理(アンダーサンプリング・オーバーサンプリング) 前処理の一例
20.
CRISP-DM ©Miotsukushi Analytics Inc.
2019, All rights reserved. 20 CRISP-DM (CRoss-Industry Standard Process for Data Mining) ①ビジネスの理解 →現状を把握して、課題と目標を定義する。 ②データの理解 →分析データの利用可否の判断および分析データの内容を把握する。 ③データの準備 →欠損値の処理やデータ型の正規化等、モデリング可能なデータを作成する。 ④モデリング →複数のモデルの比較を行うためのモデリング手法を選択・実施する 。 ⑤評価 →想定していた目標や目的の達成度を評価する。 ⑥展開 →データ分析の評価結果をビジネスに展開する。
21.
4. モデリング ©Miotsukushi Analytics
Inc. 2019, All rights reserved. 21 モデリングの流れ ・回帰 ・決定木 ・クラスタリング ・ニューラルネット ・XGBoost モデル選定 ハイパーパラメータ 調整 ・中間層の数 ・ユニット数 ・バイアス項・重みの初期値 ・ドロップアウト率 課題に対する答えの出力 (モデルの完成)
22.
CRISP-DM ©Miotsukushi Analytics Inc.
2019, All rights reserved. 22 CRISP-DM (CRoss-Industry Standard Process for Data Mining) ①ビジネスの理解 →現状を把握して、課題と目標を定義する。 ②データの理解 →分析データの利用可否の判断および分析データの内容を把握する。 ③データの準備 →欠損値の処理やデータ型の正規化等、モデリング可能なデータを作成する。 ④モデリング →複数のモデルの比較を行うためのモデリング手法を選択・実施する 。 ⑤評価 →想定していた目標や目的の達成度を評価する。 ⑥展開 →データ分析の評価結果をビジネスに展開する。
23.
5. 評価 ©Miotsukushi Analytics
Inc. 2019, All rights reserved. 23 評価方法 オフライン評価 オンライン評価 モデル作成に使用しなかったデー タを用いた精度の検証 実際のユーザに対して施策を実 施し、それに対する反応を検証 材料とする 使用方法の検討 合格合格不合格 不合格 「3.データの準備/4.モデ リング」へ戻り再作成 「3.データの準備/4.モデ リング」へ戻り再作成 リスク高
24.
5. 評価 ©Miotsukushi Analytics
Inc. 2019, All rights reserved. 24 モデルの使用方法の検討 モデルをどのように使っていくのかを検討する。 ①精度 ②更新頻度 を考慮してモデルの使い方を考える。 精度 その精度なりの使い方を考える。 例:電力量予測 元々は、業務システムで発電量の調整に使いたかった 精度があまり良くなかった →それなら、厳密な精度を必要としない場面で使おう →例えば、個人契約者に対して、「来月の電気代予測」 更新頻度 データの貯まり具合を考慮して、モデルの更新頻度を決める
25.
CRISP-DM ©Miotsukushi Analytics Inc.
2019, All rights reserved. 25 CRISP-DM (CRoss-Industry Standard Process for Data Mining) ①ビジネスの理解 →現状を把握して、課題と目標を定義する。 ②データの理解 →分析データの利用可否の判断および分析データの内容を把握する。 ③データの準備 →欠損値の処理やデータ型の正規化等、モデリング可能なデータを作成する。 ④モデリング →複数のモデルの比較を行うためのモデリング手法を選択・実施する 。 ⑤評価 →想定していた目標や目的の達成度を評価する。 ⑥展開 →データ分析の評価結果をビジネスに展開する。
26.
6. 展開 ©Miotsukushi Analytics
Inc. 2019, All rights reserved. 26 「5.評価」で考えた使用方法・更新頻度を基に実際に施策をユーザーに対して展開する 継続監視 市場の変化に伴い、今までの形式のモデルが通用しなくなる場合もあるので、放置 せず、定期的にモデルの検証を行う
27.
CRISP-DMに要する時間短縮への取り組み
28.
問題解決プロセスに要する時間短縮への取り組み ©Miotsukushi Analytics Inc.
2019, All rights reserved. 28 例えば、ソーシャルゲームのユーザーの分析依頼が来た場合、上記の「弊社実施範 囲」を終えるのに従来は最短でも2カ月かかっていました。 そこで、弊社では、「 という製品の開発を行い、各段階で の時間短縮を行っています。 *ブラウザベースのデータ可視化&分析ツール 0.分析依頼 1.ビジネス 理解 2.データ 理解 3.データ 準備 4.モデリング 5.評価 6.展開 CRISP-DM 弊社実施範囲
29.
MioCompass概要 ©Miotsukushi Analytics Inc.
2019, All rights reserved. 29 1.ダッシュボードによる可視化機能 2.データ取込と分析用データ生成の自動化 3.モデル作成の自動化 0.分析依頼 1.ビジネス 理解 2.データ 理解 3.データ 準備 4.モデリング 5.評価 6.展開 0.分析依頼 1.ビジネス 理解 2.データ 理解 3.データ 準備 4.モデリング 5.評価 6.展開 0.分析依頼 1.ビジネス 理解 2.データ 理解 3.データ 準備 4.モデリング 5.評価 6.展開 Miocompassは、下記の機能を有します。
30.
1.ダッシュボードによる可視化機能 可視化機能の特徴 ・ユーザ動向や売上状況を可視化 ・注目して動向を観察したいユーザー群のみのデータを、マウス操作のみ で抽出することが可能 ©Miotsukushi Analytics Inc.
2019, All rights reserved. 30 0.分析依頼 1.ビジネス 理解 2.データ 理解 3.データ 準備 4.モデリング 5.評価 6.展開
31.
MioCompass 活用方法 インストールn日後継続率 ©Miotsukushi Analytics
Inc. 2019, All rights reserved. 31 決定木による要因分析! 新規継続率が下がって来た・・・ 対策を打たなければ・・・
32.
2.データ取込と分析用データ生成の自動化 ©Miotsukushi Analytics Inc.
2019, All rights reserved. 32 0.分析依頼 1.ビジネス 理解 2.データ 理解 3.データ 準備 4.モデリング 5.評価 6.展開 前提:利用者には、決まったデータ形式でDBに格納していただく必要があります Miocompassでは下記の自動化を行っています。 ・可視化用データの作成 ・モデル作成用データの作成 次ページ:システム構成
33.
システム構成図 ©Miotsukushi Analytics Inc.
2019, All rights reserved. 33 ログ データ ユーザ データ マスタ データ 他 集計 ログ データ ユーザ データ マスタ データ 他 GCEインスタンス 分析結果 ・決定木画像 ・指標予測表示用データ ユーザー BigQuery ゲームDB 転送 タイトル毎 サマリーテーブル 自動分析用 テーブル 情報取得 機械学習 結果出力 ダッシュボード用データ転送 情報取得 タイトル毎 サマリーテーブル MySQL 出力 情報取得 ダッシュボード 参照 分析結果 参照 分析要求 御社にて構築
34.
3.モデル作成の自動化 ©Miotsukushi Analytics Inc.
2019, All rights reserved. 34 マウス操作だけで、モデル構築ができる機能を持っています。 0.分析依頼 1.ビジネス 理解 2.データ 理解 3.データ 準備 4.モデリング 5.評価 6.展開
35.
項目 1W 2W
3W 4W NDA締結 要件定義 環境整備 データの提供(※1) データ検品 実装 テスト・不具合対応 導入スケジュール 3d 5d 7d 両社合同作業 御社作業弊社作業 ご発注より最短1ヶ月で実施テスト開始! 5d 5d 3d 2d ©Miotsukushi Analytics Inc. 2019, All rights reserved. 35 ※1 BigQuery上に分析対象となるデータを転送してご提供いただきます
36.
活用事例
37.
mobcast様 広告配信でのデータ分析活用 ① ユーザー行動の分析により、課金する可能性の高いユーザーを予測分析 ②
分析結果を広告配信プラットフォーム「UAC」に学習させて、広告配信に適用 UAC … 「Universal Appli Campaign」Googleが提供する機械学習によるターゲッティング広告型の広告配信システム ARPPU … 「Average Revenue Per Paid User」 決められた期間内でユーザーが課金する平均額 課金率 従来のUAC 予測分析 × UAC ARPPU ユーザーが課金する平均額 売上 2.6 倍 1.8 倍 5.2倍 課金するユーザーを予測して 広告配信に適用 結果、従来の UAC と比較して 予測分析 × UAC 経由で流入した ユーザーの 課金率が 2.6 倍 ARPPU が 1.8 倍 売上が 5.2 倍に増加!! 課金率の高いユーザーの獲得に成功
38.
A社様 国外でのユーザー離脱防止にデータ分析活用 国外展開しているアプリのユーザー離脱ポイントを行動データから要因分析 → A国ではカードを進化させたユーザーの離脱率が高いことが判明 適確な施策によりユーザー離脱率が改善 日本
A国 Rare A Level 99 進化可能カード 進化による弱体化 Rare S Level 1 更に強化する 😃 Rare A Level 99 進化可能カード 進化による弱体化 Rare S Level 1 やる気がなくなる 😢離脱 カードを進化させてもレベルが下がらない仕様を適用 地域や、年代、文化の異なる地域でのサービス展開ではデータ分析による運用改善が重要です。
39.
今後の取り組み ©Miotsukushi Analytics Inc.
2019, All rights reserved. 39
40.
今後の取り組み ©Miotsukushi Analytics Inc.
2019, All rights reserved. 40 1. ハイパーパラメータの自動チューニング 0.分析依頼 1.ビジネス 理解 2.データ 理解 3.データ 準備 4.モデリング 5.評価 6.展開 ベイズ最適化によるハイパーパラメータの自動チューニングを開発中です。 従来の手法では、中間層の数・ユニット数などのハイパーパラメータは経験則だったり、試 行錯誤によって決定していましたが、ベイズ最適化の導入により、よりよいハイパーパラメー タを推定し、「4.モデリング」部分の高精度化を目指します。
41.
今後の取り組み ©Miotsukushi Analytics Inc.
2019, All rights reserved. 41 2. ニューラルネットからXGBoostへ 実行速度や精度などの観点から総合的に判断し、Miocompass内部のアルゴリズムを ニューラルネットからXGBoostへ変更します。
42.
PR ©Miotsukushi Analytics Inc.
2019, All rights reserved. 42 正社員積極採用中!!
43.
YOU can count
on US. ©Miotsukushi Analytics Inc. 2019, All rights reserved. 43
Descargar ahora