【活動報告】ウェブアナリスト養成講座「機械学習でデータ予測はどこまでできるのか？その基礎と事例」(2018/3/14)

2018年3月14日に、ウェブアナリスト養成講座「機械学習でデータ予測はどこまでできるのか？その基礎と事例」が開催されました。

二部構成で、第一部では株式会社Rejouiの菅 由紀子 氏から機械学習とは何かという基礎を、第二部では株式会社Laboro.AIの椎橋 徹夫 氏から機械学習を実際のビジネスにどのように活用していくか、ECでの活用事例を交えながら、それぞれお話をいただきました。

▲株式会社Rejoui　菅 由紀子 氏

菅 由紀子 氏による第一部は、機械学習を理解するうえで必要になる「データサイエンティスト」とは何かから始まりました。データサイエンティストとは、「データから価値を創出し、ビジネス課題に答えを出す人」と定義され、「データエンジニアリング力」「データサイエンス」「ビジネス力」の3つの能力が求められます。

また、分析を行う際に大切なこととして、以下の3つを挙げました。
・分析しようとする課題に対する理解（ドメイン知識）
・分析手法の選択を行える力
・分析結果から示唆を示し解決策を提示すること

後半は機械学習の基礎についてです。機械学習＝マシンラーニングとはデータから規則性や判断基準を見つけ、それに基づいて判断し、未知のものを予測するテクノロジーを指します。機械学習を使用するの目的としてはデータの「分類」「認識」「予測」「パターン発見」の4つがあり、目的に合った最適なデータを正しく取得し、管理、整理していくことで、人では発見することが困難な情報を得られます。

また、機械学習には得意分野と不得意分野があり、得意分野である膨大なデータから共通パターンや特徴を抽出する用途で使用することで、最大限のメリットを受けられます。

▲株式会社Laboro.AI　椎橋 徹夫 氏

椎橋 徹夫 氏による第二部では、ECのデータを元に、機械学習を使うとどのような考察が得られるのか、実際のデータを閲覧しながらお話しいただきました。

最初のテーマは、これまでのマーケティングの手法とPredictive Marketingの違いについてのお話です。

これまでのマーケティングは、購買データを元にマーケターの経験とセンスで顧客を理解し、施策を実行してきました。一方で機械学習を用いれば、顧客の行動（ニーズ）予測を機械学習で導き出し、そのニーズに応える方法を人が考えるというプロセスになります。第一部で触れられた機械学習の得意分野であるパターン抽出を機械に任せるということです。

続いて、実際に機械学習で導き出されたデータを元に、それをどのように解釈するのか、どのように活用していくのかというお話に進みました。

予測モデリングのポイントは、以下の3つが挙げられます。
1．予測量と精度評価
2．データフローと特徴量設計
3．解釈性

これはそれぞれ、導き出されたデータにどれくらいの精度が担保されているのか、そのデータを扱うためにどのようにデータを加工すればいいのか、導き出されたデータを人間がわかるようにするにはどうするか、というものです。これらのポイントが、使える予測モデリングのデータかどうかの判断基準になります。

使用可能になったデータは、顧客のセグメントやターゲティング、レコメンドなどに活用されます。

また、施策の影響がどれくらい出そうかという効果予測にも機械学習は応用できます。通常のマーケターが考えたターゲットに対して施策を行った場合と、機械学習から導き出されたターゲットに施策を行った場合とで、どれくらいの差が出るのかという点も検証が可能になります。

機械学習を導入することで、マーケターは施策を考えるという点により注力のできる環境が整備されることになります。