サイト内の現在位置

経営にイノベーションを起こす予測分析自動化

Scale-out data driven business processes by predictive analysis automation

C&Cユーザーフォーラム&iEXPO 2017 特別セミナー

2017年11月9日

AI最前線:ビジネスを革新する予測分析自動化への挑戦

1)AI活用を成功させるポイント

藤巻 かつて、データアナリティクスといえば、金融や製造業、マーケティングなど、一部の業種や業務で活用されるものでした。しかし、現在は、業種や業務を問わず、データアナリティクスは必要不可欠になっています。
 一方、取り組みを開始したものの、PoC(Proof of Concept:概念実証)からなかなか前に進まないというケースも耳にします。
渋谷 AIは使うことが目的ではありません。AIを使って何をしたいのかを明確にする必要があります。
藤巻 うまくいかないPoCの典型的なパターンがデータの話から始めてしまうケース。「業務やビジネスをどう変えたいか」そのために、どのデータが使えそうかを考えるべきでしょう。

2)日本航空・NEC共同PoC(概念実証)の概要

 現在、日本航空とNECは、共同で新しい予測分析自動化技術の実証実験を行っています。
藤巻 予測分析自動化は、今までは、人間が行っていた「特徴量」の生成と「予測モデル」の設計を、機械で行うというものです。数か月かかっていた作業を、1日未満、場合によっては数時間程度で行えます。
渋谷 「ごみをいれても、ごみしか出てこない」といわれているように、どんなに優秀な予測モデルであっても、良い特徴量を入力しなければ良い分析結果は得られません。とても骨が折れる作業だった特徴量生成を機械に任せられると、どのような価値が得られるかを検証しています。

3)PoCの結果報告と予測分析自動化がもたらす可能性

渋谷 PoCの結果、「ある県に在住する人はハワイ便を購入しやすい」など、いくつかおもしろい特徴量が見つかりました。それらは「言われてみればそうかもしれない」と思うような傾向を示していたのですが、私たち自身が予見するのは難しいものでした。分析工程の9割もの時間がかかっていた特徴量作成作業を機械に任せられるので、私たちはビジネス観点での議論や、具体的な施策の検討に専念できるなど大きな可能性があります。
藤巻 人間の知識と経験に基づく試行錯誤には限界があります。人間では気づくことが難しいビジネス仮説を機械が提案してくれるのが、予測分析自動化のメリットです。

  • 今回のPoCでは、個人を特定できる情報は一切使用していません。

4)ビジネスにおけるホワイトボックス型AIの重要性

 企業でのAI活用が進む中、根拠を理解した上で次の展開を打つために「ホワイトボックス」の重要性が世界的に話題になっていますね。
渋谷 特に私が担当している販売・マーケティングの世界では、説明力が非常に重要になります。どのような要素が効いて、その結果になっているのかを説明できなければ、次のビジネスアクションにはつなげられませんし、社内の合意を形成することも難しいからです。NECの予測分析自動化ではそれが自然言語で示され、ホワイトボックスの重要性を改めて確認できました。
藤巻 企業活動におけるデータアナリティクスの適用では、予測モデルの検証や、リスク管理のためにもホワイトボックスであることは重要です。データアナリティクスの先進諸国において、特定の分野では、透明性や説明責任がガイドライン化される動きもあります。

5)企業が自分たちで分析を行う時代が来る

藤巻 今後は、企業が自分たちで分析を行う「セルフサービス分析」が主流になっていくと考えています。すべての企業が高度な分析知識をもったデータサイエンティストをそろえるのは不可能ですから、一般的なビジネスユーザーが分析を行うことも増えています。自動化によって、多くの人が分析を行いやすくなれば、どんどんビジネスがデータドリブンになっていくと期待しています。
渋谷 逆に、現在データサイエンティストと呼ばれている人は、ビジネスをよく知り、分析やその結果が、ビジネス上価値があるものかどうか判断することを求められるようになると思います。
 今後、IoT活用が進展し、さらに膨大なデータが収集されるようになります。そうした社会の中で、ビジネス、あるいは産業をどう作っていくのかを考える良いきっかけになりました。