CONTENTS

1. DXで加速するビジネス変革のためのデータ活用
2. データから価値を生み出すアナリティクスの分類
3. 処方的アナリティクスで求められる数理最適化
4. 処方的アナリティクスの事例
5. 処方的アナリティクスのビジネス実践に向けて

要約

1. デジタルトランスフォーメーション（DX）推進により、データとデジタル技術を活用した業務の効率化やビジネスモデルの変革が始まり、具体的な成果が出始めている。
2. データの中から意味あるパターンや知識を見いだす「アナリティクス」は、「記述的アナリティクス」「診断的アナリティクス」「予測的アナリティクス」「処方的アナリティクス」の4つに分類できる。AIブームで活用が広がった予測的アナリティクスに続き、アナリティクスの最終段階といわれる処方的アナリティクスの取り組みが始まりつつある。
3. さまざまな制約がある中で、何がベストな行動であるかを知るために行う処方的アナリティクスは、統計学、機械学習・強化学習に加え、数理最適化の手法が用いられる。数理最適化は、目的と制約条件を数式（数理モデル）で表現し、数理モデルに合った最適化アルゴリズムで最適な解を導き出す。
4. 処方的アナリティクスの事例としては、価格最適化（ダイナミックプライシング）、AIによる発注の最適化、広告出稿の最適化、などが挙げられる。
5. 処方的アナリティクスのビジネス実践が広がるには、数理モデリングの自動化など、いくつかの課題が残されている。少し先の将来を見据えたとき、量子コンピュータのような技術的革新が進むことで、これまで解けなかった規模の問題も解けるようになり、処方的アナリティクスのビジネス実践も増えていくと予想される。そして、人間とコンピュータの新たな共創が処方的アナリティクスによるDX実現のカギになる。

PDFファイルでは全文お読みいただけます。

全文ダウンロード（977KB）

執筆者情報

• 

  鷺森 崇

  データサイエンスラボ

  上級研究員（NRI認定データサイエンティスト）

※組織名、職名は現在と異なる場合があります。