CONTENTS

はじめに─機械学習の成果を業務改善に活かす難しさ

1. 業務改善につながる問題設定
2. 分析結果を現場へ浸透させる設計
3. 分析結果を提供するアプリケーションの開発

最後に

要約

1. 統計・機械学習を用いて業務改善を行うためには、単純な予測の領域にとどまらない問題を扱う必要が出てくる。
2. データドリブンな行動指針を定める際には、予測をいくつかの顧客特性に要素分解するモデルや、因果推論モデルなどにより、業務の仕組みを考慮したアルゴリズムを構築することが有用である。
3. アルゴリズムの結果を現場へ浸透させることを考えると、予測精度以上に強く求められる業務要件がいくつか存在する。結果としてアルゴリズム設計自体も影響を受ける。
4. 提供アプリケーション開発の構成にはいくつかパターンがある。予測モデルの更改は早いため、可能な限りアルゴリズム部分と画面部分は切り離した構成にしておくべきである。

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（670KB）

執筆者情報

• 

  鈴木 雄大

  データサイエンスラボ

  副主任コンサルタント

※組織名、職名は現在と異なる場合があります。