ビジネスアナリティクスの実現するDX人材とデータドリブンな組織文化の変革

By dotData

このブログシリーズの冒頭で、パート１ではビジネスアナリティクス（BA）の基礎と、それが企業にとってなぜ重要なのかを探りました。続くパート２では、BA、ビジネスインテリジェンス（BI）、および予測分析（PA）の目的と役割の違いについて深く掘り下げ、これらの分析手法が企業の意思決定と業務最適化にどのよう…

データから洞察へ：ビジネスインテリジェンス、ビジネスアナリティクス、予測分析の統合ガイド

By dotData

このビジネスアナリティクスに関するブログシリーズのパート1は、ビジネスアナリティクス（BA）の基本概念とその重要性について解説しました。今回のパート2では、BAと密接に連携しつつ、企業のデータ利活用を強化するビジネスインテリジェンス（BI）と予測分析・データサイエンスの相互関係に焦点を当てます。これ…

ビジネスアナリティクス：データを基点で業務を分析

By dotData

デジタル化が進む現代社会では、データの重要性は日に日に高まっています。デジタルトランスフォーメーションは、業務プロセスの改革を目指すもので、ビッグデータを活用したビジネスモデルの変革が求められています。しかし、データの価値を最大限に引き出し、成功を収めている企業はまだ一部に過ぎません。このブログでは…

時系列データの特徴量設計 – パート2

By dotData

このシリーズの「時系列・時間データに関する特徴量設計 – パート１」ではARモデル、ARIMAモデル、LTSM､Prophetといった標準的な時系列モデルに焦点を当てました。時系列モデリング手法は現在でも広く使われていますが、異なるデータ特性や時間分解能を扱うことができない、時間的トランザクションを…

カテゴリ属性に対する特徴量設計

By dotData

データは機械学習やAIにとって中心的な存在です。各データセットには一般的に、数値だけでなく非数値（カテゴリ）の属性が含まれています。機械学習の目標は、これら両方を含む利用可能なデータに基づいて、正解である値を予測するモデルを構築することです。以下に示すデータセットの例は、Kaggle（Student…

Feature Factory：企業データのパラダイムシフト

By dotData

昨今、あらゆる規模の企業が、ビジネスインテリジェンス（BI）、機械学習、AIを活用したデータアプリケーションを活用するようになり、その重要性は高まっています。これらの技術は日々進歩し、さまざまなBI、機械学習、AIツールが利用可能になっています。一方、ツールのコモディティ化、細分化が進み、企業は特定…

時系列・時間データに関する特徴量設計 – パート１（時系列モデル概説）

By dotData

新しい予測分析手法やアルゴリズムが利用可能になってきていることで、予測分析の価値が明白になり、分析を行う範囲も広がっています。例えば、企業はAIの予測力によってパンデミックによる混乱やサプライチェーンの問題を解決し、再び業績を軌道に乗せることが可能です。たとえば予測分析は在庫管理や配送の最適化に特に有用であり、より無駄なく効率的に事業活動ができるようになります。

予測分析をはじめるためのテクニック

By dotData

新しい予測分析手法やアルゴリズムが利用可能になってきていることで、予測分析の価値が明白になり、分析を行う範囲も広がっています。例えば、企業はAIの予測力によってパンデミックによる混乱やサプライチェーンの問題を解決し、再び業績を軌道に乗せることが可能です。たとえば予測分析は在庫管理や配送の最適化に特に有用であり、より無駄なく効率的に事業活動ができるようになります。

特徴量自動選択による顧客リスクの見積もり

By dotData

金融サービス、住宅、保険といった業界では、リスクの自動スコアリングが顧客に大きな利益をもたらすことがあります。これはスコアリングによって組織の潜在的な危険性を定量化することができるためで、このようなリスクのプロファイリングは組織が持続可能な長期的成長を築き、景気後退時の損失を最小化するのに役立ちます…

電子部品卸売業者、AIによる信用リスク評価で未回収売掛金1,500万ドルを回収

By dotData

中小企業の収益は変動しやすく予測不可能なことが多いため、請求書の支払期限を過ぎても支払えないことがあります。そのため、多くの中小企業を顧客として持つB2B企業において、売掛金を管理する経理部門には大きな負担がかかります。債務管理者が手作業で顧客の債務リスクを評価するとなると、莫大な時間がかかってしまいます。
今回ご紹介するクライアントは、米国最大の電気部品卸売業者の一つで、150の拠点と2000人以上の従業員を擁し、10,000社以上の顧客から年間10億ドル以上の収益を上げています。

米国小売業者、AI予測分析で不正による損失を500万ドル削減

By dotData

課題 • 複数の州にまたがり200店舗以上を運営し、従業員と店舗の比率が4:1であるため、人に頼る不正監視は困難• シュリンケージの犯罪分析には膨大な時間がかかるため、店長は本来注力すべき業務に時間を割けない• 店舗レベルでの実用的な洞察が不足しており、200以上の全店舗で大規模に実施することは不可…