SERVICE

AI基盤用
プライベート
DMP構築サービス

AI構築、運用を前提にしたDMPの構築をご支援します

Purpose oriented DMP

AI基盤用
プライベートDMP構築

フィットアンドギャップ分析を通じ、AIで実現したい内容を明らかにし、AIで実現できること、できないことを 踏まえた企画を立案したうえで、お客様保有のデータを評価し、AI基盤用のプライベートDMPを構築します。
グループ会社Supershipの保有する1,000を超えるFortunaの持つセグメントデータを付加することで予測モデル精度の向上や深いカスタマーインサイトを分析するご支援もいたします。

AI基盤用プライベートDMP全体像

AI/データ分析サービスの提供を通じ、DATUM STUDIOにて蓄積してきたナレッジをベースに、クラウド等を活用した最適なAI基盤用プライベートDMPを構築いたします。
お客様の実現したい内容を明らかにした上で、AI・データ分析を通じてできること、できない事を整理し、お客様保有のデータを評価し、AI基盤用のプライベートDMPをスピーディーに構築いたします。

マーケティング領域での追加オプション

グループ会社であるSupershipの保持しているPublicDMPであるFortunaの1,000を超えるセグメントデータを掛け合わせることで予測精度の改善や、あらたなカスタムセグメントを作成することも可能です。
Fortunaでは、独自のクロスデバイス拡張機能により、1ユーザーがパソコン、携帯、タブレット等複数のデバイスを利用している場合でも「同一の1人のユーザー」として扱うことができます。 またデータ連携用のID変換を提供いたします。
お客様の実現したい内容を明らかにした上で、AI・データ分析を通じてできること、できない事を整理し、お客様保有のデータを評価し、AI分析用のプライベートDMPをスピーディーに構築いたします。

付与可能セグメント一例(詳細はお問い合わせください)

お客様のご要望に沿ったデータセグメント作成が可能です。

またSupershipの提供する広告配信プラットフォームとしてもご利用いただけるため、施策側に反映したり、オーディエンス拡張を行った広告配信をすることも可能です。













AI基盤用プライベートDMPとは

複数のデータサイエンティストが同時に利用することを前提とした、AIモデル開発を継続的に実行し、モデルの実行を自動化するまでを実現する事を目的とした『エンタープライズAIプラットフォーム』として位置付けております。

Business Intelligence用DMPとの違いから見るAI基盤プライベートDMP必要要件

Business Intelligence用のDMP/データマートは、KPIツリーに基づいた『日々モニターすべきKPI』を確認しやすい形で各データソースから収集することで実現することが可能でした。
AIモデルを構築することを前提としたDMPの構築においては、Business Intelligence用DMP同様、
 1.どのようなデータを
 2.どのような粒度で
 3.どのようなタイミングで
 4.どのような形で結合して
持ってくるかを定義する必要があります。

粒度の細かいデータと大きくなりやすいデータ量

一般的には、BI用のデータマートに比較して、データ粒度が細かくなる事が多く、ストレージサイズが大きくなりやすい傾向があります。
取得したデータに対して、複数の探索的データ解析(EDA)処理を実行し、それぞれのゴールを達成するために必要な複数のモデル作成用のサブデータ群が作成されることになります。
データ粒度が細かく、データ量が大きいデータに対するEDA処理に対しては、大量データに対するEDA処理が得意なSQLサービスが必須となります。

定期的な人間によるメンテナンスの必要性

予測モデルも1度作成したら、永遠に使い続けられることはなく、定期的にメンテナンスを施す必要があります。
EDA過程作成用のソースコードや、予測モデル作成用のコードが乱雑に配置されやすくなり、再利用性が落ちることも数多く見受けられます。

データクオリティーチェックの重要性

通常の可視化プロセスを中略して、予測モデルを実行することも多いため、予測モデルが不安定になった時、データの品質を確認し、大きな手戻りが発生することもあります。

データにあわせた処理基盤技術の選択の必要性

リアルタイムログ、ストリーミングデータ、avroのようなHadoop系で処理したほうが良いデータ、Sparkで処理したほうが良いデータ等様々なデータが存在し、都度ベストツールが変わります。

AI基盤用プライベートDMPの目的とは?

予測分析を行う、需要予測、機械学習を継続的に実施する事で、ビジネスゴールを達成することを目的に、構築を検討相談いただく事が多いです。

データにあわせた処理基盤技術の選択の必要性

●顧客満足度の向上
●離脱率の低下
●商品需要予測の実行
●CSの向上
等様々ですが、共通して言える事としては、予測モデル(AIモデル)の実行により、『利益・売上を増やす』・『コストを削減する』の2つに集約されます。













ご支援フロー

活用事例

不動産業におけるwebサイトアクセスログを活用した予測分析基盤


Business Intelligence用のデータマートから新しいインサイトを導き出したい
既に構築済みのデータマートの投資からリターンを得たい

●構築済のBI基盤のデータを活用し、展示会来場者増加、ウェブサイト上でのレコメンデーションを実施したい
●データ分析から広告配信に来場促進に最適なセグメンテーションを作りたい

課題

3年前に導入したBusiness Intelligence用DMPでデータの可視化による
KPIモニタリングは実施できたが、ROIを実感できていない。
同基盤を活用してAIを構築することで過去のシステム投資に対するリターンを出したい。
アクセスログを利用した顧客ターゲティング、リコメンデーションモデルを構築したい。

APPROACH.1

BI用のデータマート内のデータを受領の上データアセスメントを実施


既存のBI基盤にて、お客様の実行を希望されるMAへの反映、レコメンデーションモデルの構築、
広告配信への反映が可能かの観点からデータを評価

APPROACH.2

不足データを社内調整の上再取得 データ取り込み設計、結合設計


外部データセグメンテーションが4種類の属性しかなかったため、
SupershipFortunaより、100程度の属性情報を追加し、 広告配信用新セグメンテーションを作成
展示会来場者、内見予約者データ、ちらし広告配信エリア情報を別データソースから取得
サイト内リコメンデーション(この物件を見ている人は、こちらの物件も見ています、顧客の趣向別の類似物件の提示) を実装

効果

●可視化止まりだったBusiness Intelligence用データマートを再構築し、AI基盤用の追加開発により、不足データを補いつつ、高度予測分析によるAIモデル構築を実現

●AIモデル構築のためのEDA(データ探索)、結合処理を単一基盤上で高速実行ができるようになった

●同基盤上で楽にAIモデルを構築することができ、複数のモデルのバージョンの管理、チューニングを定期実行できるようになった

●システムを活用し、予測モデルをAPI化し、スピーディーにweb表示システムに連携する事ができた

●データ連携サービスを利用する事でSalesfroceCRMデータをクイックに連携することができた全体利益が向上







Point

AI基盤用プライベートDMPを活用した精度の
改善におけるポイント

様々な予測モデルの構築では、まず自社で保有しているデータを用いた予測モデルの構築が考えられます。
しばしば、自社保有のデータのみでは目標とするような精度が出せない、もしくは現在のモデルよりも高い精度を出したい等というニーズが発生します。

予測精度改善のポイントとしては
●予測モデルの見直し・新しいアルゴリズムの適応
●利用する変数の見直しや取捨選択
●合成変数の作り方の工夫
●パラメーターチューニング 等、従来の手法が思い浮かびます。
SupershipグループであるDATUM STUDIOでは、Supershipの保有する1000を超えるセグメンテーションデータを活用した予測モデルの高度化のご支援を行っております。
適切なセグメンテーションデータをお客様保有のデータと結合した上で予測モデルを構築することで、予測精度が15%改善した事例もございます。

精度を上げた上での活用先


また、作成したセグメンテーションを元に、類似オーディエンスへの広告出稿を支援いたしております。

DATUM STUDIOには様々な業種・業態の企業様の課題解決を行ってきたノウハウがあります

Contactお問い合わせサービスに関するご質問・ご相談はこちらから