Analytics 2014 レポートその2
昨日アップした基調講演に続き、各セッションのレポートです。
前回のレポートAnalytics 2014 レポートその1 - 猫好きな老体気味SEの備忘録
アクセンチュアという頭脳集団企業の人からの有難いお言葉でした。
率直な感想としては、数学での博士号やOSSのコミッターがいたところで、市場に訴求するまでの結果は出せない。
僕らみたいに各方面の専門家がチームを組んだら凄いんだよって話に聞こえた。
すごそうだけど、タイトルで受講した大半の人が期待していたであろう内容にはなってなかったのが残念でした。
有名コンサルファームの中で、IT業界にこれだけ名前が出てくるのはアクセンチュア以外居ない。IBMも手広いが、そもそもIT業界ですからね。
テーマ的には、マッキンゼーも顔出しそうだけど、あそこはこの手のセミナーには顔出したの見たことないからなぁ。
前置きはこれくらいで、レポートにいきます。
例によって、メモですが。
分析結果最適化プロジェクト成功の要諦とディシジョンサイエンスを支える人材の育成方法
アクセンチュア株式会社
工藤 卓哉 氏
どうしたら新たなプロジェクト・サービスを持続的に生み出せるか？
新たなアイデアを得る方法
今まではプロダクトアウト
マトリクスで、アナリティクスの進化過程と観点を示してました。
横軸
- 古典的手法
- リードユーザ型
- ユーザ創造型
- Analytics型、Deep Learnlng
縦軸
データかけるアルゴリズムかける適用サービスイコール最適化
新規事業創造
試行速度の速さ
生鮮食品の需要予測は難しい
データに応じたアルゴリズムの最適化
アクセンチュアのサービス
PoC、センサーM2M、レコメンド
センサーログの解析の速さには自信がある。東京の人がメイン！
クロスプラットフォーム分析
例えば、ドコモのモバイル空間統計
アクセンチュアもデータ持ってる
- 銀行とPOSデータから分析
銀行預金残高が高ければ、優良顧客とは限らない、とか。
私生活は、質素だったりすることが空間情報で見えてくる。プロファイリング。
なぜなら、外食が少ないとか、POSと結びつければスーパー利用頻度、利用額もわかってしまう。
脳波を分析して、
生産性の高い人と低い人を区分ける、みたいなこともやってる。
これを応用して、購買意欲を探ることもできるわけだ。。。理論的には！
相対性理論
数学だけやっててもダメ
ビジネスドメインに沿った仮説が立てられるか
データか仮説立案か？
経営の課題解決が目的なので、仮説が重要だ！
概念化と探索的
試行速度が早く、サイクルをたくさん回す
統計学者のJohn.W.Tukey
ClouderaのJeff Hammerbacher
なぜなら、統計は事実なので、自分の理論がいつか成立しなくなることがわかっていたから。
成功の要諦
アプローチ
発射台と標的設定
いろんな部門と協力して、現場把握と経営目標を設定する
部門のメンバ構成も試行
クロスインダストリーを成功させるためには、
経営幹部の協力が不可欠
無理に機械学習使ったりしないように！
最適なデータサイエンスモデルを使えること
在庫・補充管理の最適化をフルオートでできるようにした。
こ、、これは凄い！
小売業が1番頭を悩ますノウハウの塊かと思ってたことが、フルオートで実現してるわけですよ。
あとがき
つまり、初期導入500万〜、年間保守100万〜、小売規模に比例みたいな費用体系が見えたような、、、
て、肝心の人材育成方法は？
以上になります。その3に続く。
