ビジネスユーザーが自分で使いこなせる高度な分析ツールがあれば、日々の問題の解決で参考になるデータを収集して、将来発生する問題を防止できるような重要な意思決定の助けになるはずだ。ヒントは対話型のデータ探索と予測分析にある。
ビジネスユーザーが重要な意思決定を行うためだけではなく、日々の問題について解決の助けとなる参考データを獲得し、将来発生するかもしれない問題を防止できるためには、ユーザー自身が使いこなすことのできる分析ツールが必要だ。
本稿では、ビジネスユーザーがデータに基づくビジネスの意思決定をより簡単な操作でスピーディに行うために、対話型のデータ探索と予測分析テクノロジーを活用する方法を紹介する。
対話型のデータ探索と予測分析テクノロジーを利用すると、ビジネスユーザーもアナリストも、データセットから重要な傾向と幾つかの要素における関係を読み取り、そこからさらに、特定の切り口で問題の本質を掘り下げることができる。また、ビジネスユーザーと専門家とが連携して、最適な予測モデルを作成、調整、選択することもできる。
SASの解析ツールをはじめとする、包括的な対話型データ探索ツールを使うと、技術に詳しくないユーザーでも視覚的にデータを探索し、モデルを作成し、結果を共有できる。使いやすいインタフェースが用意されているため、ビジネスの意思決定をよりシンプルな操作でスピーディに実現可能だ。
適切なツールを使えば、1つのインタフェースから一元的に、さまざまな説明と予測を導く分析手法を活用して、データを探索し、予測モデルを作成できる。
この機能は、よりスマートな新しい形でのイノベーションを実現する。ユーザーは先入観なしにデータを分析し、新しいアイデアを試し、重要な分析結果を今までより手間も時間もかけずに視覚化する機能によってボトムアップでイノベーションを推進できる。また、分析結果は簡単にチームで共有できる。
ここでは、3人の架空の従業員(ベッカ、ジョージ、デヴォン)の業務を例に挙げ、対話型のデータ探索と予測分析によって、日常的なビジネスの問題をどのように解決できるかを説明する。
ベッカは、欧州の大手小売り企業のマーケティングマネジャーで、顧客離れ(離反)の問題を調査している。これまでベッカが入手できたのは過去のデータのみで、会社が運営する店舗を利用しなくなった顧客数についての月次報告書を確認するしかなかった。
対話型データ探索機能が導入されたことで、ベッカはデータを別の形で探索し、同じデータから新たな参考データを得られるようになった。この探索により、これまで分からなかったトレンドや関係が明らかになり、顧客離れに関する新しい変数を見つけている。また、これらの新しい変数へのより特化した分析(ドリルダウン)も簡単で、さらに考察を深めることもできる。
対話型データ探索と予測分析を組み合わせると、問題解決力はさらに高まる。データ探索中に突き止めたトレンドと関係を基に、ロジスティック回帰や決定木を使って、各顧客の離反について可能性を予測できる。その後、顧客を維持するために、対象を定め、具体的な行動を起こすことができる。
さらに、モデルの出力を使ってチャーンの原因と対策を視覚化し、結果をすぐにチームと共有できる。
ジョージは、収入が少ない世帯を対象にした住宅ローン会社をサポートしているリスクアナリストのチームリーダーだ。これまで運用してきた信用リスクモデルはそれなりに有効な評価ツールだったが、住宅ローンの債務不履行を予測するためのモデルではなかった。
しかし新しいデータ探索および分析ツールを使うと、住宅ローンの債務不履行に陥る顧客について、より正確に理解できるようになった。このツールでは、支払履歴だけでなく、複数のソースを分析して、より包括的なプロファイルを作成できる。そのプロファイルと予測分析機能を使って、債務不履行の可能性がある顧客を特定し、ローン会社は新規顧客に対して適切な信用限度を設定できる。
このように、顧客についてこれまでより格段に詳しい参考データが得られるが、データガバナンスポリシーにも適切に準拠している。統合されたガバナンス機能は、データの完全性を確保して分析結果の信頼性を保証するだけでなく、個人を特定できる情報の保護にも貢献している。
デヴォンは、米国西部全域で大々的に施設を運用している風力および太陽光発電会社のチーフエンジニアだ。これまでは機器が故障すると、技術者を派遣して機器の修理または交換しかできなかった。
しかし、セルフサービス分析が導入されたことで、機器の全体的な能率を調べ、機器の故障につながる要因を調査できるようになった。具体的には、決定木を使って過去の障害における要因を整理解析し、その結果をもとに将来の障害を予測している。対話型機能を利用して、決定木を拡張(生育)または縮小(刈り込み)して望ましい詳細レベルにし、この予測モデルとロジスティック回帰モデルとを比較して、どちらが最も有効かを調べるのも容易にできる。短期間で拡張する必要があるような場合でも、新しいシステムが導入されたおかげで膨大な量のデータセットに対してモデルを実行できるようになった。
対話型のデータ探索機能と分析機能があれば、ビジネスユーザーとアナリストがビッグデータを活用し、データに基づくビジネスの意思決定を迅速に行うために必要な参考データを手に入れることができる。
「SAS Visual Analytics」と「SAS Visual Statistics」を使うと、ユーザーが連携し合う新しいスタイルで、視覚的にデータを探索および分析できる。また、強力なインメモリテクノロジーにより、分析やそのための演算処理、データ探索の時間も短縮できる。
対話型機能を紹介しているデモビデオ(下記URLを参照)では、SASテクノロジーを使った強力なデータ分析でできることを理解できるだろう。併せて参照してほしい。
SAS Visual Statisticsの対話型機能(SAS Institute Japan)
提供:SAS Institute Japan株式会社
アイティメディア営業企画/制作:TechTargetジャパン編集部