データを活用した広告商品開発について話せます
¥50,000~■背景 ニュースサイトやECサイト上で発生する様々なデータを獲得・蓄積し、ターゲティング広告商品開発を行ってきました。データ獲得から蓄積、セグメント構築、配信への活用、販売戦略まで一通り経験しています。 ■話せること ・データ開発・獲得・蓄積 ・個人情報保護法に基づくデータ活用の制限 ・セグメント構築 ・配信への活用 ・販売戦略
氏名:開示前
・航空/旅行/宿泊データを活用した保険商品の開発
・不動産管理・不動産投資・不動産リースに関連する商品開発/新スキーム開発
・IoT機器を活用した金融サービス開発
・労災保険の開発、高齢者向けヘルスケア新商品の開発
・気象データを利用した保険商品開発
・プロスポーツクラブ向け商品開発
・データ接続を含むシステムの開発
■その他
地域: 東京本店
役割: 開発責任者として商品企画・官庁折衝・システム開発マネジメントを実施
規模: 延べ100人程度のプロジェクト
■背景 ニュースサイトやECサイト上で発生する様々なデータを獲得・蓄積し、ターゲティング広告商品開発を行ってきました。データ獲得から蓄積、セグメント構築、配信への活用、販売戦略まで一通り経験しています。 ■話せること ・データ開発・獲得・蓄積 ・個人情報保護法に基づくデータ活用の制限 ・セグメント構築 ・配信への活用 ・販売戦略
■キーワード ビッグデータ, 機械学習, 深層学習, 時系列データ, 画像認識, データ可視化, 地理空間情報, 気象データ, 衛星データ, TensorFlow, Keras, scikit-learn, Light-GBM, R, Python, Pandas, Numpy, Matplotlib, GIS ■背景 時系列データを活用した最先端の機械学習・深層学習的手法について京都大学大学院博士課程で研究しており、並行してデータサイエンティストとしてのデータ分析や機械学習モデル開発といった業務を行っております。 現在の一般的な機械学習・深層学習を使えば、どこまでならできるのか、あるいは何ができないのか。活用範囲や手法は常に変化しており、機械学習に携わる専門家ですら、ある程度のスタンダード的な解決はあるものの、全容を正確に把握することが非常に困難な状況になっており、専門家以外の方にはなおさら大変な労力が必要な状況であると言えます。データ分析は、背景に数学や統計学の知識と素養が求められるため、たとえツールやプログラミングコードをマニュアルどおりに動かせたとしても、結果の解釈やその意味するところを正確に理解して、実際の業務に生かすことは、非常に専門性の高い作業となります。特に扱いの難しい時系列データ分析はその傾向が強く、専門的スキルや豊富な経験を有する人材不足が顕著になっています。しかし企業や社会的組織の持続的発展にとって日々蓄積されていくさまざまなデータ(その多くは時系列データです)をどのように経営に生かすかは、死活問題として認識されつつあります。課題の整理や第三者の客観的意見など、専門的スキルを持つデータサイエンティストとして、またアプリ開発者として、これまでに多くのデータ分析(主に時系列データ)やアプリ開発に携わってきた私の経験が少しでも活かせれば幸いです。 ■話せること まず、インフラ・基盤構築・環境・クラウド製品・業務自動化についてのご相談は、データ分析から離れる別ジャンルのトピックになり、私の専門分野ではないため対象外になります。お話ができる範囲としては、ツールはGoogle Colab や Jupyter Notebook、R Studio 等を使い、TensorFlow, Keras, scikit-learn といったフレームワークで、どのようなデータ分析やモデル構築・推論ができて、そこから何を読み取ることができて、それをどのように経営判断や販売計画などの実務に生かせるかといった範囲になります。 ■データ分析・機械学習・深層学習の事例 具体的なデータ分析事例をご紹介します。 ・売上データのトレンド・季節周期などの時系列データ解析および将来の予測モデル構築 ・気象データと観光データ等から将来の予約者数・売上を予測するDeepLearningモデル構築およ び顧客クラスター分析 ・Covid19 / 新型コロナ感染者数関連データの分析および可視化 ・モバイル空間統計(NTTドコモ)を用いた時系列人口分布分析 ・「訪日外国人消費動向調査」データによる国別宿泊費額に着目したインバウンド顧客クラスター分析 ・過去の気象データから予測を行うDeepLearningモデル構築(電力消費量の予測、農作物の収穫高の予測など) ■ 関連する論文やブログ等があればURL ・これまでの実績および著書の紹介(https://deepkick.com/) ・Github (https://github.com/deepkick)
▪️具体的な経験の内容 国内大手システムインテグレーター企業おいて、機械学習(いわゆる人工知能・AI)を用いたシステム開発・事業開発に従事しています。研究開発から実業務における応用まで幅広く経験しております。特に後者においては、データサイエンティストとして様々なビジネス領域 (広告・メディア・自動車・鉄道・農業・化学・製造業など) のクライアントに対して、新システムや新事業の提案活動を行ってきました(現在は一領域に特化して活動しております)。その中で、 ・顧客ニーズの把握とそれに対するシステム案の立案 ・適切な技術の選定 ・データ分析の実施とシステムへの落とし込み ・システムのプロトタイピング などを経験しました。データや人工知能を活用して「新しいビジネスを始めたい」「業務を改善したい」といった課題に対して、プロジェクトをどのように進めるべきかのアドバイスができます。 ▪️そのときの課題、その課題をどう乗り越えたか 「ユーザーにとっての価値が高いシステムをいかに生み出すか」というのが大きな課題でした。 特にビッグデータや人工知能がバズワード的に盛り上がった時期においては「社内にあるデータをどうにか活用したい」という「データ起点」の要望をクライアントから多く頂きました。しかし、このアプローチではデータ分析を行うこと自体がプロジェクトの目的となってしまうことが多く、得られた結果をうまくシステム化できないケースが多くありました。 ユーザーにとって価値の高いシステムを作るには、 1. ユーザーのニーズ・ペインを正しく理解する 2. それを解決できる技術を選定する 3. システムを構築する というステップを踏むのが本来のアプローチであり、データ分析はそのシステムの機能を高めるための補助手段として実施するべきです。1. のステップにおいては、表面的なヒアリングだけではなく、行動観察などにもとづいてユーザーの”隠れた”ニーズやペインを明らかにすることが重要だと考えます。また数年先・十数年先に柱となるような事業を立ち上げようとする場合には、技術・社会のトレンドを精度よく予測することも重要です。2. においては、1. で明らかになったニーズ・ペインによっては、データ分析を活用しないケースもあります(データを活用するまでもない場合、などです)。 こういったことを、私が担当するプロジェクトでは徹底しました。