適用イメージ

データキュレーションサービスは、特定の業種や業務に特化することなく取り組んでいます。
ここでは、予測モデルを作りたい、モデルの精度を上げたいなどのニーズにお応えした例をご紹介します。

• 疾病リスク予測 《健康》
• エネルギーデータを営業施策に活用 《社会基盤》
• 検査の品質見直しにより歩留まり向上 《製造》
• 組立てライン停止の削減 《製造》
• 消費者行動予測 《流通》
• 運行データから運転評価指標を作成 《業種共通》
• オープンデータの活用 《業種共通》

疾病リスク予測 《健康》

糖尿病を始めとする生活習慣病などの疾病リスクの高い人が予測できると、健康食の配達サービスや、運動サポートなど、個々人の健康改善に寄与するサービスの立上げが可能となります。

例えば、糖尿病の発病リスクが高い人を識別するルールを作成する場合、過去のレセプトデータ、健康診断データをもとに分析します。
現在発症しているかの判断ではなく、将来の疾病リスクを判定するために、機械学習により、データをフルに活用（30以上の項目）して、予測精度を高めています。

エネルギーデータを営業施策に活用 《社会基盤》

ガスの使用量や顧客接点情報からお客さまのニーズを捉えることで、より良いくらしを提案することが可能となります。

本プロジェクトにおいては、当社と電通で策定したフレームワークの一部を先行導入する形で実施しております。

検査の品質見直しにより歩留まり向上 《製造》

検査データから、良品／不良品の見極めが可能になると、返品予測モデルの作成や、適切な検査基準の設定が可能となり、歩留まり改善に役立ちます。

例えば、人が目視検査で品質管理や製品評価を行っている場合、これらの波形データをデータ化するところから実施します。分析のヒントを作成するため、値の「下降フェーズ」「定常値のフェーズ」「上昇フェーズ」などに分類し、各フェーズの傾向を数値化します。このケースでは、10秒の検査データから2300項目の数値化を行い、ヒントを増やしています。

組立てライン停止の削減 《製造》

組立てラインは、現場のエンジニアリングチームにより様々な改善が実施されています。しかし、更なる歩留まり改善のためには、データからのアプローチが有効です。

組立て機器1台毎の稼動監視は既に行われていますが、ライン停止の根絶には至っていません。そこで、ライン全体をみるために、ラインで生産された製品を使ってライン評価することを考えました。
その結果、特定の製品の組立てプロセスや、特定部品の組み合わせによって、停止の発生確率が高くなるパターンが抽出され、現場のエンジニアリングチームに、新たな改善のヒントやデータ活用のフレームを提供できます。

消費者行動予測 《流通》

あるお客様が、いつ、どの店舗に来店するか（しないか）が予測できると、来店するお客様に合わせた陳列や品揃えが可能になるとともに、来店しないお客様向けには来店を促すなど、お客様との新しいコミュニケーションの実現に役立ちます。
この来店予測モデルは、過去の来店履歴などの既存データに外部データ（気象情報、地域情報、SNSなど）を加えて予測しました。また、来店予測だけでなく、様々なシーンにおけるお客様の行動を予測するモデル構築も行っています。

運行データから運転評価指標を作成 《業種共通》

特別な機器がなくても、アプリで運行データを取得することが可能となってきています。そのため、運送会社だけでなく、個人に対しても目的に応じて運転評価指標が作成できます。

運行データとして取得可能なデータには、雨や雪などの気象条件、渋滞などの道路状況など、ドライバーの運転に影響を及ぼすノイズ要因が含まれています。
そこで、それらの影響を除外した運転評価指標の作成を行っています。

オープンデータの活用 《業種共通》

データキュレーションサービスでは、お客様の社内データだけでなく、外部データの一つとしてオープンデータの活用にも積極的に取り組んでいます。
外部データの利用においては、これまでの経験に基づき、関連しそうなデータを人が選択することが多々見られます。しかし、私たちは、関連性を見るときに、データを絞り込んでしまうことは、事象を歪めて理解することだと考えます。
活用すべき適切なデータは、様々な方法をやり尽くした結果で選択すべきです。

例えば、①のように「売上と関連の強いデータ」を探索する場合、約1000京の組合せから6種のデータを選別しています。
また、②のように、1次データをそのまま用いるのではなく、2次データとしての複合指標を作成することにより、データに溶け込んでいる要因を探すことが可能となります。