御社のデータ環境に合わせて最適なソリューションをご提案します。御社のデータ環境に合わせて最適なソリューションをご提案します。
簡易BIツールの提案
- ある程度データを取得している
SQLなどのトレーニング
- データベースにデータが蓄積されている
- SQLなどによる基礎統計ができている
- 統計からある程度インサイトが得られる
データサイエンティストの派遣
- 基礎統計が充実していてBIツールによる管理ができる
- ピボットテーブルなどで手動による探索的データ分析ができる
- 手動データマイニングから施策を立案できる
安定運用のためのシステム構築
- 機械学習アルゴリズムを利用した探索的データ分析ができる
- A/Bテストなどを利用し、データにもとづく意思決定ができる
インフラの提供
- 機械学習などを利用して自動で施策実行できる環境がある
- 機械学習により安定的に利益を上げる仕組みである
- より高度な機械学習アルゴリズム(ディープラーニングなど)を構築し、収益性を改善する
サービスの特徴・強みサービスの特徴・強み
分析からソリューションの構築・運用までトータルでサポート
経験・実績豊富な専門家チーム
先端技術のノウハウと豊富な人材リソース
蓄積されたデータを分析して価値あるアウトプットを導き出す
データは取得しているが活用方法が分からない。データ分析をできる人員がいない。データに則したマーケティング活動を行いたい。VIETISは「売上UP」「利益拡大」「スピーディーな意思決定を可能に」といった課題をサポートさせて頂きます。
課題
課題調査
- 事業分析
- 課題の洗い出しと分類
- 優先順位付け
- データ収集と前処理
- データクレンジング
市場調査および事業・業務フローの分析を行い、課題を抽出します。さらに抽出した課題を分類し優先順位付けしたうえで、サンプルとなるデータ収集を行います。
データ分析
データモデルの設計
- モデル構築
- モデルの性能評価
- パラメータの調整
- 複数モデルによる比較と選択
データに関する要件の明確化や、実装範囲の決定を目的に、データモデルを作成する工程です。まずは単純な機械学習から開始し、パフォーマンスを検証したうえで採用するモデルを決定します。
ビジネス課題を解決
システム構築
- データ収集プラットフォームの構築
- 運用管理ツール構築
- 機械学習チューニング
- 本番導入
データ収集とデータ前処理のプロセスを自動化するシステム、さらにその結果を検証・評価するための管理ツールを導入します。同時にアルゴリズムの変更を行いデータ分析の精度を高めるための機械学習の最適化を行う環境を構築します。
ケーススタディケーススタディ
約2万便のフライトデータを分析、航空燃料の節約ソリューションを確立
課題
クライアントは、2017年に燃料費として約770億円を費やしていました。これは総支出の26.5％を占める額となります。本プロジェクトでは、データ分析によって燃料節約ソリューションを考案・実施することを目指しました。
インプット
燃料費は、航空機の設計、飛行モード、積載重量、燃料量などさまざまな要因に影響を受けます。プロジェクトチームは、CFP、ACAR、LOOMSなど多くのシステムから提供される、2017〜2019年の2年間のA350機、約２万便のデータを分析しました。
アウトプット
データ分析の結果、フライト前に機長が要求する燃料量と実際の消費量に乖離があることを発見しました。500リットル以上の燃料が必要な場合は、申告が必要となるようガイドラインを変更した結果、500リットル以上の燃料量を求める機長はほぼいなくなり、大幅に燃料を節約することに成功しました。
