今回ご紹介する Altair Data Analytics では「データ準備」、「機械学習アルゴリズムの選択」を自動化することで、保証分析による製品や企業評価の向上、製品設計の継続的な改善、保証詐欺への対処をサポートします。
今日の自動車、白物家電、家電製品など、多くの市場では、大量かつ多様なクレームが日々発生しているものの、データ変換や機械学習などの専用機能やリソースの不足によって、ビジネスインテリジェンスに基づいた手法（データの収集・分析・加工・レポート）で分析ができずにいます。そこで、保証分析の導入をすぐに実現できるソリューションをご紹介します。
分析精度への挑戦
データ分析を導入する際の最初の課題の1つは、データそのものにあります。保証請求のためのデータは、ディーラー、販売店、サービスチームなどの第三者から提供されることが多く、一般的にはそれぞれに異なるフォーマットやファイル形式が使用されているため、データを収集し、正規化やクレンジングなど一貫性のある方法で分析用にフォーマットするという作業が、実際の分析に取り掛かる前に必要不可欠です。保証データは保証問題が文章で記述されることが多く、文章をシステムが解釈するために一般的に自然言語処理（NLP）技術が使用されます。このNLPによって分析者はテーマごとに問題を整理し、顧客の感情をより深く理解することができます。
データを構造化し整えるために必要な時間とリソースを過小評価しないことが重要です。データサイエンティストやアナリストは、分析時間のうち80%をデータ準備に費やしていることも珍しくないのです。
十分なトレーニングデータがあれば、機械学習により、顧客の行動、返品、物理的な故障、ソフトウェアの問題、修理費用に関する予測モデルを構築しテストできます。クレーム数が増えれば増えるほど分析システムの全体的な予測能力がより細かく正確になります。
予測分析段階における難しい課題のひとつは、最も有用で実用的な結果が期待できる機械学習アルゴリズムを選択することです。ほとんどのアナリティクスツールには予測モデルを構築する複数のオプションが用意されています。単純に最も使いやすいオプションを選択すれば予測パフォーマンスが低下したり、より複雑なアプローチを選択すれば設定、テスト、展開などの作業に膨大な時間がかかる場合もあります。必要とされる精度、現場での製品数、利用可能なデータの量と質、予測値をテストして提供するために利用可能な時間などの要因を鑑みて決定します。
Altair Data Analyticsによる保証（ワランティ）分析
・データの準備
CRM、ERP、チャネルパートナーが管理するシステム、PDFやExcel形式のレポート、ビッグデータソースから、手作業によるデータ入力やコーディングなしに、自動で保証やサービス利用率などのデータにアクセス、クレンジング、フォーマット化します。分析時間の80%を費やしているといわれるデータ準備作業を自動化し、工数を大幅に削減できます。
・機械学習
視覚的なデータ分析で業界をリードするAltairの機械学習ツールは、ほぼすべての分析インフラストラクチャに機械学習モデルを構築できるためすぐに導入することができます。自動マシンラーニング（Auto-ML）機能で難しいとされていた機械学習アルゴリズムの選択を自動で行い、導かれた分析結果に対しその結果に至った道筋を説明できる（説明可能なAI）という2つの特長を持ち合わせています。反復的なタスクを排除することでデータサイエンティストやビジネスアナリストの生産性を高め、管理者がより収益性の高いサービスパックを作成することを可能にします。
・ストリーミング分析
ストリーム処理アプリケーションや使いやすい分析ダッシュボードを、コードを書かずに構築できます。難しい問題を発見したり、複雑な関係性を視覚的に明らかにしたり、細かい調査が必要な問題の特定も数回のクリックで可能です。
Altair® Knowledge Studio®のテキスト分析アドオンは、ビジュアルテキストディスカバリー、感情分析、予測分析が一体となった機能です。
詳細・事例は、Altair データアナリティクス製品ページ、またはお気軽に弊社までお問い合わせください。
＊本記事は、アルテアエンジニアリング株式会社のブログ投稿文を抜粋・転載したものです。
