More Related Content
Similar to 【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料 (20)
【Azureデータ分析シリーズ】非専門家向け/利用部門主導で始めるデータ分析_ナレッジコミュニケーション公開資料
- 2. © 2019/6/28Knowledge Communication Co., Ltd. 2
会社名 株式会社ナレッジコミュニケーション
設立日 2008年11月 (創立2006年5月)
人数 28名
資本金 9,000,000円
代表者 代表取締役 奥沢 明
本社所在地 千葉県市川市相之川3-13-23 丸伝小川ビル3階
支社 熊本支社
主要取引先 メディア系
Cloud
AI
HoloLens
Robot
経営理念
破壊的イノベーションで世界の在り方を変える
クラウド・AI・ロボットの分野で今までにない
付加価値を提供し、社会に貢献致します。
会社紹介
- 3. © 2019/6/28Knowledge Communication Co., Ltd.
沿革
3
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
株式会社ナレッジコミュニケーション 設立
自社サービス基盤をパブリッククラウドに移行
クラウドインテグレーションサービス「ナレコムクラウド」提供開始
Microsoft Azure取扱い開始 / クラウド型機械学習提供サービス開始
IoTビジネス共創ラボ参画 / 熊本拠点(DevOps&RD)を設立
Microsoft HoloLensサービス提供開始
MRPP認定 / Azure Goldパートナー認定
創業 学び総合サイト「学び&おけいこのナレコム」提供開始
2019
- 4. © 2019/6/28Knowledge Communication Co., Ltd.
はじめに - AIプロジェクトの現状
4
出典 ITmedia NEWS 『人工知能、幻滅期へ ガートナー「ベンダーに丸投げやめろ」』
URL https://www.itmedia.co.jp/news/articles/1810/25/news094.html
人工知能に関する期待は下がり気味
- 5. © 2019/6/28Knowledge Communication Co., Ltd.
はじめに - AIプロジェクトの現状
5
出典 ITmedia NEWS 『人工知能、幻滅期へ ガートナー「ベンダーに丸投げやめろ」』
URL https://www.itmedia.co.jp/news/articles/1810/25/news094.html
「幻滅期に入るとはいえ、今後も重要なテクノロジーであることは変わりない。
幻滅期は『これからが本番』という時期。企業はAIをより冷静に捉え、
より戦略的に推進する必要がある」
「昨今、経営者が単に担当者に『AIの導入を検討せよ』という指示だけを出し、
現場もAIの提案依頼をベンダーやシステムインテグレーターに丸投げするといっ
たことが散見される。そうではなく、企業自らが戦略的意思を持ち、中
長期の観点で自らリスクテイクすることを覚悟の上で推進するべきで
ある」
- 7. © 2019/6/28Knowledge Communication Co., Ltd. 7
はじめに - 実績ご紹介
電力利用状況解析及び可視化 創薬向けHoloLensアプリ開発
大手企業様とAI/ビッグデータ技術導入に向け連携
Machine Learning Studio
+
Power BI
+
Azure Functions
+
Cognitive Services
+
- 12. © 2019/6/28Knowledge Communication Co., Ltd.
「 プロセス 」を重視 - 第一人者の成功法則
12
出典 Harvard Business Review 『How to Choose Your First AI Project』
URL https://hbr.org/2019/02/how-to-choose-your-first-ai-project
1. クイックに小規模な成功ができること
2. 適切な規模の実証実験であること
3. 業界や自社ビジネスのニーズに沿うこと
4. 頼れるパートナーと進める
5. 価値を生める内容であること
AI研究の第一人者が提唱する成功法則
- 13. © 2019/6/28Knowledge Communication Co., Ltd. 13
小さい実証実験を積み重ね成功を目指す
解決すべき
課題を抽出
実証実験
(1回目)
試験運用
基盤運用
(活用すべきデータを蓄積)
実証実験
(2回目)
デモアプリ 実運用
実証実験
(3回目)
「 プロセス 」を重視 - 小規模な成功を積み重ねる
- 14. © 2019/6/28Knowledge Communication Co., Ltd. 14
小さい実証実験から本格利用を見据える
解決すべき
課題を抽出
実証実験
(1回目)
試験運用
実証実験
(3回目)
実証実験
(2回目)
デモアプリ
基盤運用
(活用すべきデータを蓄積)
実運用
1回目が
難しい
「 プロセス 」を重視 - 小規模な成功を積み重ねる
- 17. © 2019/6/28Knowledge Communication Co., Ltd.
データの理解 - チェックポイント
17
分析の
実行
結果の
解釈/表現
1. 何のために、どんなアウトプットが必要なのか
2. そのためにどんな過程を置き、どの範囲なのか
3. どのようなデータを利用して分析を行うのか
分析の前にストーリーマップを作成する
- 18. © 2019/6/28Knowledge Communication Co., Ltd.
実際に作成したストーリーマップ ②
18
有人業務
AI活用
ユースケース : 審査業務でのAI導入
既存の業務プロセス
AI導入時の業務プロセス
DB
DB
リスト作成 リスト リスト審査
DB
メール連携
リスト作成
リスト対象
抽出モデル
対象者
分類モデル
- 19. © 2019/6/28Knowledge Communication Co., Ltd.
実際に作成したストーリーマップ ②
19
有人業務
AI活用
ユースケース : 審査業務でのAI導入
既存の業務プロセス
AI導入時の業務プロセス
DB
DB
リスト作成 リスト リスト審査
DB
メール連携
リスト作成
リスト対象
抽出モデル
対象者
分類モデル
既存プロセス
との対比にする
置き換えのため
必要なモデルを整理
アウトプット
も見据えて書く
- 29. © 2019/6/28Knowledge Communication Co., Ltd.
Cognitive Services - 異常検知AI
29
Cognitive Services
Anomaly Detector
自社検証記事 : https://azure-recipe.kc-cloud.jp/2019/04/cognitive-service-anomaly-detector-api/
• 時系列データ 1つでモデル選定・推論
• 外れ値、異常の検出が可能
- 32. © 2019/6/28Knowledge Communication Co., Ltd. 32
Azure Databricks - 概要
Azure Databricks
簡易分析 システム連携
データ加工環境
SQL Data WarehouseDatalake Storage SQL Database BloB Storage
AI
Machine Learning
ストーリムデータ
Power BI
データサイエンティスト
基幹業務
ユーザ アプリ
- 33. © 2019/6/28Knowledge Communication Co., Ltd. 33
Azure Databricks - 概要
• 使い慣れたコーディング操作
• 複数言語を同一の Notebook で
記述可能
• ワンクリックで結果をビジュアル化
Jupyter Notebook の
コーディング操作
Apache Zeppelin の
ビジュアライゼーション
Collaborative Notebook(コーディング画面)
- 38. © 2019/6/28Knowledge Communication Co., Ltd.
結果の解釈/表現 - チェックポイント
38
データの
理解
分析の
実行
結果の
解釈/表現
当初のビジネスゴールから考えられているか?
「完璧」を求めすぎていないか?
関係する人が理解できる内容かどうか?
業務への ポジティブな影響 で考える
- 41. © 2019/6/28Knowledge Communication Co., Ltd. 41
データの
理解
分析
実行
結果の
解釈/表現
結果に対する考え方 - フレーミング
当初の結果に対して
1. 入社直後の人でも職人レベルで業務が出来る
2. 複数のチェックポイントを設ければ100%に近づく
お客様「 職人だったらほぼ100%で検品している 」
非熟練者には充分役に立つ
システム化することで価値が出る
- 42. © 2019/6/28Knowledge Communication Co., Ltd. 42
データの
理解
分析
実行
結果の
解釈/表現
結果に対する考え方 - フレーミング
他の例 : 異常検知の場合
1. 平時日中だけの監視がAIであれば常時監視が出来る
2. 人によるチェックと組み合わせると精度が上がる
検知したい異常の70%しか見つけられない
完璧ではないが人の負荷を下げられる
- 45. © 2019/6/28Knowledge Communication Co., Ltd.
Power BI で誰にでもわかりやすく
45
• ドラッグ&ドロップでグラフの作成
• ドリルダウンでExcelより詳細をわかりやすく
表現できる
• レポートのテンプレート化により対象の異なる
レポートも素早く生成
• レポートの共有も可能
- 47. © 2019/6/28Knowledge Communication Co., Ltd. 47
企画・プレ分析 データ開発 分析・モデル開発 運用
データ
収集環境
PoC
クレジング
の仕組み
モデル開発
モデル
デプロイ
継続的な
学習
学習モデルの
API提供
課題定義
AI検証サービス
・ナレコムAI (自社ツール)
・Cognitive Services
データ基盤構築
・Azure Databricks
モデル構築支援
・Azure Databricks
・Azure ML Services
内製化支援
・AI内製化支援サービス
弊社サービス提供マップ
お客様のフェイズに合わせてクラウドを活用し支援
- 49. © 2019/6/28Knowledge Communication Co., Ltd. 49
サービス紹介 - AI内製化支援サービス
スケジュール例 : 自社での分析チーム立ち上げ支援
着手前 1か月 2ヶ月
マイル
ストーン
実施
内容
お客様
弊社
現状整理 計画
課題・要望
整理
データ
理解
計画
策定
プロジェクト期間
プロトタイピング
ワークショップ&次回計画
データ
提供
環境
構築
結果簡易
レポート
分析結果
共有会
ワークショップ
(分析再現)
活用
計画
▲ご発注 ▲キックオフ
▲分析環境用意
▲進捗報告 ▲進捗報告
▲検証終了
▲レポート提出
▲ワークショップ
- 50. © 2019/6/28Knowledge Communication Co., Ltd. 50
サービス紹介 - AI内製化支援サービス
スケジュール例 : 自社での分析チーム立ち上げ支援
着手前 1か月 2ヶ月
マイル
ストーン
実施
内容
現状整理
お客様
弊社
計画
課題・要望
整理
データ
理解
計画
策定
プロジェクト期間
プロトタイピング
ワークショップ&次回計画
データ
提供
環境
構築
結果簡易
レポート
分析結果
共有会
ワークショップ
(分析再現)
▲ご発注 ▲キックオフ
▲分析環境用意
▲進捗報告 ▲進捗報告
▲検証終了
▲レポート提出
▲ワークショップ
データの
理解
分析
実行
活用
計画
結果の
解釈 / 表現