サービス

AKD (Advanced Knowledge Discovery)

多様なデータに対し、仮説無しで全データを探索することで、説明可能なビジネスルールを発見する

AKDは顧客獲得、プロモーションキャンペーン最適化などの顧客マーケティング領域、信用リスク管理、不正検知をはじめとしたリスク管理、需要予測や故障検知をはじめとしたサプライチェーン領域、営業効率化、離職防止などの人員管理等、多種多様な業種の様々なテーマで価値を提供できます。

AKD (Advanced Knowledge Discovery)の有用性

AKDはビジネスに関連する様々なデータの中から、意思決定をする上で重要な “事象が発生しやすい条件の組み合わせ” を抽出することに長けた解析手法です。従来のデータマイニング手法に必要とされてきた、経験則から重要な因子を特定する“仮説“は不要であり、初見のデータセットに対しても仮説のない状態から人が解釈できる結果を得ることが可能なため、ビジネスへの利用が容易となり、成果へと結びつけやすくなります。

本プログラムは国内独占使用権を取得しており、デロイトアナリティクス独自のソリューションとしてサービスを展開しています。

 

AKD (Advanced Knowledge Discovery) のご紹介 (PDF, 350KB)

AKD (Advanced Knowledge Discovery)の特徴: Insights Beyond Prediction

説明可能なルールの出力

昨今話題となっている機械学習手法は、予測結果は得られますが、“なぜ”という理由の説明は困難です。AKDのアプローチは、処方的分析(Prescriptive Analytics)であり、予測のみでなく、変数とカテゴリの組み合わせによる説明可能な(可読性のある)ルールを発見することで、要因の解明や施策の検討を可能にします。

仮説無しで、データの全数探索

AKDのルール探索は、対象とするデータセットすべてを仮説なしで等価に数え上げることで、全変数の組み合わせを総当り的に探索します。結果的に、従来の数理統計手法では見つけることが困難であったルールも発見される可能性が高まり、ビジネスへの新たなインサイトに繋がります。

 

分析事例

AKDは顧客獲得やプロモーションキャンペーン最適化などの顧客マーケティング領域、信用リスク管理や不正検知をはじめとしたリスク管理、需要予測や故障検知・異常検知等のサプライチェーン領域、離職防止や営業効率化などの人員管理等、多種多様な業種の様々なテーマにおいて成果を上げています。

■ 銀行・リテール : 潜在的な高収益顧客の特徴分析

高収益が見込まれる顧客カテゴリ案を抽出し成約確率の高い推奨商品群を導き出すことで、顧客からの収益性を改善しました。(例) 45歳以上で、店舗窓口でのやりとりが年に1回以上かつ、株式を10株以上持っている人は、そうでない人と比べ約5 倍NBI (Net Banking Income) が高い顧客になりやすい

■ サービス業:販売促進の最適化

売上に影響するプロモーションアクションを分析することで、キャンペーン効果を高めながら販売価格の適切な設定を行いました。(例)ビールに関して、缶やボトルをコンテナに保管しており、価格が15$から20$で、割引のみのプロモーションを実施しており、リベートが20%以下の場合には、平均よりも約7倍売上増加可能性が高くなっている

■ 製造業:プラントの異常要因分析

前日の数百以上のセンサー情報から翌日に閉塞が起こりやすい条件を抽出することで、閉塞リスクの事前防止の効率化を図りました。(例)前日のセンサー1の平均が10以下、センサー3の最大値が15~20、センサー10の最小値が30以上の条件を満たす場合、翌日にプラントの閉鎖が通常より約3倍起こりやすい

 

従来のアプローチとAKDアプローチの比較

AKDは従来の統計手法とは異なるアプローチで、対象とするデータ全体を網羅的に仮説なしで等価に数え上げることで、全変数の組み合わせを総当り的に探索します。従来の統計手法では、全体的に影響が強い属性から最初の軸、次の軸と統計的に切っていくため、切り口の同じ軸の似たようなグループしか見つからないのに対し、AKDはまったく異なる軸の組み合わせであっても網羅的に探索されるので、一度の探索で多くのグループ(仮説)を出力します。結果的に、従来の数理統計手法では見つけることが困難であったルールも発見される可能性が高まり、ビジネスへの新たなインサイトに繋がります。

例えば、「商品を購入する」という事象に対し、従来の手法では全体的に影響が強い顧客の属性情報(例えば、性別、年代等)が主な軸になり、同じ性別や年代のような平均的な特徴を表す顧客のセグメントのみを見ることで、全体傾向を表そうとしています。AKDの場合は、顧客の行動情報や接点など属性軸だけでなく、様々な軸の組合せの中で「商品を購入しそうな」顧客のセグメントを見つけてくるので、弱い傾向の検出や新たな発見につながる可能性も高まります。また、一度の探索で重なりを許すたくさんのセグメント(仮説)を出力するので、様々なビジネス観点での解釈が可能になります。

<従来のアプローチとAKDアプローチの違い>

従来のアプローチとAKDアプローチの違い
※クリックで別ウィンドウ拡大表示します

Deloitte Analyticsトップページへ戻る

サービス内容等に関するお問い合わせは、下記のお問い合わせフォームにて受付いたします。お気軽にお問い合わせください。

オンラインフォームより問い合わせを行う

プロフェッショナル

神津 友武/Tomotake Kozu

神津 友武/Tomotake Kozu

デロイト トーマツ グループ パートナー

有限責任監査法人トーマツ パートナー。物理学の研究員、コンサルティング会社を経て、2002 年から有限責任監査法人トーマツに勤務。 金融機関、商社やエネルギー会社を中心にデリバティブ・証券化商品の時価評価、定量的リスク分析、株式価値評価等の領域で、数理統計分析を用いた会計監査補助業務とコンサルティング業務に多数従事。 現在は金融、エネルギー、製造、小売、医薬、公共等の領域で、デロイト トーマツ グ... さらに見る