エキサイティングなビジネスにおけるマシンラーニングの5つのユースケース

ビッグデータとマシンラーニングを組み合わせることで、ビジネスの競争に必要なデータの価値を高めることができます。

2つのマシンラーニング(ML)モデルビルダーのリリースにより、ソフトウェアエンジニアは特殊なトレーニングを行わなくてもMLモデルを作成して実行することが容易になりました。

MicrosoftとAmazon Web Services(AWS)Gluonは、人工知能AI)システムを開発するために必要な困難な作業のいくつかを排除してくれるオープンソースプロジェクトです。
開発者は独自のMLシステムを開発するために使用できるディープラーニングシステムの2つの重要なコンポーネントであるトレーニングアルゴリズムとニューラルネットワークモデルを提供しています。

GoogleのMLエンジンは、クラウドプラットフォームの一部であり、任意のサイズのあらゆる種類のデータで動作するMLモデルを構築する開発者向けのマネージドサービスとして提供されています。 Gluonと同様に、Googleのサービスは、開発者が独自に調整したMLモデルを生成するため、事前に調整だれたモデルを提供しています。

今こそMLがビジネスにどのように適用できるかを考える時です。
ビッグデータと機械学習を組み合わせることで、オファリングの作成と改善、また、使用できるパターンを明らかにすることで、既存のデータの価値を引き出し、競合他社に勝る利点を得ることができます。

ここではMLを駆使して企業が商品やサービスをいかに革新するすることができるかを紹介して行きます。

1.自動運転車

自動運転車はより安全で効率的な輸送手段につながる可能性があります。ソフトウェア開発者は、人間の意思決定に類似した方法で車両が意思決定を行えるようにするために、MLおよびディープ・ラーニング(DL)アルゴリズムを使用してコンピュータ・ビジョンを強化しています。

Drive.aiはDLを使用して自動運転車の「脳」を構築しています。このチームでは、道路標識、信号灯、歩行者などのオブジェクトに注釈を付けるためのバウンディングボックスを使用して、未加工画像から非構造化データを構造化データへ変換します。

これらのデータは、自律システムにオブジェクトを認識させることと、道路上で進行中に適切な応答をさせる方法を教えるために使用されます。

2.ライティングの授業

人々に書き方を教えることは、スケールするのが難しいものです。経験豊富な高校教員や大学教授であっても、筆記作業をレビューし、各クラスのすべての生徒に有意義なフィードバックを提供することは難しいことです。

Ecreeは自動筆記評価ソフトウェアで機能を強化するためにMLを使用しています。生徒がエッセイを提出すると、アルゴリズムは、そのエッセイにテーゼがあるか、また目的のステートメントを含むかを認識し、評価をつけます。

このソフトウェアは36の測定基準を使用して学生の仕事を記録し、1分以内に学生にフィードバックを提供することができます。生徒は好きなだけ草稿を提出することができ、リアルタイムでライティングのまとまり、明快さ、証拠や分析など、優れた執筆の要素を学ぶことができます。このツールは、同じ基準を使用することで、すべての生徒が平等に評価されます。

3. IoTとIIoTの予測保守

機器のメンテナンスは、実際に機材を使用している企業が直面するコストのかかる課題の1つです。モノのインターネット(IoT)とインダストリアルIoT(IIoT)は、燃料ゲージからタイヤまで、毎日のオブジェクトに組み込まれたセンサーを使用して、データを収集し、ネットワーク上で共有します。
このシステムは、MLを使用して、温度および湿度などのデータを分析して、性能および将来の結果を予測することができます。

海洋電力システムを製造する会社であるCaterpillarは、IoTとマシンラーニングを使用して機器とデバイスデータのパターンを明らかにします。1つの例では、Caterpillarは、燃料計の測定値が搭載された冷蔵コンテナによって使用される電力の量と相関していることを確認することができました。これらのデータを使用して発電機の出力を変更して運転パラメータを最適化します。結果、1時間に30ドル、50隻で年間65万ドルの節約に成功しました。

4.インバウンド・ロジスティクス計画

物流計画によって、適切な人が、適切な時間に、適切な場所に、適切な数の物資を受け取ることができるようになります。インバウンド・ロジスティクスは、サプライヤーとビジネスに送り込む商品の管理に重点を置いています。これは、受注、出荷、倉庫管理や在庫管理ができる複雑なプロセスです。既存のプランニングに関するデータを収集してMLモデルに組み込むことで、企業は将来を予測し、最適なプロセス選ぶことができます。

消費者小売業者WalmartはMLを使用してビジネス効率を最適化します。そのRetail Link 2.0システムは、サプライチェーン全体で流れる情報を使用してプロセスからの偏差を特定し、リアルタイムで調整を行うことができます。

自動車メーカーHondaはマシンラーニングを使用して、組立ラインを超えて品質問題を検出します。これは、保証リターンノートのフリーテキストフィールドとメカニックからのレポートのパターンを特定することによって行われます。

5.小売商業

店舗やオンラインで製品を販売している企業は、今や消費者、消費支出、好みに関する人口統計データなどの大きなデータを収集しています。オンラインとオフラインのデータを集約し、価格、在庫、顧客体験、および収益性にプラスの影響を与える可能性のあるデータのパターンを認識することが課題でした。

マシンラーニングにより、小売業者はデータのパターンを発見し、顧客のブランド体験に影響を与えることができます。 eコマースの小売業者は、買い物客が自分のウェブサイトで商品を閲覧し購入するとデータを収集し、その情報や市場動向を利用して、売上を増やすためのパーソナライズされた商品の推奨を提供することができます。

リテールの大手Amazonは、買い物客の閲覧履歴や購買履歴に基づいて、パーソナライズされた商品の推奨事項を最初に実装しました。 MLはその推薦エンジンの側面と、アマゾンのデジタル音声アシスタントAlexaが使用している自然言語処理を強化します。

豪華な衣料品小売業者Rebecca MinkoffはAlexaを使用して、データから細部まですばやく表示します。ShopTalk 2017では、共同設立者のUri Minkoffが、Alexaにブランドの春コレクションから最も購入されたアイテムを尋ね、1秒以内に正しい答えを得ました。

ビジネスのためにMLとDLを追求する場合、個人のデータは採掘される金となります。
MLモデルは、多くの基本プロセスを革新的で競争力のあるインテリジェントなシステムに変換することができます。

原文はこちら: 5 Exciting Machine Learning Use Cases in Business