『データサイエンス・エンジニアリング支援サービス』とは
変化の速い時代の中で、組織には正確で素早い意思決定が求められます。勘や経験からではなくデータに基づいた経営の意思決定（データドリブン経営）を実現する必要があります。そのため、データおよびそのデータの利活用の重要性は近年ますます高まっています。
『データサイエンス・エンジニアリング支援サービス』とは、データを組みあわせて整備・分析することでデータの利活用を可能にして、データドリブン経営の実現をご支援するメソッドです。データ分析支援とデータ分析基盤構築支援を軸に、実際のビジネスの課題解決につながるデータの利活用のご支援が可能です。
データ利活用によくある課題
社内外のデータを利活用するにあたり、こんなことにお困りではないでしょうか？
データの利活用を始めてみたいけど…
- データ分析はやっているものの、AI/機械学習となると分析方法や分析プロセスが難しそう
- 予測モデルの作り方がわからない
- 非構造化データ（テキスト・音声・画像など）のデータ分析方法・データの取り扱い方がわからない
- 社外にあるデータソース（オープンデータやSNSなど）など、データの使い方がわからない
- 何から始めたら良いかわからない
データ分析を始めてみたものの…
- 業務に組み込めていないためデータ分析が続かない・使えないままになっている
- データサイエンティストに丸投げで費用ばかりかかっている。内部でもっと効果的にやりたい
- データ分析を実施する上で手作業が多く、それらをシステム化したい
もう一歩踏み込んでやってみたいけど…
- 人材が育っておらず 外注頼みになっている
- 外注したが、結局、業務に役立つところまではいかなかった
『データサイエンス・エンジニアリング支援サービス』では、データの利活用に効果的な豆蔵独自のフレームワークで課題を解決します。
データ分析支援
実施スケジュールの例
3ヶ月～4ヶ月で立ち上げをご支援します。目的・目標の明確化、仮説設計、施策の実行、評価、スキルトランスファーを行って、お客様自身でデータ分析を運用できるようにご支援します。その後、データ分析基盤構築の検討へと進めていきます。
データ分析の進め方
お客様と共同で分析プロジェクトを進めていきます。まず、豆蔵のコンサルタントが分析モデルを作成し、これを元にお客様と議論し、共に改善していきます。意見やアイデアが創発される場づくりにより、お客様自身でのデータ分析および仮説検証を可能にします。
業務への適用・定着の進め方
データ分析を通して作り上げた分析モデルを活用した運用をお客様自身で可能となるように、業務へ適用し定着することにフォーカスしたスキルトランスファーを実施します。データ分析手法のノウハウを基に、素早く確実な活用・定着を目指したスキルトランスファーが可能です。
- ご担当されるお客様と豆蔵コンサルタントが共同でドキュメントを作成し、お客様目線での資料を作り上げます
- お客様がお持ちのデータで分析モデルの動作を実施することにより、スムーズな業務適用が可能です
データ分析基盤構築支援
実施スケジュールの例
4ヶ月～9ヶ月でデータ分析基盤構築を行います。構想検討、データ連携検討・インフラ設計、全体計画を行い、データ分析基盤を実装していきます。その後の保守・運用もご支援します。
データ分析基盤の課題
データ分析基盤とは、データの収集から分析・利活用を効率よく行うためのシステム環境です。
データ分析基盤の構築には様々な課題があります。
使用するインフラ環境やツールは何を使用するか、どのようにデータを収集するか、分析手法はどうするのか、等々。
データ分析基盤構築の進め方
分析の目的及び内容、手法、データ量や要求性能、既存システムとの共存と低コスト運用プランニング等あらゆる観点から検討を行い、ニーズに合わせた最適なデータ分析基盤構築のご支援を行います。短い期間での開発（イテレーション）を何回か繰り返しながら段階的に進めます。イテレーションの中でお客様とのレビューを繰り返し行うことで、システムの方向性やニーズにおいてお互いの認識に齟齬がないよう、細かく軌道修正しながら開発を進めていきます。
豆蔵の強み
高度な解析技術とIT技術の両方を保有
応用数学や宇宙物理学など高度な数理を得意とするコンサルタント（豆蔵データサインティスト）が多数在籍しています。高度な解析（数理）技術と豆蔵が元来得意とするIT技術を使って、最適なAI実装が可能です。
解析技術
| 数値データ解析 | 画像データ解析 | 言語データ解析 | |
| 豆蔵の強み（技術） | LightGBM、XGBoost | Deep Learning、YOLO Vision Transformer | Transformer、BERT、GPT-3、TF-IDF |
| 適用事例 |
スマートファクトリー、デジタルヘルスケア (IoTセンサーデータを利用した寿命予測、異常検知、行動予測) |
スマートファクトリー (不良品判定、異常検知、製品のタグ付け) |
デジタルワークプレイス、デジタルマーケティング (SNS分析、文書要約、文書自動生成、レコメンド、チャットボット) |
IT技術
| 項目 | 技術 |
| 言語 | Python、R |
| フレームワーク | PyTorch、TensorFlow、scikit-learn、MLflow、Kubeflow、ONNX |
| BIツール | Tableau、PowerBI、QlikView、MotionBoard |
| 開発ツール | Jupyter Notebook、Rstudio |
| 自動化 | MLOps、AutoML |
| クラウドAI | AWS Machine Learning、Azure Machine Learning |
| IoT | エッジAI |
ビジネスで成果を出せるフレームワーク保有
これまで様々な業種のお客様をご支援した知見やノウハウから、豆蔵独自のデータ利活用のフレームワークを用意しています。フレームワークとして整備した手順を円滑に進めるための効率的な手法を多数取り揃えています。（下図は手法の一部です）
導入企業
多くの企業様をご支援させていただいております。
【導入企業様（一部）】
|