Decode2017 登壇資料
?Download as PPTX, PDF?
0 likes?104 views
Machine Learningを活用したチャーン分析と、そこから進化したカスタマーインテリジェンスの実現方法、Blockchainを用いたセキュリティアーキテクチャーのプレゼンテーション。
Decode2017 登壇資料
- 2. 千賀 大司 ジェネラルマネージャー（研究開発部） Microsoft MVP for Data Platform twitter：@hiroshi1000 最新情報はこちらで発信中
- 3. ? COPYRIGHT 2017 FIXER inc. 2
- 4. ? COPYRIGHT 2017 FIXER inc. 3 Previously on de:code
- 5. ? COPYRIGHT 2017 FIXER inc. 4 For the Future ~未来へと続く軌跡~ 機械学習（Machine Learning）のデータ分析から、 Cognitive による AI へ。 さらに、Blockchain と連携した オートメーション と Customer Intelligence の実現 2014 2015 2016 2017 Machine Learning チャーン分析/予測 Machine Learning & Cognitive Services クラウドAI & RPA CVC (Cloud Video Conference) Customer Communication for Fintech Machine Learning & Blockchain カスタマーインテリジェンス CVC (Cloud Video Conference) Customer Communication for Fintech
- 6. ? COPYRIGHT 2017 FIXER inc. 5 2015
- 7. 聖剣伝説 RISE of MANA のユーザデータを Azure Machine Learning で分析
- 9. 线形相関の作成
- 10. 线形相関の作成 レベル 経験値 ルク フレンド ポイント 受信箱 上限数 フレンド 上限数 マナのかけら 有料コイン 無料コイン SR+武器 所持数 SR+魔ペット 所持数 UR武器 所持数 UR魔ペット 所持数 SR武器 所持数 SR魔ペット 所持数 レベル 1.00 0.79 0.63 0.65 0.73 1.00 0.68 0.32 0.29 0.89 0.88 0.19 0.32 0.75 0.75 経験値 0.79 1.00 0.76 0.68 0.65 0.78 0.61 0.39 0.17 0.87 0.87 0.27 0.44 0.64 0.60 ルク 0.63 0.76 1.00 0.63 0.54 0.63 0.58 0.28 0.23 0.63 0.61 0.15 0.29 0.54 0.55 フレンドポイント 0.65 0.68 0.63 1.00 0.60 0.65 0.58 0.28 0.31 0.67 0.67 0.12 0.26 0.65 0.63 受信箱上限数 0.73 0.65 0.54 0.60 1.00 0.73 0.59 0.32 0.31 0.72 0.73 0.17 0.28 0.80 0.82 フレンド上限数 1.00 0.78 0.63 0.65 0.73 1.00 0.68 0.32 0.30 0.88 0.88 0.19 0.32 0.75 0.74 マナのかけら 0.68 0.61 0.58 0.58 0.59 0.68 1.00 0.32 0.22 0.69 0.68 0.17 0.26 0.61 0.61 有料コイン 0.32 0.39 0.28 0.28 0.32 0.32 0.32 1.00 0.06 0.37 0.38 0.15 0.20 0.30 0.28 無料コイン 0.29 0.17 0.23 0.31 0.31 0.30 0.22 0.06 1.00 0.23 0.23 0.00 0.03 0.36 0.39 SR+武器所持率 0.89 0.87 0.63 0.67 0.72 0.88 0.69 0.37 0.23 1.00 0.97 0.26 0.42 0.73 0.70 SR+魔ペット所持率 0.88 0.87 0.61 0.67 0.73 0.88 0.68 0.38 0.23 0.97 1.00 0.25 0.41 0.73 0.71 UR武器所持率 0.19 0.27 0.15 0.12 0.17 0.19 0.17 0.15 0.00 0.26 0.25 1.00 0.23 0.16 0.14 UR魔ペット所持率 0.32 0.44 0.29 0.26 0.28 0.32 0.26 0.20 0.03 0.42 0.41 0.23 1.00 0.26 0.27 SR武器所持率 0.75 0.64 0.54 0.65 0.80 0.75 0.61 0.30 0.36 0.73 0.73 0.16 0.26 1.00 0.85 SR魔ペット所持率 0.75 0.60 0.55 0.63 0.82 0.74 0.61 0.28 0.39 0.70 0.71 0.14 0.27 0.85 1.00 0.7以上 ：強い相関 0.4～0.7：相関あり 0.2～0.4：弱い相関 0.2未満 ：相関なし
- 12. 重回帰分析による未来予想 ? 必要なデータフォーマット TPlayerId DateTime LoginCount Level Exp SRPlus WeaponNum SRPlus PoppetNum NextMonth LoginCount 431205 2015/5/1 0:00 10 1 0 0 0 0 435345 2015/5/1 0:00 20 7 991 0 0 0 234483 2015/5/1 0:00 30 21 19472 4 2 30 436016 2015/5/1 0:00 40 1 0 0 0 40 211776 2015/4/1 0:00 20 1 0 0 0 30 434180 2015/4/1 0:00 30 9 1719 0 0 40 382872 2015/4/1 0:00 10 26 37654 0 2 60 436124 2015/4/1 0:00 80 1 0 0 0 50 各月断面のユーザパラメータ 予測したいパラメータ
- 13. 分类アルゴリズム别の精度评価
- 14. クラウドで実現するデータ分析（チャーン予測）基盤サービス 既存データ FIXER Cloud Data Analytics Platform データ収集～可視化、24時間監視～機械学習APIを1パッケージでご提供 顧客情報POSデータ 行動ログ SQL Server, Oracle, etc. Data Migration Data Store Processing View Data Insurance Backup/Recovery* Expert Support On Demand* 機械学習 ML/HD Insight BIダッシュボード PowerBI クラスタリング レコメンド 回帰分析 クラス分析 既存データを そのまま活用 * Optional * Optional Template Packages* * Optional Microsoft Azure 24h/7d 運用監視
- 15. ? COPYRIGHT 2017 FIXER inc. 14 2016
- 17. 16
- 18. お客様との取り決めで検知?エスカレーションが基本運用 インストー ルManager Maneger 登録 対応 検知 セットアップ 監視 調査 対策 FIXER お 客 様 インストール クライアント 設定内容 等取り決め 確認 対策承認 対策提案 設定 シート 調査依頼 エスカレー ションルー ル 月次 レポート cloud.configによる、障害レベルに応じた従来の運用 5 Disaster 4 High 3 Average 2 Warning 1 Info 初期費用 基本運用（定型） オプション（非体型）
- 20. ? COPYRIGHT 2016 FIXER inc. cloud.config 運用業務概要 19
- 21. ? COPYRIGHT 2017 FIXER inc. cloud.config Portal : Azure利用情報をサブスクリプションごと、サービスごとに可視化 20
- 22. ? COPYRIGHT 2017 FIXER inc. 21 cloud.config portal デモ動画 cloud.config portal
- 23. ? COPYRIGHT 2017 FIXER inc. cloud.config Portal : Azure利用金額の請求書発行まで自動化 22 貴社名 貴社名での 発行が可能 ワンクリック で請求書発行
- 24. ? COPYRIGHT 2017 FIXER inc. cloud.config Portalを無料で利用可能！ 23 【日本初】AppSource で cloud.config Portal を無料提供中！
- 25. ? COPYRIGHT 2017 FIXER inc. AppSourceで「FIXER」を検索 24 検索窓から FIXER を検索
- 26. ? COPYRIGHT 2017 FIXER inc. 25 FIXER Cloud AI 2017
- 27. ? COPYRIGHT 2017 FIXER inc. 26 Machine Learning
- 28. ? COPYRIGHT 2017 FIXER inc. 27 Cognitive
- 29. ? COPYRIGHT 2017 FIXER inc. 28 BlockChain
- 30. ? COPYRIGHT 2017 FIXER inc. 29 チャーン予測 から カスタマーインテリジェンス へ 機械学習（Machine Learning）による高精度の予測モデルにより、チャーンレートの最小化を行う時代から、 さらに高精度に進化を遂げたマーケティングサービス
- 31. ? COPYRIGHT 2017 FIXER inc. 30 これまでの機械学習による手法 定義 準備?予測 リテイン マーケティング アクション こういうお客様は こういうセグメントだ このお客様は このセグメントに 属しているだろう 予測モデルの更新 メール、Push通知、 Web表示最適化など
- 32. ? COPYRIGHT 2017 FIXER inc. 31 チャーン予測からカスタマーインテリジェンスへ RFM（Recency/Frequency/Monetary）や CLV（Customer Lifetime Value）に注目し、 動的で細分化したセグメント（ダイナミックマイクロセグメンテーション）により高精度に分析 【これまで】 ? マーケターの経験によって、事前にお客様の志向を定義 ? どのお客様がどのお客様に近いかを予測（リコメンドエンジンの考え方でのパターン化） ? ハードコーディングやルールベースに近いチャーン予測 ? 集約/平均化したデータを使用(そのお客様についての重要な事実が消失) ? デモグラフィック情報?サイコグラフィク情報?ジオグラフィック情報による分析 ? アクセス経路、居住地、誰がどの商品やサービスを購入したかといったハイレベルでのカテゴライズは ほとんど結果につながらない ? 時間の経過とともにセグメントをどう移動が考慮されない、スナップショットの分析
- 33. ? COPYRIGHT 2017 FIXER inc. 32 お客様をより詳しく把握する『ダイナミック?マイクロ?セグメンテーション』 人の経験に基づく事前定義型アプローチによるセグメント化ではなく、 機械学習、ディープラーニングを用いたお客様のふるまいモデルと CLV（Customer Lifetime Value）予測に基づくマイクロセグメント化 数個～数十個の顧客グループ 数百～数千個の顧客グループ
- 34. ? COPYRIGHT 2017 FIXER inc. 33 Azure Machine Learning による多クラス分類（Multiclass Classification） ? 4つのアルゴリズムを利用可能 ?マルチクラス デシジョンフォレスト ?マルチクラス デシジョンジャングル ?マルチクラス ロジスティック回帰 ?マルチクラス ニューラルネットワーク 単層パーセプトロンから、Net#を 使った多層パーセプトロンまで対応
- 35. ? COPYRIGHT 2017 FIXER inc. 34 RPA（ロボティック?プロセス?オートメーション）による再学習の自動化 Azure MLでは、プログラムによる分析モデルの自動更新が可能 PowerShell や Azure Automation、WebJobs、Flow 等と連携し、RPAにより分析モデルを 自動的に更新 https://docs.microsoft.com/ja-jp/azure/machine-learning/machine-learning-retrain-machine-learning-model
- 36. ? COPYRIGHT 2017 FIXER inc. 35 RPA（ロボティック?プロセス?オートメーション）による再学習の自動化 詳しくは Microsoft の Auzreドキュメント もしくは 拙著 『さわってわかる機械学習 Azure Macine Learning 実践ガイド』 などの解説をご参照下さい。
- 37. ? COPYRIGHT 2017 FIXER inc. 36 ふるまい予測モデル お客様のセグメント移動履歴によりお客様の動向を予測 お客様をマイクロセグメント化し、動的に再配置することで、個々のお客様のセグメントの移動履歴を トラッキングすることが可能に ? 個々のお客様の将来動向を高度に予測 https://code.msdn.microsoft.com/windowsdesktop/Basis-of-Neural-Networks-f12ce1e9 ニューラルネット（ディープラーニング） により反応するノードを特徴として捕捉
- 38. ? COPYRIGHT 2017 FIXER inc. 37 CLV(Customer Lifetime Value)予測によるチャーン(離脱)抑止 セグメント移動履歴別から見たCLV(Customer Lifetime Value) 増加の傾きf’(t)がゼロに近い ? チャーン(離脱)リスクが高い 時間経過 CLV
- 39. ? COPYRIGHT 2017 FIXER inc. 38 これまでの機械学習によるアプローチ 似ている人 同じモノを買う人 リスクモデル CVL予測 介入モデル ダイナミック マイクロセグメント化 Azureなら、世界最先端の顧客分析とマーケティングが可能 リスクの予測によってチャーン(離脱)を回避するのではなく、お客様のCLV(生涯価値)を最大化する ことで、お客様目線でのサービス向上を実現できます
- 40. ? COPYRIGHT 2017 FIXER inc. 39 CVC (Cloud Video Conference) with Cognitive & BlockChain 高セキュリティ ＋ ワークスタイル変革
- 41. 40
- 42. ? COPYRIGHT 2017 FIXER inc. 41 金融機関対応、高セキュリティ?ビデオ通話システム Cloud Video Conference “CVC” 自動録画によるコンプライアンス対応? 会話内容を自動でテキスト化して記録? 改ざん不能なBlockChainに通話を記録? ? パブリッククラウド上のオンライン会議をセキュアに実現 ? WebRTC によりブラウザさえあれば利用でき、面倒なシステム運用が不要 ? 共有資料はアプリケーションレベルで制限可能 オンプレでもクラウドでも可能なAD連携? チャット機能、O365連携 etc.?
- 43. ? COPYRIGHT 2017 FIXER inc. 42 複雑化するお客様とのコンタクトポイント コールセンター ／ヘルプデスク モバイル ソーシャル PC 店舗
- 44. ? COPYRIGHT 2017 FIXER inc. 43 Cognitive Servicesを活用した会話内容の記録?分析
- 45. ? COPYRIGHT 2017 FIXER inc. 44 RPA / Cloud AI ワークフロー with Bot & Blockchain ? Demonstration AIによるワークスタイル変革
- 46. ? COPYRIGHT 2017 FIXER inc. 45 BlockChain ＝ ビットコイン？？
- 47. ? COPYRIGHT 2017 FIXER inc. 46 BlockChain ＝ 仮想通貨？？
- 48. ? COPYRIGHT 2017 FIXER inc. 47 スマートコントラクトを実現する、 改ざん不能でセキュアなプラットフォーム
- 49. Bot AI Bot Framework Ethereum 申請履歴閲覧アプリ（UWP） （Transaction Viewer） ?日付 ?申請者 ?申請内容 ?申請番号 ?申請種別 ?決裁者 JSON-RPC(Call) ?日付 ?TransactionHash ?承認者 ?申請者 ?申請番号 ?申請種別 ?申請内容 コントラクト呼出し ブロックチェーン Solidity とスマート コントラクトによるセキュアな申請ワークフローの実装
- 50. ? COPYRIGHT 2017 FIXER inc. 49 Active Directory とのデータ連携 Active Directoryのプロパティから上司を判断
- 51. Machine Learning + Cognitive ? AI 50 考える 予測する 話す 聴く見る
- 52. ? COPYRIGHT 2017 FIXER inc. 51 Cognitive ＋ クラウドAI による会社受付の例
- 53. クラウドAI が 自動受付し、Office365/クラウドPBXと連携 52 顔認識エンジン 音声認識?合成エンジン Microsoft Azure Machine Learning 打合せ予定を連携 クラウドAI クラウドAI が自動受付 Microsoft Cognitive Services Graph API来訪者 打合せ担当者 クラウドPBX 携帯電話への電話 アプリへPush通知
Editor's Notes
- 私は株式会社FIXER 研究開発部のジェネラルマネージャーをしている千賀と申します。 データ分析やAI開発を推進しておりまして、Microsoft様より、Data Platform、Machine Learning分野で MVPのアワードを頂いております。
- Azure、BlockChain ＋ ML/Cognitive + Fintech 全部入り！ ということで クラウド業界をリードしてきたFIXERが、いま取り組んでいる最先端の技術情報を、盛りだくさん、ふんだんに お伝えしたいと思います。 まず前半、私 千賀からお話をさせて頂き、後半はFintech分野で最先端の取り組みを ご一緒させて頂いている北國銀行 代表取締役 専務の杖村様をゲストスピーカーにお迎えし、 当社代表取締役の松岡と交代したいと思います。 よろしくお願いします！
- さて、それでは最初に、昨年、1昨年を振り返りながら、デモも交え、最新のAI?機械学習、そしてブロックチェーンの 技術をお伝えして参りたいと思います。
- 一昨年はAzure Machine Learningを使ってチャーン分析、離脱予測を行う方法をお伝えし、 昨年はそこにCognitive Serviceを連携、クラウド運用を自動化するRPA、ロボティック?プロセス?オートメーションの 実例をお伝えしました。 さらに、金融機関様でもご利用頂いているソリューションであり、自動録画によって金融機関が必要とするコーポレートガバナンスにも 対応した高セキュリティのビデオ通話サービス CVC = Cloud Video Conference のご紹介をさせて頂きました。 今年は更に、機械学習にブロックチェーンを組み合わせ、チャーン予測に留まらず世界最先端の「カスタマーインテリジェンス」を実現する方法も ご紹介します。また、CVCにCognitive Servicesを連携し、音声認識、感情分析を実現したデモンストレーションもご覧頂きたいと思います。
- プレイされたことのある方もいらっしゃると思いますが、300万を越えるユーザーで人気タイトルとなったゲーム、 「聖剣伝説 RISE of MANA」での機械学習によるチャーン予測の事例をご紹介しました。
- そして、いまご紹介したcloud.configのサービス、さらにはお客様の既存業務やサービスを、これまでに比べよりスマートに、よりインテリジェントに進化させていく取り組みを着実に進めています。 ★
- そして、次にFIXERが創業以来、ビジネスの根幹に据えておりますcloud.configのサービスについて、最新のサービス内容をご紹介いたします。 ★
- ?deep securityとcloud.configは同様に運用レベルを設定して運用 ?deep security から cloud.configの監視基盤に展開して運用している ?基本的には一括管理をしてサービス展開する ●deep security の設定項目についても、内容を吟味して協議の上決める ●cloud.config側で精査した状態でご報告のレポートを発行する
- ?deep securityとcloud.configは同様に運用レベルを設定して運用 ?deep security から cloud.configの監視基盤に展開して運用している ?基本的には一括管理をしてサービス展開する ●deep security の設定項目についても、内容を吟味して協議の上決める ●cloud.config側で精査した状態でご報告のレポートを発行する
- Machine LearningとCognitive Services、O365、そしてAzureを連携し、障害発生時に最適な対応方法を クラウドAIが自律的に判断して提案、運用担当者の顔認証による承認を経てサービスを復旧する仕組みをデモを 交えてご紹介しました。
- そして、シャドーIT化に陥りやすいクラウドの利用状況を可視化し、月ごと、サービス毎に利用状況をリアルタイムに 確認できるFIXERのサービス「cloud.config Portal」のご紹介をさせて頂きました。 すでにクラウドのバックオフィス業務でお悩みの方々には救世主となるこのcloud.config Portal、ご紹介ムービーをご用意しておりますのでご覧ください。
- 请求书の発行が必要となる场合は、请求书単位で该当するサブスクリプションをまとめることが可能ですので、请求书をワンクリックで自动発行できる机能を备えています。
- 请求书の発行が必要となる场合は、请求书単位で该当するサブスクリプションをまとめることが可能ですので、请求书をワンクリックで自动発行できる机能を备えています。 すでにクラウドのバックオフィス業務でお悩みの方々には救世主となるこのcloud.config Portal、ご紹介ムービーをご用意しておりますのでご覧ください。 ★
- 具体的な方法や効果に興味をお持ち頂けましたら、ぜひ当社までお問合せください！ ★
- FIXERは、新たに発表されたSkype Web SDKを活用し、パブリッククラウド上でセキュアに1対1のオンライン会議を実現できるサービスを開発いたしました。 ここでそのご紹介ムービーをご覧ください。 ★ 引き続き、後半のセッションをお楽しみ下さい。
- 昨今、エンタープライズとお客様とのコンタクトポイントは多様化?複雑化しております ★
- 実際の通話画面はブースの方に展示してありますのでそちらをご覧頂くとして、 今日はCVCとCognitiveとの連携による分析サービスをお見せします。 ★
- ?deep securityとcloud.configは同様に運用レベルを設定して運用 ?deep security から cloud.configの監視基盤に展開して運用している ?基本的には一括管理をしてサービス展開する ●deep security の設定項目についても、内容を吟味して協議の上決める ●cloud.config側で精査した状態でご報告のレポートを発行する