DataRobot ブログ

顧客のレビューや口コミから製品改善のヒント（インサイト）を得ることは、多くの企業にとって時間と労力のかかるプロセスです。本記事では、DataRobot AIアクセラレータを活用して、顧客レビューや口コミから重要なインサイトを自動的に抽出し、製品開発チームのための改善レポートを作成する方法をご紹介します。

適切なモデルを選択したら、DataRobot を使って簡単にそのモデルを意思決定環境にデプロイすることができます。意思決定環境とは、モデルで生成された予測結果を組織内の適切な関係者が使用する方法、およびそれらの関係者がその予測値に基づいて全体のプロセスに影響する意思決定を行う方法を指します。 

説明の都合上、ここでは大統領エイズ救済緊急計画（PEPFAR）から提供され、Kaggle で一般に公開されているサンプルデータセットを使用します。このデータセットで、サプライチェーンのヘルス商品の出荷および価格設定データがわかります。特に、抗レトロウイルス薬（ARV）と HIV ラボからの支援対象国への出荷を特定できます。加えて、このデータセットには、商品の価格設定情報および商品を他国に出荷して使用するために必要な関連サプライチェーンの費用が含まれています。このチュートリアルではこのデータセットで、製造会社やロジスティクス会社が AI モデルを活用してどのように意思決定プロセスを改善できるかを示します。

どのサプライチェーンネットワークでも非常に重要になる要素は、部品不足の発生を防止すること、特に最後の段階でそれが起こらないようにすることです。部品不足は機械装置や輸送手段の利用率低下につながるだけでなく、ネットワーク全体で配送遅延の連鎖反応が発生する原因ともなります。加えて、部品不足があると、納期どおりに配送される部品が予定より少なくなるので、サプライチェーンマネージャーは資材計画の最適化ができません。

DataRobotは、日東電工株式会社（以下、Nitto）の実ビジネスにおける業務改善に向けた生成AIソリューションの導入支援を開始しました。NittoではDataRobot 生成AIソリューションのPoV（Proof of Value：価値実証）を2024年6月に完了しており、今後、DataRobotのRAG構築機能を活用し、継続的に信頼性の高いアプリ構築を目指します。

ビジネスにおける機械学習モデルの活用が加速する中、「AIガバナンス」という言葉が注目を集めています。AIガバナンスとは、AIモデルの開発から運用にわたるライフサイクル全体を通して責任ある管理を行うことを指しますが、運用面ではモデルの精度やドリフトを継続的に監視し、適切な対策を講じることが重要な要素の一つです。

クラスタリングは、データを類似した特徴を持つグループ（クラスター）に分類する教師なし学習手法です。しかし、得られたクラスターの意味を解釈し、適切なラベルを付けるには、通常、ドメイン専門家の知識の助けを借りながら、時間をかけて慎重に作業を行う必要があります。

再入院予測のためにデータのパターンを学習する最も優れたモデルを見つけられるようになったら、DataRobot を使って簡単にそのモデルを目的の意思決定環境にデプロイできます。意思決定環境とは、モデルで生成された予測結果を組織内の適切な関係者が使用する方法、およびそれらの関係者がその予測値に基づいて全体のプロセスに影響する意思決定を行う方法を指します。 

このユースケースのターゲット変数は、患者が病院に再入院したかどうかということです（真または偽、1 または 0 などの二値）。ターゲットから、二値分類問題ということになります。 以下の特徴量は、再入院を予測するうえで重要な要素を表しています。各患者の背景、診断内容、病歴を網羅しており、DataRobot はこうした特徴量を基に患者の既往歴から関連するパターンを検出し、再入院のリスクを評価します。