年別アーカイブ 2012

投稿者:

コンジョイント分析、最適化、AHP

コンジョイント分析が一般化してきているようで、インターネットでもいろいろな記事を見ることができます。
しかし、「最適化」の概念が理解できていないと、計算の結果を有効に活用できません。たとえば、インターネットで「満室最適化アパートを実現-コンジョイント分析-」という記事を見かけました。
駐車場、駅距離、収納、バス、セキュリティ、間取り、付加設備、家賃などの条件の組み合わせでコンジョイントを分析を行って、重回帰分析のモデルを作成しています。そして、各要因の水準の偏回帰係数の一番高いものを抜き出して、「最適組わせモデル」としています。最終的には、実際の物件の諸条件に対応する回帰係数の合計で、各物件を評価しています。
一応(コンジョイント分析では、単調回帰やMONANOVA法を採用するというテクニカルなことはあるものの)これはこれで、投資物件を選ぶときに、そのアパートの入居率を予想するという意味ならアリだと思います。(投資物件として考えるなら、購入コストと期待収益によって利回りを計算するべきで、その過程で、実際にどの程度の入居が見込めるかの予想が立たなければなりません。)
ただし、「最適化アパート」という言い方は適切ではありません。なぜなら、条件がよくて家賃が安ければ、誰だってそれを選ぶでしょう。しかし、それは実現が難しいです。
各要因の水準の偏回帰係数の一番高いものを抜き出したものは、「理想」であって「最適化」ではありません。
最適化というのは、(工学用語で)コストと性能というような相矛盾する要素の空間で、バランスする点を見つけることです。多次元の要因の組み合わせでの最適化問題には、じつは自己組織化マップ(SOM)が役立ちます。コンジョイント分析の結果をSOMで分析すると、さらに有用な結果が得られます。たとえば、検討している物件の条件を現状のままで可能な最大家賃を設定するとか、より人気の高い条件に近づけるために(単にスコアを見るだけでなく大局な方向性を考慮して)現状のどこをどう直せばよいかを判断することができます。
ついでですが、回帰係数のようなスコアを用いて、複数の候補を順位づけするという考え方は、AHP(Analytic Hierarchy Process:階層分析法)という手法とも似ています。コンジョイント分析の場合は、アンケート調査を行ってデータを収集する必要があります。コンジョイント分析の目的は、消費者による多要因の評価を調査することです。一方、AHPは主体的な選択をできるかぎり合理的に行うことが目的です。たとえば、研究開発テーマの選択とか、人事における候補者選びなどです。
昔から研究開発マネジメントで、複数の評価基準を設けて、各テーマにスコアをつける方法がいろいろ考案されています。しかし、その多くは、複数の基準のスコアを単純に合計して、合計得点で比較します。評価基準に重みづけするという発想がなく、はっきり言って、分析の仕方としてはまぬけです。ここでAHPを使わなければどこで使うのか!というわけですが、日本では一向に理解されていません。
日本のエレクトロニクス産業の現在の惨状は、(もちろん世界的なパワーシフトという大きな背景があって回避できないことだったかもしれませんが)「マネジメントの失敗だ」というのが大方の見方になってきたようです。
「選択と集中」が必要なことはわかっていて、それをやろうとしたのですが、結局、(今になって言えることではありますが)そこに柔軟性が欠如していました。撤退やリストラを断行して(その時は英断のつもりだったのが)、取り返しのつかない間違いを繰り返してしまったようです。それは、役所の「線引き」と同じで、ガチガチのロジックに嵌っていたのです。
コンジョイント分析やAHPは、まさに「選択」のためのマネジメント・ツールです。これらをうまく使いこなせないのが、現在の日本の限界です。SOMは、これらの手法に、さらに大局観や柔軟性を付加することができます。

投稿者:

Viscovery SOMineのレンタル・ライセンス料金

Viscovery SOMine Enterpriseのレンタル・ライセンス料金がお安くなっております。
Viscoveryのようなデータマイニング・システムは、量販商品ではないので価格が高く、ライセンスを購入するのもなかなかたいへんです。SOMineは、Viscovery製品の最廉価版で、お求めやすい価格にしているのですが、それでも個人の予算で気軽に買えるほど安くはありません。
研究開発ユーザー様などで、多次元データの可視化や強力なクラスタリング手法として、「どうしてもViscoveryを使わないと他の手法では代替手法が見当たらない。しかし、その分析ばかりしているわけではないので、利用頻度はそんなに高くない」という場合のためにレンタル・ライセンスを用意しております。
「予算がない」というユーザー様には、無償評価用ダウンロードを繰り返しご利用頂いても結構です(実際、そのようなユーザー様が多数おられます)。ただし、無償バージョンは、30日間の利用制限、モデルの保存機能の制限、データ容量の制限があります。
Viscovery SOMine Enterpriseのレンタル・ライセンスは、利用期間の制限があるだけで、機能は製品版と同じすべての機能を無制限に利用できます。

投稿者:

データマイニング事業参入のコンサル

デーマイニング事業参入のコンサルティングのためのWebサイトを開きました。これは、従来のマインドウエア総研の事業とは、方向性が違うので別サイトにしております。
マインドウエア総研のデータマイニング事業のスタンスは、基本的に海外の開発企業と提携して、その技術情報や製品を日本語に翻訳して、それを日本国内のエンドユーザーに対して販売するということです。そして、それに付随して、データマイニング・プロジェクトのコンサルも行います。
しかしながら、ときどきちょっと変わったご相談を受けることがあります。それは、「わが社でもデータマイニングの事業をしたい」というご相談です。中堅の印刷会社であったり、クラウド・コンピューティングのベンチャー企業であったり、これまでさまざまなお会社からのご相談がありました。
しかしながら、総じてデータマニングをナメていて、1本だけソフトウェア・ライセンスを買って、それに顧客から預かったデータを放り込めば自動的に結果が出てくるぐらいに思っていたり、1本分のライセンス料だけ払って、数100人もの顧客にサービスを提供して、丸儲けしようと企んでいたりとかで、あまりの無理解さに言葉も出ないこともたびたびです。
そんなことで、だいたい無駄な時間を費やして、最終的に協力をお断りせざる得ないことが多いわけですが、ただ、「ユーザーのニーズ」という観点から、そこに1つの真実がないわけではありませんでした。
つまり、「データを放り込めば自動的に結果が出てくるべきだ」というのが、通常のビジネスマンの感覚です。それは、従来のデータマイニングから言えば甘すぎる考えですが、ビジネスマンの感覚としてはいたって正常な感覚です。なぜなら、ビジネスマンは科学者ではないからです。
率直に言って、これまでのデータマイニング・ツールは、科学者のツールであって、ビジネス・ツールではありませんでした。マインドウェア総研は、自己組織化マップやベイジアンネットワークなど、大手ベンダーの製品よりもさらに高度な先端手法を提供しているので、ユーザーの大部分が科学者です。大手ベンダーのようにマーケティング力にものを言わせて、ビジネスマンにデータマイニングという科学ツールを売りつけるという芸当は、ちょっと苦手なわけです。
しかしながら、技術も進歩しております。ようやく、ビジネスのニーズに合致するような技術も出てきておりますので、新たにデータマイニング事業に参入したいというお会社がありましたら、ご相談頂ければと存じます。

投稿者:

XLSTAT-Conjointでコンジョイント分析が簡単に

コンジョイント分析の準備作業は、面倒であり、かつコストがかかるでしょう。XLSTAT-Conjointを用いると、コンジョイント分析がわずかのクリックで準備できて分析できるようになります。
XLSTAT-Conjointは、マーケティング担当者向けのモジュールです。これは、コンジョイント分析を用いて、新製品に対する消費者の期待を発見し、彼らの選好をモデルすることができます。2種類のコンジョイント分析の手法があります:完全プロファイル・コンジョイント分析と選択ベース・コンジョイント分析(CBC)です。
XLSTAT-Conjoint分析ソフトウェアは、実験計画からMONANOVAや多項ロジットなど特別な回帰手法によるデータ分析で新市場のシミュレーションまで、コンジョイント分析のすべての分析ステップを一貫して実行できる統計プログラムです。
XLSTAT-Conjointによるコンジョイント分析のチュートリアルがあります:
•完全プロファイル・コンジョイント分析は、こちらをクリックしてください。
•選択ベース・コンジョイント分析は、こちらをクリックしてください。

投稿者:

XLSTAT 2012.6リリース

AddinsoftはXLSTAT 2012.6をリリースしました。
XLSTAT-Proのロジスティック回帰ツールに順序ロジット・モデルが追加されました。XLSTAT-MXの製品評価とパネル分析機能が、洞察的なより多くのオプションで改良されました。XLSTAT-Lifeは、Kaplan Meier 分析の新しいプロットとパラメトリック生存回帰とパラメトリック生存曲線の新しいオプションが追加されました。XLSTAT-PLSPMは、潜在変数間の相関について、ブートストラップの結果が表示されるようになりました。XLSTAT-Powerは、Mann-Whitney、符号検定、およびWilcoxon符号つき順位検定のための出力と標本サイズの計算が追加されました。
また、近いうちにさらなる追加・改良があります。

投稿者:

順序ロジット・モデル

XLSTATのWebサイトに順序ロジット・モデルの説明を追加しました。
機能説明
チュートリアル

投稿者:

Hugin 7.6 GUIマニュアル (データ前処理)

Hugin 7.6では、データ前処理機能が大幅に改良されております。
日本語GUIマニュアルのデータ前処理の部分をメンテナンスしてアップしました。

投稿者:

Hugin Expert社がFDCとのコラボレーションを開始

HUGIN EXPERT A/S は、スカンジナビアの保険・年金分野のITソリューションの最大級のサプライヤーである FDC と保険詐欺に対抗するために、HUGIN FDM を FDCのSaaS(Software as a Service)ITプラットフォームに統合することで同意しました。
コラボレーションの目的は、保険会社が不正検出のための効率的なソリューションを実装することを可能にするHUGUINソフトウェアの機能 FDCのソリューションに統合することです。保険詐欺は、すべての保険会社において重要な課題です。最近の調査によれば、損害保険の請求の10から12%が不正に関わっているとのことです。 潜在的な不正請求を識別する効率的な方法が求められております。
共通ITプラットフォーム F2100にHUGIN FDM を統合することにより、FDCは不正の水準を下げるための効率的なツールを、既存顧客や見込み顧客に提供することができます。 この契約は、FDC の顧客企業がFDCから直接購入できるということを意味します。
この契約での最初の導入は、9月にNorwegian insurance company で開始されます。
FDC および F2100 の詳細は: www.fdc.dk
日本の金融・保険向けITソリューション企業様におかれましても、これと同様な枠組みで、HUGIN FDM を販売して頂くことが可能です。マインドウエア総研が、契約の取次ぎ、ソフトウェアのローカライズ、事業実施のサポートを致しますので、ご遠慮なくお問い合わせください。

投稿者:

XLSTATのMac OS 10.8、Windows 8 および Office 2013との互換性

XLSTAT 2012.5 は、マイクロソフト、アップルからリリースされたばかりのExcel 2013, Windows 8 および Mac OS Mountain Lion (10.8) と互換であるXLSTATの最初のバージョンとなります。
XLSTAT-Pro は、現在、単変量プロット機能で、ノッチつき箱ひげ図を含みます。これは、Excel 2007 および 2010で、同一のグラフに40個までの箱ひげ図を表示することができます。また標本サイズによって箱ひげ図の幅を変化させることもできます。現在、サンプリング・ツールによって、多変量正規標本を生成することができます。XLSTAT-Life は、パラメトリック生存曲線および回帰ツールで拡張され、Weibull回帰モデルを含みます。XLSTAT-PLSPM では、リッジRGCCAモデルが利用可能です。これは、RGCCAモデルのパラメータを自動で最適化することができます。

投稿者:

Hugin GUIの日本語マニュアルを更新中

Hugin GUI日本語マニュアルのメンテナンスをしています。
下記のページが追加されています。
Chow Liu Tree
Code Wizard
Convolution 畳み込み
Data Analysis データ分析
Data Frame データ・フレーム
Data Matrix 
Discretization 離散化
EM Learning – OOBN
Feature Selection Analyzer 特徴選択アナライザ
Function Node 関数ノード
Function Tool 関数ツール
Greedy search and score 学習
Hidden Node Analyzer 隠れノード・アナライザ
mport Network Description from Tables 表からネットワーク記述をインポート
Policy Window ポリシー・ウィンドウ
Rebane-Pearl Polytrees
Recall Policies ポリシーをリコール
Reset Uninstantiated Policies 非インスタンス化ポリシーをリセット
Save All Classes in Single File As… 単一のファイルに名前をつけてすべてのクラスを保存
Single Policy Update (SPU) 単一ポリシー更新
Store Policies ポリシーをストア
Tree Augmented Naive Bayes
Two Way Parameter Sensitivity Analysis 2元配置パラメータ感度分析