|
|
|
| 潜在顧客や離反顧客の抽出、与信、不正発見など |
Viscoveryの自己組織化マップ（SOM)テクノロジーを用いて、下記のような問題を解決するシステムを開発します。
- アップセリング/クロスセリングの可能性を予測
- 顧客の競合他社への離反の可能性を予測
- ローンの貸し倒れリスクを予測
- クレッジカードや保険請求の不正リスクを予測
- 取引先の倒産リスクを予測
テクノロジー
 非線形・SOMテクノロジーと線形重回帰分析の組み合わせによるローカル回帰モデルによって、最高性能の予測モデルを構築します。従来の線形重回帰モデルは、すべてのケースに対して同一の一次方程式を適用するため、データに非線形性のある（高次元空間内でデータの分布が曲がっている）場合、実際のケースとモデルの間にギャップが生じます。Viscovery
Predictorでは、SOMのノードごとに線形重回帰モデルを作成することによって、データの部分空間ごとに、よりフィットした一次方程式を適用して、ケースとモデルの間のギャップを縮めます。
プロジェクト
１．解決すべき問題の検討
クライアント企業様の課題とお手持ちのデータ（一部で結構です）を分析して、ViscoveryのSOMテクノロジー適用するのが適切かどうかを検討します。検討の結果、課題の性質やデータ品質などから、他のソリューションが適切であれば、他のソリューションをご提案申し上げます。
２．モデル構築
データをマインドウエア総研にお預かりして、マインドウエア総研のコンピュータにデータマートを構築し、モデルの作成を行います。複数のモデルを作成して、テスト・データを用いて、モデル品質を検証します。
３．モデルの適用と評価
テスト・データで検証済みのモデルを実際のキャンペーンなどに適用します。その際に、評価用のグループを設けて適用の効果を測定します。つまり、モデルによって目的のキャンペーンを行なうターゲットとして抽出されたグループの中から、指定された割合の評価用グループをランダムに指定して、そのグループには意図的にキャンペーンを行いません。これによって、ターゲット・グループ内で、キャンペーンを行なったサブ・グループと、キャンペーンを行なわなかったサブ・グループの間で、実績データを比較して、成功要因を分析することができます。
４．モデルの自動更新
顧客の購買行動は日々変化します。上記のモデルの作成手順をスクリプト化しておき、最新のデータで常にモデルが自動更新される仕組みを構築します。また、定期的に弊社のコンサルタントが、モデルの性能をチェックして、必要に応じて手動でモデルを修正します。
５．リアルタイム・システム統合（オプション）
Viscovery One(2)One Engineにより、貴社の業務実行システムに上記のモデルを組み込みます。これにより毎秒1万レコード以上の処理を行なえるようにできます。
|
|
使用システム： Viscovery Predictor, Scheduler, One(2)One Engine
コンサルタント： Viscovery Software社、マインドウエア総研
|
|
|
