先進型テキスト・マイニング C-2 Copyright © 2012, SAS Institute Inc. All rights reserved. • • • • SAS Institute Japan ソリューションコンサルティング 第⼀本部 エンタープライズ・アナリティクス推進 担当部⻑ • 津⽥ ⾼治 ⾃⼰紹介 THRIVING IN THE BIG DATA ERA VOLUME DATA SIZE VARIETY VELOCITY VALUE TODAY THE FUTURE ビッグ・データのタイプ Types of Big Data/ Unstructured Data for Advanced Analytics: 構造化データ( データベース、レコード ) 準構造化データ ( XML など) 構造が複雑なデータ( 階層データ、レガシーソース ) イベント・データ( メッセージなど) 非構造化データ( 人間の会話、オーディオ、ビデオ ) ソーシャル・メディア(ブログ、ツイート、SNS ) アクセスログ、クリックストリーム 空間データ( GPSなど ) 機械のログ( センサー、RFID、機器ログ ) 科学データ( astronomy, genomes, physics ) Other Based on 450 responses from 109 respondents who report practicing Big Data analytics; 4.1 responses per respondent on average. Source: TDWI Big Data Analytics Report, 4 th Quarter 2011, Philip Russom テキスト・マイニングとは • • ⼤量の⽂書から 業務データと結びつける データマイニングする ビジネス活⽤をする 隠れたパターン（知⾒） を発⾒ でも知⾒で終わりではない データ・マイニングとは • データ解析の技法をデータに適⽤し知識を取り出すこと • 正解がないことを推定するためにデータ分析で因果関係を探る • 例. 以下のワインの質（価格）を気象条件で推定するなど 出典：イアン・エアーズ[著] 『その数学が戦略を決める』 ワインの質 = 12.145 + 0.00117×冬の降⾬ +0.0614 × 育成期平均気温 －0.00386 × 収穫期降⾬ ワインの質 モデル ⽬的変数 データ準備 = ワインの品質を決める数式 ⽬的変数＝求めたい答え：ワインの質 説明変数＝答えを導く要素：降⾬量、気温 ×：実測値 × × × × × × × ×× × × 説明変数 6 × × 降⾬量 テキストマイニングの結果をデータマイニングで使う 施策 販売 データマイニング マーケティング 将来予測 品質業務 セキュリティ業務 クラスタリング テキストマイニング 形態素解析 トピック抽出 従来のテキスト・マイニングの難しさ 結局テキストを読む必要があり、⼿間がかかる テキストを読んでいると余計に分からなくなりやる気がなくなる 分析の結果が⼀般的に正しいか（蓋然性）不明 分析を活⽤するシナリオがない 会社のROIに結びつくか不明 こんなことが可能だったらいかがでしょうか？ Analytics 2014 ‐ SAS FORUM JAPAN ‐ 9 こんなことが可能だったらいかがでしょうか？ ネットのつぶやきであなたの会社のモノがいくつ売れるかわかる Analytics 2014 ‐ SAS FORUM JAPAN ‐ 10 こんなことが可能だったらいかがでしょうか？ ネットのつぶやきであなたの会社のモノがいくつ売れるかわかる 顧客のサイトアクセスから最適な広告が打てる Analytics 2014 ‐ SAS FORUM JAPAN ‐ 11 こんなことが可能だったらいかがでしょうか？ ネットのつぶやきであなたの会社のモノがいくつ売れるかわかる 顧客のサイトアクセスから最適な広告が打てる 事件の関係者、場所、モノ、時間を抽出し関係マップを描く こんなことが可能だったらいかがでしょうか？ ネットのつぶやきであなたの会社のモノがいくつ売れるかわかる 顧客のサイトアクセスから最適な広告が打てる 事件の関係者、場所、モノ、時間を抽出し関係マップを描く 顧客の投稿やアクセス履歴からコンテンツのリコメンドをする Analytics 2014 ‐ SAS FORUM JAPAN ‐ 13 こんなことが可能だったらいかがでしょうか？ ネットのつぶやきであなたの会社のモノがいくつ売れるかわかる 顧客のサイトアクセスから最適な広告が打てる 事件の関係者、場所、モノ、時間を抽出し関係マップを描く 顧客の投稿やアクセス履歴からコンテンツのリコメンドをする 着⽬すべき⽂書やサイトを特定してくれる Analytics 2014 ‐ SAS FORUM JAPAN ‐ 14 テキストマイニングはコンテキスト・アナリティクスへ ⾼い テキストを分析する テキストから知⾒を得る ・頻度 ・分類 ・インデックス付け ・⾃動トピック抽出 ・エンティティの抽出 ・要約 コンテキスト（⽂脈） からアクションを起こす 未来はより幅広い⾮構 造化データを対象に ・ビジネスを予測する ・リコメンドする ・プロファイリングする 価値 例．顧客を知るために 例．顧客を知るために •テキストを読む •興味エリア・マップ •関係者のマップ •⼈海戦術 例．顧客を知るために •未来のビジネスを知る •個⼈の興味を知る •集団のプロファイリングをする 低い プロセス変⾰、インフラの変⾰、⼈材の変⾰、企 業⽂化の変⾰
© Copyright 2024 ExpyDoc
