コロナ不況に効く
売上増・マーケティングAIの入門書
2021/6/26 オーム社より発売。数学科・物理学科出身のビッグデータマーケティングのプロとの共著。身近な売上増に使えるデータ分析活用事例がデータを通じてわかりやすく紹介。
DX推進のヒントとなる、レシピ感覚の身近な入門書です。
概要
AIを活用した分析プロセスがサクッと学べる1冊!
ビジネスの現場では多くのデータやAIの活用に関する取り組みが行われています。このようなプロジェクトが増える一方で、思うような結果が得られずにプロジェクトを中止せざるを得なかったとの声も聞こえてきます。
そこで本書では、正しく的確にAIを活用したデータ分析を導入できるよう、具体的な活用シーンに示しながら、「要件定義」「分析マスターデータ作成」「基礎集計」「可視化モデリング」「評価」の分析プロセスにおける知識やテクニックを丁寧に解説します。目次
Part 1 プロセスの一般論
Intro プロジェクトを成功に導くための基本を身に付ける
1.1 プリアナリティクス
1.2 分析マスターデータ作成
1.3 基礎集計と可視化
1.4 モデリング
1.5 評価・実装
Part 2 顧客データ × クラスタリング分析モデル
Intro 顧客データを分類して業務改善したい
2.1 顧客データの準備
2.2 マスターデータの作成
2.3 データの基礎集計と可視化
2.4 クラスタリングの実行
2.5 分析報告書類の作成
Part 3 広告効果データ × 重回帰分析モデル
Intro 広告の費用対効果を知りたい
3.1 要件とデータ整理
3.2 時系列に基づいた広告データの整理
3.3 相関分析と説明変数の作成
3.4 モデルの構築
3.5 結果に基づいた最適な広告戦略の立案
Part 4 キャンペーンデータ × ロジスティック回帰分析モデル
Intro 広告キャンペーンの対象を見つけたい
4.1 キャンペーンのための分析設計
4.2 過去データの整理
4.3 反応者／非反応者のクロス集計
4.4 ロジスティック回帰モデルの構築
4.5 学習モデルの精度検証
Part 5 調査データ × コレスポンデンス分析モデル
Intro 調査データを要約したい
5.1 調査データの分析設計
5.2 調査データの準備
5.3 グランドトータル集計とクロス集計
5.4 コレスポンデンス分析
Part 6 Eコマースデータ × 協調フィルタリング分析モデル
Intro 商品レコメンドエンジンを構築したい
6.1 データの準備
6.2 商品間の相関分析
6.3 協調フィルタリング
Appendix AI開発の成功パターン（EDA）と失敗パターン（LISA）
1 AI開発の成功パターン：EDA
2 避けたい失敗パターン：LISA
はじめに
AI業界では、2015年頃から始まったAIブームがひと段落し、次のフェーズに移行しつつあります。
もちろん、AI技術はブームで終わる一過性のものではなく、市場は拡大し続けている状況です。
例えば、いま注目されているキーワードの1つ「DX」（デジタルトランスフォーメーション）を簡単に説明すると、「紙情報の脱却」「クラウドの導入」「業務のオンライン化」あたりが具体的に挙げられる事項になります。
この3つとも、クリティカルな“データ化されていなかったものがデータになる”ということを表していますが、その規模はとても大きなものです。まだAI実装がなされていないホワイトスペースは、非IT市場や行政を含めると98％残されていると言われています。
AIブームの初期（2015年～2019年）は大手企業がAIベンチャー企業に高単価で発注をするケースが主流でしたが、2020年以降はAI技術が一般的な中小企業、一般消費者のマーケットまで深く入り込もうとしています。そのトリガーとなるのが、まさに政府主導のDX推進なのです。
本書では、皆さんの日々の業務でよく見かける“マーケティング”の事例を並べました。比較的身近な話題を取り上げたのは、一見AIに無関係な仕事に就かれている方にとっても「自身の仕事に必要なAI技術はどんなものだろう」と、考えるきっかけになればと考えたためです。
AIは、いわば「数学を使った業務改善の道具」です。この道具をうまく活用すれば、売上増やコスト圧縮につながります。景気の動向も激しく変化する状況ですので、さまざまなシーンで使えるようなフレームワークやAI活用のアプローチを紹介できるように執筆しました。また、なるべく図説を多く用いて“直感的なわかりやすさ”も目指しています。
本書をきっかけに、皆さんがよりAIを使った業務改善をご自身の周りで推進できるよう、
著者一同願っています。
2021年5月 石井 大輔
共著者
専門性の高い共著者陣
漆畑充（うるしばたみつる）
株式会社Crosstab代表取締役 1982年：愛知県生まれ 2005年：慶應義塾大学理工学部卒業 2007年：同大学院理工学研究科修士課程修了 2019年：株式会社Crosstabを創業 業種業界を問わずさまざまなクライアントに対してデータ解析サービスやデータビジネス開発支援、人材育成事業などを展開している。統計モデルの作成および特にビジネスアウトプットを重視した分析が得意領域である。その他開発実績としてデータ解析に関する特許を複数取得。また2020年より東北大学大学院情報科学研究科後期博士課程に在籍、量子機械学習をテーマに研究を行っている。
川崎達平（かわさきたっぺい）
1986年：北海道生まれ 2012年：東京大学理学部生物化学科卒業 2014年：同大学院新領域創成科学研究科複雑理工学専攻博士前期課程修了 2017年：同大学院新領域創成科学研究科複雑理工学専攻博士後期課程修了 大学での専門は神経科学。現在は、デジタルアドバタイジングコンソーシアム（株）に勤務。機械学習エンジニアとして、主に広告配信システムの開発業務に従事している。
本木裕介（もときゆうすけ）
1984年：宮城県生まれ 2007年：東北大学理学部物理学科卒業 2009年：同大学院理学研究科物理学専攻博士前期課程修了 2011年：同大学院理学研究科物理学専攻博士後期課程中退 大学での専門は理論物理学。現在は（株）金融エンジニアリング・グループに勤務。データ分析コンサルタントとして、主に金融機関のコンサルティング業務に従事している。
石井大輔（いしいだいすけ）
株式会社キアラ代表取締役 1975年：岡山県倉敷市生まれ 京都大学総合人間学部では数学（線形代数）とフランス史をダブル専攻。伊藤忠商事（株）ではミラノとロンドンに駐在しファッション新規事業開発。2016年、AI・機械学習に特化した研究会コミュニティTeamAIを立ち上げる。800回のイベント通じ会員10,000人を形成。2019年、100ヶ国語同時翻訳ChatbotアプリKiaraを海外向けにローンチ。500Startups Singapore（経済産業省JETRO後援）を卒業。著書には『機械学習エンジニアになりたい人のための本−AIを天職にする』（翔泳社・単著）『データ分析の進め方及びAI・機械学習導入の指南』（情報機構・共著）『現場のプロが教える前処理技術』（マイナビ出版・共著）『コロナvs.AI最新テクノロジーで感染症に挑む』（翔泳社・共著）『医療AIの知識と技術がわかる本』（翔泳社・共著）等がある。
ぜひ感想をお寄せください
© 2017 DAISUKE ISHII
MADE IN OKAYAMA 🍑 WITH LOVE ❤️