ビジネス・ブレークスルーHOMEへ | 会社概要 | BBTサービス一覧 | サイトマップ | BBTサイトについて | お問い合わせ一覧 |

ログイン
デジタル化社会の発展とアナリティクスの可能性 > デジタル化社会の発展とアナリティクスの可能性 04

アナリティクスの応用事例
ゲスト:濱田晃一氏(株式会社ディー・エヌ・エー システム本部 アナリティクスアーキテクト)


概要:
ゲームやショッピングを携帯電話やインターネットで楽しむことが当たり前となっているが、普段ランダムにサイトを見ていると、自分にぴったりの情報や品物が広告として上がっている。いったいどうして自分の好みが分かるのだろうか。デジタル化社会の発展とアナリティクス(高度情報処理)の可能性を探る当シリーズ、今回は具体的な応用事例を伺う。ゲストには、当技術の第一人者、株式会社ディー・エヌ・エーの濱田晃一氏をお迎えする。
SkyPerfecTV 757Ch 放送日

終了 2018年11月30日 (Fri) 04:00
終了 2018年11月27日 (Tue) 14:00
終了 2018年08月10日 (Fri) 04:00
終了 2018年08月07日 (Tue) 14:00
終了 2018年04月20日 (Fri) 04:00
終了 2018年04月17日 (Tue) 14:00
終了 2018年01月12日 (Fri) 04:00
終了 2018年01月09日 (Tue) 14:00
終了 2017年10月20日 (Fri) 04:00
終了 2017年10月17日 (Tue) 14:00
終了 2017年07月21日 (Fri) 04:00
終了 2017年07月18日 (Tue) 14:00
終了 2017年01月11日 (Wed) 04:00
終了 2017年01月08日 (Sun) 14:00
終了 2016年06月15日 (Wed) 04:00
終了 2016年06月12日 (Sun) 14:00
終了 2016年03月18日 (Fri) 01:00
終了 2016年02月07日 (Sun) 02:00
終了 2015年12月11日 (Fri) 02:00
終了 2015年11月09日 (Mon) 02:00
終了 2015年10月28日 (Wed) 11:00
終了 2015年10月26日 (Mon) 22:00
終了 2015年10月22日 (Thu) 20:00
終了 2015年09月15日 (Tue) 12:00
終了 2015年09月13日 (Sun) 23:00
終了 2015年09月09日 (Wed) 21:00
終了 2015年08月16日 (Sun) 12:00
終了 2015年08月14日 (Fri) 23:00
終了 2015年08月10日 (Mon) 21:00
終了 2015年07月08日 (Wed) 12:00
終了 2015年07月06日 (Mon) 23:00
終了 2015年07月02日 (Thu) 21:00
終了 2015年06月24日 (Wed) 11:00
終了 2015年06月22日 (Mon) 22:00
終了 2015年06月18日 (Thu) 20:00
初回 2015年06月18日 (Thu) 20:00

講義資料 (35537Kbyte) (要パスワード)



濱田氏は、2004年東京大学大学院で理論物理学の博士号を取得。その後、行動解析を手掛けるベンチャー企業において、解析システムの開発等で実績を上げた。2010年株式会社ディー・エヌ・エーに入社、現在に至っている。プライベートでは、1400人超が登録するデータマイニングの実活用コミュニティー、データマイニング+WEB@東京(TokyoWebmining)を主催し、週末にはHip Hopダンスのコーチとしての顔を持つ。
ソーシャルゲームMobageに代表されるDeNAは、eコマース、エンタメ等を提供している日本最大級のWebサービスで、日々蓄積されるデータを収益拡大に活用している。Mobage1日あたりのユーザーアクション数は35億回以上で、1・2テラバイトのログがたまる。ここから利用者の行動特徴を機械学習(既知からの予測)やデータマイニング(未知の発見)し、個々の興味関心に合うサービスを提供することで、試行回数(利用回数)を上げている。ユーザーが利用すればするほど、当人に向けた内容が洗練されていく仕組みだ。
大規模データマイニングの基盤技術には、広告やeコマースサイト等で広く利用されているオープンソースのHadoopが用いられ、大規模分散処理を行っている。優先順位等の基礎分析、洗練サイクル設計、学習方法の分散アルゴリズム設計などをデザインしているが、中でも、デジタル世界ではユーザー体験(サービスを通じて得られる体験)の設計が重要な概念となる。単なる属性分析ではなく、ユーザーはどういう体験をしたいかを考え抜いて設計し、トライ・アンド・エラーによって試行回数を上げることに挑戦している。
ユーザーの行動情報を基に楽しさのマイニングをし、ユーザー体験を還元することで、利用者が自ら探さなくても得ることができるサービスを提供する。データマイニングは、新たな価値提供の大きなポテンシャルを持っていると言える。
 講義タイムテーブル:
スライド 時間 タイトル
00: 00: 00 アナリティクスの応用事例
00: 00: 44 デジタル化社会の発展とアナリティクスの可能性
00: 01: 36 ゲストプロフィール
00: 02: 55 AGENDA(講師紹介)
00: 03: 00 講師
00: 04: 01 データマイニング+WEB@東京(TokyoWebmining)
00: 04: 35 技術資料公開
00: 04: 52 理論物理
00: 05: 12 ダンス
00: 05: 50 活動(1)
00: 05: 58 活動(2)
00: 07: 04 AGENDA(DeNAのサービス・データ規模)
00: 07: 12 DeNAの事業ポートフォリオ
00: 08: 18 AGENDA(ポテンシャル)
00: 08: 23 Mobageの1日あたりのユーザアクション数?
00: 09: 18 Mobageの1日あたりのログデータ量?
00: 09: 39 ソーシャルゲームプラットフォーム mobage
00: 09: 46 1日35億超の行動情報
00: 10: 11 何の数値?
00: 10: 17 効果規模例
00: 12: 45 パーソナルレコメンデーション例
00: 13: 00 データマイニング・機械学習
00: 13: 09 本日は
00: 13: 32 AGENDA()
00: 13: 39 データマイニング活用によるサービス洗練(1)
00: 13: 54 データマイニング活用によるサービス洗練(2)
00: 15: 01 データマイニング活用によるサービス洗練(3)
00: 15: 35 データマイニング活用によるサービス洗練(4)
00: 16: 07 AGENDA(ユーザ体験を考え抜く・挑戦する)
00: 16: 12 体験提供
00: 16: 24 User・Developer・PFに提供する価値
00: 17: 07 提供(1)
00: 17: 31 提供(2)
00: 18: 21 活動例:パーソナルレコメンデーション
00: 19: 51 提供体験例(1)
00: 20: 26 提供体験例(2)
00: 20: 48 提供体験例(3)
00: 21: 00 提供体験例(4)
00: 21: 10 提供体験例(5)
00: 21: 15 提供体験例(6)
00: 21: 25 提供体験例(7)
00: 21: 50 解決した課題
00: 21: 53 解決する課題(1)
00: 22: 20 解決する課題(2)
00: 22: 54 課題解決
00: 23: 37 確率ネットワーク:Bayesian Network
00: 24: 52 処理概要
00: 27: 42 AGENDA(データマイニング活用のための組織設計)
00: 28: 05 組織設計で重要なこと
00: 31: 17 組織設計のトライ:解題と解決
00: 34: 23 AGENDA(大規模データマイニング基盤技術)
00: 34: 37 データマイニング・機械学習活用し楽しんでもらえるサービスをつくる
00: 34: 47 提供したいのは新たな価値ある体験・サービス
00: 37: 48 データマイニング・機械学習活用したサービス開発
00: 38: 02 分析
00: 39: 02 ユーザ体験設計・サービス設計(1)
00: 39: 48 ユーザ体験設計・サービス設計(2)
00: 39: 53 ユーザ体験設計・サービス設計(3)
00: 40: 01 洗練サイクル設計・ログ設計・連携データ設計(1)
00: 40: 30 洗練サイクル設計・ログ設計・連携データ設計(2)
00: 42: 14 分散アルゴリズム設計(1)
00: 43: 19 分散アルゴリズム設計(2)
00: 43: 29 分散アルゴリズム実装(1)
00: 43: 47 分散アルゴリズム実装(2)
00: 44: 34 分散アルゴリズム実装(3)
00: 44: 42 データマイニング・機械学習活用したサービス開発
00: 44: 58 AGENDA(大規模データマイニング基盤技術)
00: 45: 17 Hadoopを用いた大規模データマイニング基盤
00: 45: 25 Hadoop
00: 45: 52 Hadoopの主な利用企業
00: 46: 03 分散ファイルシステム:HDFS(1)
00: 46: 39 分散ファイルシステム:HDFS(2)
00: 46: 52 分散処理フレームワーク:MapReduce
00: 48: 12 大規模データマイニング基盤構成
00: 48: 22 大規模データマイニング基盤構成(1)
00: 48: 29 大規模データマイニング基盤構成(2)
00: 48: 36 大規模データマイニング基盤構成(3)
00: 48: 42 大規模データマイニング基盤構成(4)
00: 48: 55 大規模データマイニング基盤構成(5)
00: 49: 15 大規模データマイニング基盤構成(6)
00: 49: 44 大規模データマイニング基盤構成(7)
00: 50: 10 大規模データマイニング基盤構成(8)
00: 50: 27 大規模データマイニング基盤構成(9)
00: 50: 58 大規模データマイニング基盤構成(10)
00: 51: 22 大規模データマイニング基盤構成(11)
00: 51: 44 大規模データマイニング基盤構成(12)
00: 51: 57 大規模データマイニング基盤構成(13)
00: 52: 19 大規模データマイニング基盤構成(14)
00: 52: 47 大規模データマイニング基盤構成(15)
00: 53: 02 大規模データマイニング基盤構成(16)
00: 55: 39 楽しさのマイニング
00: 55: 55 適切な情報・サービス提供
00: 56: 12 大規模データマイニング活用したサービス開発
00: 56: 35 大規模データマイニング基盤
00: 57: 15 世界展開
00: 57: 29 世界中の人々へ(1)
00: 57: 43 世界中の人々へ(2)
00: 57: 58 データマイニング・機械学習
00: 58: 02 新たな価値あるサービス提供の挑戦
00: 58: 10 今後ぜひみなさんも、データマイニング活用した新たな価値提供の挑戦を
講師紹介: 工藤 卓哉(くどう たくや)
アクセンチュア アナリティクス日本統括 マネジング・ディレクター

『工藤 卓哉』をamazon.co.jpで検索
  アシスタント:坂本 安代

Copyright(c)