ホーム > ソリューション > エンタープライズ・データウェアハウス > データマイニング
データマイニング
データマイニングで、隠れたビジネス情報が効果的に得られます。
データウェアハウジングに成功すれば、大量の重要な顧客データを収集、保存、分析し、そのデータに基づいて行動する能力が得られます。今日では、それ以上の成果を挙げることが他社との差別化につながると考えられています。その成果とは、データウェアハウス内に隠れているビジネス情報を、さらに高いレベルに引き上げ、それを精度の高い予測の能力に変換できることです。そうした眼識を得るためには、データ準備、事前分析、大量の明細データの分析などに伴う集中的な計算作業の負荷を取り除くことが不可欠。さらに、複雑なプロセスを処理するための“経験”と“技術”が必要となります。これらの経験や技術を提供するのが、Teradata のデータマイニング。Teradata データマイニングは、データウェアハウジングの機能を強力に拡張して、企業がビジネス関係をプロアクティブに管理し成長を促進できるようにします。
Teradata が提供するデータマイニング・ソリューション
データマイニングを実施すると顧客を個人レベルで知ることになり、そのナレッジに基づいて顧客を保持し顧客の収益性を高めることができます。さらに、ビジネス・トレンドの理解を深めることも可能です。つまり、ナレッジが加わることにより、変動する市場に対してダイナミックな対応ができるようになります。こうしてデータマイニングを通じて、顧客の行動を深く見通すビジネス活動が実現します。
| 実世界のデータマイニング・ソリューション | ||
|---|---|---|
| 分析アプリケーション | ビジネス課題 | ビジネス・バリュー |
| 顧客セグメンテーション | 顧客はどのマーケット・セグメントに分類されるか、またその特色は？ | 顧客関係を個別化して顧客の満足度を高め、顧客を保持できるようにする。 |
| 購買性向 | 会社のプロモーションに最も反応してくれそうな顧客は？ | 顧客のニーズに基づいて狙いを絞り、会社が提供している製品ラインに対する、顧客のロイヤルティーを上げる。また、購入する可能性の最も高い顧客に的を絞って、キャンペーンの収益性を高める。 |
| 顧客の収益性 | 顧客のライフタイム全体にわたる収益性は？ | 顧客がもたらす総収益を考慮して、個別のビジネス決定を行う。 |
| 不正検知 | どうすれば不正と思われる取引を察知できるか？ | 不正を迅速に検知して、コストを最低限に抑える対策を即刻講じる。 |
| 顧客の離反 | 離反しそうな顧客は？ | 優良顧客の離反を防止し、不良顧客は引き止めない。 |
| チャネルの最適化 | 各セグメントの顧客に対応する最適なチャネルは？ | 顧客の好みに合わせて対応する。 |
データマイング vs. OLAP
データマイニングは、従来のオンライン分析処理（OLAP）、クエリー、レポーティングから大きく一歩前進した技法です。たとえば、OLAP は興味深い各種レポートを生成できますが、提供されるナレッジは集計データを基にした具体的な質問に限られています。一方、Teradata が提供するデータマイニングは、明細データを分析する予測分析ソリューションです。インテリジェントなソフトウェアを使用してウェアハウス内にあるすべてのデータを余すところなく分析し、各種パターンを発見します。これにより、データマイニングで得られた知見を顧客関係管理（CRM）等の分析アプリケーションに組み入れ、将来の顧客行動を予測できるようになります。データマイニングは以下のものを提供し、企業の分析アプリケーションをパワーアップします。
- スコア：顧客がある製品を購入する確度
- 予測：今後 1年間の顧客の予測購買金額
- 説明：収益性の高い顧客を定義する特長
- プロフィール：各顧客セグメントの共通特徴
- ビジネス・ドライバー：不正行動を判定する主要な特徴
エンタープライズ・データマイニングの活用
Teradata データマイニングには、もう 1つ、大きな利点があります。それは、全社にわたって顧客行動を明確に提示できる能力です。日々莫大に増加するデータの分析には、膨大な処理量が必要です。しかし当社のソリューションは、Teradata Warehouse テクノロジーをベースに構築されているため、このようなボトルネックを克服しています。実際、Teradata Warehouse は、毎日何千という変数と何百万というトランザクションを取り扱う複雑な分析処理のための強力なインフラストラクチャーを提供しています。Teradata は、データウェアハウジングとデータマイニングを統合した最初のデータベースです。この 2 つの統合によって、ウェブ、コールセンター、デモグラフィック、取引、データの利用などから得られた統合顧客データを対象にしたクロス・チャネル分析が可能になるのです。当社の Teradata Warehouse は、企業の急激な成長と変化によって発生する、データやユーザー、更新頻度の増加に容易に対処できるように開発されています。また、Teradata のツールおよびユーティリティーは、顧客とのダイナミックなやり取りを実現するための正確なモデル構築およびナレッジの利用に必須な、最新のクリーンなデータを整然とロードできるようにします。
Teradata データマイニング方法論
Teradata が他社に先駆けて開発したデータマイニング・プログラムの有効性は、広く実証されています。この方法論には次の要素が含まれます。また、各要素は Teradata 上で一元管理できるため、意思決定に必要な情報へどの部門からでもアクセスできます。
- プロジェクト管理
技術的およびビジネス上の成果を定義し確実に完成させます。 - ビジネス課題の明確化
データマイニングのための課題を発見し、明確化し、それらに優先順位を付けます。 - 環境準備
開発および生産インフラを定義、設計、作成します。 - データ準備
データの品質、抽出、サンプリング、および分析能力を調べます。 - 分析モデル作成
実用分析モデルの検討、作成、検証、解釈、および文書化を実施します。 - ナレッジ運用展開
発見した事項を準備、提示し、ビジネス・ユーザー・アプリケーションを開発します。 - 知識共有
モデルおよびプロセスの知識を提供し、解釈、メンテナンス、およびモニタリングが正しく実施されるようにします。
Teradata 独自の In-DBS データマイニング技術
Teradata は、他社に先駆けて、In-DBS データマイニング技術を開発しました。この技術は、次のような効果によりデータマイニングを改善します。
- データの移動を解消
サンプリング、検索、モデル開発、およびスコアリングのためのデータ抽出を何回も繰り返す必要がありません。 - 誤差の最小化
一元化したデータマイニング・アーキテクチャにより、プラットフォーム、ツール、およびデータベース間でのデータ移動に伴う誤差が最小化されます。 - データ管理の簡素化
上記に示した一元化アーキテクチャにより、唯一の正しい情報が得られ、データの冗長性が解消されます。 - Teradata データベース並列処理の利用
Teradata データベースの高性能および拡張性が利用できます。 - 正確なモデルの構築
大量の明細データを分析することができます。 - 開発から導入までの期間短縮
アナリストは品質情報に迅速にアクセスできるため、不正検知や顧客の離反などの問題に速やかに対処できます。 - メタデータの共有
モデル環境がウェアハウス環境に統合されているため、シームレスな通信ができます。
Teradata Warehouse Miner とは
Teradata Warehouse Miner は、データマイニング機能を広範に取り揃えたツールです。このツールにより、分析モデルを Teradata データベース内で直接作成して展開することができます。従来、企業のデータマイニングの対象は、小規模なサンプル・データに限られていました。しかし、ますます複雑な問いに答えなければならない今日の企業環境では、詳細データが必須です。また、この詳細データは、ビジネスの拡大に伴って増加する一方です。そこで Teradata のソリューションを使用すれば、これらの詳細データの分析が可能です。こうしたスケーラビリティは、データマイニング処理の多くの部分を、直接 Teradata データベース内部でデータに即して実行することで実現しています。Teradata Warehouse Miner なら、ビジネス課題の複雑度に合わせて分析アプリケーションをスケールアップし、分析結果をスコア、予測、記述等の形式で提示することができます。
- 記述統計
各種記述統計機能により、分析するデータに関する詳細なナレッジを提供。これらの機能は、分析モデルの精度を損なう恐れがあるデータ品質に関する問題点を把握するためにも使用できます。 - 変換コンポーネント
分析モデル設計の前段階で有用な、各種カラム変換機能を提供します。 - データ・リダクション機能
分析アルゴリズムに必要なデータ量を縮約。データ・リダクション行列には相関、共分散、その他よく使用される分析アルゴリズムが含まれています。 - データの視覚化
結果を解釈するための図表を提供します。 - 編成およびパーティショニング機能
テーブルの再編成、ならびにサンプルやパーティションの生成を行います。 - 多変量統計分析
分析モデルを作成するための線形回帰、因子分析、およびロジスティック回帰手法を提供します。 - 機械学習アルゴリズム
デシジョン・ツリー／ルール帰納、関連性分析およびクラスタリング・アルゴリズムを提供します。 - モデルの適用
Teradata データベース内で分析モデルを直接利用できるようにします。
