DataRobotとは？製品概要・機能一覧・解決できる課題・活用目的や使い方例を徹底解説

データ活用を成功させるためのポイントやプロセスを事例を交えて解説したコラム「データ活用の成功プロセス｜ポイントや事例も徹底解説」を公開しました。ぜひそちらもご覧ください。

AI・機械学習ソフトウェア「DataRobot」とは？

DataRobot社について

・2012年
　DataRobot社設立
　Kaggleのトップデータサイエンティストを集め、ボストンに設立。
・2017年
　日本オフィス立ち上げ
・2018年
　国内100社導入達成
　2020年時点Global2000に含まれるTop10社の日本企業のうち9社が採用。
・2020年
　世界中に拡大中
　世界中で1000名を超える社員のうち500名以上がデータサイエンティストとエンジニア。

DataRobotのご利用形態

トライアルでは、AutoML、MLOps、Data Prep（旧 Paxata）をご使用いただけます。

「DataRobot」の5つの製品ラインアップ

1.Automated Machine Learning (Auto ML)

2.Automated Time Series (Auto TS)

3.DataRobot Data Prep

4.DataRobot MLOps (Machine Learning Operations)

5.DataRobot Enterprise Light

DataRobot Enterprise LightはAIプロジェクトの成功に向けて、DataRobotをクイックに始めていただくためのプランです。

DataRobot Starterは、DataRobot Data Prep, DataRobot Auto ML,DataRobot Auto TS, DataRobot MLOps が SaaS 環境で用意されています。

ご利用いただくサービスの最小構成は、DataRobot Auto ML, DataRobot Auto TS,DataRobot MLOpsのセットを推奨しています。

「DataRobot」の4つの機能一覧・概要

1.Automated Machine Learning (Auto ML)

DataRobot Auto MLは、「連続値」または「分類」の高度な予測を行うモデルを機械学習で自動的に作成します。

1-1.データのインポート

1-2.探索的データ解析

1-3.ターゲット（目的変数）の設定

1-4.モデリングのオプション

1-5.モデルの評価

1-6.モデルの解釈

1-7.モデルのデプロイ

2.Automated Time Series (Auto TS)

DataRobot Auto TSは、時系列モデリングを自動化します。

2-1.ターゲット（目的変数）の設定

2-2.時系列モデリングに必要な設定

2-3.時系列の特徴量エンジニアリングの自動化

2-4.精度の視覚的な確認

3.DataRobot Data Prep

3-1.データの確認

3-2.ツールの機能

3-3.フィルター　グラフ

4.DataRobot MLOps (Machine Learning Operations)

「DataRobot」の2つ活用目的

1.企業のAI化を推進し、競争力を向上させる

優れたデータサイエンティストを見つけ、雇い入れることは容易ではありません。
AIで企業を革新するためには、自社の活動を組織化し、まずは活動推進チームに投資しましょう。

機械学習やデータ分析で陥りやすい失敗を未然に防止したり、必要なアラートを上げてくれる機能を持った機械学習の自動化により、データサイエンスを熟知したメンバーでなくても、ビジネス課題の解決に必要なモデルを安全に作成することができます。
高度な自動化の恩恵で、最適なモデルを入手するまでの時間がごくわずかになり、投入したデータセットの中でモデルの精度は高いレベルに引き上げられます。

また自社のデータサイエンティストは、より少ないリソースで、より多くのデータ分析テーマを処理できるようになります。
その結果データサイエンティストは、より戦略的なデータ分析テーマに時間を割くことができるようになります。

2.AIから利益を得る

ビジネスにAIを採用する企業は増えています。
しかし、AIへの投資から大きな利益を得られている企業はまだまだ少ないのが現状です。

AI利活用の成否の分かれ目はどこにあるのでしょうか？

分かれ目のひとつは、解決しなければならないビジネス課題をしっかり洗い出し、そこを起点にデータ分析テーマが導出できていることです。

次に、最初のAIプロジェクトで大きな利益が上がらなくても、AI化の活動を続けることです。
仮に数十のテーマが導出できていたとしても、大きな成功となるテーマはそもそも少ないということです。
多くのトライをこなすためには、自動化による活動のスピードアップが必要不可欠です。

AIの利活用がうまくいっている企業は、AIがうまく働くためには人間の助けが必要であることを理解し、人間が上でもAIが上でもない、それぞれのユースケースに応じた協働作業の運用を含む、活動の初期で学んだ結果を、自社の経営手法に活かしています。

「DataRobot」の4つの活用領域と活用メリット

1.顧客分析で使う

新規顧客と既存顧客のどちらについても効率的な営業が求められています。
また今の厳しい状況下において、訪問とリモート（Web会議、電話、チラシなど）の選択をはじめとする適切なリソース配分も大きなポイントになっています。

従来、類似した顧客をマーケティング用にグループ化する「クラスタ分析」がベストプラクティスであるとされてきました。
クラスタリングではターゲティングの効率が下がるため、きめ細やかなマーケティングが難しくなり、売上の減少やコストの拡大を招きがちです。
最新の機械学習技術では、人間の複雑な行動を個人レベルで正確に予測したり、顧客のROIと生涯価値（LTV）を分析することで、顧客のグループ分けを行い、グループごとの特徴と傾向を把握することで、実際の営業アクションにつなげていくことができます。

別のユースケースでは、過去の実績データをインプットに、機械学習で作成をしたモデルを使って、自社の製品やサービスから離脱する可能性が高いと推定される顧客を検知し、業務担当者にアラートを上げ、具体的な対策の検討をうながすことができます。

2.需要予測で使う

製造業においては、将来の製品の売上の予測を、より正確に行うモデルを機械学習で作成することで、より適切な生産計画や在庫管理に役立てることができます。

小売業や飲食業においては、店舗への来店の予測を、より正確に行うモデルを機械学習で作成することで、前日の準備や仕込み、仕入れ、シフト作成、四半期・半期・通期の売上見込といったさまざまなことに役立てることができます。
店舗ごとに異なる商圏、立地、客層、取り扱い商品により、単一のモデルで予測するのは難しい課題である場合でも、各グループや各店舗ごとにモデリングを行うことで予測の精度を向上させることができます。

また、作成したモデルが重要視しているデータ項目とその内容や分布をチェックすることで、これまでに知りえなかったインサイト（洞察）を得ることが期待できます。

3.状態監視保全で使う

製造業において、設備や装置の状態を表すデータを継続的に収集し、そのさまざまなデータを学習することで、機械学習で作成されたモデルは、複数のデータ項目間の関係性も含めてモニタリングし、設備や装置の異常予兆を検知します。

モデルは対応のためのリードタイムを考慮したタイミングで、検知した内容を通知します。
業務担当者は、通知内容をチェックし、適切なメンテナンスを行うことで、時間計画保全の単独運用よりも、より効率的な業務を目指すことができます。

4.要因分析で使う

繰り返し現れる、ある好ましくない事象や不具合を正確に予測するモデルを作成すると、その事象や不具合の原因の掘り下げを進めることができます。
それは、DataRobotがそのモデルごとに予測に使用している特徴量の寄与度を細かく示してくれるからです。

振動などの物理現象をテーマにする場合は、ラグ特徴量を事前に作成することで、その物理現象の伝播のトレースに取り組むことができます。

マーケティングにおいては、失注や離脱をテーマにする場合は、顧客のマスタデータとさまざまな行動データで予測モデルを作成することで、それらを予測するだけでなく、原因にせまることが可能になります。

「DataRobot」の特長・他製品との優位性

多くの企業で機械学習やAIの活用が始まっており、多種多様な成功事例が生まれています。
一方で、これまでは機械学習をビジネスに役立てるには、データサイエンスの深い知識と経験をもった専門性の高いデータサイエンティストが必要不可欠でした。
しかし、DataRobotは機械学習の多くのプロセスを自動化することで、専門性が高いスキルを持たない方でも、業務課題の解決を支援するモデルを素早く簡単に作ることができます。

DataRobotはモデル作成、分析結果の評価、ビジネス施策への適用・実行のプロセスをサポートすることに特に優れています。

DataRobotは多様なデータを取り扱うことができ、そのAIプラットフォームでは、Data Prep（データの管理・データの準備）、Auto ML / TS（特徴量エンジニアリング・モデルの作成・モデルのインサイト）、ML Ops（アプリ作成・モデルの管理と監視）といった大きく3つの機能を備えます。これらの卓越した機能を通じて、お客様のビジネス課題を解決し、お客様のビジネス価値向上に貢献します。

＜DataRobot　3つの特長＞

1.データは、数値/カテゴリ、時系列、テキスト、画像、位置情報などを取り扱うことができます。数値データと画像データをバイモーダルで扱うことも可能です。
2.二値分類、多クラス分類、連続値回帰、時系列予測、異常値検知などを多様なアルゴリズムで行うことができます。
3.自動で作成したモデルは、顧客ターゲティング予測、離脱予測、需要予測、金額推定、不良品判別、要因推定などに役立てることができます。

DataRobotの導入手順

DataRobot トライアル

まずは、以下のDataRobotコミュニティにユーザー登録を行い、DataRobotの価値や機能を詳しく確認します。
ラーニングセンターの「DataRobot 使い方ガイド」に掲載されている動画をご視聴ください。
DataRobot 使い方ガイド（外部サイト）

次に、以下のURLからDataRobot トライアルを申し込み、革新的なAIプラットフォームを実際に体験します。
トライアルにお申込みいただいたお客様には、トライアル開始前後、トライアル中、トライアル終了後の3回程度まで必要に応じてWebサポートさせていただきます。
DataRobot トライアルのお問い合わせ

トライアルでDataRobotの価値を確認した後は、以下のお問い合わせフォームで見積をご請求ください。
お問い合わせフォーム

ご契約後、利用開始日からすぐにDataRobotをご利用いただけます。

DataRobot エンタープライズ

DataRobot エンタープライズをご導入いただくまでの流れをご紹介します。

■ステップ1　DataRobotを知る
・ 当社の説明/ガイド資料を通じて、DataRobot製品および導入成果を得る方法を知る

■ステップ2　テーマを検討する
・ NDAを締結し、テーマ内容をサクセスワークブックにご記入していただき、お客様/当社/DataRobot社の3社でそのテーマを合意する

■ステップ3　有償PoCを実施する
・ 当社のサポートのもと、PoC評価基準を定め、PoCライセンスのご契約後、PoCを実施する

■ステップ4　導入の意思決定をする
・ ゴールおよび必要な支援アイテム（啓発、テーマ導出、トレーニング、テーマ推進など）を盛り込んだ年間のサクセスプランを作成し、お客様/当社/DataRobot社の3社で合意する

ご購入の検討のために以下のドキュメントをご用意しています。
・ NDA（当社用、DataRobot社用の2本）
・ DataRobot エンタープライズ導入ガイド
・ サクセスワークブック

AI・データ分析テーマ導出ワークショップ

AI・データ分析でビジネスを改革・改善していくときには、3つの壁を超えていく必要があります。

・ 分析テーマ導出の壁
　数ある業務課題の中で、どの課題をAI・データ分析で解決を支援していけばよいか？投資対効果は？
　選択した業務課題と関連データから、分析テーマにどう落とし込めばよいか？実現性は？

・ 分析実行の壁
　どういうステップで分析を進めていったらよいか？
　クイックに分析を完了させるにはどうすればよいか？
　自分たちでは対応できない難易度の高い分析が必要な場合はどうすればよいか？

・ ビジネスへのAI組み込みの壁
　作成したAI（分析モデルや分析結果）を現場に使ってもらうためにはどうすればよいか？
　現場に余計な手間を取らせずにAIを使ってもらうためにはどうすればよいか？

DataRobotは、「分析実行の壁」と「ビジネスへのAI組み込みの壁」に対して非常に効果的な対策です。
いっぽうで、「分析テーマ導出の壁」は人間が乗り越える必要があります。
AIで成功をつかむためには、分析を始める前に、ビジネス課題から分析テーマを導出することがファーストステップです。
そのために当社は、「AI・データ分析テーマ導出ワークショップ」サービスをご用意しています。

※この記事に掲載されている内容、および製品仕様、所属情報（会社名・部署名）は公開当時のものです。予告なく変更される場合がありますので、あらかじめご了承ください。