KXEN Robust Regression(K2R)
～予測モデル構築コンポーネント～
KXEN Robust Regressionは誰でも使える、高性能予測モデル構築ツールです。
|
専門知識がなくても高精度で頑健性の高いモデル作成が可能 |
|
統計的知識を持っていなくても、高度な予測モデルの構築と理解が可能。 |
● |
高速な処理により、大量の予測モデルの構築が可能。 |
● |
貸倒防止、解約発見、DM反応改善などの課題に対して、重要な要因を視覚的に把握可能。 |
● |
間違った分析や思い込みによる、意味の無いデータや要因にフォーカスすることを回避。 |
プロフェッショナルユーザー、専門アナリストの生産性を大幅に拡大 |
● |
モデルのチューニング時間を大幅に短縮し、モデルの応用や活用を検討する時間を提供。 |
● |
相関の高い数百の説明変数を投入しても、頑健性の高い正しいモデルを作成可能。 |
● |
各変数を目的変数に対して最適な変換を行い、必要な変数を自動選択。 |
● |
上記機能を応用し、各アナリストが現在使用しているシステムの分析力を大幅に強化。 |
データマイニングをシステムに組込んだデータマイニングオートメーション |
● |
チューニングを必要とせず、またプロセスが全自動化されているため、バッチ処理として自動実行。 |
● |
様々なAPIを公開しており、エンタープライズシステムに分析エンジンとして組込ことが可能。 |
|
| |
|
|
|
操作はすべてポイント＆クリック |
課題に対する要因もわかりやすく把握 |
各要因の最適な分類や頑健性も一目で把握 |
応用事例 「新製品発売のための顧客ターゲティング」
|
| ① |
新製品の紹介をするために、5000人の顧客にテストメールを送付し、結果を収集。トレーニングデータセットを構築。
|
| ② |
K2Rで予測モデルを構築し、精度と頑健性をチェック。
|
| ③ |
構築したモデルに、データベースの顧客データを適用し、Yesと回答する可能性が高いと予測された顧客に対してのみ、メールを送付。また、キャンペーンにおける利益を最大化するためにプロフィットカーブを利用し、メールを送る本数を決定する。
|
|
応用事例 「金融商品の利用活性化」 |
| ① |
過去の利用履歴から、サービスの利用金額の増額および初回利用をした会員のデータを特定。
|
| ② |
上記に当てはまる顧客を対象にK2Rで予測モデルを構築し、精度と頑健性をチェックします。
|
| ③ |
予測確率が高いのにまだ利用を行っていない顧客を中心に、利用促進の施策をアプローチ。利用金額、サービス利用の増大。
|
|
[Top of page]
