AIを使用して未来と利益を予測する5つの企業

AIベースの予測分析に関するこのシリーズの最初の記事では、このテクノロジーの機能と、より効果的なビジネス戦略を作成する可能性について説明しました。

予測分析は、統計モデリングを使用して履歴パターンを分析し、これらのモデルを使用して将来の結果を予測するデータマイニングの形式として定義できます。 人工知能の展開により、分析テクノロジーは、人間が単に見ることができない変数間の関係を見つけることができます。

この記事では、5つの予測分析のユースケースでその理論を実現したいと思います。

この分野にはいくつかの報道価値のある話があります。特に、数年前に非常に注目を集めた「ターゲットはあなたが妊娠しているときを知っています」という見出しがあります。

それ以来、物事はかなり発展してきました。 広く利用可能でアクセス可能な分析プラットフォームの進化により、あらゆる規模の企業に高度な統計モデルへのアクセスが提供されています。 少し不気味な妊娠予測の誇張を超えて、ビッグデータは通常、中小企業や大企業が日常の機能を改善するために使用します。

解決したい問題を定義し、適切なデータを調達し、データを理解するスキルを持つ人材を採用し、適切なテクノロジーを利用できるようにすることで、あらゆるビジネスが今日の予測分析の収益性の高い分野から始めることができます。

1つの記事の範囲内ですべての例を検討するには候補者が多すぎるため、代わりに、幅広いケーススタディにわたって効果的なAIベースの分析の代表的なサンプルを提供しようとしました。

1.サプライチェーンの最適化：ウォルマート

重量級の例から始めますが、すべての小売業者にインスピレーションを与えるものです。

他の多くの「レガシー」小売業者が苦戦している一方で、ウォルマートは過去11四半期連続で成長率を記録しています。 特に、これはオンライン販売が前年比で63％増加したことによるものです。

ウォルマートは、デジタル時代に適応する意欲で高い評価を受けており、オンラインとオフラインの世界をリンクしてアマゾンと競争する能力に賭けています。

人工知能と予測分析は、この推進力の中心です。 Walmartは、POSシステムからデータを即座に取得し、これを予測に組み込んで、売り切れの可能性が高い製品とパフォーマンスが低い製品を評価します。

オンラインの行動パターンと組み合わせると、これは大量のデータポイント（40ペタバイト以上）を提供し、ウォルマートが製品需要の増減に備えるのに役立ちます。

Unsplashのchuttersnapによる写真

データは、シリコンバレーのウォルマートラボチームによって管理されているウォルマートの「データカフェ」を介してクラウドで管理されます。 これは、信頼できるデータから正確な予測を行うために、この規模のビジネスに必要な変数の数に合わせた、洗練された大規模な操作です。

それにもかかわらず、それがもたらす利益は、中小企業によっても求められる可能性があります。

たとえば、ウォルマートのAIと予測分析の使用は、在庫管理にとって非常に貴重です。マネージャーは、需要が供給を上回ったときにギャップを埋めるために土壇場で高額な調整を行うリスクを冒すことなく、適切に在庫を確保できるからです。

これらの予測により、ウォルマートはオンラインプレゼンスをパーソナライズし、購入の予測される可能性に基づいて特定の顧客に製品を紹介することもできます。

このアプローチがもたらす規律と厳格さは、サプライチェーンの各ステップが予測分析を使用して最適化されているため、ウォルマートが厳格な納期に固執できることを意味します。 これらの分野はすべて、グーグルやアドビなどのアクセシブルなテクノロジーを通じて、あらゆるビジネスで改善することができます。

言うまでもなく、ウォルマートは、実店舗から購入品を収集する場合、値下げやキュージャンプ特権の形で顧客にインセンティブを提供します。 AIベースの分析がビジネスにもたらすすべてのメリットがあるとしても、送料でAmazonと競争することは依然として大きな課題です。

2.価格動向の予測：ホッパー

旅行業界は競争が激しく、需要の山と谷が不安定で、利益率の低いルートがたくさんあります。 これにより、旅行者は暗闇にさらされ、予約するのに最適な時期がわからなくなる可能性があります。 事前に予約したほうがよい場合もあれば、出発日が近づくまで待つ方がよい場合もあります。

これにより、AI主導の予測分析の力に熟した分野になります。これは、旅行アプリHopperの人気が2015年以降劇的に高まっているという事実です。

ホッパーは、将来の価格パターンを予測し、旅行者に希望の目的地へのフライトを購入するための最も安い時間帯を警告することで、一歩先を行きます。

これは、毎日数十億の価格を監視し、各ルートの履歴データに基づいて、トレンドがどのように発展するかを予測することによって行われます。 次に、ユーザーは通知を設定して、これらの値下げが発生したときに予約するように通知することができます。

このサービスを提供しているのはそのような会社だけではありませんが、ホッパーはその予測で95％の正解率を報告し、顧客がフライトあたり平均50ドル以上節約できると主張しています。

以下のスクリーンショットは、このプロセスがどのように機能するかを示しています。 かわいらしい、眼鏡をかけたバニーを伴って、私はその豊かに値する休暇のためにニューヨークからホノルルへの飛行ルートを選びます。

私が選んだ日付に基づいて、このルートのチケットは時間の経過とともに高くなるだけなので、驚くほど偉そうなバニーは今すぐ予約するように私に言います。

ホッパーは、機械学習と予測分析をビジネス戦略の中心的な信条として採用しているビジネスの優れた例を提供します。 予測分析がなければ、ホッパーは存在しません。

ただし、このように大きな効果を発揮するために使用する統計モデルは、すべてのビジネスに教訓をもたらします。 ホッパーの成功は、本質的に、客観的な消費者アドバイスプラットフォームとしての信頼性から来ています。 そのため、他の多くの企業は、統計を使用して、自社の収益だけでなく、顧客の最善の利益となる予測を提供することで、この役割を引き受けることができます。

3.中小企業の成長：ポイントディファイアンス動物園＆水族館

2016年後半にSAPが行った調査によると、中小企業のリーダーの70％以上が、データから洞察を引き出す「初期段階」に過ぎないと感じています。

ワシントン州タコマにあるある動物園は、国立気象局と提携して、出席者数が予想外に増減した要因を特定することで、この傾向に逆らいました。 これは、多くの聴衆に対応するために常に公園にスタッフを配置する管理者にとって問題を引き起こしましたが、多くの場合、圧倒的な出席のために給与に過剰に費やすことになりました。

直感的には、暖かくて乾燥した日には出席率が高くなりますが、寒い日や濡れている日には出席率が低くなると推測できます。 しかし、米国国立気象局のデータをIBMのAI駆動型ワトソンプラットフォームに組み込むことで、動物園は、より多くの人々が訪れる原因となった条件を正確に特定することができました。

次に、この知識を使用して、過去の出席者数と予測された気象統計を使用して、将来の訪問者パターンをモデル化しました。

このプロジェクトは大成功を収め、現在は動物園の事業計画の中心的な部分となっています。 ポイントディファイアンスは、95％を超える精度で出席者数を予測できるため、管理者は公園に適切なスタッフを配置できます。 これは、訪問者が公園をどのように体験するかに悪影響を与えることはなく（おそらくその逆でも）、いくつかの重要なビジネス効率を生み出します。

もちろん、この方法論の適用範囲は、出席者数だけではありません。 ポートディファイアンスは、訪問者が動物園とどのようにやり取りするかを監視し、より良い顧客体験を提供するのに役立ちます。 AI主導の予測分析を使用して健康データを監視し、公園の動物の問題を診断して先制治療を提供する計画もあります。

4.スタッフの保持：IBM

予測分析の基本的な魅力は、組織の目標に対してより良い結果をもたらす可能性です。 これらは多くの場合、明らかに利益に基づいていますが、予測分析は、スタッフの定着の問題を特定し、解決策を提案するのにも役立ちます。

構造化データファイルをアップロードすることにより（下のスクリーンショットのように）、ワトソンはスタッフの離職の一般的な要因を見つけることができます。 次に、これは、すぐに会社を辞める可能性の予測に基づいて、各従業員の「品質スコア」の生成に反映されます。

これが実際に発生するのは、ユーザーからの自然言語の要求に応答する能力です。 ユーザーの質問に応答してデータをフェッチするGoogleの新しい分析機能と同様に、ワトソンは特定のクエリに応答し、ユーザーの好みに基づいてデータの視覚化を構築できます。

これは、探索的分析と診断分析から予測分析の領域にすばやく移行するプラットフォームの優れた例です。 事業主や経営者は誰でもこれらのツールを利用して、スタッフが退職する原因を正確に特定できますが、これらの要因の背後にあるものを確認し、潜在的な退職を和らげるための予防策を講じることもできます。 現在の高業績者を維持するのではなく、新しいスタッフを採用するコストを考えると、これは運用コストの削減に直接つながります。

5.オーディエンスエクステンション：Under Armour

オーディエンス拡張は、AIと予測分析の使用から大きな恩恵を受けるマーケティングのもう1つの領域です。 既存の価値の高い顧客の量的特徴を理解することにより、類似した個人を特定し、共鳴する可能性が高いパーソナライズされたメッセージでそれらをターゲットにすることが可能です。

広告予算をどこに使うかを知ることは不可欠ですが、それをどこに使わないかを知ることも重要です。 予測分析により、Under Armourのような企業は、最大の利益をもたらす分野に焦点を当て、そうでなければ不正確に費やされていたであろう予算を再投資することができます。

Under Armourは人工知能を使用して、感情分析やソーシャルリスニングなどのタスクを実行し、顧客がブランドについてどう思っているか、市場のギャップがどこにあるかを理解します。 これにより、同社はデジタルフィットネスブランドになることに注力するようになりました。これは、飽和状態の市場で新しいニッチ市場を切り開くイニシアチブです。

Under Armourは、体力製品だけでなく、オフラインとデジタルの世界を結び付けるアプリやウェアラブルデバイスも製造しています。 より多くの人々が製品を使用するほど、UnderArmourはその提供を改善するためにより多くのデータを収集できます。 また、登録ユーザーが2億人を超え、年間100億を超えるデジタルインタラクションがあり、データが不足することはありません。

このシリーズの最終回を読んでください：AIと予測分析：将来はどうなるのでしょうか？