AI(データ分析)活用事例詳細(1)

以前記載した、AI(データ分析)活用事例の詳細版です。今回は元データの扱いについて記述します。過去の概要は以下のリンクから参照して下さい。

AI(データ分析)活用事例

元データの扱い

以前、Microsoft Azureサービスの中の、Microsoft Mashine Learnigをご紹介しましたが、データ分析を行う上では、どのようなツールを使うにせよ、元データの収集と整理が必要になります。

Microsoft Azureの、Mashine Learnigは、csv形式でデータを保存し分析・活用する事になりますので、元データはエクセルで整理するのが一番良いです。

データの整形

上記は整形後の元データのサンプルですが、元々、別々のデータを組み合わせて作成しています。日や曜日等は基本的な情報として入力していますが、曜日サインはエクセルの関数を利用しています。また、降水量や最高気温は、気象庁のデータを取得し、同じ日のデータを合わせるように、手でコピー&ペーストしています。

データのアップロード

次にデータのアップロードを行いますが、上記のエクセルデータを保存する際に形式をcsvにして保存する必要があります。また、上記の元データの列のタイトルが日本語になっていますが、アップロードした際に”文字化け”を起こす可能性がありますので、分かりやすいアルファベット表記に変えておくことも必要になります

下図がアップロード画面になります。

元データ

「ファイルを選択」ボタンから、保存先のファイルを選択するとアップデートが実施されます。これで元データのセッティングは完了です。

次回からは、実際の分析に進んだ紹介をしたいと思います。

AI(データ分析)活用事例



世の中、AIを活用する時代に入ってきました。ここでは、中小企業でも簡単にAI(データ分析)を活用できる事例をご紹介します

Microsoftのクラウドサービス

インターネットの中で、様々なサービスの提供企業が存在します。MicrosoftやGoogle、Amazon(AWS)等が有名ですが、クラウド上で簡単に利用できるようになっています。AI・データ分析ができるサービスも提供しており、ここでは、「Microsoft Azure(アジュール)」というサービスを活用してみます。

Microsoft Mashine Learnig

Microsoft Azureのサービスの中に、Microsoft Mashine Learnigというデータ分析が行える機能があります。アカウントを作成すれば、無償使用期間がもらえます。Microsoft Mashine Learnigを活用した事例をざっくり以下にご紹介します。

分析概要

まず、分析の対象を決める必要があります。とあるスーパーで販売している商品の過去の販売個数データを分析し、販売個数予測モデルを作成するという分析を行います。

以下が、今回用いた販売個数データです。

元データ

過去の販売個数データと、販売個数に関係しそうなデータを盛り込んで、元データを作成します。販売個数には、「天気」・「休日」が大きく関係しそうなので、これらのデータを取得してきます。全て数値化された情報が必要ですので、「天気」は、「降水量」と「最高気温」で代替します。これらのデータは、気象庁のホームページから取得する事ができます。

Microsoft Mashine Learnig Studio

いよいよ、データ分析です。作成したアカウントで、Microsoft Mashine Learnig Studioにログインして、まずは作成したデータをアップロードします。

データのアップロード

アップロードしたデータを、分析モデルを作成するワークスペース(EXPERIMENTS)で分析に必要な操作コマンドを配列して繋げます。

分析モデル

コマンドの配列と接続が完了したら、分析にかけます。結果を表示すると、どれくらいの精度で分析できているかが分かります。

分析結果

「Scored Labels」というタイトルが、分析モデルによる予測値にあたります。その左側「sales」が実際の販売数量です。

分析の活用

今回は、概要だけご紹介しましたが、実際は販売数量に影響しそうなデータの選別や、Mashine Learnigそのものの操作方法の習得等、実践で使えるようになるためには、時間と手間を要します。

ただ、簡単な分析モデルを作成するだけなら、それほどハードルは高くありません。使いこなせれば大きな武器になります。活用を推進し、企業競争力を上げていきたいです。