SERVICE

ALBERTができること

お客様の課題解決において、ALBERTの各サービス(AI・データ分析/研究開発支援、プロダクト、データサイエンティスト育成支援)が実現できることを、
テーマ・活用データ・分析手法・産業別にご紹介いたします。

ピックアップ

服のカテゴリの自動分類タグ付け

服のカテゴリの自動分類タグ付け

従来行っていた、膨大な商品データを手動でカテゴリに分類し、それに関連する検索用のタグを付与する作業について、自動で分類しタグを付与するアルゴリズムを構築。これにより、人的作業の効率化やコスト削減、誤ったタグが付与されるヒューマンエラーの解消を実現。

AI活用を見据えたデータ設計・プラットフォーム構築

生データ(機器から取得したデータや保守・点検作業のデータ等)を収集する「データレイク」や、生データを再利用可能な形にして蓄積する「データウェアハウス」等の既存システムとは別に、それと共存する形で、AI活用に適した「データマート」を新たに構築。数多くのAIアルゴリズム構築・システム開発実績で培ったノウハウを用いて、データの欠損や異常値を考慮した設計や、異なるデータ形式を共通化した上でサマライズ。AI活用を見据えたデータ設計を行うことで、迅速なデータ利活用のPDCAサイクルが可能に。

カタログ送付量の削減と受注数の向上による収益の最大化

カタログ送付量の削減と受注数の向上による収益の最大化

行動データや属性データを加味した総合的なスコアリングを実施し、購買に繋がりやすい顧客を抽出をするためのアルゴリズムを構築。従来はRFM分析(Recency/Frequency/Monetaryの3つの指標で顧客をグループ化し、マーケティング施策を講じる手法)を用いたアルゴリズムを採用していましたが、それ以外の要因(変数)を追加したアルゴリズムの再構築により、カタログ送付で効果のある顧客を抽出でき、送付量の削減と全体の受注数の向上による収益の最大化を実現。

正常な画像データのみを活用した外観不良検知

正常な画像データのみを活用した外観不良検知

不良データがない場合にも、正常時の画像データを数百枚学習し、正常ではないと判断された画像に対して「不良」と判定する外観不良検知アルゴリズムを構築。これにより、人の目による再検査が大量に発生する従来の外観検査装置とは異なり、人の目による判断に近いアルゴリズムを用いて再検査を減らすことで、人手不足を解消できます。また、注目箇所の可視化により画像内のどこを重視して判断したのかを確認できるため、判断のブラックボックス化を回避可能です。

詳しくみる
バッテリー劣化予測

バッテリー劣化予測

車輌から取得したデータを用いて、バッテリーの劣化状況を予測するアルゴリズムを構築。数ヶ月以内の劣化を予測し、交換が必要になる会員に事前通知する仕組みを実現。

産業
分析テーマ
活用データ
分析手法
UNIX不正コマンドの自動検知

UNIX不正コマンドの自動検知

異常(不正処理)データが存在しないため、正常データのみで学習し、不正コマンドを自動検知するアルゴリズムを構築。当てはまりが著しく悪い場合を異常と判定しサーバー管理者にアラートを出す仕組みを開発することで、社内業務における不正行為(情報漏洩行為など)を抑止できます。

産業
分析テーマ
活用データ
分析手法
サーバーラックの吸気温度予測精度向上

サーバーラックの吸気温度予測精度向上

サーバーラックにおける、吸気温度の上昇を理由とした異常発生を防ぐため、各サーバーラックおよび空調の消費電力等のデータを用いて、吸気温度の変化を予測するアルゴリズムを構築。これにより、空調設備を適切な温度で管理でき、電気代等の経費削減に成功。

産業
分析テーマ
活用データ
分析手法