お問い合わせ
Go to Top

SERVICE

分析テーマ

未来を予測したい

過去のデータにもとづいて将来起きることを推測します。故障予測や需要予測、売上予測、価格予測などがあります。

未来を予測したいのケース一覧

電力需要の予測

過去の電力需要および気象データ、曜日データをもとに、エリアごとの電力需要を予測するアルゴリズムを構築。時間単位で精度を検証することで高精度な予測アルゴリズムを実現。これにより過剰な発電によるコストを抑えます。

仕入れの発注量を判断する需給予測モデル

発注・在庫をシンプルに管理するために、商品の売上個数を予測し仕入れの発注量を判断する需給予測アルゴリズムを構築。複数のアルゴリズムを検証の上、最適なアルゴリズムを構築し誤差数を大幅に改善。これにより、属人的に人がExcelを用いて行ってきた作業から脱却し、予測精度の向上と業務効率化を実現。

位置情報を活用したユーザー店舗滞在判定

各ユーザーの Wi-Fiアクセスポイント履歴から、滞在した店舗を推定し行動予測するアルゴリズムを構築。これにより、ユーザのアクセスポイント(位置情報)から滞在地や移動先を推定可能となり、ユーザーの行動に応じた最適な情報配信を実現。

産業
分析テーマ
活用データ
分析手法

旅行者の行動パターン分析・可視化

位置情報データを用いてエリア別の滞留ユーザー数・滞留時間を分析して可視化し、一時的な通過や居住者カウントされないよう除外するアルゴリズムを構築。旅行者の滞留状況を細分化することで、移動者と滞在者それぞれに最適な施策を展開。

産業
分析テーマ
活用データ
分析手法

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。

売上予測に基づく食材調達の最適化

賞味期限がある商品を扱う店舗にて、販売不振による過剰在庫の発生・需要過多による材料不足などの販売機会損失を防ぐため、日々の売上データ等を用いて最適な材料調達量や商品の売れ行きなどを予測するアルゴリズムを構築。売上データ、商品データ、店舗データの他に、気象データ、イベントデータなどを採用することで、精度の高い最適化アルゴリズムを実現。

実店舗向けチラシ配布の最適化

チラシ投下のタイミングと売上最大化の最適値について、時系列や競合店舗の影響を考慮してデータを分析。売上上昇スコアを算出する予測アルゴリズムを構築することで、チラシ投下量を店舗別に計画し、チラシ配布費用の最適化と売上の最大化を実現。

AIによる為替予測

為替図チャートの画像データを用いた予測と為替変動の時系列数値データを用いた予測を組み合わせたアンサンブル学習により、AIアルゴリズムを構築。複数のデータやアルゴリズムを組み合わせることで精度の高い予測を実現。

店舗の契約手続き数の予測

過去の来店者データ等を活用し、店舗ごとの契約手続き数を予測するアルゴリズムを構築。来店者データ以外に週効果や祝日効果、キャンペーン効果、天気効果など複数の要因(変数)を加味して組み込むことで、具体的な契約手続き数を予測できます。これにより、店舗ごとの混雑状況を事前に把握でき、適切な人員配置やシフト管理の効率化を実現。

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

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