機械学習を効率的に進めるリスティング設計
おはようございます。
リスティングが機械学習を取り入れてずいぶん時間が経ちます。その環境変化を最大限生かすために意識していたことがこのところの成果につながっています。
それは機械学習が進むような集客設計を行うこと。正しく目標設定することは当然のこととして、意外と抜けがちなのはデータの粒度を適切にコントロールすることと、サイロ化を防ぐこと。データのサイロ化についてはクライアントの理解と協力が欠かせないため簡単には進みませんが、とても大切なことなので時間をかけて取り組んでいます。
データサイロとは、企業のあるグループ・部門によって保持されているデータの集合のうち、他のグループから容易に、または全くアクセスできなく分断され、連携が取れていないデータを指します。このサイロ化したデータは、企業のデータから深く実用的な知見を集めるプロセスを妨げ、企業データを総合的に見渡す際の障壁となります。また、データのサイロ化とは、データの連携ができていないことを指すのはもちろんのこと、ビジネスにおける組織構造の分断を指すこともあります。（https://www.talend.com/jp/resources/what-are-data-silos/より引用）
そして比較的簡単なのはデータの粒度を適切にコントロールすること。機械学習を効率的に進めるにはデータの量と分類を適切に管理する必要があります。必要に応じデータを細分化したり、統合したりして調整をする必要があります。データ量の少ないアカウントだと細分化せずに統合するほうが機械学習が進みやすくなります。とくに生産財業界はリスティングから得られるデータ量が少なく適切にデータを統合しないと機械学習がうまく進まず成果が出にくくなってしまいます。
この記事もおすすめ
