Submit Search
Upload
何故あなたの機械学習はビジネスを改善出来ないのか?
•
473 likes
•
13,321 views
Shota Yasui
Follow
Adtech Developper's Conferenceにおける発表。 ビジネス改善に必要なのは機械学習とか統計学そのものではなくて、それを包括した仕組みですよね?という話。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 37
Download now
Download to read offline
Recommended
重回帰分析で頑張る
重回帰分析で頑張る
Shota Yasui
L 05 bandit with causality-公開版
L 05 bandit with causality-公開版
Shota Yasui
Contextual package
Contextual package
Shota Yasui
セレンディピティと機械学習
セレンディピティと機械学習
Kei Tateno
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
Retty recommendation project
Retty recommendation project
Jiro Iwanaga
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
Takashi J OZAKI
DataRobotを用いた要因分析 (Causal Analysis by DataRobot)
DataRobotを用いた要因分析 (Causal Analysis by DataRobot)
Yuya Yamamoto
Recommended
重回帰分析で頑張る
重回帰分析で頑張る
Shota Yasui
L 05 bandit with causality-公開版
L 05 bandit with causality-公開版
Shota Yasui
Contextual package
Contextual package
Shota Yasui
セレンディピティと機械学習
セレンディピティと機械学習
Kei Tateno
動的最適化の今までとこれから
動的最適化の今までとこれから
Kazuki Baba
Retty recommendation project
Retty recommendation project
Jiro Iwanaga
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
『手を動かしながら学ぶ ビジネスに活かすデータマイニング』で目指したもの・学んでもらいたいもの
Takashi J OZAKI
DataRobotを用いた要因分析 (Causal Analysis by DataRobot)
DataRobotを用いた要因分析 (Causal Analysis by DataRobot)
Yuya Yamamoto
機械学習の課題設定講座
機械学習の課題設定講座
幹雄 小川
分析のリアルがここに!現場で使えるデータ分析
分析のリアルがここに!現場で使えるデータ分析
webcampusschoo
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
schoowebcampus
分析のリアルがここに!現場で使えるデータ分析
分析のリアルがここに!現場で使えるデータ分析
webcampusschoo
CF-FinML 金融時系列予測のための機械学習
CF-FinML 金融時系列予測のための機械学習
Katsuya Ito
Sit tokyo2021_ANA_SACで機械予測と計画業務の融合性を考えてみた
Sit tokyo2021_ANA_SACで機械予測と計画業務の融合性を考えてみた
Chikako Nobori
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
金融時系列解析入門 AAMAS2021 著者発表会
金融時系列解析入門 AAMAS2021 著者発表会
Katsuya Ito
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
Shunsuke Nakamura
20180920_【ヒカ☆ラボ】【データサイエンティストが教える 】 機械学習、人工知能を使った「ビジネスになる」アプリケーションの作り方
20180920_【ヒカ☆ラボ】【データサイエンティストが教える 】 機械学習、人工知能を使った「ビジネスになる」アプリケーションの作り方
Shunsuke Nakamura
20180925_【サポーターズCoLab勉強会】【営業から運用まで】データサイエンティストという職業
20180925_【サポーターズCoLab勉強会】【営業から運用まで】データサイエンティストという職業
Shunsuke Nakamura
20180809_機械学習を使った「ビジネスになる」アプリケーションの作り方
20180809_機械学習を使った「ビジネスになる」アプリケーションの作り方
Shunsuke Nakamura
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
Webマーケティングを通じたデータサイエンティストの価値発揮方法
Webマーケティングを通じたデータサイエンティストの価値発揮方法
E2D3.org
機械学習を使った「ビジネスになる」アプリケーションの作り方 v1
機械学習を使った「ビジネスになる」アプリケーションの作り方 v1
Shunsuke Nakamura
機械学習を使った「ビジネスになる」アプリケーションの作り方 V2
機械学習を使った「ビジネスになる」アプリケーションの作り方 V2
Shunsuke Nakamura
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
Introduction of KOTATSU-MODEL in Requirement Development
Introduction of KOTATSU-MODEL in Requirement Development
Kent Ishizawa
Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ
Kenji Noguchi
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!
Yuichi Morito
なぜ数学と理系人材がビジネスの現場で必要とされるのか
なぜ数学と理系人材がビジネスの現場で必要とされるのか
Hirofumi Ikeda
Tdc 20181121
Tdc 20181121
Masabumi Furuhata
More Related Content
What's hot
機械学習の課題設定講座
機械学習の課題設定講座
幹雄 小川
分析のリアルがここに!現場で使えるデータ分析
分析のリアルがここに!現場で使えるデータ分析
webcampusschoo
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
schoowebcampus
分析のリアルがここに!現場で使えるデータ分析
分析のリアルがここに!現場で使えるデータ分析
webcampusschoo
CF-FinML 金融時系列予測のための機械学習
CF-FinML 金融時系列予測のための機械学習
Katsuya Ito
Sit tokyo2021_ANA_SACで機械予測と計画業務の融合性を考えてみた
Sit tokyo2021_ANA_SACで機械予測と計画業務の融合性を考えてみた
Chikako Nobori
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
shakezo
金融時系列解析入門 AAMAS2021 著者発表会
金融時系列解析入門 AAMAS2021 著者発表会
Katsuya Ito
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
Shunsuke Nakamura
What's hot
(9)
機械学習の課題設定講座
機械学習の課題設定講座
分析のリアルがここに!現場で使えるデータ分析
分析のリアルがここに!現場で使えるデータ分析
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析(1限目) 先生:吉永 恵一
分析のリアルがここに!現場で使えるデータ分析
分析のリアルがここに!現場で使えるデータ分析
CF-FinML 金融時系列予測のための機械学習
CF-FinML 金融時系列予測のための機械学習
Sit tokyo2021_ANA_SACで機械予測と計画業務の融合性を考えてみた
Sit tokyo2021_ANA_SACで機械予測と計画業務の融合性を考えてみた
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT4
金融時系列解析入門 AAMAS2021 著者発表会
金融時系列解析入門 AAMAS2021 著者発表会
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで Vm 1
Similar to 何故あなたの機械学習はビジネスを改善出来ないのか?
20180920_【ヒカ☆ラボ】【データサイエンティストが教える 】 機械学習、人工知能を使った「ビジネスになる」アプリケーションの作り方
20180920_【ヒカ☆ラボ】【データサイエンティストが教える 】 機械学習、人工知能を使った「ビジネスになる」アプリケーションの作り方
Shunsuke Nakamura
20180925_【サポーターズCoLab勉強会】【営業から運用まで】データサイエンティストという職業
20180925_【サポーターズCoLab勉強会】【営業から運用まで】データサイエンティストという職業
Shunsuke Nakamura
20180809_機械学習を使った「ビジネスになる」アプリケーションの作り方
20180809_機械学習を使った「ビジネスになる」アプリケーションの作り方
Shunsuke Nakamura
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Tokoroten Nakayama
Webマーケティングを通じたデータサイエンティストの価値発揮方法
Webマーケティングを通じたデータサイエンティストの価値発揮方法
E2D3.org
機械学習を使った「ビジネスになる」アプリケーションの作り方 v1
機械学習を使った「ビジネスになる」アプリケーションの作り方 v1
Shunsuke Nakamura
機械学習を使った「ビジネスになる」アプリケーションの作り方 V2
機械学習を使った「ビジネスになる」アプリケーションの作り方 V2
Shunsuke Nakamura
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Shigeru Kishikawa
Introduction of KOTATSU-MODEL in Requirement Development
Introduction of KOTATSU-MODEL in Requirement Development
Kent Ishizawa
Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ
Kenji Noguchi
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!
Yuichi Morito
なぜ数学と理系人材がビジネスの現場で必要とされるのか
なぜ数学と理系人材がビジネスの現場で必要とされるのか
Hirofumi Ikeda
Tdc 20181121
Tdc 20181121
Masabumi Furuhata
MAとか扱う前に知っておくべきマーケティング基礎
MAとか扱う前に知っておくべきマーケティング基礎
Yasunao Kikuchi
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
syou6162
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り
Yuichi Morito
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」
Nozomu Tannaka
SDGC2018 redux Tannaka
SDGC2018 redux Tannaka
Service Design Network Japan Chapter
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
Itsuki Kuroda
【今日ジョブチェンジ】エンジニアからデータサイエンティストになる方法【サポーターズCoLab勉強会】
【今日ジョブチェンジ】エンジニアからデータサイエンティストになる方法【サポーターズCoLab勉強会】
Shunsuke Nakamura
Similar to 何故あなたの機械学習はビジネスを改善出来ないのか?
(20)
20180920_【ヒカ☆ラボ】【データサイエンティストが教える 】 機械学習、人工知能を使った「ビジネスになる」アプリケーションの作り方
20180920_【ヒカ☆ラボ】【データサイエンティストが教える 】 機械学習、人工知能を使った「ビジネスになる」アプリケーションの作り方
20180925_【サポーターズCoLab勉強会】【営業から運用まで】データサイエンティストという職業
20180925_【サポーターズCoLab勉強会】【営業から運用まで】データサイエンティストという職業
20180809_機械学習を使った「ビジネスになる」アプリケーションの作り方
20180809_機械学習を使った「ビジネスになる」アプリケーションの作り方
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
事業の進展とデータマネジメント体制の進歩(+プレトタイプの話)
Webマーケティングを通じたデータサイエンティストの価値発揮方法
Webマーケティングを通じたデータサイエンティストの価値発揮方法
機械学習を使った「ビジネスになる」アプリケーションの作り方 v1
機械学習を使った「ビジネスになる」アプリケーションの作り方 v1
機械学習を使った「ビジネスになる」アプリケーションの作り方 V2
機械学習を使った「ビジネスになる」アプリケーションの作り方 V2
Jmrx講演資料0723(配布用)[1]
Jmrx講演資料0723(配布用)[1]
Introduction of KOTATSU-MODEL in Requirement Development
Introduction of KOTATSU-MODEL in Requirement Development
Tableau Developers Club Season2 - 外部サービス連携デモ
Tableau Developers Club Season2 - 外部サービス連携デモ
IT革命からコミュニティ、コミュニケーション革命に!
IT革命からコミュニティ、コミュニケーション革命に!
なぜ数学と理系人材がビジネスの現場で必要とされるのか
なぜ数学と理系人材がビジネスの現場で必要とされるのか
Tdc 20181121
Tdc 20181121
MAとか扱う前に知っておくべきマーケティング基礎
MAとか扱う前に知っておくべきマーケティング基礎
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
日本の中小企業のIT導入10年の振り返り
日本の中小企業のIT導入10年の振り返り
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018 redux Tannaka
SDGC2018 redux Tannaka
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
新規事業が対峙する現実からエンジニアリングを俯瞰する #devsumiB #devsumi
【今日ジョブチェンジ】エンジニアからデータサイエンティストになる方法【サポーターズCoLab勉強会】
【今日ジョブチェンジ】エンジニアからデータサイエンティストになる方法【サポーターズCoLab勉強会】
More from Shota Yasui
PaperFriday: The selective labels problem
PaperFriday: The selective labels problem
Shota Yasui
TokyoR 20180421
TokyoR 20180421
Shota Yasui
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
Shota Yasui
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Shota Yasui
Factorization machines with r
Factorization machines with r
Shota Yasui
Estimating the effect of advertising with Machine learning
Estimating the effect of advertising with Machine learning
Shota Yasui
Prml nn
Prml nn
Shota Yasui
Xgboost for share
Xgboost for share
Shota Yasui
Dynamic panel in tokyo r
Dynamic panel in tokyo r
Shota Yasui
Rで部屋探し For slide share
Rで部屋探し For slide share
Shota Yasui
Salmon cycle
Salmon cycle
Shota Yasui
More from Shota Yasui
(11)
PaperFriday: The selective labels problem
PaperFriday: The selective labels problem
TokyoR 20180421
TokyoR 20180421
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
計量経済学と 機械学習の交差点入り口 (公開用)
計量経済学と 機械学習の交差点入り口 (公開用)
Factorization machines with r
Factorization machines with r
Estimating the effect of advertising with Machine learning
Estimating the effect of advertising with Machine learning
Prml nn
Prml nn
Xgboost for share
Xgboost for share
Dynamic panel in tokyo r
Dynamic panel in tokyo r
Rで部屋探し For slide share
Rで部屋探し For slide share
Salmon cycle
Salmon cycle
何故あなたの機械学習はビジネスを改善出来ないのか?
1.
何故貴方の機械学習はビジネスを改善でき ないのか? AILab Economic Research
Scientist Shota Yasui
2.
2 Shota Yasui (29) twitter:
@housecat442 Work at CyberAgent 2013/10 - present サーモンの経済学(修士) ↓ 広告代理店 ↓ DMP ↓ DSP ↓ SSP 良くTokyo.Rに出没してます。
3.
ビジネスの改善に必要なのは 機械学習とか統計そのものじゃない それらを包括した仕組みの提案が必要 3 今日伝えたい事
4.
仕事の変化 ● 広告代理店での仕事 ○ クライアントの仮説をデータから検証する。 ○
現象をデータから観察して、何が起きているかの仮説を考える。 ○ 基本的にはクライアントに向き合う。 ● アドテクでの仕事 ○ ユーザーが特定の条件を持つ確率を予測するモデルを作る。 ○ click, cv, sex, age, etc… 4
5.
コミュニケーションの変化 ユーザー拡張配信しちゃおう。 DMPで! 拡張・・・? プロダクトオーナー 安井 試行錯誤の結果・・・ CV予測モデル作って、確率の高いユー ザーリストを作ってみました。 DMPでセグメント作って配信 ♪ プロダクトオーナー 5
6.
コミュニケーションの変化 ユーザー拡張配信しちゃおう。 拡張・・・? プロダクトオーナー 安井 試行錯誤の結果・・・ CV予測モデル作って、確率の高いユー ザーリストを作ってみました。 DMPでセグメント作って配信 ♪ プロダクトオーナー 実は機械学習のタスクだけではなく、 DMPの使い方も暗黙的に依頼に組み込 まれている。 →気が付いてなかったけど・・・ 6
7.
結果やってしまった事 ● 自分の分野や興味の中でのベストな方法を 選択した。 ● 課題に対するベストを考えてなかった。 7
8.
歴史的敗北 8 数か月後・・・
9.
経験した敗北 配信群は非配信群の2倍の購買率だった。 →ML自体は機能していた 肝心の拡張配信広告をクリックして くれていなかった。 9
10.
10
11.
広告配信が要求する改善と、 自分が組んだ改善案には 開きがあった。 →ML以外の発想もあるはずなのに 11 反省点
12.
機械学習や統計の導入のみを提案する それらを包括した仕組みを提案する 12
13.
ちなみに)Facebookの配信最適化の仕組み 配信対象 属性A 属性B 属性C 属性D 配信 配信 配信 配信 KPI計測 KPI計測 KPI計測 KPI計測 停止 停止 配信 配信 KPI計測 KPI計測 配信 KPI計測 停止 配信最適化と呼ばれる仕組み ●
大量にユーザーセグメントを用意する。 ● 一旦全部配信してみる。 ● リフト計測を実行する。 ● 効果悪いセグメントは停止。 ● 残りで配信。 ● 以後続く。 Gordon, Brett R., et al. "A comparison of approaches to advertising measurement: Evidence from big field experiments at Facebook." White paper(2016).
14.
仕組み考えるとか面倒な事必要なのか? 14
15.
プロダクトによってはそんな発想いらなかった CTR Prediction CVR Prediction まぁそこだよね。 まぁそこだよね。 整理されてない課 題 15 プロダクトの中の課題
16.
CTR/CVR予測のコモディティ化 CTR Prediction CVR Prediction 手が空いているから何か解いてもら えるのだけど・・・ 大きそうな課題感投げてみるか・・・ この辺のタスクは大体終わった。 機械学習プラットフォームもあるか ら別のプロダクトでもやる事ない なー。 整理されてない課 題 16 プロダクトの中の課題
17.
リフトアップ改善の様な複雑な問題 Brand Lift ブランド案件入れたい・・・ プロダクトでブランドリフトさせる 配信せねば・・・ 整理されてない課 題 この問題どうやって解くんだろう? 一旦予測するか。 17 プロダクトの中の課題
18.
18 未整理タスクへの冒険
19.
「人工知能の研究開発チームがプロダクト・組織をどのよ うに変えたのか」in Developer’s summit
2017 by 谷口 和輝19 冒険の始まり・・・
20.
自分の方法論や興味の中での ベストな方法による解決策の量産 20 仕組みを提案するという前提がなければ・・・
21.
21
22.
ロジック業務を進める事の何がダメなのか? 1. 問題と人材のミスマッチの温床 ○ ベストな解き方が解く人の得意な方法とは限らない ○
間違ったデザインの中での機械学習の応用 2. プロダクトにとって想像が難しい問題を解くことが後回しにされる ○ 「ざっくり課題感 vs 遠回しな改善」という意思決定の問題は多く起きている ○ クラスタリングやアノテーションのようなタスクは改善のプロセスが想像し難い ○ やったら良さそう位の温度感になってしまい、結果難解だけどアウトプットが直接的なタスクが優先 されてしまう。 →ロジック業務を続けてたら改善に対する打率が低いままになってしまう 22
23.
DSのみなさん各々頑張って仕組み提案し てくださいね♪ 23 え?
24.
24 機械学習・因果推論・メカニズムデザイン・ 行動経済学・etc…概要の把握。 企業における科学技術を応用した 課題解決例 プロダクトや広告配信の知識 アイデアをひねり出す能力?努力? 仕組みを考えるのに必要な要件
25.
25 機械学習・因果推論・メカニズムデザイン・ 行動経済学・etc…概要の把握。 企業における科学技術を応用した 課題解決例 プロダクトや広告配信の知識 アイデアをひねり出す能力?努力? でも実際のDSのスキルは左上の中のどれか1つ
26.
これってDSの仕事なんだろうか? 26 ?
27.
ロジックを改善の仕組みに分解する事がで きる人材か機能が別途必要 27 ロジックを機械学習業務に変えるには・・・
28.
誰が歩み寄るべきなのか? 28 歩み寄ってよ 歩み寄ってよ
29.
一旦自分で間に入ってみた 29 歩み寄ってよ 歩み寄ってよ
30.
RTBチームでのトライ(2016/10 - 2017/3) 30 課題集約と議論 →仕組みと手法に落とす 各自の興味とスキルに合わせて 分析タスクのアサイン プロダクト プロダクト プロダクト 安井 メンバー メンバー メンバー 安井 ●
想定される課題に関連する論 文を課題図書として指定。 ● プロダクト側から相談のあった 課題に対して改善の仕組みを 提案。 ● 手法の部分をタスクとしてアサ インする。
31.
良かった点 31 ● ロジックタスクから機械学習のタスクになった。 ● 経験が浅いメンバー陣でも一定の成果が出た。 ●
研究とは違う知的好奇心の刺激 悪かった点 ● 自分のコミュニケーション量とマネジメントタスクが激増。 ● プロダクトの仕事は満足にいかず、共同研究は回らない。 ● DSのプレイヤーとしては生ける屍状態。
32.
誰が歩み寄るべきなのか? 32 歩み寄ってよ 歩み寄ってよ 生ける屍になって思った事
33.
誰が歩み寄って何を 解決するべきなのか? 33 どちらのサイドからでも良いので これをやりたい人がやるべき 生ける屍になって思った事
34.
34 機械学習・因果推論・メカニズムデザイン・ 行動経済学・etc…概要の把握。 企業における科学技術を応用した 課題解決例 プロダクトや広告配信の知識 アイデアをひねり出す能力?努力? やりたい人が持つべきもの
35.
35 機械学習・因果推論・メカニズムデザイン・ 行動経済学・etc...概要の把握。 企業における科学技術を応用した 課題解決例 プロダクトや広告配信の知識 アイデアをひねり出す能力?努力? ここを抑えれば、
36.
36 機械学習・因果推論・メカニズムデザイン・ 行動経済学・etc...概要の把握。 企業における科学技術を応用した 課題解決例 プロダクトや広告配信の知識 アイデアをひねり出す能力?努力? 手法的な知識と発想の拡大に繋がる。
37.
やりたい人いたら 手を挙げてやってみませんか? 37
Download now