BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:データサイエンスすいすい会 第14回「【電通 様ご登壇】オンオフ統合マーケティングにおけるForecas tFlowの活用について」 X-WR-CALNAME:データサイエンスすいすい会 第14回「【電通 様ご登壇】オンオフ統合マーケティングにおけるForecas tFlowの活用について」 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:811844@techplay.jp SUMMARY:データサイエンスすいすい会 第14回「【電通様ご 登壇】オンオフ統合マーケティングにおけるForecastFlow の活用について」 DTSTART;TZID=Asia/Tokyo:20210324T120000 DTEND;TZID=Asia/Tokyo:20210324T130000 DTSTAMP:20260405T235537Z CREATED:20210317T012737Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/81184 4?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nデータサイ エンスすいすい会\n※第14回に関してはライブ配信のみ で、Youtubeでのアーカイブや資料のご共有の予定はござ いません。\nぜひお見逃しなく。\n概要\nデータサイエ ンスに関する雑談を通して、すいすいデータサイエン スを推進できるような知見を貯めていくオンライン雑 談会\n今回は電通様をお招きしGRIの分析官リーダと対 話形式で、マーケティングでの自動機械学習をテーマ にお話します\n参加無料、お昼を食べながらお気軽に ご参加ください\n\nスケジュール\n第14回　2021年3月24日 （水）12：00～13：00　\n隔週で開催予定\n\n参加方法\n時 間になりましたら、下記ZoomURLよりご自由にご参加くだ さい\nhttps://zoom.us/j/96152836275\n\n内容\n株式会社電通 デ ータマーケティングセンター 部長の眞鍋様より、オン オフ統合マーケティングに関して、自動機械学習基盤F orecastFlowの活用方法をお話いただきます。マーケティ ングでは、オンラインとオフラインを同時に考慮する 必要性が提唱されて久しいですが、実現するにはいく つかのハードルがあります。\n今回のすいすい会では 、電通社独自の「人」を起点にした統合マーケティン グフレーム、及びマーケティング分析するためのデー タ基盤のオンオフ統合データをForecastFlowを使うと、ど のようなことが実現できるかお話いただきます。\n具 体的には、テレビCMやデジタル広告のサイト来訪への 広告効果の表現方法をForecastFlowを通して、ご紹介いた します。電通 眞鍋様とGRI古幡の対話形式でForecastFlowの 予測モデルの結果を解釈することにより、参加者の方 にとって理解しやすい内容を予定しております。\n\n登 壇者\n眞鍋 尚行\n株式会社電通 データマーケティング センター 部長\n事業会社にて、CRMの基盤構築・戦略立 案に従事。その後、金融系シンクタンクにて、経営/マ ーケティング戦略のコンサルティング業務を経て、２ ０１０年に電通に入社。\n電通入社後は、データドリ ブンなマス広告×Web広告のオンオフ統合マーケティン グを推進。DMPの開発及び、さまざまなクライアントに 対してソリューションを提供。\nデータサイエンティ スト協会企画委員長\nJIAA　DMPワーキンググループリー ダー\nJILIS（情報法制研究所）研究員\n\n古幡 征史　\n 株式会社GRI 取締役\nPh.D in Computer Science\nGRIにて50以上の AI\, BI\, 分析基盤構築プロジェクトをリード\nKPMGコンサ ルティング、University of Southern California、ドワンゴを経 て、2016年9月より現職\n参加対象\n\nデータサイエンス に関心のある方\n\n参加費\n無料\n過去のすいすい会\n※ 第14回に関してはライブ配信のみで、Youtubeでのアーカ イブや資料のご共有の予定はございませんので、お見 逃しなく。\n\nスライド資料はこちら→https://gri.jp/news/1 2924\n第1回「ビジネスでAIを上手く活用するための問題 設定法の共有」\n動画はこちら→　https://youtu.be/ppkgYD69N DU\nAIを実践的に活用する際、どのような問題を設定す べきか？\nAIで解くべき問題が分かると、実践的なデー タ利活用ができます\n第1回では、サブスクリプション ・ビジネス（解約防止、Life-Time Valueの予測）における 問題設定の秘訣を話しました\n第2回 「アンケートと機 械学習で効率的な顧客理解の実践方法の共有」\n動画 はこちら→　https://youtu.be/-s1PcLQUBNI\nアンケート回収数 が少なくアンケート結果が眠っている企業も多いので はないでしょうか？\n今回の「すいすい会」では、ア ンケートと機械学習の組み合わせの事例を紹介しまし た\n第３回「機械学習の初心者卒業：　分類問題の精 度評価手法と不均衡データの実践的な取り扱い」\n動 画はこちら→　https://youtu.be/q6WJDTOgotA\n実社会では不均 衡データを扱うのが普通ですが、教科書ではあまり触 れられていないため、不均衡データの実践的な取り扱 い方をお話ししました\n第４回「自動機械学習での特 徴量の作り方」\n動画はこちら→　https://youtu.be/Ms52EnCRk 8g\n自動機械学習の工程の中で最も時間を要するのが予 測ターゲットを説明する特徴量データの準備になりま す。特徴量の考え方、アンチパターン、モダンなアル ゴリズムで不要な特徴量処理をお話しました。また、T ableauなどの可視化ツールで事前に分析しておくべきこ とと自動機械学習での特徴量エンジニアリングの使い どころをお伝えしました。\n第5回「ForecastFlowで自動機 械学習をやってみよう」\n自動機械学習の仕事の進め 方をForecastFlowのデモ（分類問題と回帰問題）を通して 紹介しました。このデモは幕張で開催された「AI・業 務自動化 展」より生放送でお送りしました。\n第6回「 予測スコアを用いた効果的な施策実施」\n動画はこち ら→　https://youtu.be/8Sm8ex6taE8\n自動機械学習ForecastFlowを 使うと、顧客一人一人のレベルで予測スコアを自動で 算出できるようになります。これからの出来事が予測 できるので、効率的に施策を実施することができます 。その実行手順や考え方を説明します。\n第7回「時系 列のセンサーデータを扱ったPredictive Modelでの予測につ いて」\n動画はこちら→　https://youtu.be/P09VdyyVtHs\nビジ ネスシーンで扱うデータの多くは時系列データであり 、予測に関して、数多くのモデルが存在します。NASAの 研究の一つである飛行機のタービンエンジン機器のセ ンサーデータを用いて、故障予測を中心にお話しまし た。\n第8回「データ活用を推進するマネージャが知っ ておくべき自然な摂理」\n動画はこちら→　https://youtu. be/SZvqLKRET3Y\nデータ活用の推進とリモートワークにより 、各マネージャは静かな大変動に直面しています。デ ータを活用する上で自然な摂理がいくつか存在してお り、それらをベースにマネージャとしてデータを効率 的に使うための環境整備のヒントをお話しました。\n 第9回「自動機械学習での予測モデル分割による詳細分 析」\n動画はこちら→　https://youtu.be/2uH_em9b3X4\n自動機 械学習ツールForecastFlowの予測モデル分割機能を用いて 、「米国電話会社の解約予測」と「海外旅行ユーザの 予測」の事例紹介を行いました。\n第10回「はじめての 自動機械学習（ForecastFlow）」\n動画はこちら→　https:// youtu.be/GlGdh05TTx4\nGRIが開発した自動機械学習ツール「For ecastFlow」を使って、自動機械学習に関して説明しまし た。\n第11回「大規模データ分析基盤と自動機械学習（ BigQuery + Matillion + ForecastFlow」\n動画はこちら→　https://y outu.be/TanBxco-kcA\n大規模データ分析基盤と自動機械学習 連携の手順を紹介しました。\n第12回「ECの売上データ に対して自動機械学習を用いた顧客行動予測」\n動画 はこちら→　https://youtu.be/yk3CO_fPY-4\nECの成長の鍵を２ つの視点で紹介しました\n\nEC分野での自動機械学習を 利用する典型的な分析テーマ例の整理\nあるイギリス のECの売上データを用いたForecastFlow（自動機械学習） のデモの共有\n\n第13回「自動機械学習での特徴量エン ジニアリングのテクニカル解説」\n動画はこちら→　ht tps://youtu.be/QFBzkOIE77w\n自動機械学習の予測結果を理解し やすくするためには、入力データの準備の工夫が必要 です。\n多くの予測問題に共通する、時刻データの扱 い、欠損値の扱い、カテゴリデータの扱いについて、 共有しました。\n\n※動画や資料は弊社コーポレートサ イトでもご覧いただけます\nhttps://gri.jp/news/12924 LOCATION: URL:https://techplay.jp/event/811844?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR