#1:機械学習でビジネスにできることとその解決方法

これは、6部構成のチュートリアル「機械学習ベースの製品を構築するためのステップバイステップPMガイド」の第1部です。シリーズ全体の概要については、リンクをたどってください。

MLへの投資は10年前のモバイルへの投資に似ています—ビジネスを変革できます

洞察のために既存のデータを照会することは、よく知られ、広く採用されている分野です。ただし、MLはデータ分析の次のフロンティアです。コンピュータープログラムが予測するか、データで特定したパターンに基づいて洞察を引き出し、経験によってそれらの洞察を改善できる分野です。組織がより多くのデータにアクセスできるようになると、機械学習により、単一のユーザーインタラクションから世界的な傾向や地球への影響に至るまでの粒度で、大規模にデータから洞察を引き出すことができます。これらの洞察の使用は、ピクセルレベルでの個々のユーザーエクスペリエンスのカスタマイズから、現在存在しない新製品やビジネスチャンスの作成まで多岐にわたります。 MLを使用すると、内部データの使用をはるかに超えることができることに注意してください。多くの場合、内部データと外部データを組み合わせて、これまで不可能だった新しい洞察を引き出すことで、MLの能力を強化できます

A16Zのフランク・チェンは、人工知能の潜在的なアプリケーションに関する優れた入門書を持っています。その多くは機械学習を必要とする、または必要とします。これらのアプリケーションの一部は、将来を見据えており、既存の技術ではまだ達成できませんが、可能性の大きな感覚を与えます。

消費者企業が8〜10年前にモバイルへの投資を検討し始めたように、今こそ企業がビジネス成果の促進に役立つテクノロジーとしてMLを検討し始める時です。既存のMLテクノロジーの活用に注力している企業には、MLでできることについていくつかの重要なテーマがあります。これらは網羅的でも相互排他的でもありませんが、ビジネスへの潜在的な影響についてさまざまな角度から考えています。

  • ユーザーの環境、エクスペリエンス、システム応答の大量カスタマイズ。人がすることや見ることはすべて、特に彼らのためにカスタマイズでき、ニーズや行動を予測することさえできると想像してください。これには、製品またはサービスの関連性のレベルでランク付けされた推奨事項が含まれます。ユーザーに関する知識、ユーザーの行動、他のユーザー、外部データなどに基づいて調整されたユーザーエクスペリエンスまたはフロー。次に何をしたいかなどを予測します。小規模では、これは、個人ではなくユーザー。
  • オブジェクトを視覚的に識別し、それに応じてエクスペリエンスを自動化または調整する機能。今日の技術は、ライブカムを含む写真やビデオ内のオブジェクトを識別することができます。 Pinterestはこれを使用して、ユーザーが見ている写真のオブジェクトに類似/補完するオブジェクトを提案します。 Facebookは顔認識技術を使用して友人に写真のタグ付けを提案し、Amazonはオブジェクトの視覚的識別などに基づいて自動ストアチェックアウトを構築しています。
  • コンテンツの自動取得、生成、または処理。 MLを使用すると、世界中の大量のコンテンツを適切に処理できます。一般的な用途はドキュメントの取得です。法的事件に関連するすべてのドキュメントの検索(これは単なるキーワードを超えてコンテキスト検索に進むことに注意してください)、トピックとキーワードによるドキュメントの分類、コンテンツの自動要約、大量のコンテンツからの関連情報の抽出-例ここでの「コンテンツ」は、テキストだけでなく、あらゆる種類のメディアに適用されます。
  • 大規模な予測、推定、傾向。 MLを使用すると、非常に高価な予測や、他の方法では困難な予測が可能になります。 MLは、家の価格などの高度な専門知識を必要とする、またはソーシャルメディアでどのコンテンツがうまくいくかなど、人間が作成することさえ不可能な予測を行うのに特に役立ちます。マシンは、データの傾向が人間に明らかになるよりもずっと前に特定することもできます。
  • 異常なアクティビティまたはシステム障害の検出。すべてのシステムには障害と問題がありますが、MLを使用すると、問題が発生したかどうかだけでなく、それらの問題が異常で警告的なものかどうかも検出できます。これは、さまざまな監視およびセキュリティシステムで特に役立ちます。

MLは戦略的な観点から、いくつかのタイプのビジネス成果を推進できます。

  • 顧客向けの拡張されたエクスペリエンスと機能。最も一般的なユースケースは、大量のカスタマイズです。顧客に関連する可能性が最も高い製品をより迅速かつ効率的に見つけます。出会い系サイトでのベストマッチ、音楽サイトで好きな歌、購入に興味のある製品などです。他のユースケースは、予測を使用して、他の方法ではないエンティティや状況に関するインテリジェンスを取得することです。これは一般的かもしれません-例えば。 ZillowのZestimateは、誰が見ているかに関係なく、または個々の顧客に合わせてカスタマイズされた家を同じように評価しています。ユーザーの評価は、特定の好みを考慮して見たことがない映画に与えられる可能性があります。
  • 内部機能、プロセス、およびビジネスロジック。機械学習は時間を節約し、ビジネスプロセスや意思決定に関してリソース投資をより効果的にすることができます。例:融資会社は、潜在的な融資申請者へのアウトリーチに優先順位を付けたいと考えています。提供された場合、実際にそれを受け取るのに十分なローンを誰が望むかを決定する必要がありますが、それでもそれを返済できる可能性があります。最も信用度の高い顧客を優先することは必ずしも答えではありません。これらの顧客は通常多くのオプションがあり、変換する可能性が低いため、より複雑なモデルが必要です。
  • 新しい業種と新製品への拡大。データは、まったく新しいビジネスチャンスを開くのに役立ちます。既存の顧客向けに新しい製品を作成したり、以前にサービスを提供していないセグメントや顧客にサービスを提供したりできます。例:Netflixは、どの観客に対してどのテーマとプロットラインが機能するかに関するデータからの洞察を販売することにより、コアターゲットの観客ではなかったスタジオにサービスを提供できます。 Zillowは、不動産開発者がどの建物の特徴によって投資収益率が最大になるかなどを理解するのに役立ちます。

最初に対処する領域の決定は、潜在的なビジネスインパクト、および問題の複雑さとそのインパクトを達成するためのコストに依存する必要があります。

「データを使って何かをする必要がある」というのは、データ科学ではなく戦略の問題です

多くの企業がMLモデルを構築するデータサイエンティストを採用しようとしています。「データを使って何かをする必要がある」からです。著名な企業の多くの幹部が「競合他社がデータを購入するので、競争力を維持するためにこれを行う必要がある」と言った後、魔法を思い付くと期待して数人のデータ科学者を雇います。これは私にMLについての大きな誤解をもたらします。

MLはあなたのビジネスにとって魔法の杖ではありません。 MLの最初の課題は、テクノロジーが推進しようとしているビジネスへの影響を把握することです。 MLはソリューションです。最初に問題を定義する必要があります。MLで達成したいビジネス成果は何ですか? MLは顧客にどのようなメリットを提供できますか? MLはハンマーです。しかし、釘がなければ、ハンマーは特に有用ではありません。決まり文句をさらに引き伸ばすために、MLは非常に多様なハンマーのセットであり、使用する釘の種類によって、選択するハンマーとその使用方法が決まります。解決しようとしている正確な問題により、結果の使用方法、モデルの予測方法、モデルの調整方法、収集および処理するデータ、テストするアルゴリズム、その他多くの質問がすべて決まります。

本質的に、「私たちはどのような問題を解決していますか?」はビジネス上の質問です。つまり、それを定義することは最終的にデータサイエンティストではなく、プロダクトマネージャーとビジネスリーダーの責任です。データサイエンティストやその他の利害関係者は、定義に到達するために絶対に関与する必要があります。質問を投げかけずに、回答が返ってくることを期待してください。どうすればよいかわからないデータがある場合は、顧客インタビューを実施し、組織内の他の顧客と接する人々と考えます。データサイエンティストは、データの調査、アイデアの作成、反復を支援できますが、問題空間の専門知識を多く持っていない限り、ビジネスケースを自分で考え出すことは困難です。ビジネスに対するMLの価値を最大化するには、プロダクトマネージャーとデータサイエンティストの間の継続的なコラボレーションが必要です。プロダクトマネージャーは、解決する問題がビジネスにとって最もインパクトのあるものであることを確認する責任があります。

MLがビジネスを前進させる方法の開梱

MLの可能性は無限にありますが、組織にテクノロジーをどのように適用できるかを理解するために質問できる特定の質問があります。ここではいくつかの例を示します。

内部プロセス

  • 現在、私の会社の人々は、自動化できる決定を下すために知識をどのように活用していますか?
  • 会社の人々が通常、情報の特定のリポジトリから手動で検索、収集、または抽出するデータは何ですか?また、これをどのように自動化できますか?
  • 私の会社の人々が下す決定のセットは何ですか?人々が持っているすべてのデータを魔法のように取り込んだ場合、それらの決定はおそらくマシンによって行われますか?

既存の顧客向けの製品と経験

  • 顧客とのやり取りのどの部分が人によってカスタマイズされ、潜在的に機械によってカスタマイズされる可能性がありますか?
  • 顧客の好み、行動、ニーズに基づいて顧客を明確に区分していますか?私の製品/経験はセグメントごとにカスタマイズされていますか?
  • 顧客について知っていることや、サイト/アプリ/製品とのやり取りに基づいて、個々の顧客ごとにエクスペリエンスをカスタマイズできますか?どうすれば、より良い、より速い、またはより楽しい体験を彼らに提供できますか?
  • 具体的には、今日顧客に求めている決定と選択は何ですか?これらの決定は、私がすでに持っている、または持つことができる知識に基づいて自動化できますか?
  • 良いカスタマーエクスペリエンスと悪いカスタマーエクスペリエンスを特定するにはどうすればよいですか?カスタマーエクスペリエンスまたは満足度に悪影響を与える問題が発生または拡大する前に検出できますか?

新しい業種または顧客

  • 業界または隣接業界の他の利害関係者にとって有用なデータはありますか?これらの利害関係者はどのような決定を下すことができますか?

上記のすべて

  • 正しく予測できれば、顧客にサービスを提供したり、業界で競争したりする能力に有意な影響を与える指標や傾向は何ですか?製品の特定のカテゴリの需要、コストの変動などを予測しますか?
  • データを収集する重要なエンティティ(人、会社、製品など)は何ですか?それらのエンティティについて何か新しいことや有用なことを教えてくれる方法で、そのデータを外部のデータ(公的な情報源、パートナーなど)と結び付けることはできますか?誰にどのように役立ちますか?例:製品を探している間、潜在的な顧客を特定し、外部要因が業界の需要にどのように影響し、それに応じて反応するかなどを理解します。

これらの質問の一部(およびその他)を、チームおよび組織の主要な関係者とブレインストーミングします。どこから始めればよいかわからない場合は、どこからでも始めてください。いくつかのデータを試すだけで、あなたとあなたのチームはそこからどこに行くことができるかを理解するのに役立ちます。

パート2では、PMが理解する必要があるすべてのML技術用語、問題の定義がテクノロジーの選択にどのように影響するか、およびビジネスに影響を与えることに注意するモデリングの落とし穴のいくつかについて説明します。

この投稿がおもしろいと思ったら、下の緑色のハートをクリックして私に知らせてください。または、役に立つと思う他の人と共有してください。それは完全に私の一日になるでしょう!