エンジン名 | bodais プラットフォーム |
提供 形態 |
概 要 | 解決できること/課題 | 価 格 |
---|---|---|---|---|---|
スコアリング |
搭載済 | SaaS | 結果が2つの異なる値で表せる事柄について、どちらかの結果が起こる確率を算出します。 例商品Aの購買有無の実績データから、商品Aを買う人の特徴や商品Aを買う確率の高い人を把握することができます。 | 確率の高い順に、優先順位をつけて業務を行えます。また、確率を高める要因を可視化できます。 例DM配信先の選定、営業訪問先の優先順位付け、退職の可能性を高める要因の把握、等 |
価格表 |
クラスタリング | 搭載済 | SaaS | 類似したデータが混じり合う集団を、似た性質を持つもの同士に分けることができます。 | 類似する顧客をクラスター分類し、ペルソナ構築を行えます。 例顧客を特徴別に分け、各クラスタの興味に合わせた施策を用意し打ち分ける。また、オペレーターを特徴別に分け、得意な内容の電話を担当させる。 | 価格表 |
複合語解析 | 搭載済 | 受託 | 文章中の言葉を、辞書なしで、意味のある最小単位に自動で区切ることができます。 | 文章を単語に区切る処理です。形態素解析と異なり、意味のある単位でわけることができるのが特徴です。テイストマイニング処理の”前処理(準備)”として利用することで、その後のテキストマイニングの読み解きにおいて意味のある言葉で解析できるようになります。 例最適な辞書つくり、共起グラフの入力データ。 |
個別見積もり |
特徴度解析 | 搭載予定 | 受託 | 全体の中で、ある特定のグループが偏って語っているテーマが何かということを数的に把握することができます。 例複数の口コミサイトからラーメンに関する書き込みを複数件集め「全体」とします。その中で女性ユーザーが多い口コミサイトでは、全体と比べ「塩」や「レモン」について特徴的に語られているとわかります。 |
特定のグループが特徴的に語っていることや、意見がわかります。 特定のグループ向けに発信する際、興味を引きやすいキーワードがわかったり、特定の顧客の声がわかります。 |
個別見積もり |
主文抽出 | 搭載予定 | 受託 | 任意の文章群を入力すると、文章群全体で語られていることに近い”文”の順番がわかります。 これにより、上位にランクされた文を10文程度読むだけで、全ての文章を読まなくても、全体の概要を理解することができます。 |
ボリュームの多い文章をすべて読まなくても、概要を把握することができるので、すべて読むために必要な時間を削減できます。 例「○○」について調査するとき、ウィキペディアの記事をすべて読まなくても、記事全体で語っていることと近いことを語っている文を5行程度読めば、概要を理解できます。全文を読む時間を削減できるので、マーケティング業務などで調査にかける時間の削減に役立てることもできます。 |
個別見積もり |
主文章抽出 | 搭載予定 | 受託 | 任意の文書群を入力すると、文書群全体で語られていることに近い”文章”の順番がわかります。 これにより、上位にランクされた文章を10文章程度読むだけで、全てを読まなくても、概要を理解することができます。 |
複数の文書をすべて読まなくても、全体の概要を把握することができるので、すべて読むために必要な時間を削減できます。 例「○○」についての記事や本を複数集め調査対象とします。これらをすべて読まなくても、全体で語っていることと近いことを語っている文章を複数読めば、概要を理解できます。学術論文や判例等の概要を理解するための時間削減につながり、その他業務により多くの時間を割くことも可能になります。 |
個別見積もり |
ポジネガ判定 | 搭載予定 | 受託 | 任意の文章群を入力すると、各文章毎の背景にある感情が「ポジティブ」か「ネガティブ」、または「中立」かの判定ができます。 | 文章から背景の感情を判断する場合に、人が読まずに自動で判定できます。会社や商品などのブランドイメージを把握するのに役立てられます。 | 個別見積もり |
名寄せ | 搭載予定 | 受託 | データの重複をなくし、データを正確に保持することができます。”名寄せ”したいキー項目文字列の類似度を算出し、同一かどうかをスコア(確率)で判定します。 | 正確な状態のデータで、自社の現状を正しく把握できます。 人力でデータの重複をなくす作業やその確認作業を行うより大幅に作業時間を削減することができます。 |
個別見積もり |
グラフコメンテーター | 搭載予定 | 受託 | 項目名と数値を入力すると、グラフ出力とともに、グラフの傾向を表したコメントを自動で表示することができます。 | 出力グラフに自動でコメントをつけられます。 生成されるレポートに、グラフとともに、グラフの読み解きコメントをつけるための時間を削減できます。 |
個別見積もり |
属性予測 | 搭載予定 | 受託 | 欠損のある値が、どのレンジであるかを予測して、欠損があっても解析に使える状態にすることができます。 (内部では、クラスタリングエンジンを使用しています。) |
欠損のあるデータでもデータ解析に利用できるようになります。 欠損が多い場合は、その項目をデータ解析に利用できない場合があります。しかし、属性を予測することで欠損の状態ではなくなりデータ解析に利用できる項目を増やせます。 |
個別見積もり |
テキスト 構造図 |
搭載予定 | 受託 | テキストデータを入力すると、単語や文や文章の関係性をネットワークグラフで表現することができます。 | 文や単語の関係性を視覚的にとらえることができます。 例膨大な論文の中から「子ども」に関する情報を調査したい場合、同じ「子ども」について語られている論文でも、「子ども」と関連して語られているワードが何かわかることで、自分の調べたい分野の論文なのかを読む前に判断することができます。 |
個別見積もり |
オートクレンジング | 搭載予定 | 受託 | 欠損値、はずれ値、カテゴリカル統合など、データ解析を行うための前処理を自動で行うことができます。 | データサイエンティストが行う、データクレンジングや加工作業を自動で行うことができます。 これにより、クレンジング作業時間の大幅な削減ができます。 |
個別見積もり |
レコメンド | 搭載予定 | 受託 | 入力したデータや検索結果と、類似するデータをこれまでの履歴から検出し、おすすめすることができます。 | 検索にかける時間を削減することができます。また、検索した結果以外の情報も提供することで、顧客との関係構築やクロスセルにも繋がります。 | 個別見積もり |
シグナル分析 | 搭載予定 | 受託 | 上下する数値が、次は上昇するのか、下降するのか、それとも現状を維持するのかを予測することができます。 | 株価や、気象の情報など、数値が動く前兆を把握して、動く前にアクションを検討/決定することができます。 | 個別見積もり |
Word2vec | 搭載予定 | 受託 | 似ている文字列(言葉)を探す手法の1つです。 ある文字列(単語)と別のある文字列(単語)の意味の類似性を数的に表現することができます。 投入するテキストデータから、類似性を判別する計算式ができるので、投入するデータによって類似性は異なる可能性があります。 |
読み込んだ文字列から、似ている文字列を明らかにするので、レコメンドエンジンのロジックのひとつとして活用可能です。 例Word2vecによる解析の結果、「トマト」「りんご」「消防車」が似ていることがわかったとします。 |
個別見積もり |
お問い合わせは、下記ボタンよりお問い合わせください。
世界を革新する挑戦者に、成功を支援する会社
情報通信業