ビジネスインテリジェンスと機械学習の違い
ビジネスインテリジェンスとは、企業がビジネス上の意思決定の指針とするために、データから得られる実用的なインサイトにアクセスしたり、それらのインサイトを分析および開発したりできるようにする、一連のソフトウェア機能をいいます。通常、BI ツールは、データ駆動型の意思決定を支援するために、主要なメトリクスをグラフやチャートで表示する、ユーザーフレンドリーなダッシュボードやビジュアライゼーションで情報を提示します。機械学習とは、ビッグデータを分析し、データ内における隠れたパターンを発見するためのアルゴリズムや深層学習の手法を開発する科学をいいます。機械学習と人工知能により、データサイエンティストとビジネスアナリストは、手動プロセスを自動化してデータを抽出し、傾向をより良く理解して、予測を行い、新しい BI レポートを生成できます。
ビジネスインテリジェンスと機械学習にはどのような類似点がありますか?
BI は、何が起こったかを分析する記述的かつ診断的な分析の一形態です。ML は何が起こったかも評価しますが、この情報を使用して将来の行動を予測します。BI は構造化されたデータを扱うのに対し、ML は E メールや写真などの非構造化情報も使用できます。どちらのタイプのデータ分析も目的は同じです。つまり、データを使用して情報に基づいた意思決定の指針となるということです。機械学習により、BI システムは、データセットでは簡単には見えないデータパターンからより深いインサイトを引き出すことができます。
ビジネスインテリジェンスと機械学習とは
いくつかの類似点はありますが、BI と ML は 2 つの異なる分析形式です。
ビジネスインテリジェンス
BI はほぼリアルタイムのデータを扱うことができますが、履歴分析の一形態であり、記述的分析と診断的分析という表現が最もよく当てはまります。BI 分析は通常、何が起こったのか、どのように起こったのか、なぜ起こったのかを説明します。ビジネスアナリストが作成した BI には、ダッシュボードやグラフなどの視覚化も含まれています。
機械学習と人工知能
機械学習は人工知能のサブセットです。ML と BI の主な違いは、機械学習は、コンピュータシステムが明示的な指示なしにタスクを実行するために使用するアルゴリズムと統計モデルを開発する科学であり、代わりにパターンと推論を利用します。コンピュータシステムは、機械学習アルゴリズムを使用して、大量のデータを処理し、データパターンを識別します。これにより、特定の入力データセットから結果をより正確に予測できます。例えば、データサイエンスは、何百万ものスキャン画像とそれに対応する診断情報を保存することにより、X 線画像から癌を診断するための医療アプリケーションをトレーニングするのに使用できます。
ビジネスインテリジェンスと機械学習の違いの要約
|
|
ビジネスインテリジェンス |
機械学習 |
| ビジネス目標 |
過去の傾向を特定し、何が起こったのか、どのように起こったのか、なぜ起こったのかを明らかにすること |
将来の成果を予測すること |
| 必要なスキル |
ダッシュボードを使った統計分析、データ抽出、データ視覚化の高いスキル |
高度なプログラミング、コーディング、データサイエンス、データマイニングのスキルとともに、高度な統計、またはコード不要の ML ツールによる統計分析 |
| データソース |
よく整理されたリレーショナルデータベースとデータウェアハウスで動作 |
大規模な構造化データレイクと非構造化データレイクで動作 |
| 複雑さ |
それほど複雑ではないが、アナリストのビジネススキルと知識に依存 |
比較的複雑で、多大なリソースと時間を必要とする |
| 数学 |
数学的な技法を使用 |
アルゴリズムに依存 |
使用するタイミング: ビジネスインテリジェンスと機械学習
ここでは、BI と ML の違いとそれらをどのような場合に使用すべきかの理解を深めるための例をいくつか紹介します。これらは一般的な問題を表しているため、アナリストがこれらの手法をどのように使用して問題を明らかにし、ビジネスプロセスを最適化しているかを比較すると便利です。
顧客離れを予測する
顧客離れとは、ある期間に企業が失った顧客の数と、期間開始時の顧客の総数とを比較するものです。これは単純な BI 計算で、結果をグラフィカルに表し、過去の月間解約率を表示しています。機械学習による顧客離れの計算は異なります。ここでは、アルゴリズムによって、購入履歴、人口統計データ、マーケティングキャンペーンなど、顧客データベース内の特定の要素を分析して、将来の顧客離れを予測できます。
顧客感情分析
ポジティブ、ニュートラル、ネガティブを問わず、顧客の感情を評価することが重要です。BI では、アンケートと評価を使用して顧客の考えを測定できます。同時に、機械学習は、電子メール、コールセンターの記録、ソーシャルメディアフィードなど、データセットの感情を分析することで、より深く掘り下げるのに役立ちます。
AWS は機械学習でビジネスインテリジェンスをどのように変革できるか?
BI を ML で強化することで、過去、現在、未来のギャップを埋めることができます。また、Amazon SageMaker Canvas のようなコード不要の ML ツールを使用すると、ML の経験がなくても、またコードを 1 行も記述しなくても、正確な ML 予測を生成できるため、データ主導型のビジネス上の意思決定を促進できます。
さらに、SageMaker Canvas から生成された予測を Amazon QuickSight で視覚化できます。これにより、統合ビジネスインテリジェンス (BI) をハイパースケールで提供できます。QuickSight を使用すると、最新のインタラクティブダッシュボード、ページ分割されたレポート、埋め込み分析、自然言語クエリにより、同じ信頼できる情報源からすべてのユーザーのさまざまな分析ニーズに対応できます。
SageMaker Canvas と QuickSight を使い始めるには、ワークショップを参照してください。
