画像とメタデータの活用して商品の名寄せを実現するには
翻訳：Saki Kitaoka. - Original Blog Link 商品マッチングは、多くの小売企業や消費財メーカーにとって不可欠な機能です。サプライヤーがオンライン・マーケットプレイスで新商品を販売する際、入荷する商品は既存の商品カタログの商品と比較されます。サプライヤーは、小売業者のウェブサイトに掲載されている商品リストを比較し、表示され ている内容が契約条件と一致していることを確認します。小売業者はお互いのウェブサイトをスクレイピングし、価格比較のために商品を一致させることがあります。また、サプライヤーは、小売業者やサードパーティのデータから、より上位の商品アグリゲートと、販売する個々のSKUを照合する必要があります。多くの組織にとって、この作業は時間がかかり、正確ではありません。 この作業を行う上での主な課題は、同じ商品でも組織によってラベル表示が異なることです。表示される商品名、説明文、または顧客と商品との結びつきをよくするための箇条書きの特徴リストの小さな差異が、正確な一致を不可能にすることがあ
DatabricksとAzure DevOpsでスケーラブルなAIをエッジにもたらす
翻訳：Junichi Maruyama. - Original Blog Link 製造業における機械学習とAIの機会は、 計り知れません 。 消費者の需要 と生産のより良い整合性から、 工程管理、歩留まり予測、欠陥検出 の改善まで、 予知保全 、 出荷最適化 、 もっともっと 、ML/AIはメーカーがビジネスを運営する方法を変革する用意があり、これらのテクノロジーは インダストリー4.0構想における主要な注力分野 となっている しかし、この可能性を実現することに課題がないわけではありません。機械学習と AI...
RFMセグメンテーションとコンポーザブルCDPによる小売パーソナライゼーション
Check out our Solution Accelerator for RFM Segmentation for more details and to download the notebooks . 翻訳：Junichi Maruyama. - Original Blog Link...
大規模言語モデル（LLM）を用いた商品レビューの自動分析
Check out our LLM Solution Accelerators for Retail for more details and to download the notebooks. 翻訳：Junichi Maruyama. - Original Blog Link 会話AIはここ数カ月で多くのメディアの注目を集めたが、大規模言語モデル（LLM）の能力は会話のやり取りをはるかに超えている。クエリ応答、要約、分類、検索など、あまり目立たない機能にこそ、多くの組織が労働力を強化し、顧客体験をレベルアップするための直接的な機会を見出している。...
因果機械学習による販促オファーの最適化
翻訳：Junichi Maruyama. - Original Blog Link 多くの企業は、取引を成立させたり、契約を更新させたり、サービスを購入させたりするために、顧客にプロモーションのオファーを提供している。このようなインセンティブは、販売者にとっては、購入と引き換えに顧客に提供される収益やサービスの面でコストがかかる。しかし、適切に適用されれば、取引を確実に成立させ、購入規模を拡大させることもできる。しかし、インセンティブオファーを受け取ったすべてのアカウントが同じように反応するわけではありません。不適切に適用された販促オファーは、取引の規模や速度に何の影響も与えないかもしれないし、不必要にマージンを損なうかもしれない。顧客にインセンティブを提案する組織は、オファーが取引完了の確率に与える影響を予測し、それが取引の純収益に与える影響を理解することが重要である。 プロモーション・オファーを最適化することで、より良い結果を導くことができる あるソフトウェア会社が、営業チームが異なる提案に対してどのようにオ
MapInPandasとDelta Live Tablesで一般的でないファイル形式を大規模に処理する
翻訳：Junichi Maruyama. - Original Blog Link 様々なファイル形式 最新のデータエンジニアリングの世界では、 Databricks Lakehouse Platform は信頼性の高いストリーミングおよびバッチ data pipelines の構築プロセスを簡素化します。しかし、曖昧なファイル形式や一般的でないファイル形式を扱うことは、Lakehouseへのデータ取り込みにおいて依然として課題となっています。データを提供する上流のチームは、データの保存と送信方法を決定するため、組織によって標準が異なります。例えば、データエンジニアは、スキーマの解釈が自由なCSVや、ファイル名に拡張子がないファイル、独自のフォーマットでカスタムリーダーが必要なファイルなどを扱わなければならないことがあります。このデータをParquetで取得できないかとリクエストするだけで問題が解決することもあれば、パフォーマンスの高いパイプラインを構築するために、よりクリエイティブなアプローチが必要になることも
複雑な傾向スコアリング・シナリオをDatabricksで管理する
詳細とノートブックのダウンロードについては、 Solution Accelerator for Propensity Scoring をご覧ください。 翻訳：Junichi Maruyama. - Original Blog Link 消費者は、パーソナライズされた方法でのエンゲージメントをますます期待するようになっている。最近の購入を補完する製品を宣伝する電子メール メッセージであれ、よく閲覧するカテゴリの製品のセールを告知するオンライン バナー広告であれ、または表明された (または暗示された) 興味に沿った動画や記事であれ、消費者は個人のニーズや価値観を認識するメッセージングを好むことを実証しています。 ターゲットを絞ったコンテンツでこのような嗜好に応えることができる組織は、消費者とのエンゲージメントからよ り高い収益を生み出す 機会 がある一方、そうでない組織は、ますます混雑し、分析が高度化する小売業界において顧客離れのリスクを負うことになる。その結果、多くの企業は、他の分野への支出を減速させている経済の不確
Databricks Marketplace for Retailersで数ヶ月から数時間へ
翻訳：Junichi Maruyama. - Original Blog Link 例えば、ある流通業者が、コンビニエンスストアの顧客から炭酸飲料が売れている要因を把握したいと考えたとしよう。従来であれば、コンビニエンスストアの顧客に接触してPOSデータ を入手し、追加のパートナーと協力して天候データを取得し、自社の出荷やプロモーション・データとの統合を開発する必要があった。この単純な分析を可能にするには、データエンジニアリングに数週間を要する。 Databricks Marketplaceの発表により、このような分析が数時間でできるようになりました。企業は今、次のことができる： 消費に関する優れた指標である PredictHQ の local event data でソースをリッチ化することで、洞察を得るまでの時間を短縮します アキュウェザー（Accuweather）の履歴および予測気象データ をシームレスに統合して、傾向をよりよく理解し、顧客体験を調整する 40以上の小売業者のPOSソース にアクセスし、在庫と
レイクハウスで顧客生涯価値を見積もる
翻訳：Junichi Maruyama. - Original Blog Link スニル・グプタ博士は『 Driving Digital Strategy 』の中で、「20％の顧客が利益の200％を占めている」と指摘している。この数字が意味するところは、一部の顧客は、その顧客から得られる利益よりも、それ以上にコストがかかっているということである。正確な比率はビジネスによって異なるかもしれないが、小売企業や消費財企業は、価値の高い顧客を特定し、その顧客と長期的な関係を築き、そのような顧客を増やす一方で、リターンが見込めない顧客への投資を抑えることが極めて重要である。 課題は、特定の顧客の潜在的な収益性が常にわかっているわけではないということである。非サブスクリプション・モデルでは、顧客の出入りは自由であるため、ある瞬間にはハイパフォーマンスな顧客としての可能性を示し、次の瞬間には姿を消して二度と戻ってこないかもしれない。しかし、全体として見れば、顧客の取引に関連する頻度、頻度、金額（消費額）には比較的予測可能なパ
Databricks Lakehouseでクレジットデータプラットフォームを構築する方法
翻訳：Junichi Maruyama. - Original Blog Link dbdemos.aiのデモ をご覧になり、ビジネスのためのクレジットデータプラットフォームを構築してください。 はじめに 世界銀行の金融包摂に関する報告 によると、なんと17億人もの成人が銀行口座を持たないとされている。銀行口座を持たない個人の多くは、伝統的な金融機関から融資を受けることが難しく、法外な金利で融資を行うインフォーマルな金融業者に頼ることになる。このグループには通常、若い世代、発展途上国の低所得者、農村部の住民が含まれ、その多くは金融サービスへのアクセスを得るために移動している。 銀行口座を持たない人々に関して言えば、モバイル・バンキングは通常、伝統的な銀行業務が弱いと思われている地域の消費者ニーズを満たすために参入してきました。世界中のスマートフォンのユーザー数は、過去5年間一貫して毎年最低5%ずつ増加しており、融資にとって新たな有望な機会をもたらしています。金融機関は、機械学習やその他の高度な分析を活用して顧客の