導入事例
AI の活用でヒット番組を配信

機械学習を活用したデータ駆動型のコンテンツ構成を実現

業種:メディア/エンターテインメント

ソリューション:顧客維持、収益予測

ユースケース:データの取り込み、ETL、機械学習

コンテンツにおける視聴者の要求が高まっており、期待に応えられないプロバイダーからは直ちに視聴者離れが起きてしまいます。米 Showtime 局では、顧客のエンゲージメントとロイヤルティを確保するために、データを活用したコンテンツ戦略を推進していましたが、既存システムの拡張性の制限と非効率なデータパイプラインに悩まされていました。そこで Databricks の統合データ分析プラットフォームが導入され、この問題を解決しました。視聴者の行動に関する実用的な洞察を得て、その洞察をコンテンツの構成や内容に活かすことによる、顧客エンゲージメントの向上と解約率の低減が可能になりました。

従来型システムが特徴量実運用化の妨げに

Showtime 局のデータ戦略部門は、組織全体におけるデータと分析の民主化に注力しています。膨大な視聴者データ(視聴した番組、時間帯、使用したデバイス、サブスクリプション履歴など)を収集し、機械学習を利用して視聴者の行動を予測し、番組構成や配信スケジュールの改善を行っています。ところが、既存のテクノロジーアーキテクチャでは、高度なデータサイエンスを十分に活用することができませんでした。

  • インフラの複雑さ:柔軟性を備えつつ、定期的なメンテナンスを必要としないインフラを必要としていた。
  • 非効率な機械学習パイプライン:機械学習モデルの開発、トレーニング、展開のプロセスは手作業が多く、エラーが発生しやすいため、新しいモデルの実用化に遅れが生じていた。

機械学習の活用でスマートなコンテンツ構成

Databricks の統合データ分析プラットフォームは、データエンジニアリングを大幅に簡素化し、データサイエンス部門の生産性を向上させる、フルマネージド型サービスを提供します。Showtime 局では、Databricks の導入によって豊富なデータを活用した洞察抽出が可能になり、視聴者エンゲージメントの向上と解約率の低減に成功しています。

  • インフラの自動化:フルマネージド型のサーバーレスなクラウドインフラストラクチャによる、スピード、コスト管理、弾力性の改善。
  • インタラクティブなワークスペース:チーム間の連携や異なるプログラミング言語間でのコラボレーションがシームレスになり、データサイエンスの生産性が向上。
  • 機械学習ライフサイクルの合理化:MLflow を利用することで、機械学習ライフサイクル全体を合理化。

データ分析、データサイエンスのイノベーションを加速

Databricks は、Showtime 局の組織全体におけるデータと機械学習の民主化を支援し、データをより積極的に活用する企業文化の醸成に寄与しています。

  • パイプラインを 6 倍高速化:データパイプラインの高速化により、これまで 24 時間以上かかっていた作業が 4 時間未満で完了するようになり、より迅速な意思決定が可能になった。
  • インフラの複雑さを排除:自動クラスタ管理機能を備えたフルマネージド型クラウドプラットフォームにより、データサイエンス部門は、ハードウェア構成、クラスタのプロビジョニング、デバッグなどに煩わされることなく、機械学習に集中できるようになった。
  • 視聴者エクスペリエンスの革新:データサイエンスにおけるコラボレーションと生産性の向上により、新しいモデルや特徴量の実運用化までの時間が短縮された。テストの迅速化により、より適切にパーソナライズされた視聴者エクスペリエンスが提供できるようになった。
  • 6 倍
    データパイプラインの高速化により、意思決定のスピードが向上

「Databricks プラットフォームの導入により、かつて直面していたシステム構成上の問題が全て解消されました。データサイエンス部門の業務が 飛躍的に進歩し、生産性が大幅に向上しました。」

Showtime 局
データ戦略・消費者分析部門上級副社長
ジョシュ・マクナット氏

関連リソース


テクニカルトーク(Spark + AI Summit EU 2019 より)

無料お試し・その他のご相談を承っております

Databricks の無料トライアル製品について詳しく見るご相談・お問い合わせ