データサイエンティストのための Alteryx

次のブレークスルーによりすばやく到達しましょう。 アナリティック・プロセス・オートメーション (APA) により、機械学習モデルをすばやく作成し、最も関心の高い作業に集中できます。

思いどおりに解決

反復的なデータの抽出、評価、操作などの工程の自動化により、時間の有効活用を実現します。 カスタム API により再コーディングを省略し、本番環境にデプロイできるため、機械学習モデルからより迅速にビジネスの成果を引き出せます。 さらに、稼働中のモデルを一元的に監視、管理、更新することで、高い可視性を保ちながら制御できます。

カスタムコードと自動化を統合

反復作業を自動化し、クリエイティブな作業をカスタマイズしてデータをより深く探索できます。 独自のコードや構成可能な分析ビルディングブロックの使用時に、必要に応じてあらゆるデータセットのデータの前処理、探索、機能設計のステップを記録し、再現することができます。

モデルのプロトタイピングの促進

作業モデルを数分で使用可能にします。 変数の関係や配分を瞬時に確認し、アルゴリズムのパフォーマンスを数クリックのみで選択して比較できます。 モデルをトレーニングし、エンドツーエンドの機械学習パイプラインを、コードや視覚的なドキュメントに保存できます。

より迅速な運用化とビジネス価値の向上

セルフサービスで再コーディングを必要とせずにモデルをデプロイできます。 安全なクラウド環境や、社内のファイアウォール内にオンプレミスでデプロイすることも、ホストされた環境にデプロイすることもできます。 標準の REST API リクエストにより、モデルを既存のアプリケーションに容易に統合できます。

作業に集中する環境をつくる

 
 

拡張と自動化がデータサイエンティストにどのように力を与えるか

K-LOVE&Air1 RadioNetworksのプリンシパルデータサイエンティストであるBillLyonsから、Alteryx APAPlatform™で規範的な分析を加速することにより、ステーションで何百万ものロイヤルティ料金を節約した方法について聞いてください。 ビルは、ポイントソリューション全体のコーディングに数週間を費やす代わりに、Alteryxで数分を費やして成功したエンドツーエンドのモデリングプロジェクトを構築しました。

 
 

拡張データサイエンスでより多くの洞察を見つける

Alteryx APAプラットフォームを使用して、分析環境に必要な柔軟性、速度、透明性を手に入れましょう。 データを洞察に変えることに集中できるように、すべてのステップがどのように速く簡単になるかをご覧ください。

データのアクセス、品質、クレンジング

オンプレミス、クラウド、大規模、小規模、構造化、半構造化、非構造化などのあらゆるデータに簡単に接続できます。 データベース内の分析ビルディングブロックにより、クラウド上の膨大なデータソースの分析を実行できます。 さらに、アナリティック・プロセス・オートメーションを使用すると、既存のソースを強力なサードパーティデータで容易に強化し、ロケーションやビジネスに関するさらに深いインサイトを得ることができます。

分析ワークフローでは、新たなデータ準備やクレンジングの工程をピンポイントで実行でき、最高の柔軟性を得られます。 さらに、高い再現性により、さまざまなデータセットでアクションを容易に複製できます。

特徴量の設計とモデル化のアプローチ

正確で細やかな変更に対応した分析ビルディングブロックにより、自律的な変換を実現した視覚的なプログラミングインターフェースを備えた、アナリティック・プロセス・オートメーションで、特徴量の作成、評価、選択を行いながらデータを探索できます。 同一の分析ワークフローで、独自の R または Python コードと事前構築されたビルディングブロックをすばやく活用できます。

モデルトレーニングの自動化ビルディングブロックにより、機械学習モデルとパイプラインをすばやくプロトタイプ化し、一般的な予測、処方的、時系列モデル (教師あり・なし) を作成できます。 独自のコードと Alteryx の分析ビルディングブロックの両方を活用して、カスタム変換と初期状態の変換を適切にブレンドし、これまでになく簡単かつスピーディーに、分析ワークフローにおける特徴量の設計とモデルトレーニングを行えます。

分析の可視化と文書化

アナリティック・プロセス・オートメーションでは、あらゆる問題解決およびモデル作成の工程において、利用可能なデータプロファイルを使用して、データを容易に可視化できます。

結果グリッドを使用して分析ワークフローのあらゆる時点でのデータを探索し、次のステップに関する意思決定をより迅速に下すことができます。 プロセスのあらゆる段階で、グラフ、表、レポート、非技術系関係者の理解を促すダッシュボードボードなどを自動作成できます。

分析ワークフローでカスタマイズ可能な注記を使用して分析の各段階を視覚的に表示できます。これにより、独自のコード、事前構築済みのビルディングブロック、または両者を併用している際に、透過性を自動で維持できます。 さらに、動的バッチングによるレポート作成機能を使用すれば、たった 1 回のクリックで、あらゆる分析から容易に複数のレポートを自動作成して、配信できます。

リアルタイムのモデルのデプロイ

セルフサービスのアナリティック・プロセス・オートメーションでは、再コーディングによる遅延やリスクの心配なく、R、Python、ローコードのモデルをすばやく確実にデプロイできます。 必要に応じて、安全なクラウド環境や、社内のファイアウォール内にオンプレミスでデプロイすることも、ホストされた環境にデプロイすることもできます。

標準の REST API リクエストを介して、モデルをビジネスや消費者向けのアプリケーションに容易に組み込むことができ、コードスニペットも利用できます。 低レイテンシーのアプリケーションに、優れた可用性とフェールオーバーを提供し、リアルタイム予測を強化できます。 拡張性に優れたクラスターアーキテクチャで、より大規模なワークロードを容易に実行できます。 モデルを簡単に複製して、スループットの一時的または永続的な増加に対処できます。

モデルの管理と監視

モデルのステータスとパフォーマンス、システムの健全性をリアルタイムで確認することで、モデルが本番環境において継続的に有効なパフォーマンスを発揮するようにします。 アナリティック・プロセス・オートメーションで、社内のモデルとサーバーを一元的に管理することで、モデルの稼働時間、リソース消費量、応答についてのインサイトが得られます。 さらに、組み込みのモデルのバージョン管理機能と追跡機能により、データサイエンスチーム内およびチーム間の組織的なコラボレーションが容易になります。

アナリティック・プロセス・オートメーションは、かつてないほどにスムーズな、モデルの作成、管理、デプロイを実現します。 これにより、時間とコスト効率に乏しいカスタムモデルのデプロイ、本番環境下でのモデルの制御不能、IT部門 への全面的な依存などを解消できるようになります。

bulien-logo

「一年のうちに、データサイエンスチームが本番稼働できるモデルは、時にはゼロ、最大でも 4 つ程に過ぎません。 Alteryx を利用すれば、たった半日で同じことが実現できてしまうかもしれません」

— テクニカルリード、Bulien

はじめに

ホワイトペーパー

実践データサイエンス

アナリティック・プロセス・オートメーションの実際のユースケースを交え、今日のビジネスで最も普及しているデータサイエンスの活用方法トップ 5 をご紹介します。

今すぐ読む

オンデマンドウェビナー

データサイエンティストは ETL ではなく、データサイエンスを実行。ご想像ください。

アナリティック・プロセス・オートメーションで、データの前処理を高速化し、モデリングの生産性を向上させ、本番環境におけるモデルの価値を高める方法をご紹介します。

今すぐ視聴

アナリストレポート

マジック・クアドラント 2020年度版 データサイエンスおよび機械学習プラットフォーム部門

ガートナー社の最新レポートで 、過剰な宣伝に煩わされることなくAI および ML ベンダーの市場を理解できます。

今すぐ読む