Nikita Atkins, Data Science Global Leader
GHD 社
お客様事例
GHD + Alteryx
ソリューションの模索
オーストラリア・メルボルンの州政府は、業界、政府、輸送ソフトウェアサービスプロバイダーからの大規模なデータセットの収集と理解を通じて、コンテナのサプライチェーンのプロセスを改善するために、グローバルコンサルティング会社である GHD 社の機械学習（ML）チームと契約を交わしました。
GHD 社のデータサイエンスグローバルリーダーである Nikita Atkins 氏のチームは、Alteryx の活用により、99.9965% のマッチング精度を実現し、1 億件もの輸送コンテナと商品のデータを 190 万件にまで減らすことに成功しました。
さらに、同社は Alteryx Intelligence Suite を使用して予測モデルの構築と予測を行うことで、コンテナの目的地、積み荷、各コンテナの容量、目的地から出発地に戻るまでの所要時間などのより正確な予測を実現。政府の支出やインフラへの投資をより適切に評価することが可能になりました。
これまで当社では 1 年近く、他社ではさらに長い時間をかけていた作業を、数週間で完了可能な再現性のあるプロセスに変えることができました。
課題
オーストラリアのメルボルン港（PoM）では、5 年ごとに、出入りするすべての輸送コンテナを追跡することが義務付けられています。適切なインフラ、産業用地、計画管理、方針を確保し、サプライチェーンを効率化するためには、貨物の目的地などを正確に把握することが重要です。
PoM では、57 以上の独立系コンテナ会社とのやり取りがあり、60 種類以上もの形式のデータを追跡する必要がありました。このプロセスには何百時間もの手作業とそれに対応するリソースが必要となるにもかかわらず、予測精度は 30％ 以下にとどまっていました。また、照合分析をきちんと完了させることすら困難な状況でした。
ソリューション
2019 年、Nikita Atkins 氏と GHD 社の機械学習チームは、積み荷やコンテナの調査を行うため、予測モデリングプロセスを開発しました。同社は、Alteryx を介して 2019 年 9 月～10 月の 25 万件以上ものコンテナ輸送のデータを収集・標準化し、それらのデータを統合するとともに、1 億件にも及ぶレコードの重複を排除しました。さらに、データの活用前に 200 以上のビジネスルールを含めました。最終的に絞りこんだ 190 万件のデータを PoM データと比較したところ、Alteryx でクレンジングしたデータは 99.9965% という高いマッチング精度を保持していることが確認できました。
GHD 社は、Alteryx Intelligence Suite を使用して 10 種類の予測モデルを構築し、それぞれの効果を比較しました。同社は選択項目を絞り込むことで、コンテナの発着地、積み荷、コンテナの容量、コンテナの復路の終了地点やスケジュールなどを推定することができました。
このプロセスの完了後、Nikita 氏のチームは PoM から正確なデータを収集し、Alteryx Intelligence Suite のモデルが予測したものと比較しました。その結果、 GHD 社の積み荷やコンテナの輸送サイクルの追跡における予測データの精度は 77% であることが確認できました。結果として、PoM が想定している以上の高い予測率を達成できました。
結果/ビジネスへの影響
GHD 社が Alteryx Intelligence Suite を介して取得した洞察により、地方自治体や州政府がコンテナの行き先や商品の購入先をより正確に把握できるようになっただけでなく、輸送インフラやネットワーク計画に関する意思決定に役立つ、より良い情報の提供が可能になりました。これにより、より迅速で焦点が絞られた、生産性の高いサプライチェーンを実現できるようになりました。