予測精度が十分なモデルが作成できたら、そのモデルをご自身の業務に組み込んでみましょう。
これまで人手で行ってきた業務の効率化や工数削減を見込めます。

このページでは作成したモデルを業務に導入する4つのステップを説明します。

まずは、業務に導入するための前提を再度確認しましょう。確認のポイントは以下です。

• 自身のビジネスの目標は何か?
• どのようなデータを入力して、何を予測しようとしているのか？
• 業務フローの中で、予測結果をどのタイミングでどのように活用しようとしているのか？
• ビジネスの目標を達成するには、どの程度の予測精度が必要なのか？

これらのポイントが明確になっていることが、前提として重要になります。

次に、実際の業務で正式利用する前に、事前検証をしましょう。
事前検証は、実際の業務フローへの組み込みを想定し、本番に近い環境で検証を行います。
ただし、実際の業務に大きな影響が出ないように、小さな規模で実施したり、予測結果を人間がチェックして利用します。

ここでは2つ例を挙げます。

例1. 顧客行動に基づいたターゲティングを行う場合

予測結果から、 顧客リストの作成を行いました。

これまでは、顧客リストの上から順番に電話をかけていたとすると、この予測結果を利用するとコール施策の費用対効果があるのかをこのステップ2で検証します。

• (A) これまで通り、顧客リストの上から順番に電話する
• (B) 予測確率の高い順にソートして、上から順番に電話する

この(A)と(B)を行い、購入率の比較をして(B)の方が高いことが確認できればステップ３を検討します。

最初は失敗してもあまりビジネスに影響を及ぼさない一部の商材/サービスでのみ実験的に行い、効果を確認した上で、他の本命の商材/サービスにも展開していくと、周囲を説得しやすいです。

例2. 来店数予測による仕入れ量決定を行う場合

1週間先まで(ここでは2019/09/16 ~ 09/22)の 来店数を予測 しました。

このステップ2ではPrediction Oneの予測と人間の予測のどちらが精度が良いかを比較します。

まず、Prediction Oneでの予測結果を参考にせず、これまで通り人手で1週間先までの来店数を予測します。
1週間後、Prediction Oneでの予測結果と、人手で予測した結果を実績と照らして精度を確認します。
その後、またさらに1週間先までの来店数をPrediction Oneを使って予測します。今度は、その予測結果を参考にして人手で来店数を予測します。
1週間後、またPrediction Oneでの予測結果と、人手で予測した結果を実績と照らして精度を確認します。

これらを行い、Prediction Oneの予測結果が十分に使えるものかを確認します。

事前検証の結果を分析すると、データ準備や予測モデルの見直しや、追加の事前検証が必要になることもあります。その場合は、見直しや再度検証を行いチェックします。

これらの検証時、ステークホルダーに相談する必要が出てきたり、これまでより多くの関係者を巻き込むことが必要な場合があります。その場合はサマリ画面などから必要な情報をピックアップし、必要なポイントを記載した説明資料を作成すると良いでしょう。

事前検証をクリアしたら、いよいよ実際の業務に本格的に組み込みます。
人間が予測結果を直接活用する場合、業務フローの中でどのようにデータを準備して、どのように予測結果を活用するのかを文書化しておきましょう。そうすることで、ミスが減り引継ぎも容易になります。
また、既存のシステムに組み込んで利用する場合は、API機能（クラウド版のみ）やコマンドライン機能（デスクトップ版のみ）なども活用しましょう。

予測APIの仕様（クラウド版のみ）
コマンドライン機能（デスクトップ版のみ）

業務への導入後も、定期的な見直しが必要です。
予測精度は、ビジネス環境やデータ傾向の変化によって劣化していくことがあります。業務導入に成功した場合でも、データ準備や予測モデルの再構築が必要になる場合がありますので、再度検証を行ったり、定期的に見直すことがポイントになります。