「1.2 予測分析で解きたい課題を設定する」に取り組む

前回のあらすじ

前回の話で、タツヤさんは「1.1 予測分析が最適なソリューションなのか確認する」のタスクを完了しました
具体的には手元のデータを可視化し簡単には故障の原因が分からないため予測分析の寄与度による分析が価値を生みそうであることを確認しました

▼

「1.2.1 予測結果/寄与度を活用したビジネスアクションを考える」に取り組む

次は「1.2 予測分析で解きたい課題を設定する」だな。これも一つ一つのタスクで何をすればよいのか詳細を見ていこう。まずは「1.2.1 予測結果/寄与度を活用したビジネスアクションを考える」だな。

なるほど「データ」「予測結果/寄与度」「ビジネスアクション」の三つを考えると良いんだな。今回は

データ：生産ラインの各種センサーや作業データ
予測結果/寄与度：エアコンの故障の有無/故障の予測に寄与した変数（故障の原因候補）
ビジネスアクション：故障の原因候補を点検する

だな……！

▼

「1.2.2 項目の中でどれを予測対象にするか決める」に取り組む

次は予測対象を決めるのか。ええと、そのまえにPrediction Oneではどういったデータを用意すれば良いかというと……。こういう時は「予測分析の基礎知識」を参考にしよう。
ふむふむ、「データとは」によるとPrediction Oneでは「行（レコード）は人や商品など一つひとつのサンプルを表しており、列（カラム）はそのサンプルの情報を同じ意味のものは同じ列に格納する形で表している」表形式データが必要なのか。

Prediction Oneでできるのは「二値分類」「多値分類」「数値予測」「数値予測（時系列予測）」の予測だったな。エアコンの故障予測は故障か正常かの二値だから「二値分類」で表せる。
つまり予測対象は「エアコンの故障の有無」にすれば良さそうだ！

▼

「1.2.3 予測モデルの精度目標を明文化する」に取り組む

次は……、どのくらいの精度を目標に据えるのかあらかじめ決めておくとよいのか。これは少しややこしいな。
今回は予測結果を活用するのではなく寄与度から原因の候補を洗い出したいのだが……と思ったら寄与度を活用する場合についても言及がある。なるほど、予測モデルの精度が低いと表示される寄与度も質の低いものになってしまうらしい。だとするとここに書いてある通り、今回は精度レベル星3以上を目標に設定しよう。