「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、ケンタさんは「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BIツールの可視化結果だけでは良い営業リストが作成できないことから、予測分析による予測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：会社のBIツールに入力されている顧客データ
予測結果/寄与度：営業リスト
ビジネスアクション：営業リストをもとにテレアポを実施する

だな……！

▼

「1.2.2 データ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。そういえばPrediction Oneでは営業リストをそのまま予測結果として出力できるんだっけ……？と思ったらまた補足リンクがある。「教師あり学習の予測タイプ」を見てみよう。

そうだった。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。二値分類では予測結果とその確率も出してくれる。つまり、パーソナルトレーニングを申込したかどうかを二値分類して、申込確率が高い順に並べたときの上位が営業リストとして使えそうだな。
つまり予測対象は、「パーソナルトレーニング申込」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。
ええと、過去の履歴を見るとサクラさんが営業リストを作成していた時は10人中2人の割合でコールが成功していた。そしてコール数は50件ほどか。当時と同じ水準の精度を確保するとなると、目標は「申込確率が高いと予測した上位50人の申し込み率が20%」で良さそうだな。