Yellowfinで高度な分析を実行するにはどのようにすればよいですか？

Yellowfinは、シンプルな予測分析からデータサイエンスモデルのカスタマイズまで、様々なタイプの高度な分析をサポートします。

ユースケースに応じて、次のような高度な分析をサポートします。

 

分析関数

最初のクエリーでデータを取得した後、Yellowfinは、後処理計算をレポートクエリー結果に適用し、高度な関数を通してこれを変換します。これは、Yellowfinのネイティブ関数を使用するだけでなく、独自の特別なクエリー後カラム（列）操作をプラットフォームに取り込むことのできるオープンフレームワークです。

このフレームワークを通して、Yellowfinはカスタム予測モデルをYellowfinのレポートやビジュアライゼーションに取り込み、リアルタイムに実行できます。独自の、またはオープンソースAPIベースのデータサイエンス機能との統合も、このフレームワークを通してサポートされます。

 

グラフ関数

ビジュアライゼーションについては、自動傾向や予測、平均（平均、中央値、モード）、累積タイプを含む、クリックするだけのネイティブ関数を通して、一般的な計算をサポートします。また、Set分析や差異分析を実行することもできます。

 

 

トランスフォーメーションステップ

Yellowfinは、トランスフォーメーションフローを使用したETL操作をサポートします。トランスフォーメーションフローを使用することで、データ準備、クレンジング、拡張、予測モデルの組み込みを含む、データパイプラインを構築できます。

予測モデルは、トランスフォーメーションステップとして組み込むことができます。高度な関数と同様に、トランスフォーメーションステップは拡張可能なフレームワークであり、予測分析にYellowfinのネイティブトランスフォーメーションステップを活用できるだけでなく、既存のデータサイエンスプラットフォームが現在サポートされていない場合は、独自のステップを作成することもできます。

 

Yellowfinは高度な分析をそのまま実行できますか？

できます。Yellowfinは、ETSおよびHolt-Wintersに基づく自動傾向、単純、二重および三重指数平滑化、移動平均、線形および多項式回帰を含む、ネイティブ予測機能を提供します。

Yellowfin シグナルは、自動分析やモニタリングを提供し、線形回帰、ロジスティック回帰、変動係数モデルを網羅する複数のアルゴリズムが含まれます。

 

独自のカスタム分析関数を作成できますか？

できます。独自のカスタム分析関数を追加し、独自のアルゴリズムを使用して、レポートデータで高度な計算を実行できます。

 

さらに詳細な情報は、こちらを参照してください。

カスタム高度な関数の詳細はこちらをご覧ください。

 

社内に既にデータサイエンスチームがいますが、彼らの作業をどのようにYellowfinに統合できますか？

アナリティクスの導入において、データサイエンスおよびビジネスインテリジェンスチームが直面する最も一般的な課題は、彼らが作成したモデルを製品化することです。

わたしたちは、これらのデータサイエンスモデルをチーム間で簡単に使用、共有し、すべてを単一のアナリティクスプラットフォーム内で実現できるようにしました。データサイエンスチームは、独自のツールから本番環境にモデルを投入し、BIインフラがこれらのモデルを統合します。

Yellowfinは、PMMLやPFAのような一般的な標準出力をサポートし、独自のまたはオープンソースAPIベースのデータサイエンス機能を統合するフレームワークを作成することで、これを実現します。

 

Yellowfinはどのようなモデル作成ツールやプラットフォームをサポートしますか？

Yellowfinは、PMMLおよびPFAでエクスポートされた任意のデータサイエンスモデルをサポートします。R、Python、KNIME、RapidMiner、SAS、SPSSから、TensorFlow、LightGBM、XGBoostのようなフレームワークやライブラリまで、データサイエンス業界で一般的なすべてのツールが、これらの形式をサポートしています。

Yellowfinは、H2O.aiやAWS Sagemakerを含む、独自またはオープンソースAPIベースのデータサイエンス機能の統合もサポートします。

 

データサイエンスモデルをその場で実行するにはどのようにすればよいですか？

Yellowfinレポートでアドホック分析を実行すると、Yellowfinは、高度な関数を使用してR、H2O.ai、AWS Segamakerなどのデータサイエンスモデルにライブ接続し、レポートデータやビジュアライゼーションでこれをリアルタイムに実行できます。これは、PMMLやPFA形式でエクスポートされた自己完結型のモデル出力にも適用されます。

 

独自のデータサイエンスモデルを使用して、データウェアハウス内のレコードを更新できますか？

できます。独自のデータサイエンスモデルを、トランスフォーメーションフローのステップとして組み込むことができます。これにより、モデルからの予測値出力は、データウェアハウス内のレコードを更新できます。

 

モデルによる提案に対してユーザーが行ったアクションをトラッキングできますか？

できます。Yellowfinは、レポートやダッシュボードでのモデル出力から、アクションを介して他のアプリケーションに運用ワークフローを組み込むことができます。これにより、予測分析の「ループを完結」させることができます。良いユースケースの例として、以下が挙げられます。

• 見込み客の翌日の購入を予測するデータサイエンスモデルが組み込まれたパイプラインレポート
• アクションボタンに付随して、アカウント担当者がこれら見込み客に即座に連絡を取り、自動的にCRMに書き込みを実行できます。
• 連絡をした見込み客をリアルタイムで表示するCRMレポート

 

さらに詳細な情報は、こちらを参照してください。

データサイエンスモデル統合の詳細については、こちらを参照してください。