急速に変化する経営環境に効果的に対応できるように、
意思決定及び戦略樹立を支援する様々なAI基盤のデータ分析ソリューションを
開発・供給し、意思決定及び戦略樹立を支援し、企業のデータ分析業務を革新します。

これまで企業や機関はDBデータを分析して事業現況を把握し、未来を予測するためにデータ分析のための組織を別途運営してきました。しかし、BI MATRIXは、このようなデータ分析の専門家だけでなく、一般の現業担当者も自分の業務に必要なDBデータを簡単に照会し、分析できるように、生成型AI基盤の簡単かつ迅速なデータ分析を支援します。また、データサイエンティストのための専門ツールを通じて、データに基づいた経営現況の把握と未来予測を行い、客観的かつ正確な経営戦略樹立を通じて経営リスクを最小化することを支援します。

データ分析のための技術

IT専門知識がない従業員でも誰でも素早くデータベースの意思決定を行い、最も効率的に業務を行うために、データ分析に様々な技術を活用します。

生成AI

生成AIは、与えられたデータや入力に基づいて新しいコンテンツを生成する人工知能技術です。テキスト、画像、音楽、コードなど様々な形のコンテンツを生成することができます。生成AIは現在、膨大な分野で使用されており、最近では各分野に最適化された形で進化し、特定の分野に特化した専門の生成AIが出現する傾向があります。
BI MATRIXの生成AIは、企業のDBデータ分析に特化したBI専門の生成AIで、ユーザーの質問の意図を把握し、まるでBI専門家のように何千ものデータベースから意味のある情報を探し、分析した結果を回答として提供します。

LLM

LLMはLarge Language Modelの略で、大規模言語モデルを意味します。膨大な量のテキストデータに基づいて訓練された人工知能モデルであり、ユーザーの自然言語をコンピュータが理解できるように処理する役割を果たします。
BI MATRIXのデータ分析サービスでLLMエンジンは自然言語クエリを分析し、クエリ作成が可能なデータ分析プラットフォームが理解できる構造に変換し、JSONコードを生成する役割を果たし、様々なオンプレミスおよびクラウドLLMを活用することができます。

BI MATRIXは独自のLLMを保有しており、BI MATRIXの20年以上のBI知識を基にファインチューニングし、企業のDBデータ分析に特化して優れた性能を発揮しています。BI MATRIXのLLMであるG-MATRIX MX-7Bはハギングフェイスに登録されています。

データマイニング

データマイニング(Data Mining)は、大量のデータから意味のあるルールやパターン、関係などを分析して価値ある情報を抽出する過程で、ビジネス問題解決や意思決定に活用されます。このため、データ収集および準備、探索、モデル選択および適用、モデル評価、結果解釈および活用の段階を経て、主な技法には回帰分析、分類、クラスタリング、関連ルール学習などがあります。

単純な統計からさらに専門的な統計手法の適用に対する要求が増加し、予測要求が増加しており、データマイニングの必要性が高まっています。企業では主にデータサイエンティストやデータ分析専門組織が様々なツールや技術を活用してデータを分析し、これを通じてインサイトを導き出し、過去のデータを基に未来の出来事や傾向を予測する業務を行います。

BI MATRIXは、データサイエンティストやデータ分析専門組織が行っていた予測業務を生成AIが代行できるように、生成AI技術とデータマイニング技術を組み合わせ、複雑で難しい高度な分析および予測業務を簡単な自然言語だけで処理できるようにします。

データ分析事例

ITの専門知識のない人でも迅速に、データに基づいた意思決定で最も効率的な業務ができるよう、データ分析に必要な様々な技術を提供します。

経営計画のための需要予測

予測実行プロセス

相関分析を通じて外部指標と過去の実績データ間の相関関係を導き出し、需要予測ワークフローで高精度の統計アルゴリズムを選定して値を算出し、レポートとして活用します。

年間・月間需要予測

予測手法(アルゴリズム)

長・短期の需要予測に対応する多様な予測分析モデルアルゴリズムを提供し、Deep Learning技術を適用した予測方法を採用しています。

マシンラーニングベースの商品おすすめ

商品おすすめシステムの構成案

ビッグデータおよびマシンラーニング(AI)を基盤とした商品おすすめシステムを構築することで、顧客にカスタマイズされた商品をおすすめします。また、マーケティング担当者の商品推薦運営およびモニタリング、商品企画者のイベント商品のおすすめと構成を支援します。

商品おすすめモデル

製造データ分析および予測

納期予測シミュレーション

射出成形の全工程を標準化し、過去の納品(出荷)データの学習結果を基に、新規注文に対する生産所要時間を予測します。また、さまざまな条件でシミュレーションを行い、全体の生産リードタイムを算出します。

レシピ分析および最適レシピ算出

レシピ最適化の目標(対象)と候補因子を特定し、関連性および要因分析を通じて影響因子を選定します。その後、実験計画モデルを活用して原料の配合や設備の設定値を算出し、試験射出工程での試行錯誤から得られるフィードバックを基にモデルを改善します。

不良品の分類および原因追跡

現在の需要企業では、製品の不良に関する分類が行われていない状況です。そのため、製品の不良タイプを定義し、階層化作業を先行した後、多様な人工知能アルゴリズムを活用して、不良品の分析・分類・視覚化を導入します。

プロジェクト事例

  • 意思決定システム
  • ビッグデータ分析および予測モデル開発
  • ビッグデータポータル構築
  • 信用情報分析前処理自動化システム構築
  • 企業内外データを融合した需要予測システム
  • Dynamic Pricingを活用した割引率体系管理システム
  • パーソナライズマーケティングシステム
  • 国家大気質予報システム – 予報精度分析
  • スーパーコンピューティングを活用した軍の戦闘状況分析および予測モデル開発
  • 感染症予防総合管理システム – 感染症患者発生および拡散予測モデル構築
  • 納期予測シミュレーション
  • 農産物需要予測および物流量分散
  • 信用情報の前処理自動化システム

関連ソリューション