Tag: AI/ML

こんにちは。ソリューションアーキテクトの平井です。本記事では、AWS サービスを使用して、e コマース、小売、デジタルマーケティングのユースケースで魅力的な顧客体験を構築する方法を示すためのリファレンス実装として開発されたリテールデモストアの紹介をします。

本投稿は、Tyson Foods, Inc. 社が、機械学習を活用し人工知能アプリケーションをエッジで実行する事で、食肉加工工場のプロセスを自動化しているご紹介を2回に分けて紹介するブログシリーズの第2回目です。第1回目では、Amazon SageMaker と AWS Panorama を使って構築した包装ライン用の在庫数を自動で計測するアプリケーションについて説明しました。この第2回目では、産業機器の予知保全のための画像を使ったエッジでの異常検知ソリューションについて解説します。

ダイナミックかつ急速に変化する世界で消費者のニーズを満たすために、組織は先を見越しつつリアルタイムに対応できるサプライチェーンプラットフォームを確立する必要があります。モノのインターネット（IoT）、人工知能と機械学習（AI / ML）、クラウドベースのプラットフォームなどの急速な技術開発による進化を活用することで、サプライチェーン全体でデータを捉え、人の介入を最小限に抑えて自動制御でイベントに対応できるスケーラブルなグローバルプラットフォームを構築できます。 このブログシリーズの 1 本目では、AWS がこれらの技術を用いいかにして、顧客のサプライチェーンにおける課題解決を支援をしているか紹介します。まずは図 1 に示すような動的なサプライチェーンを構築するために必要とされる、基本的な構成要素に焦点を当てます。これにより、混乱や無駄を最小限に抑え、顧客の SLA コンプライアンスを保証します。今後のブログでは、より具体的なユースケースとソリューションについて詳しく解説していく予定です。

この記事では、AWS Identity and Access Management (IAM) のAttribute Based Access Control (ABAC) を使用してテナントの分離を提供し、マルチテナントの SaaS アプリケーション内で Forecast を使用する方法を解説しています。

近年、自社で保有するデータだけでなく、外部や第三者のデータを使って機械学習（ML）モデルを構築する企業が増えています。そして学習させたモデルを外部の顧客に提供することで収益源とするビジネスモデルを構築することができます。

この記事では、Amazon SageMaker Pipelinesが、Machine Learning as a Service (MLaaS) / Software as a Service (SaaS) アプリケーションにおけるデータの前処理、そして機械学習モデルの構築、訓練、チューニング、登録にどのように役立つかを紹介します。特にテナント分離とコスト配分に焦点を当て、テナント固有のMLモデルを構築するためのベストプラクティスを紹介します。

2020 年の消費財 (Consumer Packaged Goods; CPG) サプライチェーン管理にとって、需要の混乱は大きな課題であり、今後も大きな課題となるでしょう。 以前のブログ記事「データ駆動型需要計画: 機械学習とデマンドセンシングにより消費財業界の混乱に向き合う」で説明したように、サプライチェーンの需要の混乱を解決する一環として、需要計画の改善があります。機械学習 (ML) を活用した高度な予測とデマンドセンシングは、計画をより正確かつ効率的にするための鍵となります。 オペレーションの最適化と収益の最大化に不可欠な注文割当は、需要の変動に対応するためにはさらに重要です。これは、注文の優先順位付け、調達場所、出荷方法など、注文をどのように、いつ、どこで履行すべきかを決定する動的なプロセスです。効果的な注文割当により、消費財企業は、最も費用対効果の高い方法で、時間どおりに、全ての注文を納品することができます。

今年の AWS re:Invent がオンラインだけでなく現地開催もされることを大変うれしく思っています。AWS CPG（消費財業界）チームも、11 月 29 日〜 12 月 3 日の期間にラスベガスで、あるいはオンラインで、エキサイティングなプログラムを用意してあなたをお待ちしています。今年の AWS re:Invent では 5 つの基調講演、20 を超えるリーダーシップセッション、1,200 を超えるブレイクアウトセッションやチョークトーク、ワークショップが予定されています。さらに、Venetian のコンシューマーラウンジに立ち寄っていただければ、AWS エキスパートやお客様どうしのネットワークが拡がり学びに繋がります。

Coca-Cola İçecek 社 (CCI 社) は、世界第 6 位の Coca-Cola 製品のボトラーです。トルコのイスタンブールに本社を置く CCI 社は、いくつかの印象的な数字をもたらしています。トルコ、アゼルバイジャン、イラク、ヨルダン、カザフスタン、キルギスタン、パキスタン、シリア、タジキスタン、トルクメニスタンの 10 カ国で事業を展開し、26 のボトリング工場で毎年 12 億ケースの飲料を製造して、4 億もの消費者に提供しています。 CCI 社は、デジタルプラントのレプリカ、つまりデジタルツインをクラウド上に構築することで、製造施設を近代化しています。高度な分析、人工知能（AI）、リアルタイム資産モニタリングで価値を引き出そうと考えています。実際、CCI 社は他のコカ・コーラのボトラー各社が同じデジタル製造ソリューションを施設に導入できるように、再現可能なプレイブックを構築しました。

小売業界において、日常業務におけるデータの重要性に異論のある方はいないでしょう。バッチレポートから意思決定支援、ビジネスインテリジェンスシステムまで、小売の意思決定における運用データの進化は非常に多岐にわたります。今日、アダプティブ分析プラットフォームは、小売業者が次のことができるよう、業界のイノベーションを推進しています。 ビジネスにおける重要なシグナルを検出します。 これらのシグナルの現在の意味と将来の予測を導き出します。 データドリブンな顧客、製品、マーケティング戦略で対応します。 しかし、アダプティブ分析プラットフォームを構築するためには、小売業の経営者が直面する多くの戦略的課題があります。例えば、急速に変化する買い物客の影響や行動のトリガー、人口動態の変化、COVID-19 などの世代別市場レベルの影響、主要な経済圏の景気低迷といった課題や、お客様対応とオペレーション業務を効果的に行うために、予測に基づいた洞察が求められる小売業の職種が一層増えていることなどが挙げられます。

小売業界では、消費者行動の劇的な変化、商品構成の大幅な変更、オンライン注文の大幅な増加に取り組んでいますが、革新的な企業は、このような市場の変化に対応するために、テクノロジーを駆使したカスタマーエクスペリエンスの取り組みを進めています。私たちは、こうした取り組みを心から称賛します。 しかしながらそれでは十分ではありません。 小売企業は、店舗のバックオフィス業務にも注力し、自動化、効率化、コスト削減を図らなければなりません。なぜなら、これらの要素は、顧客対応と財務の健全性に不可欠だからです。従業員や内部プロセスを無視して、顧客体験のテクノロジーへの投資を行っても、意図したとおりの効果は得られないでしょう。