Amazon Machine Learning を使用して、当社はユーザーと顧客に大規模な財務情報を提供しています。その結果、公平な条件で、すべての人の広告収益、費用、アプリの会計情報、および給与を入手するのに役立っています。 
Dr.Iddo Drori 創設者兼 CEO

AdiMap は、コンピュータサイエンス、統計およびビジネスの分野を統合した、データサイエンス企業です。人々のプロフィール、会社、仕事、学校、ロケーション、アプリ、広告主、および発行者を結ぶ世界初の財務グラフを構築し、財務を推測するためのアルゴリズムとソフトウェアを開発しています。AdiMap の製品には、米国を拠点とする企業の求人や現職の給与を計算する従業員および雇用者向けの AdiMap Job、世界中のアプリと開発者の財務を見積もるビジネス向けの AdiMap App、世界中の広告費用と収益を計算する広告主および発行者向けの AdiMap Spend、米大統領候補の広告費を計算する有権者および候補者向けの AdiMap Election があります。 

AdiMap が 2011 年に創立された際には、重大なコンピューティングニーズをコスト効率良く満たす必要がありました。「非常に高いスループットでクリックストリームを処理するという課題がありました」と語るのは、AdiMap の CEO および創設者の Dr. Iddo Dorori です。「大規模なインフラストラクチャ、不足のないシステムエンジニアチーム、そして何百万ドルもの資金が必要でしたが、スタートアップ企業の私たちはどれも持ち合わせていませんでした。」

近年、AdiMap は、特に大企業の顧客のために、機械学習機能を強化するための堅牢なテクノロジーを探していました。「オンライン広告では、各ネットワークは各々の発行者の収益と広告主の支出を把握しているため、すべてのネットワークをカバーするソリューションが必要でした。」(Dr. Dorori)

機械学習ソリューションも非常にスケーラブルである必要がありました。「すべての人の広告費用データを誰にでも提供するには、すべての広告主と発行者を網羅するための測定目的で使用される、小さなサンプルから外挿する必要がありました。」(Dr. Drori) 

AdiMap は、コスト削減、スケーラビリティ、および迅速な市場投入のニーズを満たす最善の方法がクラウドであると判断し、アマゾン ウェブ サービス (AWS) の使用を選択しました。「2011 年、AWS は私たちにとって唯一実行可能なクラウドソリューションでした。初期のベータ版 AWS のサービスは私たちのニーズに最適です。」(Dr. Drori)これらのサービスの 1 つが AWS Elastic Beanstalk で、同社はウェブアプリケーションのデプロイおよびスケーリングに使用しています。「AWS Elastic Beanstalk を使用していましたが、当時は初期のベータ版で、月にわずか数千ドルで大規模なデータを処理していました。新しいリソースに投資したり、システムエンジニアのチームを雇ったりすることなく、たった 3 人のチームでそれを実現できたのです。」

AdiMap はその後、AWS の利用を拡大して、ストリーミングデータをリアルタイム処理するプラットフォームである Amazon Kinesis を加えました。同社は、Kinesis を使用してオンライン広告データと求人フィードを取り込む、ウェブをクロールするサービスをセットアップしました。データは処理され、ペタバイト規模のデータウェアハウスである Amazon Redshift に送信されます。「私たちは Redshift と Kinesis のかなり初期の採用者でした。」(Dr. Drori)「Redshift データベースは、手頃なコストで大容量ストレージソリューションを当社とお客様にもたらしました。」

ごく最近、AdiMap は Amazon Machine Learning の使用を開始しました。 これは、企業が機械学習モデルを簡単に訓練して使用し、予測と推論するのをサポートします。AdiMap では、Amazon Machine Learning を使用して、あらゆる広告ネットワークの発行者や広告主の広告費データを推定する、予測モデルを構築しています。結果として、AdiMap は顧客の 1 社である大手インターネット企業に、データ測定サービスを提供することができました。予測は、人口全体に外挿された、ユーザーのナビゲーショントレイルの小さなランダムサンプルに基づいています。AdiMap は、大統領選の広告費用を計算するために同様のフレームワークを使用し、米国企業の求人および現職の給与の計算するために大規模な連立方程式を解きます。

AdiMap は、自社のサービスを AWS Elastic Beanstalk から、サーバーのプロビジョンもしくは管理なしで、企業が必要に応じてコードを実行できるコンピューティングサービスである AWS Lambda に移行することを計画しています。   

AdiMap の目標は、ハードウェアリソースに多大な費用をかけずにコンピューティング要件を満たすことができることです。「AWS Lambda に移行したら、コストの大幅な削減を計画しています。リソースを開放してデータ提供を拡大できるので、ビジネスに大きな影響があるでしょう。」(Dr. Drori)

同社は必要とするスケーラビリティを獲得するために Amazon Machine Learning を使用しています。「Amazon Machine Learning を使用して、私たちはユーザーとお客様に大規模な財務情報を提供しています。」(Dr. Drori)「その結果、公平な条件で、すべての人の広告収益、費用、アプリの会計情報、および給与を入手するのに役立っています。これはユーザーとお客様に競争上の優位性を与えます。」

AdiMap は、AWS を使用して財務情報のプラットフォームをサポートすることで、製品化までの時間を短縮しました。「Amazon Machine Learning を使用すれば、予測と推論のためのモデルを、あっという間に簡単にセットアップできます。」(Dr. Drori)「また、Amazon Redshift はプラットフォームの開発とロールアウトを、お客様に向けて迅速化するのにも役立ちました。データベースをクライアントに公開し、直接アクセスできるようにしたのです。おそらく最も重要なのは、開発の各段階においてチームで常に最新情報を共有し、それに伴いお客様がすぐに最新の結果を更新することができたことです。」

将来的に、AdiMap は、可視化の構築およびアドホック分析の実行に使用されるビジネスインテリジェンスサービスである Amazon QuickSight などの追加の AWS サービスを使用して、新製品をより早く立ち上げることを計画しています。「Redshift のフロントエンド視覚化ツールとして Amazon QuickSight を使用することで、より迅速で簡単な方法で、新たなユーザーエクスペリエンスを作成し、テストすることができるでしょう。」Dr. Dorori は言います。「着想からデザイン、フロントエンドからバックエンドまで、実用的なプロトタイプを作成するのに通常 1 か月ほどかかります。しかし、QuickSight なら、その時間を数週間から数時間に短縮できます。これから発表する製品のいくつかを、より短い時間で市場化できることをとても楽しみにしています。新しい AWS のサービスは、私たちのビジネスに可能性を与えてくれているのです。」

AWS がビッグデータ環境を管理する上でどのように役立つかについては、ビッグデータの詳細ページをご覧ください。