| Oracle® Fusion Middleware Oracle Real-Time Decisionsデシジョン・センター・ユーザーズ・ガイド 11gリリース1 (11.1.1) B72430-01 |
|
 前 |
 次 |
| Oracle® Fusion Middleware Oracle Real-Time Decisionsデシジョン・センター・ユーザーズ・ガイド 11gリリース1 (11.1.1) B72430-01 |
|
前 |
次 |
インライン・サービス・ナビゲータの各要素は、実行中のインライン・サービスの一部を表します。それぞれの要素は、分析に役立つ情報を収集および表示します。デシジョン・センターには、ユーザーの学習内容や統計のすべての側面を、必要な知識レベルで調査できる豊富なレポート・セットがあります。また、この情報を他のBIシステムにエクスポートして、さらに分析することも可能です。これにより、各ユーザーは、Oracle Real-Time Decisionsの動作のしくみを理解したうえで、その分析結果を検証できます。
この章で示すレポートは、CrossSellというインライン・サービスの例に含まれています。実際のレポートに表示されるデータはこの章のレポートの例とわずかに異なることがありますが、それはこのシミュレートされたユース・ケースで使用されるデータのランダム性によるものです。
デシジョン・センターのレポートに対する一般的な考慮事項は次のとおりです。
この章で示すレポートはすべて追加設定なしで作成されますが、ラベル(説明、オブジェクト名、イベント名、パーティションなど)はデシジョン・スタジオでの構成時に定義されます。
キー・データ・フィールドは青いテキスト・リンクとして表示されます。このリンクをドリルダウンすると、さらに詳しい情報を見ることができます。
この章には次のトピックが含まれます:
この項では、アプリケーション・レベルで作成可能なレポートについて説明します。インライン・サービス・エクスプローラのアプリケーション要素は、インライン・サービス名で識別します。インライン・サービス名の後には、そのデプロイ状態が続きます。例:
この項には次のトピックが含まれます:
アプリケーション定義の概要レポートには、インライン・サービスに関する次のような一般情報が表示されます。
説明: インライン・サービスの説明
定義: インライン・サービスで使用されるアプリケーション・パラメータ
目標: インライン・サービスがサポートするパフォーマンス目標
図2-1は、アプリケーション定義の概要レポートの例です。
アプリケーション定義の統合マップ・レポートでは、インライン・サービス全体をスイムレーン形式で見ることができます。インライン・サービスの統合先である各システムがスイムレーンとして表示され、左側にはその名前が示されます。統合点は、青いスイムレーン内で表されています。統合点には、インフォーマントとアドバイザの2つのタイプがあります。
インフォーマントによって各種業務系システムから情報やイベントが収集され、インライン・サービスへの一方向のデータの流れを示します。たとえば、図2-2に示すCallStartインフォーマントは、IVRシステムからの着信コールに関するデータを収集します。
アドバイザは、業務系システムからのリクエストに応じて、そのシステムにアドバイスを返します。つまり、インライン・サービスへのデータの流れ(アドバイスのリクエスト)と、アドバイスを業務系システムに返すデータの流れを両方とも示します。たとえば、図2-2のOfferRequestアドバイザは、インライン・サービスに送信される抱合せ販売のオファーについてのリクエストと、CRMシステムに返される抱合せ販売に対するアドバイスを示します。
図2-2は、アプリケーション定義の統合マップ・レポートの例です。
アプリケーション定義の対話型統合マップ・レポートには、アプリケーション定義の統合マップ・レポートと同様にインライン・サービスがスイムレーン形式で表示されますが、レポートに表示される統合点をユーザーが操作できる点が異なります。ユーザーが実行できる操作としては、インフォーマントおよびアドバイザのコールのトリガーや、コール実行時にOracle RTDによって内部的に実行されるステップの検査などがあります。
図2-3は、アプリケーション定義の対話型統合マップ・レポートが起動されたときの例です。
|
注意: この項では、インフォーマントよりアドバイザを重点的に取り上げて、アドバイザが生成する詳細な情報について説明します。 |
すべてのアドバイザには、デシジョンが関連付けられています。一般に、アドバイザ・リクエストに対するデシジョン・プロセス・ロジックの主要な高レベルのステージは、次のようにまとめられます。
適格性
初めに、各選択肢が適格かどうかの検査が、デシジョンが関連付けられている選択肢グループから始まり、下位に向かって、この選択肢グループ内のすべての選択肢に対する適格性条件の検査が完了するまで続けられます。
各目標のスコアリング
次に、適格である選択肢のそれぞれについて、スコア(合計スコア)を計算します。各選択肢の合計スコアは、デシジョン優先度、重み付けおよびスコアリング関数(各パフォーマンス目標に関連付けられている)の関数です。
選択肢の順序付け
最後に、選択肢のそれぞれを比較し、合計スコアの降順に並べて、この選択プロセスを勝ち抜いた選択肢を決定します。
これを説明するために、アドバイザOfferRequestの例を使用します。これは、Oracle Real-Time Decisionsのデシジョン・ロジックをトリガーする統合点です。
この例では、顧客(ID 1000)がCallチャネルとやり取りします(1000とCallは両方ともアドバイザOfferRequestへのパラメータです)。OfferRequestアドバイザに対するOracle Real-Time Decisionsのデシジョン・ロジックの結果は、次のとおりです。
Oracle Real-Time Decisionsはオファー(この例の場合、Credit Protection)を返します。
クライアント・アプリケーションには追加情報も渡されるため(購入の可能性とメッセージなど)、顧客に対する推奨事項を適切に提示できます。
通常、「統合マップ」で統合点をクリックすると、その統合点のセッション・キーとパラメータが「イベント」領域に表示されます。たとえば、アドバイザOfferRequestをクリックすると、次の情報が「イベント」領域に表示されます。
キーとパラメータの値を入力して「イベントの送信」をクリックすると、その統合点に対するアクションのロジックがOracle RTDによって実行され、次に示す情報が表示されます。
「デシジョン・プロセス・トレース」領域を開くと、デシジョン・プロセスのステップのトレースが表示されます。
アドバイザ・コールの場合は、「デシジョン」領域を開くと、推奨される選択肢および選択肢の属性値が表示されます。
|
注意: OfferRequestアドバイザをクリックして得られる具体的な結果は、次の出力に示されている値と必ずしも一致しません。これは、CrossSellの例に関連する学習データが、LoadGenツールを使用するデータ生成スクリプトで構築されており、これが顧客レスポンスをある程度ランダムにシミュレートすることが原因です。その結果、アドバイザはCredit Protection以外のオファーを返す可能性があり、可能性値が、次の出力に示されている値とは異なります。 |
引き続きOfferRequestコールを例に取って説明します。顧客IDに1000と入力し、チャネルにCall(デフォルト値)と入力してからイベントを送信すると、「デシジョン」領域にはCredit Protectionという選択肢の属性値が次のとおり表示されます。
likelihoodOfPurchase = 0.0089383116255807877
メッセージ = 有効期限内にいくつかのことが予想されます....
shouldRespondPositively = false
「デシジョン・プロセス・トレース」領域を開くと、時間が指定されたトレース・エントリが次のように表示されます(適格性、スコアリングおよび順序付けというアドバイザの3つの主要な処理ステージを示すために、ここでは見出しをつけています)。
適格性
10:36:59,906 Entering integration point OfferRequest 10:36:59,906 Decision will return 1 choice(s). 10:36:59,906 Decision will use choicegroups: Offers 10:36:59,921 Checking eligibility for group Offers. 10:36:59,921 Group Offers is eligible. 10:36:59,921 Checking eligibility for group Loans. 10:36:59,921 Group Loans is eligible. 10:36:59,921 Checking eligibility for group Loans. 10:36:59,921 Group Loans is eligible. 10:36:59,921 Checking eligibility for group Loan Services. 10:36:59,921 Group Loan Services is eligible. 10:36:59,921 Checking eligibility for group Loan Services. 10:36:59,921 Group Loan Services is eligible. 10:36:59,921 Checking eligibility for choice Waive Fees 10:36:59,921 Choice Waive Fees is eligible 10:36:59,921 Checking eligibility for choice Reduced Interest Rate 10:36:59,921 Choice Reduced Interest Rate is eligible 10:36:59,921 Checking eligibility for group Loan Products. 10:36:59,921 Group Loan Products is eligible. 10:36:59,921 Checking eligibility for group Loan Products. 10:36:59,921 Group Loan Products is eligible. 10:36:59,921 Checking eligibility for choice Home Mortgage 10:36:59,921 Choice Home Mortgage is eligible 10:36:59,921 Checking eligibility for choice Student Loan 10:36:59,921 Choice Student Loan is eligible 10:36:59,921 Checking eligibility for group Credit Cards. 10:36:59,921 Group Credit Cards is eligible. 10:36:59,921 Checking eligibility for group Credit Cards. 10:36:59,921 Group Credit Cards is eligible. 10:36:59,921 Checking eligibility for group Credit Services. 10:36:59,921 Group Credit Services is eligible. 10:36:59,921 Checking eligibility for group Credit Services. 10:36:59,921 Group Credit Services is eligible. 10:36:59,921 Checking eligibility for choice Electronic Payments 10:36:59,921 Choice Electronic Payments is eligible 10:36:59,921 Checking eligibility for choice Credit Protection 10:36:59,921 Choice Credit Protection is eligible 10:36:59,921 Checking eligibility for group Credit Products. 10:36:59,921 Group Credit Products is eligible. 10:36:59,921 Checking eligibility for group Credit Products. 10:36:59,921 Group Credit Products is eligible. 10:36:59,921 Checking eligibility for choice Platinum Card 10:36:59,921 Choice Platinum Card is eligible 10:36:59,921 Checking eligibility for choice Gold Card 10:36:59,921 Choice Gold Card is eligible 10:36:59,921 Checking eligibility for choice Miles Card 10:36:59,921 Choice Miles Card is eligible 10:36:59,921 Eligible choices: (Waive Fees,Reduced Interest Rate,Home Mortgage,Student Loan,Electronic Payments,Credit Protection,Platinum Card,Gold Card,Miles Card)
各目標のスコアリング
10:36:59,921 Goals Normalization Factors Applied: (Customer Retention: 1.0, Revenue: 1.0) 10:36:59,921 Goals Optimizations Applied: (Customer Retention: Maximize , Revenue: Maximize ) 10:36:59,921 Goal Weights Received: (CustomerRetention: 0.30000000000000004, Revenue: 0.7 ) 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Waive Fees: 2.175 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Waive Fees: 0 10:36:59,921 Total score for choice Waive Fees: 2.175 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Reduced Interest Rate: 2.175 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Reduced Interest Rate: 0 10:36:59,921 Total score for choice Reduced Interest Rate: 2.175 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Home Mortgage: 0.3 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Home Mortgage: 0.02 10:36:59,921 Total score for choice Home Mortgage: 0.32 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Student Loan: 0.3 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Student Loan: 0.02 10:36:59,921 Total score for choice Student Loan: 0.32 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Electronic Payments: 1.5 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Electronic Payments: 0.024 10:36:59,921 Total score for choice Electronic Payments: 1.524 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Credit Protection: 2.1 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Credit Protection: 0.125 10:36:59,921 Total score for choice Credit Protection: 2.225 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Platinum Card: 0.6 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Platinum Card: 0.991 10:36:59,921 Total score for choice Platinum Card: 1.591 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Gold Card: 0.6 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Gold Card: 0.419 10:36:59,921 Total score for choice Gold Card: 1.019 10:36:59,921 Weighted, normalized score for performance goal Customer Retention for choice Miles Card: 0.6 10:36:59,921 Weighted, normalized score for performance goal Revenue for choice Miles Card: 0.207 10:36:59,921 Total score for choice Miles Card: 0.807
選択肢の順序付け
10:36:59,921 Comparing choice Waive Fees random value 0.207 with choice Reduced Interest Rate random value 0.818 10:36:59,921 Comparing choice Reduced Interest Rate total score 2.175 with choice Home Mortgage total score 0.32 10:36:59,921 Comparing choice Reduced Interest Rate total score 2.175 with choice Student Loan total score 0.32 10:36:59,921 Comparing choice Reduced Interest Rate total score 2.175 with choice Electronic Payments total score 1.524 10:36:59,921 Comparing choice Reduced Interest Rate total score 2.175 with choice Credit Protection total score 2.225 10:36:59,921 Comparing choice Credit Protection total score 2.225 with choice Platinum Card total score 1.591 10:36:59,921 Comparing choice Credit Protection total score 2.225 with choice Gold Card total score 1.019 10:36:59,921 Comparing choice Credit Protection total score 2.225 with choice Miles Card total score 0.807 10:36:59,921 Winner number 0 is Credit Protection 10:36:59,921 Selected choices: Credit Protection
アプリケーションのパフォーマンス・トレンド・レポートは、インライン・サービスの中で定義されている選択肢に関連付けられるイベントに関連する、重要なトレンドの概要を示します。
アプリケーションのパフォーマンス・トレンド・レポートには、インライン・サービス内のすべてのモデルについて、特定の期間に提示されたオファーの数の変化が相対的割合として表示されます。その期間中に発生した各イベントについて、オファー(「選択肢」列)が表示されます。
CrossSellの例:
抱合せ販売のオファーに関して、Delivered、InterestedおよびPurchasedの3つのイベントがインライン・サービスによって定義されます。Deliveredは、ベースライン・イベントです。
カウント変化率(%)は、ある期間から別の期間までのInterestedイベントまたはPurchasedイベントの変化の大きさです。
相対変化率(%)は、ベースラインに対する関心または購入の比率の変化の大きさです。
図2-4は、アプリケーションのパフォーマンス・トレンド・レポートの例です。
この項では、戦略目的レベルで作成可能なレポートについて説明します。戦略目的レポートは、インライン・サービス・ナビゲータの「戦略目標」というブランチの下にあります。例:
この項には次のトピックが含まれます:
パフォーマンス目標定義の概要レポートには、インライン・サービスの中で定義されているすべてのパフォーマンス目標が一覧表示されます。図2-5に示す例では、インライン・サービスによって提示されるアドバイスが顧客維持と収益の両方を最大化するように最適化されています。
図2-5は、パフォーマンス目標定義の概要レポートの例です。
各パフォーマンス目標にも、パフォーマンス目標定義の概要レポートを含めることができます。このレポートには、各パフォーマンス目標の詳細(目標が必要かどうか、正規化ファクタ、最適化の指示など)が表示されます。
|
注意: 複数のパフォーマンス・メトリックがあり、それぞれ異なる単位を使用する場合は、値を正規化するための正規化ファクタが設定されます。たとえば、秒単位で測定する「保留時間最小化」という別のメトリックがある場合の正規化ファクタは、その組織の収益1ドル分に相当する最小時間(秒数)です。 |
図2-6は、「顧客維持」というパフォーマンス目標の定義の概要レポートです。
「必須」フラグは、このパフォーマンス目標を使用するときに各選択肢のスコアが必要かどうかを示します。「必須」が「true」のときは、このパフォーマンス目標に対してランダム値が使用される可能性があることを示します(非収束性の予測モデルが関連付けられている場合)。
デシジョン定義の概要レポートには、インライン・サービスの中で定義されているすべてのデシジョンが一覧表示されます。この例には、OfferDecisionおよびRandomDecisionという2つのデシジョンがあります。デシジョンは、アドバイザが適格な選択肢を判別し、各選択肢のスコアを動的に計算し、母集団のセグメントに応じてそのスコアに重みを付け、最適な選択肢を選択するために使用されます。デシジョンによって選択された選択肢は、リクエスト元の業務系システム(この例ではCRMシステム)に返されるアドバイスを表します。
各デシジョンには、説明、およびそのデシジョンに関連付けられたパフォーマンス目標が表示されます。
図2-7は、デシジョン定義の概要レポートの例です。
各デシジョンにも、デシジョン定義の概要レポートがあります。このレポートには、デシジョンの説明と返される選択肢(アドバイス)の数、およびその選択肢が属する選択肢グループが表示されます。
OfferDecisionの定義の概要レポートには、次に示す説明が表示されます。
OfferDecisionは、顧客に提示するオファーを決定します。顧客維持に適格な母集団のセグメントの場合、顧客維持のパフォーマンス・メトリックをサポートするオファーがより高く重み付けされます。
図2-8は、OfferDecisionというデシジョン定義の概要レポートです。
「オファー」リンクをクリックすると、オファー選択肢グループにナビゲートできます。
デシジョン優先度は、パフォーマンス目標の相対的な重要性を示します。状況や顧客セグメントに応じて異なる優先度を定義することができます。
たとえば、図2-9の例では、デシジョンOfferDecisionに関して、提示するオファーを決定するコンテキスト内で、維持が重要である顧客のグループがセグメントとして定義されています。母集団のこのセグメントでは、顧客維持に関するパフォーマンス目標が高く重み付けされていることがわかります。
母集団の残りのセグメントでは、収益の最大化に関するパフォーマンス目標がより高く重み付けされています。
母集団のセグメント化の詳細は、第4.2.1項「フィルタリング・ルールを使用した母集団のセグメント化」を参照してください。
|
注意: このレポートにおける優先度の変更は、インライン・サービスが編集モードで開かれている場合のみ行うことができます。 |
図2-9は、OfferDecisionというデシジョンの定義の優先度レポートです。CrossSellインライン・サービスは編集モードで開かれています。
この項では、デシジョン・プロセス・レベルで作成可能なレポートについて説明します。デシジョン・プロセス・レポートは、インライン・サービス・ナビゲータの「デシジョン・プロセス」というブランチの下にあります。例:
選択肢と選択肢グループは階層型です。選択肢グループは、選択肢の編成に役立ちます。選択肢グループは、収集および分析された観測結果を編成する場合、またアドバイザ統合点を介してビジネス・プロセスに返すフィードバックを編成する場合に使用できます。
デシジョン・センターのレポートに対する動的選択肢の影響
選択肢には、静的なものと動的なものがあります。
静的選択肢は、インライン・サービスの中で明示的に定義されます。
動的選択肢は、実行時に外部データ・ソースから取り出されるか、実行時にプログラムによって生成されます。
|
注意: デシジョン・センターでは、選択肢に関連付けられたイベントが発生済かどうかにかかわらず、静的選択肢はすべてツリーに表示されるのに対し、動的選択肢はモデル学習データに追加されたもののみがインライン・サービス・ナビゲータに表示されます。 そのため、ツリー内の動的選択肢および関連レポートは、関連付けられたイベントが初めて発生した場合のみデシジョン・センターに表示されます。 |
インライン・サービスの動的選択肢を定義する中で、デシジョン・センターでの動的選択肢の表示方法に影響を及ぼすもう1つの要因は、「デシジョン・センター上の1つの選択肢グループ・フォルダ内の選択肢の最大数」パラメータです。この項の中では、これを最大選択肢パラメータと呼ぶこともあります。このパラメータは、動的選択肢が含まれる選択肢グループを定義するときに指定します。
デシジョン・センターのレポートの中で、静的選択肢の前には次に示すチェック・マークのアイコンが表示されます。
また、動的選択肢の前には、次に示すチェック・マークとアスタリスクのアイコンが表示されます。
動的選択肢の上位にある選択肢グループのフォルダ・アイコンは、最大選択肢パラメータに応じて、次のいずれかが表示されます。
選択肢の総数が、その選択肢グループに対して定義されている最大数を超えている場合は、システムによって作成された「範囲グループ」つまりサブフォルダに分けて表示されます。
それ以外の場合は、選択肢グループ名の直下に選択肢が表示されます。
システム生成フォルダは、そのフォルダ内の最初と最後の選択肢の名前を文字列(...)で区切った形式の名前になります。システム生成フォルダは、範囲フォルダと呼ぶこともあります。範囲フォルダを表すアイコンには、チェック・マークとアスタリスクが付いています。
図2-10に示したインライン・サービス・ナビゲータのメニューの例には、次のものが表示されています。
5個の動的選択肢が推奨され、モデル学習データに追加されています。
動的選択肢はそれぞれ、システムによって作成された2つの範囲フォルダ名のいずれかの下に表示されます。
この例では、保険サービス選択肢グループにおける選択肢グループごとの最大選択肢数は3に設定されています。
|
注意: デシジョン・センターでの標準フォルダと範囲フォルダの使用法について、大きな違いが1つあります。 標準フォルダの名前をクリックするとそのフォルダの中の選択肢のレポートが開くのに対して、範囲フォルダは表示のみです。 つまり、範囲フォルダの名前をクリックしてもレポートが開くことはありません。動的選択肢のレポートを表示するには、動的選択肢そのものをクリックする必要があります。 |
この項には次のトピックが含まれます:
フィルタリング・ルール定義の概要レポートには、インライン・サービスの中で定義されているフィルタリング・ルールの1つがグラフィカルに表示されます。
フィルタリング・ルールを使用すると、再使用可能なロジックを定義して、それを適格性ルール、スコアリング・ルール、デシジョン優先度などの様々な場所で参照できます。
新規ルール作成の詳細は、第4章を参照してください。
図2-11に示す例では、維持する必要のある母集団セグメントが定義されています。この例のセグメントは、次の2つの条件を満たすものとして定義されています。
この顧客による放棄コールの数が6以上である
顧客歴が2年以上である
図2-11は、維持するセグメントというフィルタリング・ルールの定義の概要レポートです。CrossSellインライン・サービスは編集モードで開かれています。
スコアリング・ルール定義の概要レポートには、インライン・サービスの中で定義されているスコアリング・ルールの1つがグラフィカルに表示されます。スコアリング・ルールを使用すると、選択肢(この例ではオファー)にスコアを割り当てることができます。たとえば、図2-12に示したルールは、顧客の与信金額レベルに応じて異なるスコアを割り当てます。
スコアリング・ルールを使用すると、再使用可能なスコアリング・ロジックを定義して、それを選択肢の属性やパフォーマンス目標に関連付けることができます。
新規ルール作成の詳細は、第4章を参照してください。
図2-12は、引き下げられた金利の維持というスコアリング・ルールの定義の概要レポートです。CrossSellインライン・サービスは編集モードで開かれています。
選択肢グループは、選択肢を論理的なカテゴリにグループ化するために作成され、ネスト階層で設定できます。選択肢は必ず、特定の選択肢グループのメンバーとなります。
デシジョン・センターでは、定義レポートがあるのは選択肢グループと静的選択肢のみです。動的選択肢の定義レポートはありません。
|
注意: 特に記述のないかぎり、この項の残りの部分では、選択肢への言及はすべて静的選択肢のみに適用されます。 |
グループの中に含まれている他のグループや選択肢は、インライン・サービス・ナビゲータではネスト形式で表示されます。次に示す例では、いくつかの選択肢グループと静的選択肢があります。
次の2つの項で示す例では、ゴールド・カードという選択肢はクレジット・カードという選択肢グループに属しています。
この項の内容は次のとおりです。
選択肢グループの定義の概要レポートには、選択肢グループの概要が表示されます。図2-13に示す例では、クレジット・カードに2つの選択肢グループ、「クレジット製品」と「クレジット・サービス」が含まれています。
図2-13は、クレジット・カードという選択肢グループの定義の概要レポートです。
|
注意: 適格性ルールの関連付けは、静的選択肢と動的選択肢のどちらも可能ですが、選択肢定義の適格性レポートを作成できるのは選択肢グループと静的選択肢のみです。動的選択肢には作成できません。 |
選択肢と選択肢グループのどちらも、どのような場合にデシジョンに参加するのが適格であるかを、ルールを使用して定義できます。図2-15に示す例では、クレジット製品選択肢グループは、このグループを使用するどのデシジョンに対しても適格に参加できます。
選択肢および選択肢グループに対する適格性ルールは追加的なものです。したがって、この選択肢グループに属している選択肢(たとえばゴールド・カード)が適格性ルールを持っている場合は、選択肢グループのルールの実行後に実行されます。
|
注意: 明示的に定義されていないときは、すべての選択肢と選択肢グループはすべてのデシジョンに対して適格と見なされます。 |
図2-15は、クレジット製品という選択肢グループの定義の適格性レポートです。CrossSellインライン・サービスは編集モードで開かれています。
選択肢のパフォーマンス・カウント・レポートは、システム内の各選択肢のパフォーマンスを示します。選択肢グループのパフォーマンス・カウント・レポートは、グループに含まれる選択肢のロールアップです。どちらのタイプのレポートも、レポート対象データの時間枠を設定できます。
この項には次のトピックが含まれます:
選択肢グループのパフォーマンス・カウント・レポートには、グループに属するすべての選択肢、ベース・イベントおよび結果のカウントが表示されます。
図2-16に示す例では、「マイル・カード」が提示された(ベース・イベント「Delivered」)回数は5028回です。肯定的な結果(「Interested」と「Purchased」)については、顧客が関心を示した回数は292回(6%)、購入した回数は41回(1%)です。
図2-16は、クレジット製品という選択肢グループのパフォーマンス・カウント・レポートです。
さらに、結果およびベース・イベントのそれぞれについて、選択肢のパレート図が表示されます。パレート図は、各選択肢の相対的なカウントを降順に表示するときに使用されます。
図2-17は、「Interested」という結果のパフォーマンス・カウントのパレート図です。
ロールアップ
「ロールアップ」チェック・ボックスを使用すると、選択肢グループのパフォーマンス・カウント・レポートの詳細さのレベルを制御できます。
「ロールアップ」チェック・ボックスの選択が解除されているときは、下位のすべての選択肢グループの選択肢のカウントがレポートに表示されます。
「ロールアップ」チェック・ボックスが選択されているときは、選択肢グループ階層内での選択肢グループのレベルに応じて、次のようにレポートの内容が決定されます。
階層内で最下位の選択肢グループの場合は、その選択肢グループ内のすべての選択肢のカウントがレポートに表示されます。
選択肢グループのレベルがそれ以外(最上位または中間レベル)の場合は、すぐ下のレベルの選択肢グループの集計カウントがレポートに表示されます。
|
注意: ロールアップは、<dynamic_choice_1>...<dynamic_choice_2>形式の動的選択肢フォルダ名には適用されません。 |
図2-18は、中間レベルにあるクレジット・カード選択肢グループで、「ロールアップ」チェック・ボックスが選択されていない場合のパフォーマンス・カウント・レポートです。
図2-18 中間レベルの選択肢グループのパフォーマンス・カウント・レポート(ロールアップなし)
図2-19は、中間レベルにあるクレジット・カード選択肢グループで、「ロールアップ」チェック・ボックスが選択されている場合のパフォーマンス・カウント・レポートです。
図2-19 中間レベルの選択肢グループのパフォーマンス・カウント・レポート(ロールアップあり)
選択肢のパフォーマンス・カウント・レポートでは、選択した期間の個々の選択肢のカウントが表示されます。
図2-20は、マイル・カードという選択肢のパフォーマンス・カウント・レポートです。
選択肢のパフォーマンス履歴レポートは、特定の選択肢のカウントが時間とともにどう変化したかを表す履歴レポートです。グラフには、選択した期間における特定の選択肢の結果が表示され、関連レポートには、詳細な結果カウントが表形式データで表示されます。
成功イベントのみ(オファーに対するInterestedなど)、ベース・イベントのみ(Delivered)または成功イベントとベース・イベントの両方を表示するよう選択できます。
データの粒度は、関連モデルに対して定義されている期間によってそれぞれ異なります。レポートする必要がある期間に含まれるモデルの各期間がレポートに表示され、適切な棒グラフ(1本または2本の棒)で示されます(および「詳細なカウント」セクション)。
レポートする必要がある期間が一定期間にわたる場合、モデルの期間が変更されると、レポートの期間は、モデルの異なる期間の長さを反映します。たとえば、モデルの期間を四半期から月に変更すると、レポートは四半期と月の両方の日付範囲を表示できます。
図2-21は、Credit Protectionという選択肢のパフォーマンス履歴レポートを示しています。グラフ・セクションの下は、関連する「詳細なカウント」セクションです。関連するモデルの期間は週であり、2本の棒は、週のデータをそれぞれ表しています。
選択肢/選択肢グループの分析レポートは、選択肢に肯定的な結果(関心や購入など)が関連付けられる理由を理解する上で役立ちます。このレポートを詳しく調べると、各イベントとの間に相関関係を持つデータを深く理解することができます。
|
注意:
|
この項には次のトピックが含まれます:
選択肢の分析ドライバ・レポートには、各選択肢の予測性ドライバとして影響力のある属性が示されます。結果と時間枠をレポートの上部で調整できます。
Oracle Real-Time Decisionsは、インライン・サービスのエンティティとして定義されている属性の完全なリストから、最も予測可能な属性の順序付きリストを自動的に作成します。
図2-22に示すように、選択肢の分析ドライバ・レポートで属性名をクリックすると、その属性に関連付けられた様々なグラフが生成されます。
この項の以降の部分では、ベース分析ドライバ・レポートと、特定の属性に関連付けられている各グラフについて説明します。
図2-23は、クレジット保護という選択肢の分析ドライバ・レポートです。
この項で示す例では、クレジット保護の抱合せ販売オファーへの顧客の関心に関連付けられた要因のうち、最も予測性の高い3つの要因は、CreditLineAmount、MaritalStatusおよびAvailableCreditAsPercentOfCreditLineです。
|
注意: CreditLineAmount、AvailableCreditAsPercentOfCreditLineなどの数値属性については、データからの経験的観察によって、連続値が複数の有意の範囲に自動的に分割されます。 たとえば、AvailableCreditAsPercentOfCreditLineの場合、例のレポートの範囲は0、1-21、22-69、70-80、81-100です。 |
図2-24は、customer AvailableCreditAsPercentOfCreditLine属性に関する追加情報です。このグラフとデータは、融資限度額の割合が大きいほど、クレジット保護の抱合せ販売オファーに顧客が関心を示す可能性が低くなることを示しています。
|
注意: グラフの入力と出力のカウントには、意味のある相関関係が反映されており、セッションにおいて属性の値がなかった場合や相関関係が低かったケースは含まれていません。 |
その他のグラフも使用可能です。たとえば、図2-25は母集団全体と比較した相対的な分布を示しています。
このグラフからは、たとえば、AvailableCreditAsPercentOfCreditLineが「1～21」の範囲の顧客が「クレジット保護」というオファーに関心を示す可能性は、母集団全体と比較すると高いことがわかります。このグラフでは、この2つの値が、2本の棒の下から2番目の領域として表されています。
領域の相対的な大きさは、図2-24に表示されている値から次のように導出されます。
AvailableCreditAsPercentOfCreditLineの範囲「1～21」では、クレジット保護という選択肢に関心を示した顧客の実カウントは291で、全範囲の合計は1112であるため、比率は0.26です。
AvailableCreditAsPercentOfCreditLineの範囲「1～21」では、全顧客の入力カウントは2468で、全範囲の合計は16975であるため、比率は0.145となります。
2つの比率(0.26および0.145)の違いが、2つの母集団の81%の違いです。つまり、全体の母集団より、Interestedの顧客内で、AvailableCreditAsPercentOfCreditLineの範囲が1～21である顧客が81%多いということです。
図2-26は、クレジット保護に関心を示した顧客のパレート図です。
図2-27は、母集団全体のパレート図です。
選択肢グループの分析ドライバ・レポートでは、選択肢グループ内の選択肢の予測性情報の概要が示されます。結果と時間枠をレポートの上部で調整できます。
選択肢グループの分析ドライバ・レポートには、ロールアップありとロールアップなしの2つのタイプがあります。
選択肢グループの分析ドライバ・レポート(ロールアップなし)では、最も予測可能な属性の予測性の平均値および最大値と、その選択肢グループの中で予測性が最大である選択肢が表示されます。
このレポートには「平均モデル品質」も表示されます。これは、その選択肢グループに属する各選択肢のモデル品質の算術平均です。
このレポートでは、「最大予測」の選択肢をクリックすると、その選択肢に対する選択肢の分析ドライバ・レポートが表示されます。詳細は、第2.3.7.1項「選択肢の分析ドライバ」を参照してください。
選択肢グループの分析ドライバ・レポート(ロールアップあり)では、最も予測可能な属性が、その選択肢グループに属するすべての選択肢の組合せとして表示されます。
各選択肢におけるサブモデルが特定の属性で結合され、属性の予測性がこの複合モデル全体で計算されます。
このレポートでは、属性の1つをクリックすると、選択肢の分析ドライバ・レポートから表示可能なその他の属性関連グラフ(最重要値グラフやパレート図など)が表示されます。詳細は、第2.3.7.1項「選択肢の分析ドライバ」を参照してください。
図2-28は、ローン・サービスという選択肢グループの分析ドライバ・レポート(ロールアップなし)です。
図2-29は、ローン・サービスという選択肢グループの分析ドライバ・レポート(ロールアップあり)です。
図2-29の中で、ローン・サービスに対する顧客の関心に関連付けられている要因の中で予測性が最も高いものは「DaysToDueDate」、「AvailableCreditAsPercentOfCreditLine」の順となっています。これは、ローン・サービスという選択肢グループの中のすべての選択肢から計算された、予測性の集計レポートです。
トレンド・レポートは、選択肢グループと選択肢レベルの両方で表示可能です。
この項には次のトピックが含まれます:
選択肢グループ・レベルの分析トレンド・レポートは、ある期間における選択肢と結果ごとのカウントの変化を示します。時間枠をレポートの上部で調節することができます。
CrossSellの例:
抱合せ販売のオファーに関して、Delivered、InterestedおよびPurchasedの3つのイベントがインライン・サービスによって記録されます。Deliveredは、ベースライン・イベントです。
カウント変化率(%)は、ある期間から別の期間までのInterestedイベント、DeliveredイベントおよびPurchasedイベントの変化の大きさです。
相対変化率(%)は、ベースラインに対する関心または購入の比率の変化の大きさです。
図2-30は、クレジット・サービスという選択肢の分析トレンド・レポートです。
選択肢レベルの分析トレンド・レポートは、ある期間における選択肢と属性ごとの予測性の変化を示します。時間枠をレポートの上部で調節することができます。複数のチャネルがある場合、各チャネルでの予測を個別に表示できます。
|
注意: 属性値OTHERは、離散値の最大値(デフォルトは500)を超える値が見つかったことを示します。最大値を超えるすべての属性値は、カウントと統計が累積されて、OTHER属性として表示されます。 |
図2-31は、クレジット保護という選択肢の分析トレンド・レポートです。この例を見ると、時間の経過とともに予測性が高まる属性とそうでない属性があることがわかります。
最適な分析レポートは、選択肢グループ・レベルと選択肢レベルの両方で表示できます。
最適な分析レポートには、選択された肯定的結果との相関関係が高い順に属性値が一覧表示されます。
ここに表示される属性をすべて持つレコードが存在するとはかぎらないことに注意してください。このことを考えると、最適な分析レポートは仮説的プロファイルといえます。
|
注意:
|
この項には次のトピックが含まれます:
選択肢グループの最適な分析レポートには、その選択肢グループに属するすべての結果を予測する見込みが高い順に、すべての属性と値が一覧表示されます。
図2-32の例では、クレジット・サービスという選択肢グループの選択肢に関心を示している顧客との相関関係が高い順に、次の属性および値が表示されています。
customer CreditLineAmount - 8000
customer Age - 47
customer MaritalStatus - Divorced
図2-32は、クレジット・サービスという選択肢グループの分析の最適な分析レポートです。
選択肢の最適な分析レポートには、指定の結果を予測する見込みが高い順にすべての属性と仮説値が一覧表示されます。
図2-33に示す例では、プラチナ・カードという選択肢との相関関係が高い順に、次の属性および値が表示されています。
customer CreditLineAmount - 0
customer Occupation - Homemaker
customer DayOfWeek - Tuesday
最適な分析レポートは、この抱合せ販売オファーに対する最も予測性の高い動作のスナップショットを示します。
図2-33は、プラチナ・カードという選択肢の最適な分析レポートです。
品質レポートは、特定の期間における肯定的な結果を予測するうえで各モデルがどの程度効果的であるかを示します。
この項には次のトピックが含まれます:
予測モデルとは、観測可能なデータ・サンプルから作成される関数のことであり、デシジョンの時点で未知である結果を推定するために使用されます。例:
ある地域の1年間の気象データを基に、明日の天気を予測する。
マーケティング・キャンペーンへの反応の5年分のデータを基に、ある個人が次回のキャンペーンに肯定的な反応を示すかどうかを予測する。
推定値と実測値の違いが生じる原因は様々で、たとえば次のようなものがあります。
ランダム性。たとえば、自然界の基礎現象は確率論的です。
より正確な推定値を導きうる情報に対して、推定量が影響を及ぼしていない。
推定量の基になるデータが陳腐化している。
ほとんどのデータおよびデータ間結合が持つ性質そのものが理由で、将来の事象と値の予測にはいつも誤差が伴いがちです。
Oracle RTDの品質レポートには、次に示すメトリックが選択肢レベルと選択肢グループ・レベルの両方で表示されます。これらは、予測モデルの品質の特性を表します。
モデル品質
モデル品質は0から100の範囲の数値です。ある結果を予測するときに、そのモデルがどれだけ信頼できるかを示します。
モデル品質の計算方法は次のとおりです。
Oracle RTDでは、モデル品質の計算はレコードが増えるに従って増分的に行われます。学習フェーズでは、モデル内のデータが少なすぎるためにモデルを信頼できない時期もあります。この期間中、デシジョン・センターのレポートにはモデル品質が0と表示され、この状態は、50など、正の値のカウントが記録されるまで続きます。モデルが信頼できる状態になった後は、モデル品質がレポートに表示されます。
モデル品質のメトリックによってモデルを評価すると、最終的には1つの数値が得られますが、これは絶対値ではなく相対値として扱う必要があります。
例:
モデル品質が80の場合は、ケースの80%において、実際の予測値とは無関係に、Oracle RTDが最良だと見なす選択肢が実際に最良ケースであることを示します。
モデル品質が50を下回っているときは、一般にあまり実用的ではありません。この状態が発生する原因は様々で、たとえば次のようなものがあります。
入力データと出力との相関性が低い。
入力変数の値が多すぎるため、あまりにも多くのノイズが入り込んでいる。
誤ったデータをモデリングしている。
モデル品質が95を上回っている場合は検査が必要です。それは、入力の中に自己達成的なものがある可能性があるからです。つまり、その結果が存在するときはその入力が必ず存在するということです。
|
注意: デシジョン・センターの一部のレポートでは、特定の値の相関性に対する値が非常に高く、属性の予測性に対する値が非常に高いときに、この現象がよく見られます。 モデル定義の「前提ノイズの削減」を有効化することで、属性の予測性が疑わしいほどに高いケースを自動的に特定できるよう、Oracle RTDモデルを設定できます。詳細は、『Oracle Real-Time Decisionsプラットフォーム開発者ガイド』の前提ノイズの削減に関するトピックを参照してください。 |
累積ゲイン・チャート
累積ゲイン・チャートは、モデルの予測が、ランダムに生成された予測よりもどの程度優れているかを表します。
累積ゲイン・チャートは、次に示す2つのデータ・セットの変動と比較をグラフとして表すものです。これらのデータ・セットはそれぞれグラフの軸の基準となります。
モデルによって予測された肯定的イベントの総数
記録されたベース・イベントの累積数
累積ゲイン・チャートの構造と読み方を、次の注釈の付いた例を使用して説明します。
クレジット保護という選択肢について、図2-34では肯定的な結果「Interested」 の予測の有効性をベース・イベント「Delivered」と比較して表しています。
このチャートのデータを作るには、初めにデータのスコアを計算してからいくつかの分位に分けます。一般に、分位の数は10です。
データは、肯定的クラスの確率の高い順に並べられます。したがって、肯定的な予測が先頭の分位に集中します。
図2-34では、X軸は選択肢クレジット保護のベース・イベント「Delivered」の累積カウントを表します。第1分位には、「Interested」という肯定的結果の尤度が最も高いレコードのカウントが含まれています。これ以降の各分位のカウントには、直前までのすべての分位のカウント集計も含まれています。
Y軸は、X軸の累積レコード数に対応する実際の肯定的結果「Interested」のカウントを表します。
累積ゲイン・チャートには、次の3つのグラフが表示されます。
対角線(ベース・グラフ)は直線です。これは、ランダムなサンプルに対して期待される成功率(特定のサンプルに対する真の肯定的な結果の予測数)を表します。
この線は、チャートの始点と、(ベース・イベント・カウント総数、肯定的結果カウント総数)で表される点を結びます。
図2-34は、次を示しています:
ランダムに選択した場合、6424人中1285人(20%)の回答者(Aポイント)
[これは、ランダムに回答を選択すると、その20%が最初の2つの分位からもたらされることを意味します。]
ランダムに選択した場合、6424人中3213人(50%)の回答者(Bポイント)
累積ゲイン・グラフは、特定の分位においてモデルが示した肯定的分類の累積数を示します。例:
尤度の高い順に20%を選択した場合、157人中57人(36%)の回答者(Cポイント)
[これは、Oracle Real-Time Decisionsモデルを使用して回答を選択すると、その36%が最初の2つの分位からもたらされることを意味します。]
尤度の高い順に50%を選択した場合、157人中108人(68%)の回答者(Dポイント)
|
注意: 予測モデルが示す特定の分位におけるゲインには、そのモデルがどの程度優れているかが反映されます。たとえば、第2分位のゲインは36% (Cポイント)対20% (Aポイント)です。 |
最大グラフは、理想的なモデルによってデータを分類するとどうなるかを表します。このグラフが表すモデルでは、尤度が最も高いベース・イベントが肯定的結果に結び付くようにベース・イベントの順序が決定されます。
最大グラフの最初の部分は、始点と、(肯定的結果カウント総数, 肯定的結果カウント総数)で表される点とを結ぶ直線です。次に、水平の直線となり、右上の終点まで続きます。
グラフ上では、肯定的な結果を予測するうえでのモデルの有効性が高いほど、ベース対角線の上の累積ゲイン・グラフの勾配が急になります。一般的に、モデル品質とは、累積ゲイン・グラフとベース対角線の間の面積です。
モデル誤差
モデル誤差のメトリックは、誤差の特性を表す様々な統計的メトリックです。誤差とは、推定対象の数量の予測値と実測値との差の大きさです。
たとえば、二乗平均誤差は、推定値の分散を取り入れたメトリックであり、実測値からの予測値の正と負の偏差を正規化します。
モデル誤差の計算に使用される基本的要素は、実際尤度と予測尤度です。実際尤度の平均値も、モデル誤差の成分として使用されます。
実際尤度は、下付きの「p」要素として表現されます。
予測尤度は、下付きの「p*」要素として表現されます。
平均実際尤度は、実際尤度の平均です。
品質レポートに表示されるモデル誤差は次のとおりです。
二乗平均誤差(MSE)
相対MSE
二乗平均平方根誤差(RMSE)
相対RMSE
平均絶対誤差(MAE)
相対MAE
平均誤差(ME)
相対ME
選択肢グループの品質レポートには、次に示すレポート・セクションがあります。
累積ゲイン・チャート
累積ゲイン表(累積ゲイン・チャートのデータ値を表形式で表示)
モデル誤差
用語集(モデル誤差の説明)
モデル品質および累積ゲイン・チャートの詳細は、第2.3.10.1項「モデル品質の概念」を参照してください。
選択肢グループの品質累積ゲイン・チャート
累積ゲイン・チャートには、次に示すプロパティがあります。
X軸は、1つの選択肢グループ内のすべての選択肢の累積カウントを表します。
Y軸は、X軸のレコード数に対応する実際の肯定的な結果のカウントを表します。
累積ゲイン・チャートには、次の3つのグラフが表示されます。
ベース
ベース・グラフは1本の直線です。モデル予測がないと仮定した場合の期待が反映されます。
累積ゲイン
累積ゲイン・グラフは、モデル予測による「リフト」を表します。ベース・グラフとその上の累積ゲイン・グラフの間の面積の大きさは、モデルの有効性つまり品質を表しています。
最大
最大グラフは、仮説上の理想的な状態を表します。これは、複数のベース・イベントのうち最初のベース・イベントが肯定的な結果に結び付くようにベース・イベントが並べられている状態です。
図2-35は、選択肢グループクレジット・サービスの肯定的結果「Interested」の累積ゲイン・チャートです。
選択肢グループの累積ゲイン表
レポートの「累積増加表」セクションには、累積ゲイン・チャートにプロットされている値が表示されます。最初の列にはX軸の値、2番目の列にはY軸の値が表示されます。
選択肢グループの品質モデル誤差
選択肢グループ・レベルでは、レポートの「モデル・エラー」セクションに、その選択肢グループの全選択肢のカウント合計に対する予測尤度のモデル誤差が表示されます。
図2-36は、選択肢グループクレジット・サービスの肯定的結果「Interested」のモデル誤差です。
選択肢の品質レポートには、次に示すレポート・セクションがあります。
累積ゲイン・チャート
累積ゲイン表(累積ゲイン・チャートのデータ値を表形式で表示)
モデル誤差
用語集(モデル誤差の説明)
モデル品質および累積ゲイン・チャートの詳細は、第2.3.10.1項「モデル品質の概念」を参照してください。
選択肢の品質累積ゲイン・チャート
累積ゲイン・チャートには、次に示すプロパティがあります。
X軸は、1つの特定の選択肢の累積カウントを示します。
Y軸は、X軸のレコード数に対応する実際の肯定的な結果のカウントを表します。
累積ゲイン・チャートには、次の3つのグラフが表示されます。
ベース
ベース・グラフは1本の直線です。モデル予測がないと仮定した場合の期待が反映されます。
累積ゲイン
累積ゲイン・グラフは、モデル予測による「リフト」を表します。ベース・グラフとその上の累積ゲイン・グラフの間の面積の大きさは、モデルの有効性つまり品質を表しています。
最大
最大グラフは、仮説上の理想的な状態を表します。これは、複数のベース・イベントのうち最初のベース・イベントが肯定的な結果に結び付くようにベース・イベントが並べられている状態です。
図2-37は、選択肢グループローン・サービスの選択肢引き下げられた金利の肯定的結果「Interested」の累積ゲイン・チャートです。
選択肢の品質の累積ゲイン表
レポートの「累積増加表」セクションには、累積ゲイン・チャートにプロットされている値が表示されます。最初の列にはX軸の値、2番目の列にはY軸の値が表示されます。
選択肢の品質モデル誤差
選択肢レベルのレポートの「モデル・エラー」セクションには、品質レポート対象の選択肢の予測尤度のモデル誤差が表示されます。
図2-38は、選択肢引き下げられた金利の肯定的結果「Interested」のモデル誤差です。
この項では、統合点レベルで作成可能なレポートについて説明します。統合点レポートは、インライン・サービス・ナビゲータの「統合点」というブランチの下にあります。
統合点レポートには、インフォーマントとアドバイザの2つのタイプがあります。例:
各統合点には、一連のキーと一連の属性があります。
この項には次のトピックが含まれます:
インフォーマント定義レポートでは、そのインフォーマントのキーと入力パラメータが示されます。
図2-39は、Callinfoというインフォーマント定義レポートです。
アドバイザ・レポートには、定義とメジャーの2つのタイプがあります。
この項には次のトピックが含まれます:
アドバイザ定義レポートには、そのアドバイザのタイプ、キーおよび入力パラメータが表示されます。
図2-40は、OfferRequestというアドバイザ定義レポートです。
アドバイザ・メジャー・レポートには、1つのアドバイザの特定の期間における統計が示されます。統計は次のとおりです。
そのアドバイザがコールされた回数
アドバイザが制御グループ・デシジョンを使用した回数
総コール数の中の制御グループ・コールの割合
図2-41は、OfferRequestというアドバイザ・メジャー・レポートです。
この項では、エンティティ・カタログ・レベルで作成可能なレポートについて説明します。エンティティ・カタログ・レポートは、インライン・サービス・ナビゲータの「エンティティ・カタログ」というブランチの下にあります。例:
一般的に、「エンティティ」→「分析」→「カウント」のレポートと「エンティティ」→「分析」→「統計」のレポートは、作成するインライン・サービスに自動的に追加される「統計」という学習モデルから情報を取得します。レポートが統計モデルにアクセスできないときは、エンティティごとにカウントを調査するために他のモデルを選択できます。この独立した統計モデルを使用する利点は、履歴機能として母集団における目的の特性のみが記録されることにあります。
この項には次のトピックが含まれます:
エンティティの分析カウントは、特定の属性がインライン・サービスのトランザクションの一部となった合計回数を示します。エンティティの分析カウント・レポートでは、時間枠を設定してから属性を1つ選択すると、そのデータのレポートが表示されます。
|
注意: 属性値OTHERは、離散値の最大値(デフォルトは500)を超える値が見つかったことを示します。最大値を超えるすべての属性値は、カウントと統計が累積されて、OTHER属性として表示されます。 |
図2-43は、顧客というエンティティの分析カウント・レポートです。この例は、コール・センターに電話がかかってきた理由の分布を示しています。
さらに、図2-44に示すような円グラフも表示されます。
エンティティの分析統計レポートには、エンティティの各数値属性の最小値、最大値、中央値、平均値およびシグマ値が示されます。たとえば、図2-45に示す例では、顧客の年齢の中央値は48歳です。
|
注意: 属性値OTHERは、離散値の最大値(デフォルトは500)を超える値が見つかったことを示します。最大値を超えるすべての属性値は、カウントと統計が累積されて、OTHER属性として表示されます。 |
図2-45は、顧客というエンティティの分析統計レポートです。
エンティティの分析ドライバ・レポートは、エンティティの予測ドライバとして影響を与える属性を識別します。結果と時間枠をレポートの上部で調整できます。
また、エンティティの最適なレポートも含まれています。これにより、属性の予測における特定の値の重要度が示されます。
エンティティの分析ドライバ・レポートを使用すると、特定の属性と、インライン・サービスの中で定義されている予測モデルとの間にどのような相関関係があるかを分析できます。1つの選択肢と属性との相関関係のみに注目する選択肢の分析レポートとは異なり、エンティティの分析ドライバ・レポートでは、その選択肢を予測する可能性が最も高い属性値がどれであるかがわかります。
|
注意: 属性値OTHERは、離散値の最大値(デフォルトは500)を超える値が見つかったことを示します。最大値を超えるすべての属性値は、カウントと統計が累積されて、OTHER属性として表示されます。 |
図2-46は、顧客というエンティティの分析ドライバ・レポートです。
図2-46の例から、次のことがわかります。
顧客エンティティと、保留中のトランザクションの量という特定の属性に注目すると、特に顧客の保留中のトランザクションが901-1200の場合、顧客が金利引き下げというオファーに関心を示すと予測できる可能性が最も高いことがわかります。
