効果検証の分析処理基盤

効果検証を提供する分析会社との取り組みです。同社は分析者の人数に比例してしか売上と利益を伸ばせない事業の形を、効果検証をプロダクトとして提供することで変えようとしていました。手法とモデルは同社のまま、社内では作れなかった、データと機械学習の重い推定を製品として動かす部分を開発支援会社のKDOTに任せました。推定を案件ごとの手作業ではなくシステムで回せるようになったことで、同社は人数に比例しない形で売上と利益を伸ばすことを狙えるようになりました。

サービス: データ基盤構築 / 技術顧問（技術企業向け）
技術領域: サーバー開発 / データ基盤 / クラウド基盤 / 運用自動化・監視 / 認証・権限
使用技術: Python / FastAPI / PostgreSQL / Amazon ECS / Terraform / Datadog / GitHub Actions / Auth0

分析者の人数でしか伸ばせない事業をプロダクトで変えたかった

同社は施策がどれだけ効果を上げたかを因果推論の手法で推定し、最終顧客のデータを預かって、専門の分析者が案件ごとに分析した結果を報告していました。この形では分析者が増えなければ売上と利益も伸びません。複数の最終顧客からは、分析を自社のシステムに接続したい、自動化したいという要望も届いていました。同社が目指したのは分析者を増やさなくても事業を広げられることと、最終顧客が同社の手を借りずに効果検証を回せることでした。

手法とモデルは社内にあったが重い推定を製品として動かす開発力がなかった

手法とモデルをつくる力は社内にあったが、重い推定を製品として動かす開発力は社内になかった

分析や機械学習を強みとする会社では、手法やモデルをつくる力と、それを製品として動かす仕組みをつくるソフトウェア開発の力は求められる技術が異なり、後者は社内にそろいにくいものです。推定モデルの本体は同社のメンバーが開発していましたが、重い推定を製品として動かす実行の仕組みを作る開発力は社内にありませんでした。新しい推定モデルは指標ごとの推定に数十分かかり、扱うデータも大きいため、その実行の仕組みは作ること自体が難しいものでした。モデルの開発者は分析の実務も兼ねていました。

分析者が手で回していた重い推定をシステムにより人の手を介さずシステムで返せる

推定の依頼を受けたシステムが重い推定を計算し、結果または失敗した理由を決まった形で返す

同社は、分析者が案件ごとに回していた重い推定を、APIで依頼を受けたシステムが計算して返せるようになりました。最初の依頼の段階から、最終顧客が自社の環境からシステムにつないで分析結果を受け取れることをゴールに置いたためです。推定の結果も失敗したときの理由もAPIの決まった応答形式で返るので、分析を自社のシステムにつなぎたい、自動化したいという要望に応える前提も整っています。モデルは同社のメンバーが開発したものをそのまま使い、重い推定を、必要なときだけ立ち上がる計算サーバー（Amazon ECS）で動かす実行の仕組みとモデルの組み込みをKDOTが担いました。

分析者はシステムで推定を回し同社のメンバーが基盤の拡張を引き継いでいる

KDOTが実行の仕組みを構築し、分析者がシステムで推定を回し、同社のメンバーが基盤の拡張を引き継いだ

自社の分析案件では同社の分析者がシステムに推定を依頼して結果を受け取っています。KDOTの関与が一段落したあとは、扱えるデータの件数を大きく広げる対応などを同社のメンバーが引き継ぎ、この基盤の上で進めています。

分析の強みを自社に残したまま人手に頼らない提供の仕組みを持てた

強みである手法とモデルを自社に残したまま、効果検証を人手に頼らずに提供する手段を持てた

同社は強みである手法とモデルを自社に残したまま、効果検証を分析者の作業量に左右されずに提供する手段を持てました。社内で使っているこのシステムを最終顧客にも提供すれば、売上と利益を分析者の数から切り離して伸ばすことを狙えます。

この事例に関わるサービス

データ基盤構築
データ基盤で判断と行動をより速く、確からしく

ほかの事例

データ基盤構築 / 技術顧問（技術企業向け）
広告クリエイティブ予測AIの MLOps 基盤
広告クリエイティブの良し悪しを予測するAIを、自社プロダクトとして提供する企業との取り組みです。同社には推論の精度を評価する基盤がなく、改善が手探りで進み、今のモデルが十分な水準に達しているかを把握しにくい状態でした。開発支援会社のKDOTは、機械学習のモデルを学習からリリースまで継続的に改善する基盤（MLOps基盤）を設計し、同社のエンジニアがそれを自ら実装しました。導入後、同社は実験の計画からデプロイまでを効率よく進められるようになり、新しいモデルの出来を見極めたうえで改善を自分たちの手で続けています。
データ基盤構築 / プロダクト / Webシステム開発
価格設定モデルのデプロイ基盤
広告枠の価格設定モデルを開発する分析会社との取り組みです。分析会社はこのモデルを、アドネットワークを運営する配信事業者に提供しています。配信事業者は、自社の環境で自社のデータと統合して分析を実行し、新しいモデルを自ら検証できるようにしたいと考えていました。それにはモデルを配信事業者のシステム上で稼働させる基盤が必要でしたが、分析会社はそれを社内で開発できませんでした。KDOTは分析会社側のチームに参画し、この基盤をチームで設計・構築しました。分析会社はモデルを分析結果として納品するだけでなく、稼働させる基盤まで含めて納品できました。あわせて、社外からの要望に応じてモデルを相手の環境へデプロイできる基盤を自社の資産にできました。分析会社はこの基盤を継続的に提供するサービスも配信事業者に提案しています。
データ分析支援 / データ基盤構築
現場が使うデータ分析の環境
不動産・宿泊領域の新規事業会社との取り組みです。同社ではWebの計測データや公開データ、日々の業務で生まれるデータを蓄積していましたが、それぞれが分かれており、改善策や同社の顧客への提案を考える材料にできませんでした。開発支援会社のKDOTは、Web計測、広告、検索のデータを分析用の基盤へ集め、サイトをまたぐ指標の計算規則をそろえました。さらに対話型AI（人工知能）のClaudeからMetabaseのデータを調べられるようにしました。現場担当者は、事業全体から地域や物件、Web上の行動へ確認範囲を絞り、自分の問いに沿って比較条件を変えながら、次の施策や同社の顧客への提案を組み立てられるようになりました。