メインコンテンツへジャンプ
<
ページ 5
>

高度なアナリティクスによる電子事前承認の近代化

このブログは、ZS社ソリューションデリバリーマネージャー、ダン・ニューインガム氏、Databricks社HLSテクニカルディレクター、アーロン・ザボラ氏との共同執筆によるものです。 電子事前承認の 義務化とバリュー・ベースド・ケア(VBC)の取り決めによる償還パターンの進化により、医療保険制度が会員のためにサービスを承認する方法が変化している。 患者の転帰を改善し、事前承認にまつわる増大する管理上の問題を回避し、ビジネスに有意義なROIをもたらすような、増え続けるユースケースでデータを活用する絶好の機会が存在する。 拡大する事前承認の問題 Prior Authorizationは、処置、処方、耐久性医療機器(DME)などの医療サービスの適切な利用を確保するために、医療保険制度によって実施されるプログラムである。 これらのプログラムは、患者のために質の高い結果を維持しながら、不必要なサービスを減らすように設計されている。 質の高い患者の転帰を確保しながらサービスを制限するバランスは、データ& AIを使用しな

Cracking the Code: Databricksがバイオメカニクスデータでメジャーリーグを再構築する方法

November 1, 2023 Harrison FlaxChris NieselHussain Vahanvaty による投稿 in 業界
翻訳:Saki Kitaoka. - Original Blog Link バイオメカニカルデータは、メジャーリーグ(MLB)のチームにとって、選手のパフォーマンスを向上させ、怪我を減らすという競争上の優位性を提供する、ゲームを変える要素として登場しました。しかし、その潜在的な可能性にもかかわらず、ほとんどのチームはその能力を十分に活用できずにいます。 バイオメカニクスデータのソースは、ウェアラブルセンサー、フォースプレート、モバイルデバイス、そして特に高速度カメラなど多岐にわたります。2020年、各球場に12台のカメラを戦略的に配置した Hawk-Eye Statcastシステム の登場は、大きな前進でした。これらのカメラのうち5台は投球と打撃専用で、毎秒100フレーム(FPS)で作動。残りの7台のカメラは、フィールドプレーヤーと打球に焦点を当て、50 FPSでデータを取得します。これらのカメラシステムを合計すると、MLBのレギュラーシーズン2,430試合ごとに24テラバイトという途方もない量のデータが生成され

ソリューション・アクセラレーターのご紹介: 製造業のためのLLM

October 18, 2023 Will Block Ramdas MuraliNicole LuBala Amavasai による投稿 in 業界
翻訳:Saki Kitaoka. - Original Blog Link GoogleのVaswaniらによるトランスフォーマーに関する画期的な論文( seminal paper on transformers by Vaswani et. al. )が発表されて以来、大規模言語モデル(LLM)は生成AIの分野を支配するようになりました。間違いなく、OpenAIの ChatGPT の登場は、多くの必要な宣伝をもたらし、個人的な使用と企業のニーズを満たすものの両方で、LLMの使用に対する関心の高まりにつながりました。ここ数ヶ月の間に、Googleは Bard を、Metaは Llama 2 モデルをリリースし、大手テクノロジー企業による激しい競争を示しました。...

レイクハウス上で「コンポーザブルCDP」を構築するには

October 18, 2023 ブライアン・サフトラーSteve Sobel による投稿 in 業界
翻訳:Saki Kitaoka. - Original Blog Link 顧客データは、あらゆる業界の最新組織にとって生命線です。組織がデータレイクハウスでデータチームとプラクティスをレベルアップするにつれて、レイクハウスをアナリティクスのソース・オブ・トゥルースとしてだけでなく、マーケティング、オペレーション、パーソナライゼーションなどの原動力となるエンジンとして使用するケースが増えています。 Databricks Ventures は、Data Lakehouse ネイティブのカスタマーデータプラットフォーム ( CDP ) を強化するため、Hightouch に投資しました( invested )。Hightouchは、DatabricksユーザーがLakehouseから直接顧客データを収集、保存、モデル化、活性化するために必要なすべての機能を提供します。このLakehouse中心のアーキテクチャは、独自のデータインフラストラクチャを中心とした完全な コンポーザブルCDP を作成します。このブログでは、L

画像とメタデータの活用して商品の名寄せを実現するには

翻訳:Saki Kitaoka. - Original Blog Link 商品マッチングは、多くの小売企業や消費財メーカーにとって不可欠な機能です。サプライヤーがオンライン・マーケットプレイスで新商品を販売する際、入荷する商品は既存の商品カタログの商品と比較されます。サプライヤーは、小売業者のウェブサイトに掲載されている商品リストを比較し、表示されている内容が契約条件と一致していることを確認します。小売業者はお互いのウェブサイトをスクレイピングし、価格比較のために商品を一致させることがあります。また、サプライヤーは、小売業者やサードパーティのデータから、より上位の商品アグリゲートと、販売する個々のSKUを照合する必要があります。多くの組織にとって、この作業は時間がかかり、正確ではありません。 この作業を行う上での主な課題は、同じ商品でも組織によってラベル表示が異なることです。表示される商品名、説明文、または顧客と商品との結びつきをよくするための箇条書きの特徴リストの小さな差異が、正確な一致を不可能にすることがあ

DatabricksとAzure DevOpsでスケーラブルなAIをエッジにもたらす

September 13, 2023 Andres Urrutiaハワード・ウーNicole LuBala Amavasai による投稿 in 業界
翻訳:Junichi Maruyama. - Original Blog Link 製造業における機械学習とAIの機会は、 計り知れません 。 消費者の需要 と生産のより良い整合性から、 工程管理、歩留まり予測、欠陥検出 の改善まで、 予知保全 、 出荷最適化 、 もっともっと 、ML/AIはメーカーがビジネスを運営する方法を変革する用意があり、これらのテクノロジーは インダストリー4.0構想における主要な注力分野 となっている しかし、この可能性を実現することに課題がないわけではありません。機械学習と AI...

大規模言語モデル(LLM)を用いた商品レビューの自動分析

Check out our LLM Solution Accelerators for Retail for more details and to download the notebooks. 翻訳:Junichi Maruyama. - Original Blog Link 会話AIはここ数カ月で多くのメディアの注目を集めたが、大規模言語モデル(LLM)の能力は会話のやり取りをはるかに超えている。クエリ応答、要約、分類、検索など、あまり目立たない機能にこそ、多くの組織が労働力を強化し、顧客体験をレベルアップするための直接的な機会を見出している。...

因果機械学習による販促オファーの最適化

翻訳:Junichi Maruyama. - Original Blog Link 多くの企業は、取引を成立させたり、契約を更新させたり、サービスを購入させたりするために、顧客にプロモーションのオファーを提供している。このようなインセンティブは、販売者にとっては、購入と引き換えに顧客に提供される収益やサービスの面でコストがかかる。しかし、適切に適用されれば、取引を確実に成立させ、購入規模を拡大させることもできる。しかし、インセンティブオファーを受け取ったすべてのアカウントが同じように反応するわけではありません。不適切に適用された販促オファーは、取引の規模や速度に何の影響も与えないかもしれないし、不必要にマージンを損なうかもしれない。顧客にインセンティブを提案する組織は、オファーが取引完了の確率に与える影響を予測し、それが取引の純収益に与える影響を理解することが重要である。 プロモーション・オファーを最適化することで、より良い結果を導くことができる あるソフトウェア会社が、営業チームが異なる提案に対してどのようにオ

MapInPandasとDelta Live Tablesで一般的でないファイル形式を大規模に処理する

August 24, 2023 TJサイコタ による投稿 in 業界
翻訳:Junichi Maruyama. - Original Blog Link 様々なファイル形式 最新のデータエンジニアリングの世界では、 Databricks Lakehouse Platform は信頼性の高いストリーミングおよびバッチ data pipelines の構築プロセスを簡素化します。しかし、曖昧なファイル形式や一般的でないファイル形式を扱うことは、Lakehouseへのデータ取り込みにおいて依然として課題となっています。データを提供する上流のチームは、データの保存と送信方法を決定するため、組織によって標準が異なります。例えば、データエンジニアは、スキーマの解釈が自由なCSVや、ファイル名に拡張子がないファイル、独自のフォーマットでカスタムリーダーが必要なファイルなどを扱わなければならないことがあります。このデータをParquetで取得できないかとリクエストするだけで問題が解決することもあれば、パフォーマンスの高いパイプラインを構築するために、よりクリエイティブなアプローチが必要になることも