導入事例

機械学習によるパーソナライゼーション

60%

ETL パイプラインの高速化による処理時間の削減率

50%

IT運用コストの削減率

迅速化

time-to-insight led to a significant growth in business

背景

「Databricks は、強力なエンドツーエンドのソリューションです。専門分野や経験に関わらず、チーム全員が大規模なデータに素早くアクセスし、実践的な気づきを得られるようになりました。」

コンデナスト AI インフラ部門
プリンシパルエンジニア
ポール・フライゼル氏

VOGUE、The New Yorker、WIRED など著名な雑誌を発行する米コンデナスト社は、データを駆使することで、印刷物、オンライン媒体、動画、SNS を通じて 10 億人を超える読者にコンテンツを提供しています。しかし、膨大なデータを活用することは容易ではなく、インフラの管理や、データサイエンスの生産性向上に苦心してきました。Databricks が、この問題を解決しました。クラスタを自動化することで DevOps の手間を省き、Delta Lake により、一月当たり 1 兆のデータポイントを処理するデータパイプラインの構築を実現しました。さらに、MLflow との連携によりデータサイエンスのイノベーションを活性化させ、機械学習のライフサイクル全体の管理を可能にしました。これらの実現により、ブランド全体を通じてパーソナライズされたコンテンツを顧客に提供し、顧客の囲い込みと維持率向上に成功しました。

Inability to use customer data to improve content experience

米出版大手のコンデナスト社は、20 を超えるブランドを運営しています。月当たりの Web コンテンツ閲覧者数は1億を超え、ページビューは8億回を超え、膨大なデータが蓄積されていました。データ部門は、機械学習の利用を通じてパーソナライズされたコンテンツ提案とターゲティング広告を配信し、ユーザーエンゲージメントの向上を図りました。しかし、実際にやってみると、いわゆるバニラ状態の Spark を使用してデータプラットフォームを構築することは、困難であることがわかりました。

  • インフラの複雑さ:Spark クラスタの構築と管理は多くの準備と頻繁なメンテナンスを要し、結果的に、より重要な業務に十分な時間を確保できなくなっていました。
  • 現状からの脱却:現状の問題を解決し、チームとしての活動を促進するために、データパイプラインの構築と、より高度な分析のための共通のプラットフォームが必要でした。
  • Too much data: Data sets were outgrowing existing data lake solutions.

Simplifying data pipelines and ML lifecycles

コンデナスト社は、Databricks の提供する完全管理のクラウドプラットフォームを導入することで、オペレーションの簡素化、性能の向上、データサイエンスのイノベーションを実現しました。

  • Interactive Workspace: Data scientists can collaborate, share, and track data and insights, fostering an environment of collaboration.
  • Delta Lake: As data sets grew in volume (over 1 trillion data points per month), Delta Lake can keep up and allow for more use cases, such as data rewrites and data merges.
  • Managed MLflow: With MLflow, Condé Nast can easily manage the entire machine learning lifecycle, from tracking experiments to monitoring production models.

Delighting customers with personalized content powered by AI

データ分析と機械学習の基盤として Databricks を導入することで、20 を超えるブランドにおいて、顧客に関する新たな洞察を活用した顧客エンゲージメントの強化戦略が可能になりました。

  • Improved customer engagement: With an improved data pipeline, Condé Nast can make better, faster, and more accurate content recommendations, improving the user experience.
  • Unified approach: Data engineering and data science teams are now solving problems together and collaborating to build new content products and experiences.
  • Built for scale: Data sets can no longer outgrow Condé Nast’s capacity to process and glean insights.
  • More models in production: With MLflow, Condé Nast’s data science teams can innovate their products faster. They have deployed over 1,200 models in production.

無料お試し・その他のご相談を承っております

Databricks 無料トライアル製品について詳しく見る
ご相談・お問い合わせ