Showtime 局のデータ戦略部門は、組織全体におけるデータと分析の民主化に注力しています。膨大な視聴者データ(視聴した番組、時間帯、使用したデバイス、サブスクリプション履歴など)を収集し、機械学習を利用して視聴者の行動を予測し、番組構成や配信スケジュールを改善します。しかし、従来型のテクノロジーおよびアーキテクチャでは、高度なデータサイエンスの活用が困難でした。
インフラの複雑さ:柔軟性があり、かつ、定期的なメンテナンスが不要なインフラを必要としていた。
非効率な機械学習パイプライン:機械学習モデルの開発、トレーニング、展開のプロセスは手作業が多く、エラーが発生しやすいため、新しいモデルの実用化に遅れが生じていた。
Databricks Unified Analytics Platform はフルマネージド型のサービスを Showtime に提供して、データエンジニアリングを大幅に簡素化し、データサイエンスチームの生産性を向上させました。Showtime 局では、Databricks の導入によって豊富なデータを活用した洞察抽出が可能になり、視聴者エンゲージメントの向上と解約率の低減に成功しています。
インフラの自動化:フルマネージド型のサーバーレスなクラウドインフラストラクチャによる、スピード、コスト管理、弾力性の改善。
インタラクティブなワークスペース:チーム間の連携や異なるプログラミング言語間でのコラボレーションがシームレスになり、データサイエンスの生産性が向上。
機械学習ライフサイクルの合理化:MLflow を利用することで、機械学習ライフサイクル全体を合理化。
Databricks は、Showtime 局の組織全体におけるデータと機械学習の民主化を支援し、データをより積極的に活用する企業文化の醸成に寄与しています。
パイプラインを 6 倍高速化:データパイプラインの高速化により、これまで 24 時間以上かかっていた作業が 4 時間未満で完了するようになり、より迅速な意思決定が可能になった。
インフラの複雑さを排除:自動クラスタ管理機能を備えたフルマネージド型クラウドプラットフォームにより、データサイエンス部門は、ハードウェア構成、クラスタのプロビジョニング、デバッグなどに煩わされることなく、機械学習に集中できるようになった。
加入者体験の革新:データサイエンスの共同作業と生産性の向上により、新しいモデルおよび機能の市場投入までの時間が短縮されました。チームはより迅速に実験を行うことができ、これにより加入者にとってより優れ、パーソナライズされた体験を創出できるようになりました。