論文の概要: Augmenting Decision Making via Interactive What-If Analysis
- arxiv url: http://arxiv.org/abs/2109.06160v2
- Date: Wed, 15 Sep 2021 04:33:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-16 10:34:09.521970
- Title: Augmenting Decision Making via Interactive What-If Analysis
- Title(参考訳): 対話型What-If分析による意思決定の強化
- Authors: Sneha Gathani and Madelon Hulsebos and James Gale and Peter J. Haas
and \c{C}a\u{g}atay Demiralp
- Abstract要約: 現在、ビジネスユーザーは長期にわたる探索分析を行う必要がある。
データセットの複雑さの増大と人間の認知的限界が組み合わさって、複数の仮説を乗り越えることが困難になる。
ここでは、ビジネスユーザがデータ属性の集合間の関係(機能)について対話的に学び、推論できるために必要な4つの機能について論じます。
- 参考スコア(独自算出の注目度): 4.920817773181235
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The fundamental goal of business data analysis is to improve business
decisions using data. Business users such as sales, marketing, product, or
operations managers often make decisions to achieve key performance indicator
(KPI) goals such as increasing customer retention, decreasing cost, and
increasing sales. To discover the relationship between data attributes
hypothesized to be drivers and those corresponding to KPIs of interest,
business users currently need to perform lengthy exploratory analyses,
considering multitudes of combinations and scenarios, slicing, dicing, and
transforming the data accordingly. For example, analyzing customer retention
across quarters of the year or suggesting optimal media channels across strata
of customers. However, the increasing complexity of datasets combined with the
cognitive limitations of humans makes it challenging to carry over multiple
hypotheses, even for simple datasets. Therefore mentally performing such
analyses is hard. Existing commercial tools either provide partial solutions
whose effectiveness remains unclear or fail to cater to business users.
Here we argue for four functionalities that we believe are necessary to
enable business users to interactively learn and reason about the relationships
(functions) between sets of data attributes, facilitating data-driven decision
making. We implement these functionalities in SystemD, an interactive visual
analysis system enabling business users to experiment with the data by asking
what-if questions. We evaluate the system through three business use cases:
marketing mix modeling analysis, customer retention analysis, and deal closing
analysis, and report on feedback from multiple business users. Overall,
business users find SystemD intuitive and useful for quick testing and
validation of their hypotheses around interested KPI as well as in making
effective and fast data-driven decisions.
- Abstract(参考訳): ビジネスデータ分析の基本的な目標は、データを使用してビジネス決定を改善することである。
営業、マーケティング、製品、運用マネージャといったビジネスユーザは、顧客の維持、コストの削減、販売の増加といった重要なパフォーマンス指標(KPI)の目標を達成するために意思決定をすることが多い。
ドライバーとして想定されるデータ属性とKPIに対応するデータの関係を発見するには、現在、ビジネスユーザーは、複数の組み合わせとシナリオを考慮し、スライシング、ディクシング、そしてデータ変換を行いながら、長い探索的な分析を行う必要がある。
例えば、年四半期にわたる顧客保持の分析や、顧客層を越えた最適なメディアチャネルの提案などです。
しかし、データセットの複雑さの増加と人間の認知的限界が組み合わさって、単純なデータセットであっても、複数の仮説を乗り越えることは困難である。
そのため、そのような分析を精神的に行うのは難しい。
既存の商用ツールは、まだ有効性が不明な部分的なソリューションを提供するか、ビジネスユーザを満足させることができない。
ここでは、ビジネスユーザがデータ属性のセット間の関係(機能)を対話的に学び、推論できるようにする必要があると考える4つの機能について論じる。
対話型ビジュアル分析システムであるsystemdでは,これらの機能を実装して,ビジネスユーザがどのような質問をすれば,そのデータを試すことができる。
マーケティングミックスモデリング分析,顧客保持分析,取引クローズ分析という3つのビジネスユースケースを通じてシステムを評価し,複数のビジネスユーザからのフィードバックを報告する。
全体として、ビジネスユーザは直感的で、興味のあるkpiに関する仮説の素早いテストと検証、効果的で迅速なデータ駆動決定に役立ちます。
関連論文リスト
- A Bargaining-based Approach for Feature Trading in Vertical Federated
Learning [54.51890573369637]
本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。
当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
論文 参考訳(メタデータ) (2024-02-23T10:21:07Z) - Analyzing Operator States and the Impact of AI-Enhanced Decision Support
in Control Rooms: A Human-in-the-Loop Specialized Reinforcement Learning
Framework for Intervention Strategies [0.9378955659006951]
複雑な産業・化学プロセス制御室では、安全性と効率性に効果的な意思決定が不可欠である。
本稿では,AIに基づく意思決定支援システムが人間と機械のインタフェース改善に取り入れた影響と応用について検討する。
論文 参考訳(メタデータ) (2024-02-20T18:31:27Z) - Persona-DB: Efficient Large Language Model Personalization for Response
Prediction with Collaborative Data Refinement [82.56964750522161]
本稿では,タスクコンテキスト間の一般化を改善するため,階層的な構築プロセスからなるシンプルなフレームワークであるPersona-DBを紹介する。
応答予測のタスクでは,Persona-DBは,検索サイズを大幅に削減した精度を維持する上で,優れた効率性を示す。
我々の実験は、ユーザーが極めて少ないデータを持つ場合、コールドスタートシナリオで15%以上の顕著な改善が示されていることも示している。
論文 参考訳(メタデータ) (2024-02-16T20:20:43Z) - LESS: Selecting Influential Data for Targeted Instruction Tuning [69.50855460630105]
本稿では,データの影響を推定し,命令データ選択のための低ランクグレーディエント類似度探索を行うアルゴリズムであるLESSを提案する。
LESS選択したデータの5%のトレーニングは、さまざまなダウンストリームタスクにわたる完全なデータセットでのトレーニングよりも優れています。
我々の方法は、意図した下流アプリケーションに必要な推論スキルを識別するために、表面的なフォームキューを超えています。
論文 参考訳(メタデータ) (2024-02-06T19:18:04Z) - Collaborative business intelligence virtual assistant [1.9953434933575993]
本研究では、ユーザとCBI仮想アシスタントのインタラクションを通じて、分散仮想チームにおけるデータマイニングの応用に焦点を当てる。
CBIのための仮想アシスタントは、より広い範囲のユーザのためのデータ探索アクセシビリティを強化し、データ分析に必要な時間と労力を合理化するためのものである。
論文 参考訳(メタデータ) (2023-12-20T05:34:12Z) - Hallucination-minimized Data-to-answer Framework for Financial
Decision-makers [1.3781777926017094]
大規模言語モデル(LLM)は、いくつかの自動化とパーソナライズされた質問応答プロトタイプの構築に応用されている。
本稿では,データテーブルを階層的なテキストデータチャンクに変換するLangchainベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-09T22:53:52Z) - Retail store customer behavior analysis system: Design and
Implementation [2.215731214298625]
本稿では,顧客行動の数学的モデリング,効率的なディープラーニングに基づく行動分析,個人と集団の行動可視化という3つの主要な要素を含むフレームワークを提案する。
各モジュールとシステム全体が、小売店の実際の状況からのデータを使用して検証された。
論文 参考訳(メタデータ) (2023-09-05T06:26:57Z) - AVIS: Autonomous Visual Information Seeking with Large Language Model
Agent [123.75169211547149]
本稿では,視覚的質問応答フレームワークAVISを提案する。
本手法は,LLM(Large Language Model)を利用して外部ツールの利用を動的に強化する。
AVIS は Infoseek や OK-VQA などの知識集約型視覚質問応答ベンチマークの最先端結果を達成する。
論文 参考訳(メタデータ) (2023-06-13T20:50:22Z) - A Reference Model for Collaborative Business Intelligence Virtual
Assistants [0.0]
協力的ビジネス分析(Collaborative Business Analysis, CBA)は、さまざまな利害関係者が協力してデータを分析し、ビジネスオペレーションに関する洞察を得るための方法論である。
CBAは通常、データ収集と分析、ブレインストーミング、問題解決、意思決定、知識共有など、さまざまなアクティビティを伴います。
本稿では,ビジネスインテリジェンス(BI)プラットフォームの重要な部分として,仮想コラボレーションツールを扱う。
論文 参考訳(メタデータ) (2023-04-20T14:02:21Z) - Demonstration of InsightPilot: An LLM-Empowered Automated Data
Exploration System [48.62158108517576]
本稿では,データ探索プロセスの簡略化を目的とした自動データ探索システムであるInsightPilotを紹介する。
InsightPilotは、理解、要約、説明などの適切な分析意図を自動的に選択する。
簡単に言うと、IQueryはデータ分析操作の抽象化と自動化であり、データアナリストのアプローチを模倣しています。
論文 参考訳(メタデータ) (2023-04-02T07:27:49Z) - Straggler-Resilient Personalized Federated Learning [55.54344312542944]
フェデレーション学習は、プライバシと通信の制限を尊重しながら、クライアントの大規模なネットワークに分散されたサンプルからのトレーニングモデルを可能にする。
これら2つのハードルを同時に処理する理論的なスピードアップを保証する新しいアルゴリズム手法を開発した。
提案手法は,すべてのクライアントのデータを用いてグローバルな共通表現を見つけ,各クライアントに対してパーソナライズされたソリューションにつながるパラメータの集合を学習するために,表現学習理論からのアイデアに依存している。
論文 参考訳(メタデータ) (2022-06-05T01:14:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。