失敗しないIBM Watson Explorerの導入と活用法・前編

「社内の大量の文書データを何かに活用したいが今は使えていない」や、「お客様の声を分析して、満足度向上や製品開発に活かしたい」というお悩みは、業種問わず、さまざまな企業が持っているかと思います。

構造化されたデータの活用はすでに行われていますが、文書データのような非構造化データについては、活用に苦慮されている企業がまだまだ多いのが現状です。

そこで、強力なテキストマイニングツールであるIBM Watson Explorer（以下、WEX）を用いて、非構造化データを分析し、新しい知見や洞察を発見する取り組みについてご紹介いたします。

IBM Watson Explorer（WEX）とは
導入を成功させる最大のキモは「課題設定」
課題設定の成功例

IBM Watson Explorer（WEX）とは

WEXは、企業内外の膨大な量の構造化型および非構造化型の情報を、収集/加工/分析/表示する、テキストマイニングと検索機能を提供するプラットフォームです。ＷＥＢやソーシャルメディア、コールセンター対応ログ、アンケートやお客様の声、クレーム情報など、分析対象となるテキストデータを、効率よくクローリングして、大量のデータを収集します。収集した大量のデータを、超並列処理で解析し、分析画面と検索画面から、多くの成果を得ることができるテキストマイニングツールです。

他のテキストマイニングツールと比較した際、WEXは特に以下の３つの点で長けています。

大容量のデータ分析に対応
- 数百万規模のデータを数秒で分析でき、実際に膨大な文書データの分析に使われている実績があります。
強力な構文解析機能
- 言語要素を漏れなく抽出する構文解析機能があります。2008年5月には、米国SSPA（Service and Support Professionals Association）の、SSPAアワード（SSPA Recognized Innovator Awards）を受賞しました。
豊富な分析・レポート機能
- 相関分析、評判分析、感情分析など、多種多様な分析・レポート機能を備えているため、分析後に具体的なアクションにつながるよう、データを抽出できます。

導入を成功させる最大のキモは「課題設定」

WEX導入にあたり、1番大切なことは、「＜テキストデータから解決アプローチする課題＞を設定してから導入を開始すること」です。

では、なぜ課題設定が重要なのでしょうか。

テキストマイニングを利用して、価値ある知見を得るためには、「データ」と「切り口（ファセット）」が必要です。WEXに限らずテキストマイニングツールは、「データ」が無くては始まりません。そして、それをどのような「切り口」で見るかがキーポイントになります。例えば、「時系列／地域別で分析したい」や「文書の種類を分類して、そこから知見を得たい」、「文章に現れる商品名がカギになるはずだから、文章を分析したい」というものが、「切り口」です。

「データ」や、「切り口」が適切でなければ、テキストマイニングはその大きな力を十分に発揮できません。そこで、課題を設定することで、「データ」に対し、どのような「切り口」で分析するかが定義できます。

課題設定の成功例

課題設定をして成功した例を、具体的にみてみましょう。表では、金融業、製造業それぞれの事例を挙げています。

	例１	例２
業種	金融業	製造業
課題	・お客様相談センターへの相談ログを残しているが、量が膨大で全てを見きれない。・相談を分類し、どのような相談が増えているかなどの見える化を行いたい。	・回収・修理が必要となるような、製品の不具合について、早期発見したい。
解決策	・WEXを導入し、テキストマイニングによりお客様相談センターへの相談ログを自動で分類。・どのような相談がどの程度あるのか、時系列で見える化。	・製品サポートセンターのクレームのログをテキストマイニングし、クレーム情報の分類を行い、機種との間の特別な関係の有無や、直近の傾向を分析。
データ	お客様相談センターへの相談ログ	お客様からのクレームログ
切り口	地域、時系列、相談種別、など	時系列、機種名、問題、など
結果	活用できていなかった膨大な相談ログを見える化し、定期レポートを簡単に作成できるようになった。 ⇒次のアクションを計画可能になった。	クレーム内容の分析から、製品不具合が存在する可能性のある機種を、早期に見つけ出すことが可能になった。 ⇒大規模な回収修理を避けられた。