データの準備

データウェルネスの概念

このセクションでは、データの全体的なウェルネスを改善するために検討、監査、最適化できる基本的なデータウェルネスの概念を定義します。目標は、信頼できるデータ基盤から始めることです。データの成熟度は、多くの要素に基づいてビジネス間で異なるため、以下の各概念を見直し、考慮することが重要です。

概念を見直し理解した後、以下のデータ準備ステップに進みます：

• 戦略
  ビジネス目標と戦略を定義します。機械学習技術で何を達成したいのか、対象とするオーディエンスを特定し、どのデータをキャプチャし、行動に移すかを決定します。

• データの完全性
  データの量と完全性を検討します。常に、より良いデータがより良い結果を生み出します。

• ガバナンスと同意
  データ使用に関するコンプライアンスの実践と要件を見直し、理解します。

• アクセシビリティ
  特定した洞察があなたの「テックスタック」内の他のツールにアクセス可能であることを確認します。

• データの整合性
  Tealium AudienceStream CDPの実装を見直し、データの結果を収集、キャプチャ、行動に移すために欲しいデータと比較します。

データの準備性とウェルネスチェックリストの見直しについて詳しくは、機械学習のためのデータ準備チェックリストを参照してください。

データウェルネスサービス

始めるのに助けが必要な場合は、データをTealium Predictで使用するための準備を支援する「データウェルネス」サービスパッケージを提供しています。このサービスがあなたのユニークなデータにどのように利益をもたらすかを学ぶために、アカウント担当者にお問い合わせください。

データ準備アクション

以下のステップは、データ基盤をTealium Predictに追加する準備をするためにあなたとあなたのチームが取ることができるアクションを説明します。これらのステップを一般的なガイドラインとして使用し、機械学習モデルから最適な結果を得るために推奨されるアクションを取ることを確認します。

1. 監査
   データレイヤーとAudienceStream属性を監査します。データの品質、量、成熟度を検討し、顧客データの品質と整合性を改善するために必要な調整を行います。
2. 定義と統合
   デジタルデータ戦略を定義し、統合します。データ基盤とインフラストラクチャはベンダーニュートラルであり、あなたの全ての「テックスタック」を動かすために使用でき、任意のベンダーに依存することなく使用できます。
3. データガバナンスの実践
   データガバナンスの実践を見直し、定義し、実装します。コンプライアンスは常に進化しているため、データの長期的な健康と生存能力を確保するために、コンプライアンスの問題を定期的に見直すことを確認します。
4. 理解と豊かさ
   この時点では、イベントデータインフラストラクチャはまだ機械学習の知識を獲得していません。AudienceStreamによって自動的に生成される洞察の品質を改善するために、着信イベントデータを豊かにし、整理します。このステップにより、実装の他のコンポーネントが機械学習の能力を持っているかどうかに関係なく、機械学習の洞察をすぐに全体の実装に活用できるようになります。
5. オーケストレーション
   インフラストラクチャを定義し、データの洞察がビジネスがデータを収集する方法に組み込まれた後、これらの洞察を任意の統合ツールの実装で行動を起こすためにオーケストレーションできます。さらに、リアルタイムで全ての顧客エンゲージメントチャネルにデータの洞察が流れるように、自分のビジネスルールを実装することもできます。

ベストプラクティス

最適な結果を得るために、90日以上のデータを含む予測時間枠を使用してトレーニングすることを推奨します。多くの状況で、そしてあなたの目標とするユースケースによっては、より小さい日付範囲とより少ないデータを使用してモデルを成功裏に訓練することができます。最低限、予測時間枠と同じ日数以上のモデルを訓練する必要があります。