この記事では、データウェルネスの概念と、Tealium Predict ML の使用を開始する前にデータレイヤーの準備状況を調査して最適化するための実践的な手順について説明します。
データウェルネスの概念
このセクションでは、データ全体の健全性を向上させるために、調査、監査、最適化に利用できるデータウェルネスの基本的な概念を定義します。その目的は、信頼できるデータ基盤から始められるようにすることです。データの成熟度は、さまざまな要因によって企業ごとに異なるため、以下の各概念を確認して検討することが重要です。
概念を確認して理解したら、以下のデータ準備手順に進みます。

戦略
ビジネス目標と戦略を定義します。機械学習テクノロジーによって達成したいことを明確にし、オーディエンスを特定して、取得して活用するデータを決定します。データの完全性
データの量と完全性を調査します。常に、より良いデータがより良い成果をもたらします。ガバナンスと同意
データ利用に関するコンプライアンスの実務と要件を確認し、理解します。アクセシビリティ
特定したインサイトを「テクノロジースタック」内のほかのツールから利用できることを確認します。データの整合性
顧客データプラットフォーム(CDP)の実装を確認し、データの結果を、収集、取得、活用したいデータと比較します。
データの準備について詳しく確認し、ウェルネスチェックリストを参照するには、機械学習向け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
導入にサポートが必要な場合は、Tealium Predict で使用できるようにデータを準備するための「データウェルネス」サービスパッケージをご用意しています。お客様固有のデータに応じて、このサービスをどのように活用できるかについては、担当のアカウントマネージャーにお問い合わせください。
データ準備のためのアクション
以下の手順では、Tealium Predict を追加できるようにデータ基盤を準備するために、お客様とそのチームが実行できるアクションについて説明します。機械学習モデルから最適な成果を得るための推奨アクションを実行する際に、これらの手順を一般的なガイドラインとして使用してください。
- 監査
データレイヤーと顧客データプラットフォーム(CDP)の属性を監査します。データの品質、量、成熟度を調査し、必要に応じて調整を行って、顧客データの品質と整合性を向上させます。 - 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に依存せず、特定のベンダーに依存することなく、テクノロジースタック全体を支えるために使用できます。 - データガバナンスの実務
データガバナンスの実務を確認、定義、実装します。コンプライアンスは絶えず変化するため、データの長期的な健全性と実用性を確保できるように、コンプライアンス上の問題を定期的に再確認してください。 - 理解とエンリッチメント
この時点では、イベントデータインフラストラクチャに機械学習のインテリジェンスはまだ導入されていません。受信するイベントデータをエンリッチして整理し、CDP によって自動的に生成されるインサイトの品質を向上させます。この手順により、実装内のほかのコンポーネントが機械学習機能を備えているかどうかにかかわらず、実装全体で機械学習のインサイトを直ちに有効化できます。 - オーケストレーション
インフラストラクチャを定義し、ビジネスでのデータ収集方法にデータインサイトを組み込んだ後は、これらのインサイトをオーケストレーションして、実装に統合された任意のツールでアクションを促進できます。さらに、データインサイトをすべての顧客エンゲージメントチャネルにリアルタイムで送るための独自のビジネスルールを実装し、自動化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期間を使用してトレーニングすることをお勧めします。多くの場合、対象とするユースケースによっては、より短い期間と少ないデータでもモデルを正常にトレーニングできます。少なくとも、予測期間と同じ日数以上のデータを使用してモデルをトレーニングする必要があります。
最終更新日 :: 2026年November月18日