DATA INTELLIGENCE | 共育社

WHAT IS

MACHINE LEARNING?

データからパターンを見つけ、未来を予測する技術

予測する

PREDICT

過去の売上データから来月の需要を予測。在庫切れや過剰在庫を防ぎ、仕入れコストを最適化。顧客の離脱リスクを事前に把握し、適切なタイミングでアプローチ。

分類する

CLASSIFY

顧客を購買パターンで自動セグメント化。問い合わせ内容を分析し、適切な担当部署へ自動振り分け。画像から商品カテゴリを判定し、登録作業を効率化。

異常検知

DETECT

通常と異なる取引パターンを検知し、不正決済を未然に防止。設備のセンサーデータから故障の予兆を発見。製造ラインの品質異常をリアルタイムで検出。

最適化する

OPTIMIZE

需要と競合価格を分析し、利益を最大化する価格を自動設定。配送ルートを最適化し、燃料費と時間を削減。広告予算を効果の高いチャネルへ自動配分。

これが、自社でできたら？

import pandas as pd                                                                          # データ分析ライブラリ
from sklearn.model_selection import train_test_split                                  # データ分割
from sklearn.ensemble import RandomForestClassifier                         # 分類モデル
from sklearn.metrics import accuracy_score, confusion_matrix           # 評価指標

df = pd.read_csv('sales_data.csv')                                         # CSV読み込み
X = df.drop('will_churn', axis=1)                                  # 特徴量
y = df['will_churn']                                           # 予測対象

X_train, X_test, y_train, y_test = train_test_split(X, y)
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)

predictions = model.predict(X_test)
accuracy = accuracy_score(y_test, predictions)
print(f'Accuracy: {accuracy:.2%}')
      

USE CASES

業界別機械学習の活用事例

小売・EC

需要予測による在庫最適化、レコメンドエンジン、ダイナミックプライシング、顧客離脱予測、チャットボットによる接客自動化。

製造

予知保全（設備故障の予兆検知）、外観検査の自動化、生産スケジュール最適化、品質異常の早期発見、歩留まり改善。

金融

不正検知（クレジットカード・送金）、与信審査の自動化、市場予測、アルゴリズム取引、顧客セグメンテーション。

物流

配送ルート最適化、倉庫内ピッキング効率化、配送時間予測、需要予測による車両配置、荷物の自動仕分け。

医療・ヘルスケア

画像診断支援（レントゲン・CT）、再入院リスク予測、創薬候補の探索、電子カルテからの情報抽出。

マーケティング

広告配信の最適化、コンバージョン予測、顧客LTV予測、A/Bテストの自動化、SNS感情分析。

売上データ、顧客リスト、在庫情報——
すでにデータがあるなら、今日から始められます。

HOW TO START

機械学習を始める方法

ML PLATFORM オンラインプラットフォーム

Vertex AI

Google Cloud製。AutoMLで専門知識なしでもモデル構築。BigQueryとの連携が強力。

SageMaker

AWS製。従量課金でスモールスタート可能。S3との統合がシームレス。

Azure ML

Microsoft製。Power BIやOffice連携に最適。エンタープライズ向け。

OPEN SOURCE MODELS オフライン環境構築

Llama

Meta製。自社サーバーで動かせばAPI課金ゼロ。商用利用可能。

Mistral

フランス製。軽量高性能でエッジデバイスでも動作。

Gemma

Google製。軽量で研究・商用利用可。日本語性能も良好。

FEDERATED LEARNING 連合学習

PRIVACY

生データを送らない。
学習結果だけをサーバーに送信。

LOW COST

計算はユーザー端末で実行。
サーバー費用を大幅削減。

ACCESSIBLE

中小企業やWebサイトでも
今すぐ導入可能。

SERVICE 18

THE NEW RULES

SEO の常識が、変わった。

Google に評価される設計から、AI に読まれる設計へ

BEFORE — Google SEO

キーワード密度を上げる

被リンク数を増やす

タイトルタグを最適化する

検索順位を上げる

NOW — AEO / LLM SEO

AIに引用される、明快な文章をつくる

構造化データでページの意味を伝える

質問形式でコンテンツを設計する

AIの回答に登場することを目標にする

THREE PILLARS

技術的SEO

表示速度・Core Web Vitals・モバイル対応。AI も人も、遅いサイトは読まない。

構造化データ

JSON-LD で「これは何のページか」を機械に伝える。AI の理解精度が上がる。

コンテンツ設計

「誰の、何の悩みを、どう解決するか」が明快なページが LLM に引用される。

GA4 による計測設計

どこから来て、何を見て、どこで離脱するか。計測なき改善は感覚でしかない。GA4 + BigQuery 連携で、施策の因果を数字で語れるようになる。

Search Console との連携

どのキーワードで表示され、何回クリックされたか。インデックス状況の監視と、クロールエラーの早期発見が基本のき。

SEO → AEO

ANSWER ENGINE OPTIMIZATION

SERVICE 19

STRUCTURED DATA

AI に「意味」を伝える技術

構造化データ（JSON-LD）を書けば、AI も検索エンジンもページを正確に理解する

index.html — <script type="application/ld+json">

1  {
2    "@context": "https://schema.org",
3    "@type": "LocalBusiness",
4    "name": "株式会社〇〇",
5    "description": "山口県のAI活用コンサルティング会社",
6    "url": "https://example.com",
7    "address": {
8      "@type": "PostalAddress",
9      "addressLocality": "山口市",
10     "addressRegion": "山口県"
11    }
12  }

EFFECT

「山口県のAIコンサル会社を教えて」と聞かれたとき、AIがこの会社を正確に引用できるようになる

COMMON TYPES

LocalBusiness

Article

FAQPage

Product

Person

Event

Recipe

ALSO MATTERS — CORE WEB VITALS

LCP

Largest Contentful Paint

メインコンテンツの表示速度。2.5秒以内が目標。

FID

First Input Delay

操作への反応速度。100ms以内が目標。

CLS

Cumulative Layout Shift

レイアウトのズレ量。0.1以下が目標。

SERVICE 19

ACCESS

ANALYTICS

アクセス解析

データをどこで処理するか——解析設計の思想が、信頼の差になる

BIG DATA ANALYTICS

ビッグデータ解析

全ユーザーの生データを外部サーバーに集約して分析

データ量が多いほど精度が上がる

GA4・BigQuery などが代表的な実装

個人情報保護法・GDPR の観点で、外部送信の同意取得が必須になりつつある

データは持っているのに活用できていない——そんな企業には、まずビッグデータ解析の導入が近道です。

FEDERATED LEARNING

連合学習

端末内でモデルを学習し、重みパラメータだけを送信

生データはクライアントのインフラ外に一切出ない

医療・金融・行政など高コンプライアンス領域に最適

「データを渡さなくていい」は、これからの競争優位になる

COMPARISON

ビッグデータ

連合学習

データの所在

外部サーバー

端末内のみ

個人情報リスク

高

極めて低い

導入難易度

低い

設計が必要

連合学習の設計コンサルティングについては、お気軽にご相談ください。

SERVICE 20

WEB情報の自動収集

競合サイトの価格・求人・ニュース・SNS投稿——WEBに公開された情報は、ツールを使えば自動で収集・整理できます。手動でコピペしていた作業を自動化し、リアルタイムの情報を意思決定に活かしましょう。

ノーコード・ローコード

OCTO
PARSE

GUIでスクレイピングルールを設定できるノーコードツール。クリックするだけでデータ抽出ルールを作成。Excelやスプレッドシートへの自動出力にも対応。コーディング不要で導入しやすい。

BROWSE
AI

AIがWEBサイトの変化を監視・通知するツール。「この価格が変わったら教えて」「新着情報が出たら記録して」を自然言語で設定できる。競合モニタリングに最適。

コード実装（Python）

BEAUTI
FUL
SOUP

PythonのHTMLパースライブラリ。静的なWEBページからテキスト・リンク・画像URLを抽出するのに最適。シンプルな構文で学習コストが低く、スクレイピング入門の定番。

PLAY
WRIGHT

JavaScriptで動的に生成されるページも操作・収集できるブラウザ自動化ツール。ログインが必要なサイトや、スクロールで読み込まれるコンテンツにも対応。

API経由での収集

GRAPH
API
EXPLORER

Meta（Facebook・Instagram）が提供する公式APIツール。投稿・フォロワー数・エンゲージメントなどのデータをスクレイピング不要で合法的に取得できる。アクセストークンを発行してリクエストをGUI上でテスト可能。SNS分析ツールの基盤にもなる。

SERVICE 21

大量Excelの一括処理・管理

100枚のシートを手作業で集計、フォーマットの違うファイルを手動で統合——その作業、Pythonで数行のコードに置き換えられます。繰り返しのExcel作業を自動化して、本来の業務に集中しましょう。

データ読み書き・集計

PANDAS

Pythonのデータ処理標準ライブラリ。複数Excelファイルの読み込み・結合・フィルタ・集計を数行で実現。SQLライクな操作感で習得しやすく、大量データでも高速処理が可能。

OPEN
PYXL

Excelファイルの読み書きに特化したライブラリ。セルの書式・色・罫線・グラフまで操作可能。「毎月同じフォーマットのレポートを自動生成する」用途に最適。

自動化・効率化

XLWINGS

PythonからExcelをリアルタイムで操作できるライブラリ。既存のExcelマクロをPythonに置き換えたり、Excelを開いたままPythonで処理を走らせることが可能。VBA脱却の第一歩に。

PYTHON
+ AI

「このExcelを処理するコードを書いて」とClaudeやChatGPTに依頼すれば、コーディング経験がなくてもスクリプトが手に入る。AIとセットで使うことで、非エンジニアでも実践可能。

Google スプレッドシート連携

GSPREAD

PythonからGoogleスプレッドシートを読み書きできるライブラリ。データの書き込み・更新・シート追加をコードで自動化。定期実行と組み合わせれば、毎朝自動でレポートが更新される仕組みも作れる。

GOOGLE
APPS
SCRIPT

Google公式のJavaScriptベース自動化環境。スプレッドシート上のマクロ実行・メール送信・フォーム連携などをノーインストールで実装可能。Pythonと組み合わせてより高度な連携も実現できる。

DATAINTELLIGENCE

DATA
INTELLIGENCE