このビデオでは  Watson Discovery の
コンテンツ・マイニング・プロジェクトの使い方を説明します
コンテンツ・マイニングは Watson Discovery の主要ユースケースです
構造化および非構造化データを分析・探索し
洞察や隠された意味を引き出すために使用されます
シチズン・アナリストとデータ・サイエンティストの両方が
使用します
コンテンツ・マイニング・プロジェクトは
あらゆる種類の分析を行えます
ユーザー・インターフェースが 固有の業界またはデータ・セットに
特定されていないからです
今回のシナリオでは
架空の自動車メーカーのアナリストの作業を見ていきましょう
運用レポートで ある車種の突出した事故率が問題視されています
アナリストは 原因を探ることにしました
コンテンツ・マイニング・プロジェクトを作成し
全国の自動車事故報告書の非構造化データから 分析を開始します
画面に表示されるインターフェースでは
車種を選択して分析を開始できます
今回の対象車種は「Hill Walker」です
画面上部の検索バーに直接入力することもできますが
対象をクリックできるので便利です
検索ワードや条件を自由に追加できますが
アプリケーションのガイド付き分析を活用するとよいでしょう
ナビゲーション・ビューが表示されます
分析の進捗状況を視覚化し 次のステップのオプションが提案されます
現在の分析条件に一致する文書の件数も示されます
今回の小規模なコレクションの中から
Hill Walker に関連している文書は 51 件だけです
本番環境では より多くのデータ・セットを扱います
傾向と異常の分析から始めることで
通常からの逸脱を発見することができます
Hill Walker の問題は 12 月と 1 月に集中していたことが
即座にわかります
そこでアナリストは より深く掘り下げて調査するために
この分析を 12 月に絞り込んで実行することにします
上部のナビゲーション・ビューは
分析の進捗状況を示します
次は「Analyze cause or characteristics」を選択して
原因を探ることにします
「snow (雪)」と「brake (ブレーキ)」の両方の単語が
強調表示されています
これらのワードを分析に追加します
コンテンツ・マイニング・プロジェクトにより
調査は少数のクレーム文書に絞り込まれました
これらは簡単に表示できます
どうやら 雪道でブレーキをかけると
設計で想定されていなかった問題が発生しているようです
この情報を基に
設計部門にブレーキ・システムの詳細な点検を依頼し
雪道での想定外のブレーキ動作の原因を探ることができます
このデモでは シチズン・アナリストが
Watson Discovery とコンテンツ・マイニングを使用して
非構造化データの隠された意味を発見できる方法を説明しました
Watson Discovery をぜひご利用ください
