これまでのマーケティングキャンペーン分析ソリューションから改善した割合。
これまで数週間から数か月かかっていた予測モデル構築時間を短縮。
デジタルトランスフォーメーションとAIプロジェクト加速を成功させるには、コラボレーション、共有、理解を容易に行えることが不可欠です。これらの要素がそろえば、組織に浸透する優れたデータ慣行を構築できるだけでなく、将来に向けたイノベーションも可能になります。
Air Canadaは、この成功の妨げとなる複数のセンターオブエクセレンスや、技術系チームとビジネス系チームの間のサイロ化をかなり前に脱却しました。Air Canadaの強力なチームは、Dataikuを活用して、複数の職能、チーム、専門家にまたがる民主化されたプロセスを構築して実行し、業務、マーケティング、顧客体験を向上させる卓越した方法を実現しました。
（Dataikuの）素晴らしい点は、結果を素早く簡単に確認でき、変更を加えて、再び結果を確認するのも簡単なことです。実際の仕組みを理解していないビジネスユーザーも、その価値を理解しています。これは非常に強力で、これから日常的に使うことになる顧客スコアリングモデルを2～3か月で構築できました。
— Hervé Riboulet氏、Air Canada、貨物分析およびCRM担当ディレクター
Air Canadaが、コラボレーション、共有、理解を容易にしてデジタルトランスフォーメーションとAIプロジェクト加速を成功させた事例をご紹介します。また、Air Canadaが急を要するユースケースにDataikuをどのように活用しているかについてもご覧ください。
After each marketing campaign, the customer and loyalty analytics team — in collaboration with the marketing teams — need to understand its performance via post-campaign analysis (PCA). See how Air Canada used Dataiku to automate the creation of 90% of their PCA dashboards for resource utilization improvements of 96%, freeing up data scientists' time to work on more high-impact projects.
SEE THE DETAILS OF THIS USE CASEIn this exciting session, learn how the mighty Air Canada team has built and runs democratized processes across multiple functions, teams, and experts to achieve extraordinary ways to make work and the customer experience better.
WATCH THE VIDEOIn this one-on-one interview with Hervé Riboulet, Director Cargo Analytics and CRM at Air Canada, hear more about how his team leverages data day-to-day and how he inspires them to make Everyday AI a reality.
SEE THE INTERVIEWIn this one-on-one interview with Vinoth Yoganathan, Manager, IT Support at Air Canada, learn more about what Everyday AI means to the IT organization and how they're going from theory to practice in getting more data in the hands of the business.
SEE THE INTERVIEWOne of the mandates of the Customer and Loyalty Analytics Team is to produce signals through predictive models, customer segmentations, flags, or recommender systems, that can be leveraged in Air Canada's marketing campaigns to increase relevance. See how the team leveraged Dataiku to reduce the time to build a predictive model from weeks or months to mere hours.
CHECK OUT THE STORY各マーケティングキャンペーンの後、チームは、効果があったことを繰り返し行うために（そして効果がなかったことは繰り返さないために）、パフォーマンスを把握する必要があります。Air Canadaのキャンペーン後分析（PCA）では、メール、Webサイト、有料メディア、コンバージョン指標など、多様なチャネルのさまざまなデータポイントを分析して、キャンペーンのパフォーマンスを評価します。以前のPCAは、散在しているデータをアドホック分析し、非常に多くの時間とリソースを必要としていたため、すべてのキャンペーンをこの方法で評価することはできませんでした。
Air Canadaはまず、Snowflakeを使ってデータの一元化を行いました。それから、 DataikuのビジュアルフローとDataOpsを活用して、PCAプロセスの自動化とスケジューリングを導入しました。
顧客＆ロイヤルティ分析チームはプロセスを汎用化（パラメーター化）し、マーケティング関係者がPCAプロセスを実行するには必要なキャンペーンパラメーター（予約日、搭乗日、出発地と目的地、キャンペーンプロジェクト番号、プロモーションコード、登録コードなど）を指定するだけで済むようにしました。そこからは、これまでのように手動でカスタムのアドホック分析を行う代わりに、DataikuによってPCAを自動化し、バッチで処理されるようにしました。
プロセスが実行された後は、すべての出力がPower BIにプッシュされて、マーケティング関係者が単一のダッシュボードで利用できます。その結果、マーケティング関係者は、すべてのキャンペーンについてPCAインサイトに素早くアクセスできるようになり、迅速で的確な意思決定によって継続的にパフォーマンスを向上させることができるようになりました。
Dataikuによってプロセスのオーケストレーションが可能になり、プロセスの自動化、フロー作成、スケジューリングができるようになりました。そのため、手動でコードを書き直したり、これらのプロジェクトをアドホック分析として処理したりする必要がなくなり、アナリストの作業は週に1日数時間に短縮されました。Snowflake（データに簡単にアクセス）やPower BI（出力を簡単に表示）とのシームレスな統合も、プロセス全体の合理化に役立ちました。顧客＆ロイヤルティ分析チーム Air Canada （出典）
顧客＆ロイヤルティ分析チームの任務の1つは、予測モデル、顧客セグメンテーション、フラグ、レコメンダーシステムを通じて、マーケティングキャンペーンに活用できるシグナルを引き出すことです。
DataikuとSnowflakeを活用したソリューションを構築した結果、予測モデルの構築に要する総工数（以前は数週間から数か月）の80％が削減され、わずか数時間に短縮されました。Air Canadaは、顧客について構築するインテリジェンスの民主化に成功し、データサイエンティストが毎回コード内で実行するようなロジックも、一度処理すれば誰でも利用できるようになり、プロジェクトのたびに同じものを一から作る必要がなくなりました。
チームはSnowflakeでCustomer 360ソリューションを作成し、顧客レベルで何百もの特徴量を前処理して、分析やビジネスインテリジェンス（BI）に使用できるようにしました。チームはDataikuのビジュアルフロー、AutoML、カスタム機械学習を活用してCustomer 360をDataikuに接続しました。これにより、複数の潜在的な特徴を簡単かつ迅速に取得できるようにし、数週間から数か月かかっていた新しい予測モデル、顧客セグメンテーション、レコメンダーシステムのトレーニングを数時間で完了できるようになりました。
モデルを作成したら、MLOpsを活用してすべてのスコアがCustomer 360のストレージテーブルにフィードバックされ、標準プロファイルのプロファイリング変数として表示され、マーケティングコミュニティーに民主化されます。
このソリューションによって、チームは実用最小限の製品（MVP）を素早く作成し、さらに時間を投資するかどうかを判断することで、パフォーマンスを向上させ、収益逓減を考慮することができます。
以下のインタビューは、トロントで開催された Everyday AI Conference の際に行われました。
