当サイトのご利用にあたって・プライバシーポリシー  サイトマップ  お問い合わせ 

 



ISMSの認証を取得致しました

IS94897
ISO/IEC 27001:2005 /
JIS Q 27001:2006


「SLFD®」を活用したコンサルティングサービス提供のご案内 2012年4月12日
旧取締役辞任および新取締役選任についてのお知らせ 2011年12月12日
2013年新卒採用スタート 2011年12月1日
FEGリテール戦略セミナーを開催 2011年12月1日
国際的データマイニング・コンテストで世界第2位に入賞 2009年6月18日
過去のお知らせ

データマイニングツール「SLFD®」を活用したコンサルティングサービス提供のご案内

米国Salford Systems社のデータマイニングツールの日本語バージョン「SLFD®」を活用したコンサルティングサービスを、2012年4月より本格的に開始いたしました。


当社は、「SLFD®」の先進ユーザーとして、データマイニング分析プロジェクトへの試行活用や、Salford社との技術交流を実施し、マイニング技術の世界的なコンテストであるKDDCup(2009年度)に於いては、このツールを用いて世界第2位を獲得しました。
これらの活動を通して蓄積した知見を基に、お客様が抱える各種課題(①金融分野でのリスク分析、②マーケティング分野でのニーズ分析、③テレコム分野での契約者行動予測などの大規模データを対象とする分析課題)に対し、より精緻なコンサルティングサービスを提供いたします。


尚、自社でデータ分析を実施されている企業様や、研究機関様に於かれては、「SLFD®」のみのご提供も承りますのでご相談願います。


コンサルティングサービスやツールの導入に興味をお持ちの場合には、下記のメールアドレスにお問い合わせ下さい。
・FEGへのお問い合わせ先: 


製品の詳細については、下記のURLをご参照ください。
・新日鉄ソリューションズホームページ
 URL: http://www.ns-sol.co.jp/ss/finance/datamining.html
・Salford Systems社ホームページ(英語)
 URL: http://www.salford-systems.com


【学術関係者の皆様へ】
新日鉄ソリューションズ株式会社は、SLFD®の6ヶ月無料アカデミックトライアル版を提供しております。詳細については、上記の新日鉄ソリューションズホームページをご参照ください。


※SLFD®は、新日鉄ソリューションズ株式会社の登録商標です。




旧取締役辞任および新取締役選任についてのお知らせ

平成23年12月1日に行われた臨時株主総会にて 伊阪洋一 が取締役を辞任し、新たに 田中晋作 が取締役に選任されましたので、以下の通りお知らせ致します。


-記-
新任 取締役   田中 晋作
辞任 取締役   伊阪 洋一


以上
平成23年12月1日付
株式会社金融エンジニアリング・グループ
取締役会



2013年新卒採用スタート

2013年卒業予定の方を対象とした新卒採用がスタートしました。
詳細は、下記URL(就活サイト“日経就職ナビ”当社ページ)をご覧ください。

URL https://job.nikkei.co.jp/2013/corp/00010103/index/index/
(日経就職ナビへの登録が必要となります。)


FEGリテール戦略セミナーを開催

11月2日(水)東京住友ツインビルにて、「FEGリテール戦略セミナー」を開催し、65名の方にご参加いただきました。


  

セミナーにご参加いただいた皆様にはご多用のところ足をお運びいただき、誠にありがとうございました。



国際的データマイニング・コンテストで世界第2位に入賞

 データマイニングの分野で活発な研究活動を行っている国際的団体に、ACM/SIGKDD(注1)があります。毎年、同団体主催でKDDカップ(Knowledge Discovery and Data Mining Cup)と呼ばれる競技会が開催され、精度の高いモデルを構築する技術を競っています。今年は450を越えるチームが全世界からエントリーし、その中で、当社は SLOW TRACK (モデル構築の期間が1ヶ月)のセクションで過去最高の第2位となり、また、FAST TRACK(モデル構築の期間が5日間)のセクションでも入賞は逸しましたが第5位となりました。

 今年のテーマは、携帯電話のチャーニング(乗り換え)、クロスセル、アップセルに関わる問題でした。これらの行動に関する個人データを分析して予測モデルを構築し、その精度につき競います。具体的には、主催者側より上記行動を行ったかどうかを示すフラグが付いたデータセットが提示され、構築したモデルをフラグが付いていないデータセットに適用し、ROC(注2)を尺度とし判定し、その説明力により精度を競います。3つの行動確率が予測されますが、最終評価は3つのROCの平均値が対象となります。説明変数はLARGE(変数が約1万5千項目)とSMALL(変数が240項目)の2種類が用意されました。

 当社は若手のコンサルタント主体に4チーム(各チーム4名程度)を編成し、基本的には各自、業務終了後の作業で対応しました。各チームそれぞれ工夫を凝らした分析手法を採用しました。第2位になったチームが採用した分析手法は、Stochastic Gradient Boostingと呼ばれるもので、変数の選択・加工のステップにかなり独自の工夫をこらしています。必ずしも、採用した手法・ツールのみで分析の精度が決定するわけではありませんが、日頃の実務経験によって蓄積された分析に関するノウハウが活かされたものと考えています。

 利用したツールは米国製の商用ソフトウェアで、日本では当社の親会社である新日鉄ソリューションズ株式会社が販売しております。日本語版についても近いうちに販売開始予定です。

本件問合せ先

(注1)ACM : the Association for Computing Machinery
 SIGKDD:Special Interest Group on Knowledge Discovery and Data Mining
(注2)ROC :Receiver Operating Characteristic


ページトップへ

最新のお知らせはございません。


ページトップへ