tokyo azure meetup #6 - azure machine learning with microsoft dynamics

Tokyo Azure Meetup

@TaikiYoshidaJP

Taiki Yoshida 吉田大貴Engineer at

Microsoft

Dynamics NAV

Microsoft

Azure

Microsoft

Dynamics CRM

Office 365

VMware vSphere

@TaikiYoshidaJP bit.ly/1UQyXTq

Experiences in…

Windows Server

Recent Trend in Business

スマートデバイスの使用数…24億

SNSのアカウント数…20億

IoTデバイスの接続数…80億

より良い体験のためにお金を惜しまない人…86％

Of customers will pay more for a better customer experience86%

3B

2.4B

2B

80B

インターネットユーザー数…30億

Active Internet users

Connected IoT devices by 2025

Smart devices by 2018

Active social media accounts

2020年までには、金額でも製品でもなく、すばらしい経験を求めて、ブランドを選ぶようになるだろう

Customer Experience will take over price and product

as the key brand differentiator

Digital winners are already taking over the marketデジタル化を進めている企業が市場を拡大

Digital Leaders,

69.80%

Digital Leaders,

77.10%

Everyone else,

30.20%

Everyone else,

22.90%

OVERALL MARKET SHARE

PERCENTAGE OF PROFITS

利益の割合

マーケットシェア率

Source: Constellation Research, Inc.

Disney + IoT = Magic Band

• Used for

• Entering the park

• Pay Goods

• Unlock your hotel room

• Queue for Attractions

• Cloud Services for Photos

Source: Walt Disney World Resort

• 使用例

• テーマパークへの入園

• 商品の支払い

• ホテルのルームキー

• アトラクションの予約

• 写真のクラウドサービス

MAGICBAND is a trademark of Disney Enterprises, Inc.

Transform the businessビジネスを改革

Source: Microsoft Envision 2016

Transform the businessビジネスを改革

Azure Machine

Learning

Microsoft

Dynamicswith

Harnessing terabytes of data from over 13,000 engines to help airlinessave up to $1 million a day in unscheduled downtime

13000台のエンジンを監視し、

故障を未然に防ぎ、1日あたり1億ドルを削減

Azure IoT

Suite

Cortana

Intelligence

Suite

Power BIDynamics

CRM


Rolls Royce + Microsoft

Source: Microsoft “Customer Driven”

Topics Covered Today

• Before you start…

• Introduction to Microsoft Dynamics

• Introduction to

Azure Machine Learning

• Microsoft Dynamics +


• Technical Session• C#

• Dynamics CRM Setup

• Azure ML Web API Setup

From data to decisions and actions

Interactive dashboards

PredictionsWhat will happen?

RecommendationsDecision automation

Decision support

Value

Static reports


データから決断と行動へ

対話型ダッシュボード

予測何が起きるのか？

提案判断の自動化

判断の支援

価値

静的レポート


システム導入のゴールは、機械学習システムを導入して終わりではなく、人々がシステムには判断できないことを判断し、行動を起こせるようになることでは…？

Isn’t the goal of a system implementation to empower people to make decisions that only human can make? And not to just implement a Machine Learning system?

Transform data into intelligent action

DATA

Business apps

Custom apps

Sensors and devices

INTELLIGENCE ACTION

People

Automated Systems


データを活用できる行動へと変化させる

データ

業務アプリ

カスタム

アプリ

端末や

センサー

知的資産行動

人々

自動化

システム


製品について

Some Examples of Microsoft Dynamics Products

Microsoft

Dynamics CRM

Microsoft

Dynamics NAV

Microsoft

Dynamics Marketing

Microsoft

Dynamics AX

Customer Relations,

Service Management顧客管理

サービス管理

ERP for SMBs中小企業向けERP

Marketing

Managementマーケティング管理

Enterprise Resource

Planning統合基幹システム

Microsoft

Dynamics GP

Microsoft

Dynamics SL

Microsoft Dynamics製品例

Microsoft Dynamics CRM

Microsoft

Dynamics CRM

Microsoft

Dynamics NAV

Microsoft

Dynamics Marketing

Microsoft

Dynamics AX

Customer Relations,

Service Management顧客管理

サービス管理

ERP for SMBs中小企業向けERP

Marketing

Managementマーケティング管理

Enterprise Resource

Planning統合基幹システム

Microsoft

Dynamics GP

Microsoft

Dynamics SL

Dynamics CRM – Sales

22

Evaluate評価

Create Proposal提案作成

Proposal提案

Deal Closedクローズ

Source: Microsoft Japan

Dynamics CRM – Services

23

Identify特定

Researchリサーチ

Solve解決


Dynamics CRM – Marketing

24

Potential Customers

潜在的な顧客

Existing Customers

既存顧客


Dynamics CRM

Marketing

CustomerSalesperson

SocialConnections

Activities

Sales Customer Service

Marketing

ListCampaigns

Sales

Opportunity

Quotes,

Orders,

Invoices

Support

TicketsServices


Dynamics CRM

マーケティング

取引先企業担当者

ソーシャルつながり

活動

営業顧客サービス

マーケティング

リストキャンペーン営業案件

見積

受注

請求書

サポート

案件サービス


Azure Machine Learning について

What is Machine Learning ?

Big ArchivePast data

Missing, UnseenNot existing

Known data+

Algorithms

Known Data Unknown DataModel

Source: Github – “Azure Readiness”

機械学習とは？

過去のビッグデータ

存在しない未来のデータ

既知のデータ＋

アルゴリズム

既知のデータ未知のデータモデル


• Blobs and Tables

• Hadoop (HDInsight)

• Relational DB (Azure SQL DB)

Data Clients

Model is now a web service that is callable

API from marketplace

API

Integrated development environment for

Machine Learning

ML STUDIO


• Blobs やテーブル

• Hadoop (HDInsight)

• リレーショナル DB

(Azure SQL DB)

データクライアント

Webサービスとして利用できるモデル

マーケットプレース

から入手できるAPI

API

機械学習を

するための

統合された開発環境

ML STUDIO


1

Problem

Framing

2

Get/Prepare

Data

3

Develop

Model

4

Deploy

Model

5

Evaluate /

Track

Performance

Steps to Build a Machine Learning Solution

3.1

Analysis/

Metric

definition

3.2

Feature

Engineering

3.3

Model

Training

3.4

Parameter

Tuning

3.5

Evaluation


1

問題定義

2

データの

準備

3

構築

4

展開

5

評価

機械学習ソリューション構築の手順

分析範囲

の定義

機能工学

モデルの

学習

パラメータ

の調整

評価


Weather forecast sample天気予報サンプル


12°C 25°C 10°C 2°C1990

16°C 31°C 12°C 4°C2000

15°C 29°C 13°C 1°C2010

Known data既知のデータ

Spring Summer Autumn Winter


12°C 25°C 10°C 2°C1990

16°C 31°C 12°C 4°C2000

15°C 29°C 13°C 1°C2010


ModelSpring Summer Autumn Winter


12°C 25°C 10°C 2°C1990

16°C 31°C 12°C 4°C2000

15°C 29°C 13°C 1°C2010

? ? ? ?2020


Model

Unknown data未知のデータ

Spring Summer Autumn Winter


Model (Regression) 回帰モデル

30°C

0°C

12°C 25°C 10°C 2°C1990

16°C 31°C 12°C 4°C2000

15°C 29°C 13°C 1°C2010

Spring Summer Autumn WinterWinterAutumn



30°C

0°C

12°C 25°C 10°C 2°C1990

16°C 31°C 12°C 4°C2000




30°C

0°C

12°C 25°C 10°C 2°C1990

16°C 31°C 12°C 4°C2000

15°C 29°C 13°C 1°C2010

Predict 2020 Winter



bit.ly/28V1olU

http://bit.ly/28V1olU

Model (Decision Tree) 決定木モデル

Temp>30

気温

Weather = Sunny

天気 = 晴れ

Beer

ビール

Coffee

ホットコーヒー

Season = Summer

季節 = 夏

Weather = Sunny

天気 = 晴れ

Beer

ビール

Coffee

ホットコーヒーCoffee


Predicted Result予測結果


Model (Decision Tree) 決定木モデル

Temp>30

気温

Weather = Sunny

天気 = 晴れ

Beer

ビール

Coffee


Season = Summer

季節 = 夏

Weather = Sunny

天気 = 晴れ

Beer

ビール

Coffee

ホットコーヒーCoffee


Temp 30Summer 夏Sunny 晴れ

Unknown Data未知のデータ

Predicted Result予測結果


Classify a news article as (politics, sports, technology, health, …)

Politics?政治

Sports?スポーツ

Tech?テクノロジー

Health?ヘルスケア

Model (Classification) 分類モデル


Adjust Parametersパラメータの調整

Developing a Model モデルの構築

Documents Labels

Tech

Health

Politics

Politics

Sports

Training data学習データ

Train the Model

モデルを学習

Feature Vector特徴ベクトル

Base Modelベースモデル


Model’s Performance

Known data with true labels

Tech

Health

Politics

Politics

Sports

Tech

Health

Politics

Politics

Sports

Tech

Health

Politics

Politics

Sports


Difference between“True Labels” and “Predicted Labels”

TrueLabels

Tech

Health

Politics

Politics

Sports

PredictedLabels

Train the Model

Sp

lit

Detach

+/-+/-

+/-


モデルのパフォーマンス

正解が含まれた実データ

Tech

Health

Politics

Politics

Sports

Tech

Health

Politics

Politics

Sports

Tech

Health

Politics

Politics

Sports


Difference between“True Labels” and “Predicted Labels”

正解値

Tech

Health

Politics

Politics

Sports

予測値

モデルを学習

分解

分離

+/-+/-

+/-


Example use cases


Tokyo Azure Meetup

Dynamics CRM Data

Data

データ

Clients

クライアント

Web API Call via

Dynamics CRM

Recommendation API


JSON

Tokyo Azure Meetup

@TaikiYoshidaJP

Taiki’s Memorandum (吉田の備忘録)

http://ty-memo.azurewebsites.net

Disclaimer:

The contents of this document are provided “AS IS”. This information could contain technical inaccuracies, typographical errors and out-of-date information.

This document may be updated or changed without notice at any time. Use of the information is therefore at your own risk.

In no event shall the author be liable for special, indirect, incidental or consequential damages resulting from or related to the use of this document.

Contents expressed in this document are not the official announcement, strategy, or opinion of the company that the author belongs to.

免責事項

本資料への情報・資料の掲載には注意を払っておりますが、掲載された情報の内容の正確性については一切保証しません。また、本資料に掲載された情報・資料を利用、使用、ダウンロードするなどの行為に関連して生じたあらゆる損害等についても、理由の如何に関わらず、作成者は一切責任を負いません。また、本資料に掲載している情報には、第三者が提供している情報が含まれていますが、これらは皆さまの便宜のために提供しているものであり、その内容の正確性について、作成者は一切責任を負いかねますのでご了承ください。

本資料の掲載内容は、個人の見解であり、所属団体及び組織の立場、戦略、意見を代表するものではありません。