現在、企業はAIと機械学習（ML）の力を利用して意思決定を強化することに注力しています。しかし、MLモデルとデータサイエンス技術の複雑さにより、データサイエンティストがいない組織やデータサイエンスリソースが限られている組織では、このような問題が生じます。また、強力なデータアナリストリソースを持つ組織にとっては、複雑なMLモデルやフレームワークが過剰に感じられる場合があり、より迅速かつ質の高いインサイトの獲得を妨げる可能性があります。

Snowflake Cortex ML関数は、MLフレームワークとアルゴリズムの複雑さを取り除き、データサイエンスプロセスの多くを自動化し、すべての人のためにMLを民主化するために開発されました。 

これらの機能により、特にデータアナリスト、データエンジニア、市民データサイエンティストにとって、異常検知によるデータ品質モニタリングや時系列予測による小売販売予測などの業務がより迅速かつ容易で強固なものになります。

この関数スイートの継続として、Snowflake Cortex ML Classificationは現在パブリックプレビュー中です。データアナリストは事前に定義されたクラスやラベルにデータを分類することができ、バイナリ分類（2つのクラス）とマルチクラス分類（3つ以上のクラス）の両方がサポートされます。リードスコアリングやチャーン予測などのユースケースでは、これらすべてをシンプルなSQLコマンドで実行できます。 

自分がマーケティングチームのデータアナリストで、チームが最優先の販売リードに対して迅速にアクションを起こし、販売とマーケティングへの投資からの価値を最適化したいと想像してみてください。 

ML Classificationでは、特定のリードをコンバージョンする可能性の高いリードとして簡単に分類し、フォローアップの優先順位を高めることができます。また、コンバージョンの可能性が低い顧客については、マーケティングチームが育成するか、接触頻度を減らすかを選択できます。

ML Classificationは次の2つのシンプルなステップで実行できます。まず、過去に追跡したすべてのリード（「コンバージョン済み」または「未コンバージョン」のいずれか）について、CRMデータを使用して機械学習モデルをトレーニングします。 次に、そのモデルを使用して、新しいリードをコンバージョンする可能性の高いリードとそうでないリードに分類します。 

Snowflake ML Classification予測を生成すると、予測された「クラス」（変換される可能性が高いかそうでないか）だけでなく、その予測の確率も得られます。これにより、コンバージョンする可能性が最も高いリードに優先的にアウトリーチとマーケティングを行うことができます 。 

以下は、わずか数行のSQLで分類を使用する方法です。

上記のSQLは、新しいリードがコンバージョンに至る可能性を評価するために繰り返し使用できるMLモデルを生成します。また、予想されるクラス（変換される可能性が高いかそうでないか）だけでなく、各クラスの確率を含む予測テーブルも生成します。 

予測されたクラスとそのクラスの確率のみを抽出したい場合は、次のSQLを使用して結果を解析できます。

この分類関数は、モデルの評価（「私のチームが使用するのにこれで十分か？」）とモデルの理解（「私がトレーニングしたデータのどの部分がモデルにとって最も有益か？」）をサポートするために、評価メトリクスと特徴量重要度データを生成します。 

ML Classificationは、チャーン予測などの他のユースケースにも使用できます。たとえば、解約の可能性が高いと分類された顧客を、特別オファー、パーソナライズされたコミュニケーション、その他の維持活動でターゲティングできます。

上で説明したチャーン予測とリードスコアリングの2つの問題は、予測する値がわずか2つの値をとるバイナリ分類問題です。この分類関数は、予測する値が3つ以上の値になるマルチクラスの問題を解決することもできます。たとえば、マーケティングチームが購買習慣、人口統計、サイコグラフィック特性に基づいて顧客を3つのグループ（ブロンズ、シルバー、ゴールド）にセグメント化するとします。この分類機能は、新規顧客と潜在顧客をこれら3つの価値ベースのセグメントに簡単に分類するのに役立ちます。 

顧客行動予測プラットフォームのFaradayは、プライベートプレビュー中にML分類を使用しています。Faradayは、分類モデルを顧客のSnowflakeデータのすぐそばに置くことで、次世代AI/MLの利用を促進し、顧客にとっての価値を高めています。

「Snowflake Cortex ML関数により、データエンジニアリングチームは顧客のデータが存在する場所で複雑なMLモデルを実行することができます。Faradayの共同設立者兼CTOであるSeamus Abshere氏は、次のように述べています。「これにより、すぐに使えるデータサイエンスリソースが提供され、分析を実行するためにお客様のデータを移動する必要がなくなりました。「Cortex ML Classificationの一般公開は、データエンジニアリングとデータサイエンスの分離という長い伝統を破壊する大きな成果です。」

機械学習分類のエクスペリエンスを継続的に改善するため、トレーニングデータと予測データにおけるテキストとタイムスタンプのサポートをリリースする予定です。また、トレーニングと予測で使用できるデータ量、トレーニングと予測の速度 、モデルの精度を継続的に改善しています。

私たちは、AIとMLをすべてのデータアナリストとデータエンジニアに渡すだけでなく、ビジネスユーザーにも力を与えたいと考えています。そのため、Snowflake Cortex UIは現在プライベートプレビュー中です。 

このクリック可能なユーザーインターフェイスは、Snowflakeのお客様がSnowsightからSnowflake Cortexの機能を見つけるために役立ちます。また、データの選択、パラメータの設定、AIおよびMLモデルの定期的なトレーニングと予測のスケジューリングを、すべて使いやすいインターフェイスを通じてユーザーに示します。 

Snowflake Cortex ML関数の詳細については、Snowflakeのドキュメントを参照するか、こちらのクイックスタートをお試しください。