大規模なプレイヤーフィードバックを管理し、理解しよう
ライブタイトル、本番運用前/運用後、進行中のメンテナンス、将来のリリース、ゲームの別バージョン、または市場向けのまったく新しいタイトルのいずれに取り組んでいる場合でも、常にコミュニティからのフィードバックを求めています。 世の中には不足はありませんが、圧倒され、ふるいにかけるのが難しい場合があります。 PC で出荷され、Valve の Steam ストアを通じて販売されるゲームの場合、タイトルに対するプレイヤーからのフィードバックの優れたソースは、Steam のゲームレビューで見つけることができます。 私たちは 、自然言語と機械学習技術 を組み合わせた、プレイヤーレビュー分析用の新しいソリューションアクセラレータを構築しました。これにより、ゲーム開発者はプレイヤーをより深く理解し、ゲームデザイン、バックエンドオペレーション、ライブオペレーション、マーケティング、そして実際にはすべての事業ラインを通じて対応できるようになります。 Steamのゲームレビューでは、次のことを見ることができます。 生のフィードバック:
実例で見る！企業が生成AIを駆使する方法
生成AI（GenAI）は信じられないほど速く動いています。 その結果、わずか 2 年足らずで GenAI は最もエキサイティングで変革的なテクノロジーの 1 つとして登場し、さまざまな業界の企業がイノベーションを推進し、生産性を高め、優れた顧客体験を提供できるようにしています。 Databricks では、通信、エネルギー、金融サービス、ヘルスケアおよびライフサイエンス、製造、公共部門、メディアおよびエンターテイメント、小売および消費財など、あらゆる業界のプラットフォーム全体で GenAI アプリケーションの需要と開発 が急激に増加しています。 Data + AI Summit が近づくにつれ、私たちはグローバルコミュニティを結集し、すべての人にデータインテリジェンスを提供するという約束を果たしていきます。 GenAI はイベントの中心的なテーマとなり、GenAI アプリケーションの開発と展開をサポートする 130 社以上のパートナー が参加します。...
通信、メディア、エンターテインメントにおけるデータガバナンスの重要な役割
データ分析とAIガバナンスは、データとAIの民主化の取り組みにおいて、おそらく最も重要でありながら最も難しい側面です。 データ分析とAIのニーズに合わせて、ビジネスインテリジェンス用のデータウェアハウスとAI用のデータレイクという 2 つの異なるシステムを導入している可能性があります。 そして今、それぞれが異なるガバナンスモデルを持つ2つのシステム間でデータを移動するデータサイロを作成しました。 ただし、データはファイルやテーブルに限定されません。 また、ダッシュボード、ML モデル、ノートブックなどの資産にはそれぞれ独自の権限モデルがあり、これらすべての資産に対するアクセス権限を一貫して管理することが困難になっています。 データ資産が、アクセス管理ソリューションが異なる複数のクラウドに存在する場合、問題はさらに大きくなります。 良いニュースです。データガバナンスを統合する方法があります。 しかし、なぜ気にする必要があるのでしょうか? 堅牢なデータガバナンスがなければ、チームや企業はオーディエンスを完全に理解でき
スポーツにおけるデータ革命：Databricks Marketplace と Delta Sharing の画期的な影響
一瞬一瞬、あらゆるプレーが結果を左右する、変化の速いスポーツの世界では、高度な分析とリアルタイムデータ知見の必要性がかつてないほど重要になっています。 スポーツ業界は、パフォーマンスを向上させ、ファンを惹きつけ、競争力を確保するための革新的な戦略を常に模索しています。 Databricks MarketplaceとDelta Sharing は、前例のないデータの取得、共有、コラボレーションを促進することで、スポーツ アナリティクスの状況を一変させています。 スポーツにおける Databricks Marketplace の力 Databricks Marketplace は、オープンソースの Delta Sharing 標準を利用した、データ、分析、AI のオープン マーケットプレイスです。これは、独自のプラットフォームや複雑な ETL プロセス、または高価なレプリケーションの制約なしに、組織が機械学習モデル、ノートブック、アプリケーション、ダッシュボードなどの膨大な資産にアクセスできる中央ハブとして機能します
NHLチーム向けマネージドSportlogiqからDatabricksへのデータ取り込みパイプライン：ゲームを変えるアライアンス
概要 競争の激しいプロホッケーの世界では、NHLチームは常にパフォーマンスの最適化を追求しています。 高度なアナリティクスは、この追求においてますます重要になっています。 サードパーティのデータベンダーは、大量の生データやビデオ映像を処理するために、コンピュータビジョンや機械学習などの最先端技術を採用しています。 その目的は、各試合から詳細な洞察を引き出すことです。 こうした細部を総合的に分析することが、勝敗を分けることも少なくありません。 この分野で注目すべきベンダーのひとつが、モントリオールに本社を置くSportlogiq社です。 特許を取得したコンピュータービジョンと機械学習技術を活用し、通常は人間の観察範囲を超えるようなデータを取得・分析します。 Sportlogiqは、スポーツチームやリーグ、メディア、パフォーマンス向上企業など、NHLのさまざまな事業体に包括的な分析サービスとトラッキングデータを提供しています。 しかし、NHLチームがSQL分析を実施し、プレッシャー下での選手の意思決定能力など、特殊な
テック・マーケティングに革命を
イントロダクション 1月4日、GoogleがサードパーティCookieの段階的な削除を開始し、デジタルマーケティングの新時代が始まりました。 当初、この開発はChromeユーザーの1％にしか影響を与えていませんでしたが、これは来るべき事態の明確なシグナルといえます。 サードパーティCookieの終焉は、デジタルマーケティングの新時代の到来を告げるものです。 デジタルエコシステムが進化し続ける中、マーケティング担当者はエンゲージメントと成長へのアプローチを再考する必要があります。戦略を見直し、パーソナライズされた効果的なマーケティングを提供しながらも、ユーザーのプライバシーを優先する新しい方法論を取り入れる瞬間です。 それと同時に、マーケティング分析において「私たちは何を求めているのか？」という疑問も生じます。クッキーは結局のところ、目的のための手段に過ぎなかったのです。 これらのおかげで、私たちが信じていたマーケティングの 効果を 測定 することができました。 多くのマーケティング担当者と同様に、私たちは「 広告
Cracking the Code: Databricksがバイオメカニクスデータでメジャーリーグを再構築する方法
翻訳：Saki Kitaoka. - Original Blog Link バイオメカニカルデータは、メジャーリーグ（MLB）のチームにとって、選手のパフォーマンスを向上させ、怪我を減らすという競争上の優位性を提供する、ゲームを変える要素として登場しました。しかし、その潜在的な可能性にもかかわらず、ほとんどのチームはその能力を十分に活用できずにいます。 バイオメカニクスデータのソースは、ウェアラブルセンサー、フォースプレート、モバイルデバイス、そして特に高速度カメラなど多岐にわたります。2020年、各球場に12台のカメラを戦略的に配置した Hawk-Eye Statcastシステム の登場は、大きな前進でした。これらのカメラのうち5台は投球と打撃専用で、毎秒100フレーム（FPS）で作動。残りの7台のカメラは、フィールドプレーヤーと打球に焦点を当て、50 FPSでデータを取得します。これらのカメラシステムを合計すると、MLBのレギュラーシーズン2,430試合ごとに24テラバイトという途方もない量のデータが生成され
レイクハウス上で「コンポーザブルCDP」を構築するには
翻訳：Saki Kitaoka. - Original Blog Link 顧客データは、あらゆる業界の最新組織にとって生命線です。組織がデータレイクハウスでデータチームとプラクティスをレベルアップするにつれて、レイクハウスをアナリティクスのソース・オブ・トゥルースとしてだけでなく、マーケティング、オペレーション、パーソナライゼーションなどの原動力となるエンジンとして使用するケースが増えています。 Databricks Ventures は、Data Lakehouse ネイティブのカスタマーデータプラットフォーム ( CDP ) を強化するため、Hightouch に投資しました( invested )。Hightouchは、DatabricksユーザーがLakehouseから直接顧客データを収集、保存、モデル化、活性化するために必要なすべての機能を提供します。このLakehouse中心のアーキテクチャは、独自のデータインフラストラクチャを中心とした完全な コンポーザブルCDP を作成します。このブログでは、L
コミュニケーションにおける大規模言語モデル
Original: Large Language Models in Communications 翻訳: junichi.maruyama 通信業界は、ユーティリティから付加価値サービスプロバイダーへの変革期を迎えており、データとAIは、より良い消費者、ネットワーク、パートナ ー体験を提供する中核となっています。データとAIが効率的な成長のために利用されているこの時代、Large Language Models（LLM）は、通信サービスプロバイダーに大きな影響を与えるゲームチェンジ技術として浮上しています。LLMを活用することで、通信プロバイダーは、パーソナライズされた体験、コスト効率の高いネットワークの最適化、より自動化されたカスタマーサポートなど、いくつかの重要な分野で独自の課題に取り組み、新しい機会を生かすことができます： パーソナライズドエクスペリエンスを変革する 消費者が電話やインターネットなどの通信サービスを利用する際に、これまで以上に選択肢が増える中、通信事業者にとって、解約を抑制し、いつでもあらゆ
メディア＆エンターテインメントにおける大規模言語モデル
Original: Large Language Models in Media & Entertainment 翻訳: junichi.maruyama メディア＆エンターテインメント業界は、データを中心とした革命の真っ只中にあり、消費者をあらゆる体験の中心に据えています。あらゆる規模の組織が、パーソナライズされた1:1体験を大規模に提供する次の破壊的イノベーションを実現するために、今、探求を続けています。特に、あるテクノロジーは、このゲームを根本的に変える力を持っています： ラージ・ランゲージ・モデル（LLM）です。LLMは、ユニークなコンテンツを生成するだけでなく、複雑な情報を深く理解し、人間のような対話をシミュレートする力を備えています。このブログでは、パーソナライゼーション、マネタイズ、コンテンツ制作という3つの主要分野におけるLLMの変革の可能性について説明します。これにより、メディアやエンターテインメント業界のデータおよびAIリーダーは、現実の世界にインパクトを与え、新しい収益源を開拓するこ