大阪大学 数理最適化寄附講座教授に聞く、実務における「数理最適化」活用のポイント：リクルート事例で分かる数理最適化入門（終）

リクルートにおける数理最適化の応用事例を通じて、数理最適化とは何か、どのようにビジネスに応用できるのかを紹介する連載。最終回は趣向を変え、リクルートのデータサイエンティストが大阪大学の梅谷俊治教授に数理最適化を活用する上でのポイントを聞いた。

[西村直樹, 濱田賢吾，リクルート]

　本連載「リクルート事例で分かる数理最適化入門」では、数理最適化とは何か、どのような活用法があるのかを、リクルートにおける具体例を通して紹介してきました。

　今回は、リクルート以外にもさまざまなプロジェクトに関わり、専門家としての視点からリクルートの取り組みにアドバイスを提供していただいている大阪大学の梅谷俊治教授をお招きし、数理最適化を活用する上でのポイントを、西村直樹と濱田賢吾の2人が伺いました。

ビッグデータ、データサイエンスを経ていよいよ出番が来た「数理最適化」

西村　まず、実務の中において数理最適化をどう位置付けるべきかを伺います。

梅谷　数理最適化には長い歴史がありますが、逆にいうと、なかなか十分な活用に至りませんでした。データを活用できる環境が整い、ようやく今、出番がやってきたと考えています。

　私は講演のたびに、「ビッグデータからデータサイエンス、そして数理最適化へ」という流れがあると説明しています。数年前にビッグデータという言葉が流行し、「とにかくデータを収集できる環境を構築しよう」という機運が高まりました。次に、「データを集めたのはいいが、その中身をきちんと分析しなければ価値を生まない」ということで、データサイエンスが注目されました。

　数理最適化はその次に来るものだと思います。「データ分析の結果を最終的な意思決定や計画に落とし込むところで数理最適化が使われるようになってきた」という流れです。コンサルティングの領域で言う「記述的」「予測的」「処方的」のうち、処方的の部分に該当するのが数理最適化ですね。

西村　私も近い考え方です。予測がある程度でき、素地（そじ）が整ってきた今だからこそ、数理最適化というアプローチが活用できるようになったと思います。

　連載でも紹介したギフト券の配信最適化の例では、まず、ギフト券を配信した際の予約数や利用金額をある程度予測できるようになりました。ただ、単純に予約確率が高いと予想されるユーザーから順にギフト券を配るだけでは、あまり筋が良くありません。「予測に基づいて、いかに利用者数を最大化する配信パターンを決定するか」という本当にやりたいことを実現する上で、数理最適化が生きています。

　『Airレジ』のキッチンモニターによる調理順の最適化の例も同様です。単純に、予測される調理期限が近いものから処理するだけではベストな方法にはなりません。予測した上で、調理の所要時間も加味して全体の遅れを最小化するところに数理最適化が役に立っています。こうした例が示すように、予測までのステップがある程度信頼できるものになっているからこそ、数理最適化が役立っているように思います。

梅谷　そうですね。単純に「スコアが高い順に並べればいい」という話ではなく、さまざまな制約を考慮した計画に対応できることが数理最適化の強みであり、ユーザーにとってうれしいところだと思います。

言葉に踊らされると行き詰まる？　数理最適化活用のポイント