データ分析ツールの提供
ノーコード×AutoML×意思決定支援。現場で“使われ続ける”データ分析ツールを。
MyStoryは、非技術者でも簡単に機械学習モデルを構築できるAutoMLから、モデル監査・意思決定シミュレーション、時系列予測特化ツール、因果推論によるA/Bテスト・効果検証まで、ビジネスの現場で使えるデータ分析ツール・機械学習ツール群をご提供します。
『DAVinCI LABS』（回帰・分類・時系列などのAutoML）／『DEIN STATION』（モデル精査・KPIシミュレーション）／『Lead』（時系列予測特化AutoML）に加え、因果推論ツール『Causal Story』（仮称・2026年4月頃提供予定）をラインアップ。要件定義・実装・運用・教育まで伴走し、現場で運用されるデータ分析・機械学習モデルのROIを最大化します。
| ツール名 | 概要 |
|---|---|
| DAVinCI LABS | データ前処理〜アルゴリズム選定〜ハイパーパラメータ最適化〜評価・説明性の自動化。ノーコードでデータ分析・機械学習モデルの作成と比較が可能なデータ分析ツールです。 |
| DEIN STATION | 誤差の集中条件を特定し、スコア閾値・配布ルール変更時のKPIを事前に試算。構築済みの機械学習モデルを監査し、意思決定シミュレーションを行うための分析ツールです。 |
| Lead | 需要予測・在庫最適化・販促需要見込みに。ARIMA/ETS/Prophet/ツリー系を自動比較し、SMAPE等で精度管理する時系列予測特化のデータ分析・機械学習ツールです。 |
| Causal Story | A/Bテストのサンプルサイズ設計、観測データでの因果効果推定（差分の差分法・傾向スコアマッチング・回帰不連続デザインなど）を支援する因果推論データ分析ツールです。 |
DAVinCI LABS（AutoML・データ分析／機械学習ツール）
- ・機械学習モデルを素早く量産し比較したい
- ・統計やプログラミングの専門知識がなくても使いたい
- ・時系列予測を含む複数アルゴリズムを横並びで精度比較したい
回帰・分類・時系列などに対応したAutoML型のデータ分析ツール。データ前処理、最適アルゴリズム選定、ハイパーパラメータチューニング、機械学習モデルの作成と精度評価を自動化します。ビジネスユーザーでも扱えるノーコードUIで、データドリブンな意思決定を後押しします。
- ・複数アルゴリズム（ARIMA/LSTM/XGBoost等）を一括比較し、最適な機械学習モデルを選定
- ・評価指標・変数重要度・説明性（SHAP）を自動出力
- ・ノーコード操作で現場導入が容易、PoC→本番展開まで短期化
DEIN STATION（モデル精査／意思決定シミュレーションツール）
- ・現行モデルが“どの条件で”外しているかを可視化したい
- ・意思決定ルール（スコア閾値など）を変えた時のKPI影響を前もって知りたい
- ・モデルの監査性/再現性を高めたい
構築済みデータ分析・機械学習モデルのKPIパフォーマンスを分解表示。誤差の出やすい条件を特定し、閾値や配布ルールを変更した場合のビジネスKPIをシミュレーションできます。機械学習モデル運用の“見える化”に最適な分析ツールです。
- ・誤差の集中領域を特定し、モデルトラブルの早期発見に貢献
- ・意思決定ルール変更時のKPI改善幅を事前検証（シナリオ比較）
- ・監査ログ／評価指標の自動出力で再現性を担保
Lead（時系列予測特化型データ分析ツール）
- ・需要予測や在庫最適化を素早く回したい
- ・時系列モデルだけを安価に、簡単に試したい
- ・実務で通用する精度・再現性を担保したい
時系列予測に機能を限定した軽量AutoML型データ分析ツール。UIを極力シンプルにし、短時間で予測・比較・配信まで到達できます。実務で数百件規模の時系列案件を監修した知見を反映し、高い精度と運用のしやすさを両立します。
- ・ARIMA/ETS/Prophet/ツリー系 などの自動比較・モデル選定
- ・需要予測／発注・在庫平準化／販促需要の見込みに活用
- ・軽量UIで導入容易、学習コストを最小化
Causal Story（因果推論データ分析ツール）※2026年4月頃ローンチ予定
- ・A/Bテストの必要サンプルサイズをすぐ知りたい
- ・倫理・業務上の制約でランダム化が難しいが、効果検証を行いたい
- ・バイアス要因を統制し、正しく因果効果を推定したい
A/Bテストの必要サンプル数を条件入力だけで算出。差分の差分や傾向スコア、ダブルロバスト等の因果推論アプローチで、ランダム化が難しい環境でも“明らかにしたい効果”を推定します。因果推論に特化したデータ分析ツールとして、施策の意思決定を支援します。
- ・サンプルサイズ設計を自動化：過小/過大設計のリスクを低減
- ・観測データでも因果効果を推定（バイアス要因の特定・統制）
- ・A/Bテスト結果の信頼性向上、施策判断の精度を担保
