Aera Technologyの決定知能ソフトウェアベンダーに関するレビュー

著：Léon Levinas-Ménard
最終更新: 2025年9月

市場調査に戻る しじょうちょうさ

Aera Technology（旧称 FusionOps）は、マウンテンビューを拠点とするエンタープライズ向けソフトウェアベンダーで、大企業向けの「ディシジョンインテリジェンス」に注力しています。同社のクラウド製品である Aera Decision Cloud は運用システムに接続し、データを統合して Decision Data Model を構築、Aera Cortex 内で分析／機械学習を実行し、パッケージ化された Skills を通じてランキング付きの推奨事項を提示、承認されたアクションをソースシステムへ逆送信し、継続的な学習のために結果を記録します。このプラットフォームはシナリオモデリング用の Workspaces のほか、エンドツーエンドの意思決定パイプラインを監視する Control Room および Decision Board を追加し、会話型の Aera Chat インターフェースがスタック上に重ねられています。公開された販促資料、特許、求人情報からは、コンテナオーケストレーション（Kubernetes/AKS）、Python中心のデータ／機械学習、GitOps/IaC、およびオブザーバビリティツールを備えた最新のクラウドアーキテクチャが示唆され、デプロイメントはパブリッククラウド上のSaaSとして位置付けられ、ERP/APSへのコネクタや「逆送信」が特徴とされています。Aeraは2017年ごろにFusionOpsからブランド変更を行い、150百万ドル以上の資金調達を実施しました（NEA主導の2017年ファイナンス、DFJ Growth主導の2019年シリーズC）。同社はエージェンティックAIを用いて意思決定フローの構築と運用を行い、特にサプライチェーンに隣接する分野（計画、物流、受注管理、販促）において、初期ユースケースで数週間という短期間での効果を主張しています。

Aera Technologyの概要

製品が提供するもの（具体的な範囲）。 Aera Decision Cloudは、複数コンポーネントからなるSaaSプラットフォームで、次の機能を実現します：

  • データの収集と統合を、内部／サードパーティシステムからの Data Crawlers を通して行い、ベンダー定義の Decision Data Model (DDM) を具現化します。これは生のOLTPスキーマではなく、意思決定ロジックに最適化されています。123
  • Aera Cortex 内で洞察を計算し（予測、シミュレーション、最適化モデルを含む「コンポジットAI」層として説明される）、ロジックを再利用可能でドメインに特化した Skills にパッケージ化します（各Skillは、データ準備、機械学習／解析、意思決定ルール／フロー、およびソースシステムへの実行ロジックを組み合わせています）。45
  • Decision Engagement UI、Decision Board（パイプラインと結果の追跡）、Aera Inbox（系統情報と予測される影響を伴う承認／上書き）、および Aera Chat（文脈に即した会話型アクセス）を通じて、ユーザーとの関わりを深め、自動化されたアクションを実行します。678
  • Control Room（オーケストレーション、追跡、SLA／スループットビュー）および Workspaces（what-ifモデリング；戦略レベルのシナリオ）を用いて意思決定を実行します。910
  • Notebook（Jupyter/R）による開発者アクセス拡張と、最近ではユーザーが自然言語プロンプトやオプションの埋め込みSQL／Pythonスニペットを用いてSkillロジックやデータパイプラインを構築できる「エージェンティックAI」を追加しています。1112

逆送信およびクローズドループの証拠。 複数のベンダー資産はシステム・オブ・レコードへの逆送信を強調しており、製品は解析から意思決定実行へと昇華し、ユーザー／自動化による結果が記録されることで継続的な学習が可能となっています。781314

グラフと内省。 2022年のリリースでは、Graph Explorer と信頼度スコアが導入され、意思決定の系統や不確実性を追跡、DDM上に構築された知識グラフのような内部表現と整合性が図られました。15

実行環境。 掲載情報には AWS Marketplace の提供や「数日または数週間」での立ち上げに関するガイダンスが示され、求人情報には AKS（Azure Kubernetes Service）、GitOps/IaC、オブザーバビリティスタック（Argo CD、Crossplane、Terraform、Prometheus/Grafana、Azure Monitor、OpenTelemetry）への言及があり、強力なAzure/Kubernetes基盤によるマルチクラウド対応が示唆されています。16133

効果が証明されている事例。 サードパーティのプレスは初期導入例（例：Merck KGaA）を取り上げ、AeraはGartner／IDCのディシジョンインテリジェンスに関するノートやイベントに頻繁に登場しています。ピアレビューサイトでは「Aera Decision Cloud」がディシジョンインテリジェンスプラットフォームの一つとして挙げられています。1718191310

歴史、資金調達、主要なマイルストーン

  • 起源とブランド変更。 Aeraはサプライチェーン分析会社である FusionOps にそのルーツを持ち、2017年にFusionOpsは$50Mの資金調達と「Self-Driving Enterprise」というポジショニングとともにAera Technologyへとブランド変更しました。2021
  • 資金調達。 DFJ Growth主導の**$80MシリーズC**（2019年6月）により、報告される総資本は約$170Mに達し、NEAおよびGeorgianも参加しました。22
  • 製品化のタイムライン（選定されたベンダー日付のマイルストーン）。 – 「Decision Cloud」という名称が付けられ、パッケージ化され、初期には「Cognitive Operating System」というメッセージが打ち出されました。710 – データサイエンス向け Notebook (Jupyter/R) が2022年に発表されました。11 – Graph Explorer と信頼度スコアリングが2022年に導入されました。15 – Agentic AI、Workspaces、Control Room のアップデートが2024年11月に実施され、ノー／ローコードとオーケストレーションが拡充されました。14 – Agentic AI のリリースペースは2025年6月にも継続され、自然言語によるSkill構築とAI支援によるデータオンボーディングが行われました。12
  • アナリストの言及。 Gartnerのマーケットガイド（2023年のサプライチェーンA&DI、2024/2025年のディシジョンインテリジェンスノート）およびIDC MarketScape（2024年リーダー）に代表的ベンダーとして名前が挙げられました。131949
  • 買収。 Aera Technologyが買収された、または買収を実施したという信頼できる公開記録はなく、Aera Energy（2024–2025年に買収された無関係な石油合弁会社）と混同しないでください。構造化されたスキャンではAera TechnologyのM&A開示は見つからず、第三者集約サイトの「買収」に関する情報には検証可能な詳細が欠けています。11671716

主要な知的財産。 Aeraの**「Cognitive Automation Platform」**特許出願（US 2022/0067109 A1）は、イベントを取り込み、推奨事項を計算し、エンタープライズシステム全体でアクションを実行するプラットフォームについて記述しており、その後の記録で特許ファミリーの一員として認められたことが示されています。2324

製品アーキテクチャ、コンポーネント、および仕組み

データ取得とモデリング。 AeraはData Crawlersを使用し、ERP／APS／CRM／外部データから抽出・ストリーミングを行い、意思決定の計算と系列追跡に最適化されたDecision Data Model（DDM）に正規化します。同社は「数十億件のトランザクション」規模でのリアルタイム取り込みと統合を主張しています。123

演算（Aera Cortex）とSkills。 Cortex内部では、Aeraが機械学習モデル、複合分析、およびシミュレーションを実行し、Skillsを通じてその成果を提供します。各Skillは、(i) DDMへのETL、(ii) 特徴量エンジニアリング／解析／機械学習、(iii) ガードレール付きの意思決定ロジック／フロー、(iv) 逆送信アダプターを組み合わせ、予測される影響を伴うランキング付き推奨事項を公開、ポリシーに基づいて自動実行を可能とします。4568

オペレーションとエンゲージメント。

  • Decision Board は、オープン／クローズされた推奨事項、そのスループット、および実現された影響を集約し、モデルの有用性検証やボトルネックの特定に寄与します。6
  • Control Room は、意思決定パイプラインをエンドツーエンドでオーケストレーションおよび監視します（意思決定ワークロード用のオペレーションコンソールに類似）。10
  • Workspaces は、戦略的な「もしも」分析やシナリオモデリングをサポートし、単なるトランザクション自動化を超えたマルチホライズンの意思決定を可能とします。9
  • Aera Chat は、「Agentic AI」の上に層を重ねた自然言語インターフェースを提供し、文脈の問い合わせや意思決定フローの起動を支援します。712

開発者アクセスと透明性。 A Notebook（Jupyter/R）はデータサイエンティスト向けにデータとモデリングを公開し、「Agentic AI」はエージェントワークフロー内でオプションのSQL/Pythonスニペットを含むLLM支援によるSkillsの構築を実現しています。1112

逆送信とクローズドループ。 Aeraは意思決定実行のため、ソースシステムへの逆送信機構を重視し、承認／上書きおよび結果を記録することで継続的学習と監査可能性を実現しています。781314

テクノロジースタックのシグナル

公開求人およびパートナー一覧は以下を示しています：

  • ランタイムとオーケストレーション。 Kubernetes（AKS）、Argo CD（GitOps）、Crossplane、Terraform；リアルタイム推論のためのマルチリージョンHA；Prometheus/Grafana、Azure Monitor、OpenTelemetryを通じたオブザーバビリティ。45
  • 言語とフレームワーク。 バックエンド／機械学習にはPython；分散サービス；求人情報で言及されるモダンなフレームワーク（FastAPI/Flask等）。2526
  • クラウド／マーケットプレイス。 AWS Marketplaceへのエントリ；ベンダー資料は「数日または数週間」での立ち上げおよびテストドライブのための強固なAWSパートナーシップに言及し、求人もAzureのコントロールプレーンを強調（ベンダーの立場が混在し、マルチクラウドスキルが示唆される）。1613
  • データサイエンスの表面。 Jupyter/Rノートブック（ベンダー資産）および「agentic AI」フロー内に埋め込まれたSkill内のSQL/Python。1112

注意。 Aeraは低レベルのリファレンスドキュメント（例：公開API/SDK仕様、スキーマカタログ、ソルバー内部構造）を公開していません。多くの実装詳細はマーケティングページ、イベント、特許、求人広告から導出されるため、スタックの推論はシグナルとして扱い、保証とは見なしていません。

デプロイメント／ロールアウトの手法

  • SaaSデリバリー：コネクタ、ベンダー主導のオンボーディング（「Test Drive」／「Schedule demo」）とともに提供。ベンダーは、定義済みユースケースに対して2～4週間で初期価値が得られると主張しており、事前構築されたコネクタとパッケージ化されたSkillsを示唆しています。273
  • クローズドループ統合。 実行は逆送信コネクタを通じてERP／WMS／APSにプッシュされ、承認／上書きは学習および監査のためにInbox／Boardで記録されます。86
  • 顧客による検証。 CIOレベルの記事（例：Merck KGaA）はAeraを取り上げた意思決定自動化やサプライチェーンのデジタルトランスフォーメーション施策を記述し、貿易プレスはAeraの「データ整備からアクションへの」位置付けを報告しています。1718
  • 運用の監督。 Control RoomとDecision Boardは、スループット、SLA、および実現された影響の監視を通じて、モデル精度を超えたROIの検証を可能とします。106

AI/ML／最適化の主張

  • “Agentic AI.” プレスリリースおよび製品ページ（2024年後半／2025年）は、LLM駆動のエージェントが、(a) 自然言語プロンプトを用いてSkillロジックを組み立て、(b) 文脈に即した会話形式の回答を提供し、(c) データオンボーディングを支援する（AI「Data Wizard」）と説明しています。これらはベンダーニュース、デモ、およびブログにより支持される主張ですが、サードパーティによる再現の証拠は公開範囲では限定的です。14127
  • モデリング層。 Aera Cortex は「コンポジットAI」（予測、シミュレーション、最適化）として提示され、Notebook（Jupyter/R）は標準的なDSツールを裏付けています；しかし、内部ソルバー、ハイパーパラメータ設定、最適化アルゴリズム（例：MILP対確率ヒューリスティック）に関する公開技術資料は存在しません。したがって、ベンダー自身の説明を超えて、最先端の最適化手法であると確認することはできません。41115
  • クローズドループと学習。 複数の資産が逆送信および結果追跡（ユーザー意思決定＋自動化 → 影響ログ）を記録しており、これは制御理論的なループを裏付けますが、定量的な学習向上（例：ベースラインに対する上昇率）は独自に公開されていません。6813
  • アーキテクチャの証拠としての特許。 2022年の特許出願は、取り込み、推奨、アクションサービスを接続するイベント駆動バスを詳細に記述しており、高レベルなパターンを裏付けるものの、特定のMLアーキテクチャについては言及していません。23

結論。 Aeraは、逆送信とガバナンスを備えた運用意思決定プラットフォームを実装し、これをパッケージ化されたSkillsと自然言語エンゲージメントで包み、DS拡張性のためにノートブックも公開しています。特定のML／最適化手法（アルゴリズムの選択、不確実性モデリングの深度）は公開文書上で依然不透明であり、「agentic AI」は新規ソルバーの証拠ではなく、設計パターン（LLM支援による構築＋オーケストレーション）として扱うべきです。

Aera Technology 対 Lokad

サプライチェーンの意思決定に対するアプローチ。

  • Aera は、ベンダー定義の Decision Data Model と agentic NL インターフェース上で動作するパッケージ化された Skillsを強調。推奨事項 → 承認／自動化 → 逆送信をオーケストレーションし、エンドツーエンドのガバナンスには Control Room／Decision Board を採用。ベンダーは、迅速な意思決定フロー構築のために コンポジットAI と agentic AI、およびDSカスタマイズのために Jupyter/R を位置付けています。5210671112
  • Lokad は、Envision を中心とするプログラム可能なプラットフォームを提供し、これは予測最適化のためのドメイン固有言語（DSL）で、確率的な需要／リードタイム分布を計算、経済的目標（例：期待利益）を確率的最適化（例：Stochastic Discrete Descent）により最適化します。豊富な技術文書、ケーススタディ（例：Air France Industries）、および公開コンペティション結果（M5）を発表しています。282930313233

データとモデリングの基礎。

  • Aera DDM：ベンダー管理の統合スキーマでSkillsに供給。Graph Explorerを通じて知識グラフの機能および信頼度スコアが提示され、不確実性モデリングの深度は公開技術資料で詳細に記述されていません。215
  • Lokad：イベントソース型、Azure対応のコンテンツアドレス可能ストア；完全な確率的モデリング（需要およびリードタイム分布）が第一級で、広範な技術解説と公開DSL／リファレンスが提供されています。2829

最適化と自動化。

  • Aera：最適化はSkills／Cortex内に組み込まれ、逆送信により意思決定が実行され、アルゴリズムの詳細（MILP対ヒューリスティック、不確実性の扱い）は開示されていません。ガバナンスはControl Room／Decision Boardで実施。1068
  • Lokad：確率予測上に明示的な確率的最適化（SDD）を実行し、最適化の目的は財務的影響であり、Envisionスクリプトによりコード化されています（言語／ランタイムの公開文書あり）。322829

開発者向けインターフェースと透明性。

  • Aera：Notebook（Jupyter/R）およびSQL/Pythonスニペットを備えた「agentic AI」によりDSの拡張性を実現；コアなSkill内部はベンダーパッケージです。1112
  • Lokad：DSLを介したホワイトボックスコードで、顧客は意思決定を導く正確な数式や制約を検査・修正可能。大規模な公開文書とケーススタディが存在します。2830

デプロイメントの立場。

  • Aera：パッケージ化されたSkills＋コネクタ、定義済みユースケースに対する2～4週間の効果実現、マーケットプレイス形式の提供、逆送信が不可欠。271613
  • Lokad：Envisionで構築されたオーダーメイドアプリで、Azure上での日次バッチ最適化を実施。デプロイメントは反復的（数ヶ月）と文書化され、AFIの結果とM5による検証が公表されています。3031

サプライチェーンに注力するバイヤーへの含意。

  • Aera を選択するのは、強固な ガバナンス/エンゲージメント（Board/Control Room/Chat）を備えた、パッケージ化された部門横断的な意思決定フローと、システム間での クローズドループ実行 を求め、最適化内部の可視性が低いことを受け入れる場合です。
  • Lokad を選択するのは、エンドツーエンドでプログラム可能かつ監査可能な、深い不確実性を考慮した最適化（確率分布＋確率的オプティマイザー）を必要とし、あなたの経済状況に合わせたDSL駆動のモデルに意欲がある場合です。

事実調査ログ（不一致とクロスバリデーション）

  • 設立年. 外部のアグリゲーターは（1999年 vs. 2005年 vs. 2017年が“創業”とされる）と意見が分かれていますが、2017年のリブランディング＋資金調達は十分に記録されています。2017年以前はFusionOpsの系統と見なし、新規の企業とはしていません.2021
  • 買収. Aera Technology の信頼できる買収記録はなく、Aera Energy の買収に関するニュースは名称の衝突により無関係です.671716
  • 最適化の内部構造. ベンダーは「複合AI/最適化」と主張していますが、公開されたソルバーの仕様はありません。したがって、特許や運用実績（書き戻し、ガバナンスUI）で裏付けられているもの以外に、最先端の最適化と評価することはありません.410623

技術的価値の評価

Aeraのソリューションが提供するもの（厳密に）。 Aeraは、(i) 複数ソースのデータを統合して Decision Data Model にまとめ、(ii) Cortex で推奨を算出し、(iii) 分析／MLをパッケージ化しシステムへ承認済みのアクションを 実行 する Skills を駆動し、(iv) ガバナンス＆可観測性（Control Room、Decision Board）を提供し、(v) データサイエンス向けに NLエンゲージメント（Aera Chat）と Notebook アクセスを提供する 意思決定実行プラットフォーム を構築しています。このプラットフォームは、アルゴリズムの詳細開示よりも クローズドループ実行可能性 と 運用上のガバナンス を優先しています。証拠としては、製品ページ、特許、書き戻しの文書、アナリストの言及、求人広告のスタックシグナルなどが挙げられます.1249105671181223

Aeraがそれをどのように実現しているか（仕組みとアーキテクチャ）。 おそらく、Kubernetes（AKS）上のマイクロサービス、イベント駆動の取り込み、DDM上の内部グラフ/セマンティックレイヤー、構成のためのLLM支援エージェント、および書き戻しと監視のためのコネクタを利用しているでしょう。Notebook と「SQL/Python in agents」は、プラットフォームのコアソルバーを公開することなく、標準的なDSの手法をサポートします。公開されている証拠から、Aera の最も強みは、新しい予測／最適化アルゴリズムを公開するのではなく、コネクタ、書き戻し、意思決定ガバナンス、および部門横断的なパッケージ化（Skills）などの運用化にあると判断されます。ベンダーの主張以外に、Aeraのオプティマイザーが最先端であることを示す公開かつ再現可能な技術的証拠（論文やコード）は見つからなかったため、主要な技術文書が提示されるまではこのラベルは保留とします.

結論

Aera Technologyは、統合されたDecision Data Model上に、パッケージ化されたSkills、書き戻し、およびガバナンスされたエンゲージメント（Board/Control Room/Chat）を中核とする信頼性のある意思決定実行プラットフォームを構築しました。エージェンティックAIという概念は、LLM支援による構成とNLアクセスと矛盾せず、Notebook は標準的なPython／Rのワークフローをサポートします。サプライチェーン分野のバイヤーにとって、Aeraはクローズドループの自動化と部門横断的なパッケージ化で際立ちますが、アルゴリズムの透明性は、DSL、確率的手法、及び詳細な確率論的最適化手法を公開しているLokadなどのベンダーと比べると限定的です。もし、監査可能で不確実性に配慮した最適化をコードとして求めるのであれば、Lokadのアプローチが差別化要因となるでしょう。システム間で意思決定フローを迅速に書き戻しとガバナンスとともに運用化することを優先する場合、Aeraのスタックはその目的に合致します。いずれにしても、マーケティングを超えた証拠を主張し、ベースラインプロセスと比較した測定済みのインパクト差分を伴うサンドボックス実行および、何が最適化され、どの制約下で、どこで不確実性がモデル化されているかの明確な文書を求めるべきです.

出典

備考: 複数の第三者記事は有料で公開されており、帰属のためにURLが提供されています。ベンダー投稿のみが情報源の場合（例：最適化内部の仕組み）、その主張はベンダー自身のものとみなし、独立した裏付けがない限り最先端として評価されません.

  1. データクローラー – Aera Technology — 2025年9月アクセス ↩︎ ↩︎ ↩︎

  2. 意思決定データモデル – Aera Technology — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  3. Aera Decision Cloud – 製品ページ — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎

  4. Aera Cortex – Aera Technology — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  5. Aera Skills – Aera Technology — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  6. Decision Board – Aera Technology — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  7. Aera Chat – Aera Technology — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  8. Aera Inbox – 書き戻し＆監査トレイル — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  9. Aera Workspaces – Aera Technology — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎

  10. Aera Control Room – Aera Technology — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  11. Aera Notebook (Jupyter/R) – Aera Technology — 2022 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  12. ニュース – Aera、Agentic AIで人中心の意思決定インテリジェンスを推進 — 2025年6月11日 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  13. Aera + AWS ブログ – 開始までの日数または週数 — 2023 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  14. ニュース – Aera、Agentic AI、Workspaces、Control Roomを導入 — 2024年11月5日 ↩︎ ↩︎ ↩︎ ↩︎

  15. ニュース – Aera、グラフエクスプローラーと信頼度スコアを追加 — 2022 ↩︎ ↩︎ ↩︎ ↩︎

  16. AWS Marketplace – Aera Decision Cloud — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎ ↩︎

  17. CIO.com – ドイツのメルク、サプライチェーンへの自動化を導入 — 2018年9月10日 ↩︎ ↩︎ ↩︎ ↩︎

  18. ITProToday – データラングリングから自律アクションへ（Aeraに関する特集） — 2019 ↩︎ ↩︎

  19. Aera Technology、Gartner®の意思決定インテリジェンスプラットフォーム向けマーケットガイドに掲載 — 2024年7月25日 ↩︎ ↩︎

  20. Craft – FusionOpsがAera Technologyへリブランディング — 2017 ↩︎ ↩︎

  21. Gaebler VC DB – Aera Technologyの資金調達 （5,000万ドル；NEA） — 2017年6月21日 ↩︎ ↩︎

  22. Business Insider/PRNewswire – Aera、DFJ Growth主導の8,000万ドルシリーズCを調達 — 2019年6月27日 ↩︎

  23. 米国特許 2022/0067109 A1 – Cognitive Automation Platform (PDF) — 2022年3月3日 ↩︎ ↩︎ ↩︎ ↩︎

  24. Justia – 米国特許番号 12,292,937 (Aera Technology) — 2025 ↩︎

  25. Built In – シニアソフトウェアエンジニア I (Python), Aera Technology — 2025 ↩︎

  26. Built In – 機械学習エンジニア (Python), Aera Technology — 2024 ↩︎

  27. デモの予約 – 2～4週間で効果 — 2025年9月アクセス ↩︎ ↩︎

  28. Lokad Docs – Envision Language — 2025年9月アクセス ↩︎ ↩︎ ↩︎ ↩︎

  29. Lokad – 確率的予測 (2016) — 2016 ↩︎ ↩︎ ↩︎

  30. Lokad ケーススタディ – Air France Industries (PDF) — 2017年3月 ↩︎ ↩︎ ↩︎

  31. Lokad ブログ – M5で909チーム中6位にランクイン — 2020年7月2日 ↩︎ ↩︎

  32. Lokad – 確率的離散降下法 — 2025年9月アクセス ↩︎ ↩︎

  33. Lokad – 分位点予測 (2012) — 2012 ↩︎