Upgrade to Pro — share decks privately, control downloads, hide ads and more …

「ビジネス現場でのデータ分析者」 東京大学 GCI 2024 Summer

BrainPad
July 25, 2024
1.9k

「ビジネス現場でのデータ分析者」 東京大学 GCI 2024 Summer

この資料は東京大学グローバル消費インテリジェンス寄付講座 GCI 2024 Summerにおいて、ゲスト講演させていただいた際に用いた資料です。

本資料は東京大学グローバル消費インテリジェンス寄付講座 (GCI) 2024 Summerのゲスト講義回 (2部構成) の第1部で、第2部では機械学習を「社会実装」する際の罠と、その解決方法の考察についての講義を展開しています。あわせてご覧ください。
https://speakerdeck.com/moepy_stats/social-implementation-of-machine-learning-july-2024-version

東京大学グローバル消費インテリジェンス寄付講座 (GCI) 公式WEBサイト
https://gci2.t.u-tokyo.ac.jp/

BrainPad

July 25, 2024
Tweet

More Decks by BrainPad

Transcript

  1. 2 ©BrainPad Inc. 変革を目指す企業と共に最前線を走り続ける、データ活用推進パートナーのパイオニア 2004年創業、日本初の “対象業界を問わない総合データ分析サービス企業” として事業展開 ブレインパッドについて 社名 |株式会社

    ブレインパッド 所在地 |東京都港区六本木3-1-1 六本木ティーキューブ 11F・12F 設立 |2004年3月18日 株式市場 |東京証券取引所 プライム市場(証券コード:3655) 従業員数 |590名(連結、2023年6月30日時点) 代表者 |代表取締役社長 CEO 関口 朋宏 グループ |株式会社 TimeTechnologies 株式会社 電通クロスブレイン
  2. 13 ©BrainPad Inc. DX 【デジタルトランスフォーメーション】 DXとは、社会に対してデジタル技術を活用して「変革」を行うことです。 単なるデジタル化だけでなく、データを通じて「新たな価値」を生み出していることが重要です。 テーマ デジタル化 +

    新たな価値を創造 デジタル化にとどまる 在庫管理 リアルタイムで在庫最適化や自動発注を実施 DBを用いた在庫量の可視化 教育 個別最適化された学習コンテンツの提供 対面授業のオンライン配信化 顧客対応 音声認識・自然言語処理を用い、 自由度の高い予約・質問対応の実施 テキストチャットによるやり取りの実施 物流・配送 リアルタイムで交通状況に応じた 自動的な経路最適化 GPSによる車両位置のトラッキング エネルギー AIとIoTを活用し電力の動的価格設定と 需要調整システムの導入 ガス・電力などのスマートメーターの設置 観光 AR/VRと位置情報を活用した パーソナライズされた観光体験の提供 観光スポット情報のアプリ公開
  3. 19 ©BrainPad Inc. プロジェクトの進め方 DXプロジェクトに限らない、あらゆるプロジェクトにおいて重要な手順を踏みます。 この考え方はデータ分析者であるから必要になるのではなく、あらゆる役割の方にとって重要になります。 背景の理解 目標の設定 解決策の仮説立案 実行と結果の評価

    • 現状の問題点や課題、あるいは強みを明確に把握する • 影響を受ける人々や組織を洗い出し、そのニーズを理解する • 業界動向、競合状況、過去の類似事例などを調査する • 数値目標など明確で測定可能な目標を定める • 短期・中期・長期の時間軸で目標を整理する • 関係者全員が目標を理解し、合意を得る • 目的を達成するために必要な解決策の仮説を複数あげる • 想定される結果やリスクを事前に検討する • 実現可能性や効果を考慮し、取り組む仮説を選択する • 責任感をもって計画通りに物事を進める • 定期的に進捗を確認し、必要に応じて計画を調整する • 結果を客観的に評価し、学びと改善点を明確にする 踏むべき手順 考慮する内容
  4. 27 ©BrainPad Inc. 日本のデジタル競争力が低い理由 日本では情報産業だけが成長しており、他の産業が成長しておりません。DXは全産業に関わる問題ですが、 情報産業以外ではあまりDXが進んでおらず、これがデジタル競争力を低くする要因だと考えています。 *米国のデータ:アメリカ合衆国商務省経済分析局(BEA)より公表された産業別名目GDPから、情報産業のGDPおよび情報産業以外のGDPを利用。名目成長率を基に日本と同様の分析を実施。 日本のデータは、内閣府「国民経済計算」による情報通信産業(情報通信業、製造業、卸売業、小売業、サービス業)および情報通信産業以外の名目成長率を使用。 全産業 情報産業以外

    情報産業 年 平 均 成 長 率 米国 1.7% 1.6% 3.7% 2.4% 0.1% 0.3% 日本 日本は情報産業だけ成長している 2000~2020年の市場成長率 日米比較* 海外と日本のDX推進の違い 顧客対応の多くは人手 新システムの導入に障壁 AIを用いた 銀行サービスを提供 金融 海外の事例 日本の現状 カルテは病院ごとに管理 新しい取組への規制が多い 電子カルテの導入 遠隔医療やAI診断を実施 医療 デジタル技術への 適応に障壁 ドローンやセンサーを 用いたリアルタイム監視 農業 行政 市民のID管理 オンラインで行政手続き マイナンバーの普及に課題 紙の手続きが主流
  5. 31 ©BrainPad Inc. なぜデータ分析者ばかりが注目されているのか 比較的最近注目されるようになったため、この役割を担う人材はまだまだ不足しています。 データ分析をすることを「当たり前」にするために、今後も需要が増えていくことを期待しています。 0 50 100 2010

    2012 2014 2016 2018 2020 2022 2024 「Data Scientist」 の検索数* *Google Trendsでの検索結果 すべての国での集計。縦軸は最も検索があった数を100として標準化した値。2016、2022年にデータの収集方法が変化したため解釈に注意。 • 2012年頃から注目されはじめた比較的新しい役割 • 時代的にデータ分析を行う基盤が整っていなかった • 計算資源やデータ量はここ10年で大きく増加 • 専門によって細分化された類似の肩書も多く存在 • 機械学習エンジニア • オペレーションズリサーチャー 等 • LLMの登場により、更なる変化も期待されます
  6. 33 ©BrainPad Inc. データ分析者に求められる仕事 データ分析者は、「データから引き出す価値を最大化するために、統計学や数学、プログラミングなどの技 術を駆使してデータ活用を実践する仕事を担う職業」です。具体的な仕事は多岐にわたります。 コミュニケーション ビジネス変換 プロジェクト管理 運用

    リサーチ データガバナンス 関係者との協働 プレゼンテーション ビジネス課題を分析課題に変換 分析結果をビジネス価値に変換 組織全体のデータ戦略の立案・実行 分析プロジェクトの管理 データの品質管理 セキュリティ・コンプライアンス順守 類似事例の調査 新しい技術の調査 継続的なデータ分析支援 構築したシステムの維持・管理
  7. 35 ©BrainPad Inc. 事例:アパレル業界での需要予測 売上予測と在庫分析に基づいた適正発注量の算出を実施。 過剰在庫と欠品のバランスを調整し、コスト管理と販売機会の最適化を図る。 背景の理解 目標の設定 解決策の仮説立案 実行と結果の評価

    • 需要予測が適切にできていなかった • 過剰発注: 不良在庫を抱えてしまう • 過少発注: 商品欠品による機会損失 • 店舗ごとの発注業務の効率化 • 適切な発注を行うことによる利益増 • 店舗ごと・商品ごとに1週先、2週先の 売上数量の予測値を算出する • 過剰在庫・商品欠品の双方を低減 • 発注業務の一部自動化による業務標準化と 所要時間の短縮を実現 店舗 データ蓄積 売上数量予測 発注 入荷
  8. 36 ©BrainPad Inc. 事例:化粧品業界でのマーケティング分析・施策実施 売上・顧客構造の分析を通じて顧客ニーズを把握。 ターゲット顧客とアプローチ方法を特定し、効果的な施策立案を支援。購買行動の変化を観察・検証。 背景の理解 目標の設定 解決策の仮説立案 実行と結果の評価

    • より効率的なマーケティングを行いたいが、 どのような施策を行うとよいかが不明 • 顧客層が多様で画一的な対応では、 効果が見込めない • 顧客層別のアプローチを実施し、 会員数・購入金額などKPIを上昇させる • 顧客起点KPIツリーを再設計 • 顧客構造分析を行い、適切なアプローチ 方法を模索する • 想定顧客層別の売上が増加 売上金額 会員数 購入金額 (年間/人) 顧客起点のKPIツリー作成 顧客構造分析 目のクマに悩み 40代女性 目元のシミに悩み 30代女性 乾燥肌に悩み 20代男性 肌荒れが多い 60代女性 分析結果に基づく施策実施
  9. 37 ©BrainPad Inc. 事例:LLMを用いた人事アンケート活用 未活用の自由記述人事アンケートをLLMで構造化を実施。 ダッシュボードで可視化し、社員の職場認識を分析。人材配置の意思決定に資するデータ提供を目指す試み。 背景の理解 目標の設定 解決策の仮説立案 実行と結果の評価

    • 人事がアンケートを実施しているが、 自由記述部分を利用できていない • 社員がより働きやすい環境を作りたい • 部門別に適切な社員の人材配置計画を提供 • 人事の負荷を低減する • LLMを用いてアンケートデータを構造化 • ダッシュボード化することで常に可視化 • 部署ごとの人材に関する課題を可視化 • 人材の最適配置に貢献 例) • 業務改善 • 環境改善 • スキル・能力 • etc… 共通カテゴリを抽出 例) 職場不安の回答 関係する法令が多く、 簡易に相談出来ず 不安に感じる 回答をカテゴリに分類 例) 要約 変革推進人材が不足 対策 変革意識の強い人材に リーダーポジション提供 部門別に要約と対策を生成
  10. 40 ©BrainPad Inc. 書籍の紹介 GCIを受講されている方が、次の一冊として手に取るとよいかと思う書籍をいくつかお勧めします。* 向き不向きや、現在の取り組みで不要などあるかと思いますので、参考程度にしていただければと思います。 *もちろん、これ以外にも多くの領域や書籍があります。多くの方の意見を参考になさって、ご自身で書籍を手に取ってお選びください。 データ分析 ビジネス タイトル

    出版社 統計学入門 効果検証入門 はじめてのパターン認識 人工知能入門 Pythonではじめる数理最適化(第2版) Kaggleで勝つデータ分析の技術 東京大学出版会 技術評論社 森北出版 東京図書 オーム社 技術評論社 図解 コンサル一年目が学ぶこと イシューからはじめよ 仮説思考 BCG流 問題発見・解決の発想法 意思決定のための「分析の技術」 ライト,ついてますか: 問題発見の人間学 ディスカヴァー・トゥエンティワン 英治出版 東洋経済新報社 ダイヤモンド社 共立出版