意思決定に繋がる Intelligence とは

Transcript

1. 意思決定に繋がる Intelligence とは
   1
   - 第２回 データアーキテクト（データ整備人）を”前向きに”考える会 -
   アマゾンジャパン合同会社 ぶんけい @bunkei_DA
   

   View Slide

2. 2
   資料の写真撮影も禁止とさせていただきます
   （後日、資料の一部を公開予定です）
   この内容は個人の見解であり、
   所属組織とは一切関係がありません
   

   View Slide

3. 3
   PRさせていただきます。
   

   View Slide

4. 自己紹介（ぶんけい @bunkei_DA）
   4
   • 経済産業省等の統計調査（7年）
   Excel, Access, SAS
   • マーケティングリサーチ（2年）
   Excel, SPSS Stats
   • アドテク（4年）
   SQL ＋ Python + Tableau
   Biz側のデータ分析組織立ち上げ
   • 現職 BI Engineer（1年弱）
   SQL + QuickSight（AWS）
   創業120年
   3000名
   創業20年
   1000名
   創業13年
   150名
   創業20年
   ？？？名
   新規事業系に関わることが多く
   Business側とEngineering側の
   間に立つことが多かった
   （とりあえずコイツつっこんどけ、的な扱い）
   

   View Slide

5. 職能 / Position
   文系総合職 ＆ 非エンジニア出身 -> 専門性に乏しい
   5
   Biz
   Engineering Science
   Data
   Architect
   Data
   Engineer
   AI / ML
   Engineer
   Data
   Analyst
   /
   Scientist
   

   View Slide

6. Agenda
   • 外部環境の整理
   • 「目を奪い、人を動かす」ということ
   • Intelligenceとは
   6
   • 外部環境の整理
   • 「目を奪い、人を動かす」ということ
   • Intelligenceとは
   

   View Slide

7. 外部環境1:dataの増大
   7
   https://news.mynavi.jp/photo/article/20190723-863987/images/001l.jpg
   

   View Slide

8. 外部環境2: 国内のIT人材は枯渇
   8
   https://www.meti.go.jp/policy/it_policy/jinzai/27FY/ITjinzai_report_summary.pdf
   

   View Slide

9. 外部環境2: 国内のIT人材は枯渇
   9
   https://www.meti.go.jp/policy/it_policy/jinzai/27FY/ITjinzai_report_summary.pdf
   2019年
   総就業者数、6700万人
   （労働力調査 / 平均（速報）より）
   ホワイトカラー人口
   3500万人程度？（※）
   IT人材、約90万人
   IT人材は、ホワイトカラーの2.5%程度…？
   ※独立行政法人 労働政策研究・研修機構 職業別就業者数（2018年平均）https://www.jil.go.jp/kokunai/statistics/chart/html/g0006.html
   厚生労働省：職業別雇用者構成の推移 https://www.mhlw.go.jp/shingi/2006/09/s0929-7b.html（2004））を参照
   

   View Slide

10. 外部環境3：企業の構造
    10
    経営
    情報システム部門
    IT
    Business側
    営業 企画 Corp
    1次請け
    2次請け
    3次請け
    …
    vs 構造
    ①経営 vs 部門長
    ②部門長 vs 部門長
    ③部門長 vs 各Leader
    ④各Leader vs
    経営までの
    すべてのルートで
    ITへの理解がないと
    資本投下されにくい
    ①
    ②
    ③
    ④
    

    View Slide

11. View Slide

12. 外部環境の整理
    • Dataを活用する機会は増大していく
    • IT人材は依然、不足している
    • しかし、日本の大半の企業は、経営層にITやData出身の人材がいない
    • そのため、IT人材のなかで、しかもDataに関わる人材、
    例えば Data Architect（SQL整備のみ）等では、
    企業構造上、価値が実感されにくい職能であると推察される
    → 結果、需要は高いが、評価され難いポジションになっている
    12
    

    View Slide

13. ではどうするか
    • 理解のある上司を得る（自分では選び難い）
    → 転職しましょう
    • 組織の壁を越えられるような、プラスアルファ（付加価値）が必要
    13
    

    View Slide

14. Agenda
    14
    • 外部環境の整理
    • 「目を奪い、人を動かす」ということ
    • Intelligenceとは
    

    View Slide

15. SQLはなぜ必要なのか
    あまり詳しくない人たちも、なぜDataを欲しがるのか
    要するに、「意思決定」 をしたいから
    Dataが欲しい
    ↓
    課題やテーマがあって、それを可視化したいから
    ↓
    可視化されたものを見て、何らかの施策を講じたいから
    いわゆる、Information → Intelligence の話
    15
    意思決定を支援
    ≒ Intelligenceを
    効果的に創出できれば、価値を
    認められやすくなるのではないか
    

    View Slide

16. 16
    Intelligenceってなんだっけ？
    BIを使っていれば、Intelligenceって生み出せるんだっけ？
    

    View Slide

17. 「目を奪い、人を動かす」ということ
    17
    ここからはフィクションです
    

    View Slide

18. 「目を奪い、人を動かす」ということ
    18
    SQL と Excel しか使っていません
    プラスアルファの価値提供
    （意思決定可能なIntelligence）の一例
    

    View Slide

19. Business Issue
    • あるショッピングモールでの万引き率
    • これまでも一定数あったが、とうとう上層部の目にとまった
    • 利益換算したところ、馬鹿にならない数値らしい
    • とりあえず、「現状を可視化してほしい」（ ≒ なんかいいものだしてくれ）
    19
    

    View Slide

20. Data Set
    • 各商品にはICタグがついている
    • セキュリティゲートもあるが、精度が低く、万引きができる状況
    • ICタグの棚卸chkは、昼前、終業前等、1日2~3度実施
    • 店舗コード、商品コード、サイズ、棚卸スキャン日時、購買履歴 等
    （購買なし × 在庫あり→なし ≒ 万引き と判定）
    20
    

    View Slide

21. Failuer1 – GT & Cross -
    21
    Store 1 aaaa 0.072% Size 1 ~ 100cm3 0.283%
    2 bbbb 0.198% 2 100 ~ 1000cm 0.131%
    3 cccc 0.040% 3 1000 ~ 5000cm3 0.347%
    4 dddd 0.055% 4 5000 ~ 10000cm3 0.205%
    5 eeee 0.084% 5 10000 ~ 50000cm3 0.066%
    6 ffff 0.043% 6 50000 ~ 100000cm3 0.033%
    1 2 3 4 5 6
    Product 1 book 0.163% Time × Product
    2 stationery 0.155%
    3 clothes 0.023%
    4 Accessories 0.051% 1 10-13 0.312% 0.121% 0.079% 0.075% 0.035% 0.091%
    5 food & drink 0.066% 2 14-17 0.418% 0.265% 0.019% 0.007% 0.062% 0.099%
    6 hobby 0.062% 3 18-21 0.062% 0.136% 0.042% 0.002% 0.013% 0.033%
    book
    stationery
    clothes
    Accessories
    food & drink
    hobby
    0.000% 0.050% 0.100% 0.150% 0.200% 0.250%
    0.000% 0.050% 0.100% 0.150% 0.200%
    0.000% 0.050% 0.100% 0.150% 0.200% 0.250% 0.300% 0.350% 0.400%
    

    View Slide

22. Failuer1 – GT & Cross -
    22
    Store 1 aaaa 0.072% Size 1 ~ 100cm3 0.283%
    2 bbbb 0.198% 2 100 ~ 1000cm 0.131%
    3 cccc 0.040% 3 1000 ~ 5000cm3 0.347%
    4 dddd 0.055% 4 5000 ~ 10000cm3 0.205%
    5 eeee 0.084% 5 10000 ~ 50000cm3 0.066%
    6 ffff 0.043% 6 50000 ~ 100000cm3 0.033%
    1 2 3 4 5 6
    Product 1 book 0.163% Time × Product
    2 stationery 0.155%
    3 clothes 0.023%
    4 Accessories 0.051% 1 10-13 0.312% 0.121% 0.079% 0.075% 0.035% 0.091%
    5 food & drink 0.066% 2 14-17 0.418% 0.265% 0.019% 0.007% 0.062% 0.099%
    6 hobby 0.062% 3 18-21 0.062% 0.136% 0.042% 0.002% 0.013% 0.033%
    book
    stationery
    clothes
    Accessories
    food & drink
    hobby
    0.000% 0.050% 0.100% 0.150% 0.200% 0.250%
    0.000% 0.050% 0.100% 0.150% 0.200%
    0.000% 0.050% 0.100% 0.150% 0.200% 0.250% 0.300% 0.350% 0.400%
    店舗別
    商品別
    サイズ別
    商品
    ×
    棚卸時間帯別
    雑貨系の
    お店
    書籍と文房具
    が高い
    ここは
    書籍が影響
    小物類が
    やはり高い
    

    View Slide

23. 23
    なんか、わかるんだけどね。うん。
    もうちょっと、こう、わかりやすくさー
    

    View Slide

24. Failuer2 – Summary Report -
    （※ただし、店舗別にみると、同じ商品カテゴリなのに万引き率が低いお店もある…）
    24
    書籍系
    0.163%
    文具系
    0.155%
    お菓子系
    0.066%
    玩具系
    0.062%
    服飾系
    0.023%
    

    View Slide

25. 25
    おお、わかりやすくなったわー
    なんかやってみるわー
    

    View Slide

26. 26
    結果、2カ月経っても、万引き率が改善せず・・・
    

    View Slide

27. 27
    なんかこれ…店番号に
    規則性があるような
    By 現場をよく知る担当者
    

    View Slide

28. Successの種
    28
    1 0.072%
    2 0.024%
    3 0.040%
    4 0.055%
    5 0.084%
    6 0.043%
    7 0.198%
    8 0.069%
    9 0.041%
    10 0.080%
    11 0.075%
    12 0.015%
    13 0.058%
    14 0.044%
    15 0.070%
    16 0.077%
    17 0.049%
    18 0.039%
    19 0.052%
    20 0.163%
    21 0.155%
    22 0.023%
    23 0.051%
    24 0.066%
    25 0.062%
    26 0.086%
    27 0.066%
    28 0.018%
    29 0.077%
    30 0.057%
    31 0.080%
    32 0.026%
    33 0.003%
    34 0.157%
    35 0.034%
    36 0.004%
    37 0.131%
    38 0.347%
    39 0.205%
    40 0.066%
    41 0.056%
    42 0.091%
    43 0.009%
    44 0.017%
    45 0.077%
    46 0.087%
    47 0.283%
    48 0.074%
    49 0.084%
    50 0.015%
    51 0.099%
    52 0.037%
    53 0.052%
    54 0.062%
    55 0.054%
    56 0.043%
    57 0.055%
    58 0.056%
    59 0.080%
    60 0.080%
    61 0.007%
    62 0.077%
    63 0.043%
    64 0.097%
    ?
    

    View Slide

29. Success
    29
    24 0.066%
    25 0.062%
    Parking
    26 0.086%
    0.155%
    Toilet
    22 0.023%
    23 0.051%
    0.039%
    19
    0.052%
    20
    0.163%
    21
    0.087%
    Food Court
    15
    0.070%
    16
    0.077%
    17
    0.049%
    18
    9
    0.041%
    14
    0.044%
    10 11 12 13
    0.080% 0.075% 0.015% 0.058%
    7 8
    0.198% 0.069%
    29
    0.077%
    28
    0.018%
    27
    0.066%
    64
    33
    0.003%
    32
    0.026%
    31
    0.080%
    30
    0.057%
    52 53 54 55
    0.131%
    37
    0.004%
    36
    56
    0.080% 0.056% 0.055% 0.043%
    0.037% 0.052% 0.062% 0.054%
    5
    0.084%
    0.043% 6
    0.043% 0.077% 0.007% 0.080%
    0.074% 0.084% 0.015% 0.099%
    59 58 57
    0.034%
    35
    47 48 49 50 51
    0.283%
    39
    0.205%
    38
    0.347%
    60
    0.077%
    45
    0.024% 2
    3
    0.040%
    0.055% 4
    1
    0.072%
    0.157%
    34
    46
    0.066%
    40
    0.017%
    44 63 62 61
    0.009%
    43
    0.091%
    42
    0.056%
    41
    

    View Slide

30. Success
    30
    

    View Slide

31. Success
    31
    24 0.066%
    25 0.062%
    Parking
    26 0.086%
    0.155%
    Toilet
    22 0.023%
    23 0.051%
    0.039%
    19
    0.052%
    20
    0.163%
    21
    0.087%
    Food Court
    15
    0.070%
    16
    0.077%
    17
    0.049%
    18
    9
    0.041%
    14
    0.044%
    10 11 12 13
    0.080% 0.075% 0.015% 0.058%
    7 8
    0.198% 0.069%
    29
    0.077%
    28
    0.018%
    27
    0.066%
    64
    33
    0.003%
    32
    0.026%
    31
    0.080%
    30
    0.057%
    52 53 54 55
    0.131%
    37
    0.004%
    36
    56
    0.080% 0.056% 0.055% 0.043%
    0.037% 0.052% 0.062% 0.054%
    5
    0.084%
    0.043% 6
    0.043% 0.077% 0.007% 0.080%
    0.074% 0.084% 0.015% 0.099%
    59 58 57
    0.034%
    35
    47 48 49 50 51
    0.283%
    39
    0.205%
    38
    0.347%
    60
    0.077%
    45
    0.024% 2
    3
    0.040%
    0.055% 4
    1
    0.072%
    0.157%
    34
    46
    0.066%
    40
    0.017%
    44 63 62 61
    0.009%
    43
    0.091%
    42
    0.056%
    41
    

    View Slide

32. Success
    32
    24 0.066%
    25 0.062%
    Parking
    26 0.086%
    0.155%
    Toilet
    22 0.023%
    23 0.051%
    0.039%
    19
    0.052%
    20
    0.163%
    21
    0.087%
    Food Court
    15
    0.070%
    16
    0.077%
    17
    0.049%
    18
    9
    0.041%
    14
    0.044%
    10 11 12 13
    0.080% 0.075% 0.015% 0.058%
    7 8
    0.198% 0.069%
    29
    0.077%
    28
    0.018%
    27
    0.066%
    64
    33
    0.003%
    32
    0.026%
    31
    0.080%
    30
    0.057%
    52 53 54 55
    0.131%
    37
    0.004%
    36
    56
    0.080% 0.056% 0.055% 0.043%
    0.037% 0.052% 0.062% 0.054%
    5
    0.084%
    0.043% 6
    0.043% 0.077% 0.007% 0.080%
    0.074% 0.084% 0.015% 0.099%
    59 58 57
    0.034%
    35
    47 48 49 50 51
    0.283%
    39
    0.205%
    38
    0.347%
    60
    0.077%
    45
    0.024% 2
    3
    0.040%
    0.055% 4
    1
    0.072%
    0.157%
    34
    46
    0.066%
    40
    0.017%
    44 63 62 61
    0.009%
    43
    0.091%
    42
    0.056%
    41
    駐車場近辺
    人通り
    少ない
    トイレ付近
    

    View Slide

33. Success
    33
    24 0.066%
    25 0.062%
    Parking
    26 0.086%
    0.155%
    Toilet
    22 0.023%
    23 0.051%
    0.039%
    19
    0.052%
    20
    0.163%
    21
    0.087%
    Food Court
    15
    0.070%
    16
    0.077%
    17
    0.049%
    18
    9
    0.041%
    14
    0.044%
    10 11 12 13
    0.080% 0.075% 0.015% 0.058%
    7 8
    0.198% 0.069%
    29
    0.077%
    28
    0.018%
    27
    0.066%
    64
    33
    0.003%
    32
    0.026%
    31
    0.080%
    30
    0.057%
    52 53 54 55
    0.131%
    37
    0.004%
    36
    56
    0.080% 0.056% 0.055% 0.043%
    0.037% 0.052% 0.062% 0.054%
    5
    0.084%
    0.043% 6
    0.043% 0.077% 0.007% 0.080%
    0.074% 0.084% 0.015% 0.099%
    59 58 57
    0.034%
    35
    47 48 49 50 51
    0.283%
    39
    0.205%
    38
    0.347%
    60
    0.077%
    45
    0.024% 2
    3
    0.040%
    0.055% 4
    1
    0.072%
    0.157%
    34
    46
    0.066%
    40
    0.017%
    44 63 62 61
    0.009%
    43
    0.091%
    42
    0.056%
    41
    駐車場近辺
    人通り
    少ない
    トイレ付近
    万引きしやすく、逃走しやすいお店が狙われていた
    

    View Slide

34. Success
    34
    

    View Slide

35. Success
    Biz側から、以下のActionが自発的に発生
    • 警備員の配置や巡回ルートの変更
    • このレイアウトに沿った、時間帯別の実績がほしい
    • 棚卸スキャンの時刻もできるだけ定点で、かつ、増やしてみよう
    → 1か月後に万引き率が改善
    結果、1枚のOutputで、目を奪い、人を動かすことができた
    35
    

    View Slide

36. 工夫したことは何か
    36
    フロアマップ
    （現地調達）
    レイアウト作成
    店舗コード手入力
    Vlookupで
    万引き率と
    レイアウトを結合
    SQLで集約 Excelに出力
    万引き率
    関連data
    24 0.066%
    25 0.062%
    Parking
    26 0.086%
    0.155%
    Toilet
    22 0.023%
    23 0.051%
    0.039%
    19
    0.052%
    20
    0.163%
    21
    0.087%
    Food Court
    15
    0.070%
    16
    0.077%
    17
    0.049%
    18
    9
    0.041%
    14
    0.044%
    10 11 12 13
    0.080% 0.075% 0.015% 0.058%
    7 8
    0.198% 0.069%
    29
    0.077%
    28
    0.018%
    27
    0.066%
    64
    33
    0.003%
    32
    0.026%
    31
    0.080%
    30
    0.057%
    52 53 54 55
    0.131%
    37
    0.004%
    36
    56
    0.080% 0.056% 0.055% 0.043%
    0.037% 0.052% 0.062% 0.054%
    5
    0.084%
    0.043% 6
    0.043% 0.077% 0.007% 0.080%
    0.074% 0.084% 0.015% 0.099%
    59 58 57
    0.034%
    35
    47 48 49 50 51
    0.283%
    39
    0.205%
    38
    0.347%
    60
    0.077%
    45
    0.024% 2
    3
    0.040%
    0.055% 4
    1
    0.072%
    0.157%
    34
    46
    0.066%
    40
    0.017%
    44 63 62 61
    0.009%
    43
    0.091%
    42
    0.056%
    41
    1～2h程度の表現の工夫
    

    View Slide

37. 「目を奪い、人を動かす」ということ
    37
    あくまでも、フィクションです。
    

    View Slide

38. Agenda
    38
    • 外部環境の整理
    • 「目を奪い、人を動かす」ということ
    • Intelligenceとは
    

    View Slide

39. Intelligenceとは
    • 意思決定に繋がらないと無価値
    • Intelligence ＋ Insight ＆ Intuition（直観） ？
    → 読み手に、体感、半強制的な当事者意識を植え付けられると理想か
    39
    data
    Data Engineer Data Architect Data Analyst
    Information Intelligence
    Decision
    Making
    Intuition
    Insight
    

    View Slide

40. Intelligenceとは
    40
    24 0.066%
    25 0.062%
    Parking
    26 0.086%
    0.155%
    Toilet
    22 0.023%
    23 0.051%
    0.039%
    19
    0.052%
    20
    0.163%
    21
    0.087%
    Food Court
    15
    0.070%
    16
    0.077%
    17
    0.049%
    18
    9
    0.041%
    14
    0.044%
    10 11 12 13
    0.080% 0.075% 0.015% 0.058%
    7 8
    0.198% 0.069%
    29
    0.077%
    28
    0.018%
    27
    0.066%
    64
    33
    0.003%
    32
    0.026%
    31
    0.080%
    30
    0.057%
    52 53 54 55
    0.131%
    37
    0.004%
    36
    56
    0.080% 0.056% 0.055% 0.043%
    0.037% 0.052% 0.062% 0.054%
    5
    0.084%
    0.043% 6
    0.043% 0.077% 0.007% 0.080%
    0.074% 0.084% 0.015% 0.099%
    59 58 57
    0.034%
    35
    47 48 49 50 51
    0.283%
    39
    0.205%
    38
    0.347%
    60
    0.077%
    45
    0.024% 2
    3
    0.040%
    0.055% 4
    1
    0.072%
    0.157%
    34
    46
    0.066%
    40
    0.017%
    44 63 62 61
    0.009%
    43
    0.091%
    42
    0.056%
    41
    Intuition
    Insight
    Decision
    Making
    

    View Slide

41. Agenda & 今日お伝えしたかったこと
    41
    • 外部環境の整理
    → 需要は高いが、組織構造的に価値が伝わりにくい環境
    • 「目を奪い、人を動かす」ということ
    → 体感的なoutputにより、意思決定に繋げることができる
    • Intelligenceとは
    → Insight や Intuition も考慮できると理想か（個人的に挑戦中）
    

    View Slide

42. 42
    ご清聴ありがとうございました
    

    View Slide