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

第101回 大連ITクラブ〜地方にも広がる日本国内のAI・データサイエンスへの取り組みと、落とし穴〜(42p)

Bc3d005a52243d2151ef2bc046464e0c?s=47 NobuakiOshiro
February 25, 2021

第101回 大連ITクラブ〜地方にも広がる日本国内のAI・データサイエンスへの取り組みと、落とし穴〜(42p)

Bc3d005a52243d2151ef2bc046464e0c?s=128

NobuakiOshiro

February 25, 2021
Tweet

More Decks by NobuakiOshiro

Other Decks in Business

Transcript

  1. NOB DATA株式会社 第101回 ⼤連ITクラブ 〜地⽅にも広がる⽇本国内 のAI・データサイエンスへの取 り組みと、落とし⽳〜 (42p) 2021年2⽉25⽇ 代表取締役

    ⼤城 信晃
  2. Copyright © 2021 NOB DATA All Rights Reserved. 本⽇のアジェンダ 1.

    はじめに (10min) • ⾃⼰紹介 & 会社紹介 • ⽇本の状況を⼤連ITクラブの皆様にお伝えするメリット 2. ⽇本視点でのAI・DS・DXを取り巻く状況 (15min) • AI・DS・DXの概況 • 注⽬されるDX銘柄企業 3. ⼀⽅で、AI・DS・DXを始める際の落とし⽳とその対策 (10min) • 書籍の説明もしつつ、ポイントを解説
  3. Copyright © 2021 NOB DATA All Rights Reserved. 本⽇のアジェンダ 1.

    はじめに (10min) • ⾃⼰紹介 & 会社紹介 • ⽇本の状況を⼤連ITクラブの皆様にお伝えするメリット 2. ⽇本視点でのAI・DS・DXを取り巻く状況 (15min) • AI・DS・DXの概況 • 注⽬されるDX銘柄企業 3. ⼀⽅で、AI・DS・DXを始める際の落とし⽳とその対策 (10min) • 書籍の説明もしつつ、ポイントを解説
  4. Copyright © 2021 NOB DATA All Rights Reserved. ⾃⼰紹介 ⼤城信晃(@doradora09)

    NOB DATA株式会社 代表取締役社⻑ / データサイエンティスト協会 九州⽀部 委員⻑ ・住まい 沖縄 -> 東京 -> 福岡 ・職歴 ヤフー-> DATUM STUDIO -> LINE Fukuoka -> NOB DATA(株) 創業 ・運営コミュニティ ・Tokyo.R(2010-2016) ・fukuoka.R、PyData.Fukuoka、 意思決定のためのデータ分析勉強会、他
  5. Copyright © 2021 NOB DATA All Rights Reserved. NOB DATA株式会社

    会社概要 企業情報 • 社名 ︓NOB DATA株式会社 • 設⽴年⽉⽇ ︓2018年9⽉ • 代表取締役 ︓⼤城信晃 • 所在地 ︓〒812-0013 福岡市博多区博多駅東2-5-19 サンライフ 第3ビル 6F • 事業内容 ︓データ活⽤に関するコンサルティング、受託分析、⼈材育成、セミナー、執筆など • Web : https://nobdata.co.jp/ ü AIプロジェクトのわからない、を同じ⽬線で解決するAI・データサイエンスの顧問集団 ü 10年来の分析仲間(副業)をネットワークしながらご⽀援を展開中 ü この2年間で⼤⼿から中⼩まで、約20社のデータ分析・AIプロジェクとのご⽀援を展開して きました
  6. Copyright © 2021 NOB DATA All Rights Reserved. DS協会の活動 九州⽀部(委員会)

    https://www.atpress.ne.jp/news/185882
  7. Copyright © 2021 NOB DATA All Rights Reserved. 今後の構想 DS47(仮)

    ・2021年は47都道府県のデータサイエンティストをネットワーク出来ないかを構想中 ・2020年のDS協会7thシンポジウムでは北海道〜沖縄まで7社の データサイエンティストとパネルディスカッションを実施
  8. Copyright © 2021 NOB DATA All Rights Reserved. NOB DATA株式会社

    特徴① ベテラン⼈材 ü リモート環境&副業を活かして、全国各地のベテランデータサイエンティストがご⽀援可能
  9. Copyright © 2021 NOB DATA All Rights Reserved. NOB DATA株式会社

    特徴② PJチーム育成 ü 分析プロジェクトチーム側に⽴ったアドバイスで円滑なプロジェクト推進を⽀援 ü NOB DATAと同じような分析を継続してできるようにするための⼈材育成・ノウハウ共有
  10. Copyright © 2021 NOB DATA All Rights Reserved. NOB DATAが⽬指す未来の⼀つ

    1. まず、各社でAI・データ分析プロジェクトが円滑に回る状態の構築 • ⼈材不⾜問題 -> 副業⼈材、協会活動(九州⽀部、DS47) • ビジネスノウハウ不⾜ -> 本書やアドバイザリーサービス 2. AI・データ分析による各社の業績UP & 実務経験を積んだ⾼度IT⼈材の輩出 3. 育った⼈材が今度はアドバイザーとして分析コミュニティに参画 & 各種業界全体の底上げ & 新規ビジネス創出 ü AI・分析⼈材のリソースが各企業・業種を循環するエコシステムの構築を⽬指す ü データ活⽤でより良いサービス、より良い働き⽅、より良いビジネス
  11. Copyright © 2021 NOB DATA All Rights Reserved. ⼤連ITクラブの皆様にお伝えするメリット ・⽇本国内の現状共有と、ビジネスチャンスの発掘

    ・⽇本->中国、中国->⽇本 ・また意外と当たり前だと思っている技術が、他国、他 業種では先進事例になっているケースも ・これからデータ活⽤を検討されている企業様へ ・AIプロジェクトを待ち構える様々な罠の回避⽅法 ・⼿前味噌になりますが、PJ推進の参考書籍も1冊 執筆しております
  12. Copyright © 2021 NOB DATA All Rights Reserved. ⼤事な視点︓3つのギャップ 1.

    ⽇本と他国のギャップ ・ビジネス規模、 データ活⽤の浸透状況 ・法律の壁(例えば、医療分野だとAIは「診断」をすることはできない) -> 他の国での共同研究・開発のニーズ 2. ⽇本国内の業種毎のギャップ ・ビッグデータビジネスで売り上げの上がる業種と、それ以外 (ITや広告、⾦融など。Web広告はClick率が1%上がるだけで数⼗億動くケースも) ・先端⼈材の偏り。特に東京含む関東圏と、その他エリア ・そもそもITエンジニア辞退も300-400万⼈規模なので、全労働⼈⼝の6000万⼈に対しては5% 強程度 (おそらくAI⼈材はうち数万⼈。20万⼈くらい不⾜するとも⾔われている) -> AI⼈材育成ニーズ、AI開発ニーズ 3. 時間的なギャップ ・データサイエンスやAI⾃体も、アメリカから3年遅れくらいで⽇本に⼊ってきた ・東京->地⽅だと、さらに5年程度はギャップがある印象(⼤阪は3年くらい︖) -> タイムマシン経営的な観点。他の国で流⾏ったものを展開
  13. Copyright © 2021 NOB DATA All Rights Reserved. 本⽇のアジェンダ 1.

    はじめに (10min) • ⾃⼰紹介 & 会社紹介 • ⽇本の状況を⼤連ITクラブの皆様にお伝えするメリット 2. ⽇本視点でのAI・DS・DXを取り巻く状況 (15min) • AI・DS・DXの概況 • 注⽬されるDX銘柄企業 3. ⼀⽅で、AI・DS・DXを始める際の落とし⽳とその対策 (10min) • 書籍の説明もしつつ、ポイントを解説
  14. Copyright © 2021 NOB DATA All Rights Reserved. ⽤語について ・DS

    : データサイエンス (2012年頃〜) ・ビッグデータ、データマイニング、集合知と⾔われていたものが統合されて1領域を形成 ・様々なデータを繋ぎ合わせ、解析し、ビジネス価値に変えていく取り組み ・AI : ⼈⼯知能 (2015年頃〜) ・狭義の⼈⼯知能。機械⾃⾝で学習して判断を⾏うブレーン部分。 (従来はエキスパートシステムと呼ばれるルールベースで⼈間がコーディングを⾏なっていたが、今は過 去のデータから学ぶ機械学習、繰り返しで学ぶ強化学習、学習済みモデルに味付けをする転移学習 などの技術が出てきた) ・DX : デジタルトランスフォーメーション (2018年頃〜) ・業務改⾰も含めた幅広いデジタル化 ・現状の改善だけでなく、イノベーション的な要素も含む (⾳楽を聴きたい : CDプレーヤー -> 定額聴き放題サービス) ・IT業界以外にも波及している点が特徴の⼀つ
  15. Copyright © 2021 NOB DATA All Rights Reserved. ご参考︓⽇本の年齢別⼈⼝推移予想 ・15-64歳⼈⼝

    (推計) ・2020年 : 7,341万⼈ (100%とすると) ・2030年 : 6,773万⼈ (2020年⽐で8%減) ・2040年 : 5,787万⼈ (2020年⽐で21%減) ・2050年 : 5,001万⼈ (2020年⽐で32%減) https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h29/html/nc135230.html
  16. Copyright © 2021 NOB DATA All Rights Reserved. 余談︓各国企業で⽐較する研究開発費と時価総額 ・アメリカのGAFA(M)、中国のBAT(H)

    ・⽶国と⽇本を⽐較しても研究開発費も各企業の時価総額も圧倒的な差がある -> 海外から⽇本への技術の輸⼊のビジネスチャンス -> 特に中国は独⾃進化を進めているので、注⽬している国の⼀つ
  17. Copyright © 2021 NOB DATA All Rights Reserved. そもそもなぜ、DXが今注⽬されているのか ・2015年〜2020年頃

    ・⼈⼝減少、国際競争⼒の確保等を背景に、業務 効率改善で働き⽅改⾰やSociety5.0を謳う ・正直、当時はあまり浸透せず ・⽇本では相変わらずFAXも現役(Eメールとは) ・⼀⽅で2020年のコロナ禍で、状況は激変 ・シニア世代(アンケートは60〜79歳)もガラパゴス ケータイからスマートフォンへ (接触検知のcocoaアプリ ニーズ、テレビ会議ニーズ) ・⼀部の業種では在宅勤務が当たり前に(出社は 週1など) ・地⽅でも⾮IT企業によるDXチーム設⽴ラッシュ が続いている -> 10年かかる変化が1年で起きている。 まさに⿊船襲来。 https://creatorzine.jp/news/detail/1282
  18. Copyright © 2021 NOB DATA All Rights Reserved. その結果︓⽇経平均株価の⾼騰 ・30年ぶりに3万円台を突破

    ・⽇銀の資⾦供給やワクチンへの期待などもあるが、デジタル化への期待も⼀因と⾔われている http://honkawa2.sakura.ne.jp/5075.html 新型コロナ以後
  19. Copyright © 2021 NOB DATA All Rights Reserved. DX銘柄の登場 •

    デジタルトランスフォーメーション(DX)による業務⾰新への期待銘柄 • https://www.meti.go.jp/policy/it_policy/investment/keiei_meigara/report202 0.pdf • ベンダー側も、ユーザー側もある 経済産業省 「DX銘柄」 DX注目企業2020 選定企業 :56社 参加企業 :535社
  20. Copyright © 2021 NOB DATA All Rights Reserved. ご参考︓2020年の選定企業 &

    注⽬企業 https://www.meti.go.jp/policy/it_policy/investment/keiei_meigara/report2020.pdf
  21. Copyright © 2021 NOB DATA All Rights Reserved. 事例も⾊々載っております https://www.meti.go.jp/policy/it_policy/investment/keiei_meigara/report2020.pdf

    建機 x DX
  22. Copyright © 2021 NOB DATA All Rights Reserved. 事例も⾊々載っております https://www.meti.go.jp/policy/it_policy/investment/keiei_meigara/report2020.pdf

    IT x DX
  23. Copyright © 2021 NOB DATA All Rights Reserved. 事例も⾊々載っております https://www.meti.go.jp/policy/it_policy/investment/keiei_meigara/report2020.pdf

    医療 x DX
  24. Copyright © 2021 NOB DATA All Rights Reserved. 事例も⾊々載っております https://www.meti.go.jp/policy/it_policy/investment/keiei_meigara/report2020.pdf

    空調 x DX (大阪府)
  25. Copyright © 2021 NOB DATA All Rights Reserved. その他、地⽅でも、取り組み⾊々 ・福岡だとFFG(福岡銀⾏さん)や⼩売のトライアルさん

    ・データサイエンティストの部署の元祖で⾔うと⼤阪ガスさん ・⼤学だと滋賀⼤学のデータサイエンス学部を⽪切りに各⼤学学部・⼤学院を新設 https://www.nikkei.com/article/DGXMZO36179460V01C18A0962M00/ https://www.ds.shiga-u.ac.jp/ ⺠間から⼤学へ(河本先⽣)
  26. Copyright © 2021 NOB DATA All Rights Reserved. ⽇本国内では、業種によって異なる ・あるサービスの求⼈票60万件の調査結果はこちら

    ・ビッグデータ x ⼤規模ビジネスの業種ほど価値が出やすい(広告や⾦融など) https://www.fnn.jp/articles/-/56285 ・IT企業は⽐較的データ活⽤と相性が良い ・インフラ系各社はチャレンジ中 ・医療系各社は法規制の壁 ・農業は苦戦(台⾵が来るとデータどころではない)
  27. Copyright © 2021 NOB DATA All Rights Reserved. 東京近郊から、地⽅へ ・データサイエンティスト協会の会員企業本拠地と、indeedでのDSの求⼈数

    ・1都3県で8割(情報通信、⾦融業などが東京に本拠地が集積しているのも要因の⼀つ)
  28. Copyright © 2021 NOB DATA All Rights Reserved. 本⽇のアジェンダ 1.

    はじめに (10min) • ⾃⼰紹介 & 会社紹介 • ⽇本の状況を⼤連ITクラブの皆様にお伝えするメリット 2. ⽇本視点でのAI・DS・DXを取り巻く状況 (15min) • AI・DS・DXの概況 • 注⽬されるDX銘柄企業 3. ⼀⽅で、AI・DS・DXを始める際の落とし⽳とその対策 (10min) • 書籍の説明もしつつ、ポイントを解説
  29. Copyright © 2021 NOB DATA All Rights Reserved. 3. ⼀⽅で、よくある落とし⽳とその対策

    ・2021年現在 ・DX(デジタルトランスフォーメーション)と⾔う⽂脈で東京 以外のエリアでもデータの活⽤、デジタル化、AI化の部署 が⽴ち上がり始めている状況です ・⼀⽅で、データサイエンティストの⼈材不⾜からAIプロジェ クトが頓挫する状況もよく⾒受けられます (7-8割⽅はうまく⾏っていない気がします) ・書籍の説明もしつつ、AI・データ分析プロジェクトを待ち 構える様々な罠について説明します
  30. Copyright © 2021 NOB DATA All Rights Reserved. 全体構成と他書との違い ・3の実⾏パートに関する書籍は多いが、その前後も含めて重要

    1.準備 2.⼊⼝ 3.実⾏ 4.出⼝ ü 多くの技術書はここを詳細に解説 ü AI開発・データ分析を実務・本業 にできない、という悩みに対するヒ ント ü 収益への貢献やビジネスメリットは 超⼤切 ü 結果を出さない分析チームはコス トセンターになり縮⼩へ ü 業界の基礎知識
  31. Copyright © 2021 NOB DATA All Rights Reserved. よくあるプロジェクトを待ち構える罠(⼀例) 本書はAI・データ分析プロジェクトに潜む様々な罠とその対策を解説しています。

    プロジェクト経験者の皆さんなら何度も遭遇された事があるのではないでしょうか。 ①斬新すぎるテーマ選定 ↔ 期待値調整で対応 ②なんでもデータを集める ↔ ⼈が判断に使っているデータから集める ③分析経験者が不在 ↔ アドバイザーを雇って近道をする ④最後の施策実⾏フェーズで不発 ↔ 初期から実現可能性の検討
  32. Copyright © 2021 NOB DATA All Rights Reserved. 実務では︓DX推進検討の全体像は・・結構⼤変 DX推進においては、戦略策定やアジェンダの推進だけでなく、推進基盤の整備も含め、取組み全体

    でビジネス価値の創出に取組む必要があると考えています DXにおけるビジョン・ミッションの定義 推進基盤の整備 取組みアジェンダの推進 ガバナンス・推進ルール制定 組織・⼈材・ケイパビリティ構築 システム・インフラ整備 データエコシステム DX戦略の策定 変⾰実現に向けた態勢の整備 創出するビジネス価値の定義 ü 改⾰の効果を早めに⾒極め、 よりインパクトの⼤きい領域に リソースを投下 価値創出に向けたアクション ü テーマ推進のやり⽅(働き⽅) そのものを⾒直し、アジャイルで 取組み ü PDCAサイクルを⾼速化し、 ⽉単位で⼩さな成功体験・ 知⾒を蓄積 ü 改⾰を断⾏するための必要要素 を併せて具備 ü 全社のカルチャー改⾰を推進し、 “⽣まれ変わる”という発想を トップダウンで浸透させる 取組みテーマ 効果検証 ビジネス仮説の ⽴案 PoC 継続的改善 取組みテーマ 効果検証 ビジネス仮説の ⽴案 PoC 継続的改善 ・・・
  33. Copyright © 2021 NOB DATA All Rights Reserved. おすすめの⽅法︓外部のアドバイザーの⼒を借りる ・AIプロジェクトを⾃社で最初からPJを円滑に⾏うのには不確定要素が⼤きい

    ・徐々にDXの技術を社内のメンバーに実務を通して学んでもらう ü アドバイスを受けつつ、 PJT推進を 主体的に進める ü テクノロジーやモデリングに関しては 外部ベンダーと協業 ü テクノロジースキルを伸⻑し、AIモデ ル開発を進めて⾏くうえでの基盤を 整備する ü モデリングに関しては、外部ベンダーと 協業 ü すべてのケイパビリティを内製化し、 AI開発を進めて⾏くコアコンピテン シーを構築する STEP1 STEP2 STEP3 ①⾃社データ への理解 ③テクノロジー スキル ④AIモデリング スキル ②PJT推進 スキル 価値創出のための コアを形成 本格化を⾒据え ⼟台を醸成 恒常的な取組み向け スポット⼈材も内製化 ①⾃社データ への理解 ③テクノロジー スキル ④AIモデリング スキル ②PJT推進 スキル ①⾃社データ への理解 ③テクノロジー スキル ④AIモデリング スキル ②PJT推進 スキル
  34. Copyright © 2021 NOB DATA All Rights Reserved. 副業解禁により、専⾨家の⽀援が受けられるように https://www.trans-plus.jp/blog/column/ai-datascientist-datarobot

  35. Copyright © 2021 NOB DATA All Rights Reserved. ピックアップ ①データ分析環境の変化(1/2)

    ・データの種類と量の爆発的な増加と活⽤(7-1節) -> ビッグデータ解析の前提となる環境が整ってきた(データは21世紀の⽯油、とも⾔われる) kB -> MB -> GB -> TB -> PB -> EB -> ZB …
  36. Copyright © 2021 NOB DATA All Rights Reserved. ピックアップ ②データサイエンティストの誕⽣(1/2)

    ・その結果、データサイエンティストの誕⽣(1-1節)と、スキルセット定義(2-1節)や⼈材育成の動き ・Tokyo.R(2010年〜)やPyData.Tokyo(2014年〜)など技術コミュニティも誕⽣
  37. Copyright © 2021 NOB DATA All Rights Reserved. ピックアップ ③ビジネスメリットはどこにあるか(1/2)

    ・従来のITのように、単なる既存業務の⾃動化だけでなく、既存の業務フローの改善やグロースハック (11-2節)、施策の効果測定(8-1節、8-3)など投資判断の意思決定という⽂脈で⽤いられることも 多い ・また論⽂の執筆、学会発表(11-3節)、対外的なPR(11-4節)により知名度をUPさせ競合優位性 とする動きも⼀種のビジネスメリット
  38. Copyright © 2021 NOB DATA All Rights Reserved. ピックアップ ③ビジネスメリットはどこにあるか(2/2)

    ・広告や⾦融業界などは1%予測精度が上がるだけで数⼗億円以上利益が出るケースも多い ・ECでもレコメンドエンジンの改善による売り上げUPなど、マッチング系のビジネスとも相性が良い ・⼀⽅で医療業界では法規制があるなど、業界によってビジネス適⽤の状況が全く異なる (事例は11章全般)
  39. Copyright © 2021 NOB DATA All Rights Reserved. 基礎︓やっていることは、判断の効率化・⾃動化 ・ビジネス課題に対し、解決⼿段に対してどこまでコストをかけるかの意識が重要

    ・意思決定に役⽴てば70%の精度でよい分析もあれば、 誤審の許されない医療データのスクリーニングなどもある。 1. 直感での判断(⼈⼒) ↓ 2. ルールベースでの判断 (ITシステム化) ↓ 3. ビッグデータを⽤いたAI 技術・機械学習による予測 (&チューニング)
  40. Copyright © 2021 NOB DATA All Rights Reserved. 再掲︓⼤事な視点︓3つのギャップ 1.

    ⽇本と他国のギャップ ・ビジネス規模、 データ活⽤の浸透状況 ・法律の壁(例えば、医療分野だとAIは「診断」をすることはできない) -> 他の国での共同研究・開発のニーズ 2. ⽇本国内の業種毎のギャップ ・ビッグデータビジネスで売り上げの上がる業種と、それ以外 (ITや広告、⾦融など。Web広告はClick率が1%上がるだけで数⼗億動くケースも) ・先端⼈材の偏り。特に東京含む関東圏と、その他エリア ・そもそもITエンジニア辞退も300-400万⼈規模なので、全労働⼈⼝の6000万⼈に対しては5% 強程度 (おそらくAI⼈材はうち数万⼈。20万⼈くらい不⾜するとも⾔われている) -> AI⼈材育成ニーズ、AI開発ニーズ 3. 時間的なギャップ ・データサイエンスやAI⾃体も、アメリカから3年遅れくらいで⽇本に⼊ってきた ・東京->地⽅だと、さらに5年程度はギャップがある印象(⼤阪は3年くらい︖) -> タイムマシン経営的な観点。他の国で流⾏ったものを展開
  41. Copyright © 2021 NOB DATA All Rights Reserved. コミュニティもございます ・本書のコミュニティもある⼀⽅、⽇本にはconnpass等のサイトにて⽇々勉強会が開催されています

    ・是⾮興味がありましたら⼀度覗かれてみてください https://techplay.jp/community/nobdata
  42. Copyright © 2021 NOB DATA All Rights Reserved. ご清聴、ありがとうございました・・︕︕ お問い合わせ等は

    info@nobdata.co.jp までお気軽にどうぞ。