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

WebDBForum2019_Poster

 WebDBForum2019_Poster

WebDBForum2019のポスター発表資料です。
X-Tech領域におけるAI・データ活用について事例と併せてまとめています。

GA technologies

September 09, 2019
Tweet

More Decks by GA technologies

Other Decks in Technology

Transcript

  1. X-Tech領域におけるAI・データ活用
    ( ①Machine learning / ②GraphDB / ③Image processing / ④Deep learning )
    WebDB Forum 2019
    氏名 橋本 武彦(はしもと たけひこ)
    所属
    ㈱GA technologies AI Strategy Center General Manager
    電気通信大学 客員准教授
    キャリア
    サマリ
    • Sier(エンジニア5年/研究員2年)⇒調査会社(リサーチャー3年)⇒ ブレイン
    パッド(シニアデータサイエンティスト9年)を経て2017年 4月から現職
    • データサイエンティスト協会(前事務局長)やデータサイエンティスト育成の新
    規事業の立ち上げ
    • 電通大、滋賀大、慶應SFC、立教大など大学や官公庁での講義や講演・執筆
    など
    E-Mail [email protected]
    Socialアカウント https://www.facebook.com/hashimoto.takehikko

    View Slide

  2. PropTech(不動産テック)における課題と当社の取組例
    2
    2
     情報の非対称性(toCの課題) 低い生産性(toBの課題)
    ● 高額商材故に経験がない(家は一生に
    一度の買い物)
    ● 同一の商材が存在しない
    ● 情報(データ)が少ない
    ● 零細企業が大半
    ● 法の規制
    ● (インフラとして)ITがない
    ● ITリテラシーも高くない
    ①推定価格の提示
    (Machine learning)
    ②最適経路探索の活用
    (GraphDB)
    ③物件仕入れの効率化(レコメンド)
    (Image processing)
    ④間取図読取りによるCAD作成
    (Deep learning)
    課題解消に向けた
    当社の取組例

    View Slide

  3. 【背景】不動産は一生に一度の買い物であり相場観を持ちにくい。
        情報も少なく、中古マンション価格が不透明
    【課題】データが少ない & エリア、面積、駅距離など多様な要素が
        価格に影響 & サイト来訪者の温度感は初期は高くない
    【対応】精度の高い推定価格を簡易な入力で提示
    ①推定価格の提示(Machine learning)
    業界最高水準
    MER 4.6%
    ※Median Error Rate 
    (誤差率中央値)
    In Processing Out
    3
    3 3
    (Key)マンション名、部屋番号
    (変数)住所、所在階、総階数
        面積、築年数
    来訪者の
    モチベーションを損
    なわないように
    最少5変数に絞
    り、入力を簡易

    自社システムと連携し、リアルタイム
    に売却活動を可視化
    物件データ拡充&エリア情報を特徴
    量に活用しバラツキ軽減
    (課題)さらなるバラツキ軽減と
        MERに変わる新指標
    Old
     Regression
    New
     XGBoost
    情報の非対称性( toC)
    URL
    https://www.ga-tech.co.jp/news/release/1465/

    View Slide

  4. 【背景】(2点間でなく)多点間で交通手段を跨いで最適経路を把握したい
    【課題】複数な条件下で 検索時間が長い & 柔軟な検索が困難
    【対応】GraphDBでの高速化 & 異種データのMappingによる可視化
    ②最適経路探索の活用(GraphDB) 情報の非対称性( toC)
    JSAI2019
    全国大会優秀賞
    ※他に複数学会で採択
    Future Work
    URL
    https://confit.atlas.jp/guide/event-img/jsai2019/4D3-E-2-03/public/pdf
    4
    4 4
    ● 駅間移動の精緻化
    ● 経済データ(持家率、
    収入等)追加
    ● 交通手段の差異考察
    ● 渋滞との関係
    ● 海外都市との比較
    シミュレーション、スコアリング
    からマッチングへ
    hex gridに以下情報を集約
    ● train network
    ● bas network
    ● road network
    ● popularion
    Example, Network Synergy
    train bas
    train+bas
    This Time
    Tokyo Station
    via train+hex
    in 5 minute isochrones

    View Slide

  5. 【背景】仕入れ担当者に毎月数千枚の紙・ FAXが届く(大半ゴミ箱へ)
    【課題】データが蓄積されない & 仕入れ基準が担当ごとにバラバラ &
        チラシレイアウトがバラバラ
    【対応】画像認識 + 機械学習によるレコメンドと運用フォローの連携
    ③物件仕入れの効率化(Image processing) 生産性の低さ(toB)
    In Processing Out
    URL
    https://japan.cnet.com/article/35113386/
    5
    5 5
    PDFを自動読込(OCR) ※着色
     マンション名、住所
     賃料、修繕費、管理費、等
    推定賃料
    契約書自動作成
    (RPA)
    添付ファイル判別
    (チラシ/契約書)

    運用
    機械学習      +
    過去の販売データを学習
    し、早期販売を予測して、担
    当者にレコメンド
    担当は1%の◎から対応
    読取精度が100%では
    ないため運用対応が必須

    View Slide

  6. 【背景】建設業界の長時間労働
    【課題】リノベーション時に中古マンションの図面データが入手困難な
        ため、新築時の図面をトレースし CADデータを作成(長時間作業)
    【対応】GANとFaster R-CNNの認識結果トレースを元に CADデータ作成
        (& データ収集による精度向上の仕組みを提供)
    ④間取り図読取りによるCAD作成(Deep learning) 生産性の低さ(toB)
    設計図面起こしが
    1日作業⇒2時間作業
    に大幅減少
    In & Processing
    URL
    https://www.ga-tech.co.jp/news/release/1561/
    6
    6 6
    Out
    CADデータ作成

    精度向上のため
    データ収集

    長期的にはBIM
    と連携

    View Slide

  7. Point:リアルへの”Respect”と”Support”
    ⇒リアルとデジタルが融合した世界へ向けて
    ● Respect
    ○ (前提)感謝の気持ち
    ○ 今までの仕事のやり方を過度に否定しない
    ■ 経緯や理由をきちんと伺う
    ○ 職人の勘と経験は貴重( KDD ⇒ KDD+D)
    ○ まずはQuick-Win
    ● Support
    ○ リアル側と距離を近づける(物理 /心理)
    ○ 業務フロー全体を考慮し、変更は少なく
    ○ ビジネスへの影響も最小限に抑えつつ
    ○ 繰り返し啓発 & トレーニング
    (デジタルSideからみた)
    X-TechにおけるAI・データ活用のPoint
    7
    7
    ※引用:会社を変える分析の力(元大阪ガス(株)
    河本氏)
    http://www.ogis-ri.co.jp/event/docs/1209964_6738_01.pdf








    使




    View Slide

  8. We are hiring!
    8
    8
    GA technologies 会社概要
    設立年月日 2013年 3月
    資本金 5億6397万9950円(2019年6月時点)
    代表取締役 樋口龍
    事業内容
    • AIを活用した中古不動産の総合的
    なプラットホーム「RENOSY®」の開
    発・運営
    • AIを活用した不動産業務支援ツー
    ルTechシリーズの開発・運営
    従業員 344名(2019年4月時点)
    ● 2018/7マザーズ上場、設立5年で売上
    200
    億のPropTechのスタートアップ
    ● セールスなど強力なリアル人材が多数在籍
    の一方で、エンジニアが全社員の
    44%と
    Technologyとの融合に注力
    ● 2017/4にAI Strategy Centerを設立(不動
    産業界初)。技術顧問は杉山将氏
    ● AI Strategy CenterのVision「事業全体を見
    据えて行動を起こせる研究者集団」
    ⇒急成長ゆえ課題も多いですが、
     
     Excitingな環境です!
     Let’s Join us!

    View Slide