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。
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
PropTech(不動産テック)における課題と当社の取組例22 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
【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 Out33 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、入力を簡易化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 RegressionNew XGBoost情報の非対称性( toC)URLhttps://www.ga-tech.co.jp/news/release/1465/
【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 WorkURLhttps://confit.atlas.jp/guide/event-img/jsai2019/4D3-E-2-03/public/pdf44 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● popularionExample, Network Synergytrain bastrain+basThis TimeTokyo Stationvia train+hexin 5 minute isochrones
【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 OutURLhttps://japan.cnet.com/article/35113386/55 5PDF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)等運用機械学習 +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
【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 & ProcessingURLhttps://www.ga-tech.co.jp/news/release/1561/66 6OutCAD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
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Point77※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見つける力解く力使わせる力
We are hiring!88GA 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!