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

2023/2/28 データ利活用の発想を先人に学ぶ

HirokiK
March 01, 2023

2023/2/28 データ利活用の発想を先人に学ぶ

※本資料は以下のイベントの投影資料です
https://ibm-developer.connpass.com/event/274006/

データを経営判断に使うデータドリブンという考え方の浸透に伴って、ビジネスにデータを活用する動きが加速しており、データサイエンティストではない、LOBと呼ばれるビジネスに携わる現場の方々にもデータ利活用を考えるスキルを求められることが増えています。 データ利活用ビジネスを企画する際には、どのようなデータがあると実現できそうかをセットで考える発想力が重要です。

本Dojoではビジネスの現場でDX推進・データ利活用をテーマに新しいビジネスの企画を行う方々に向けて、 データ活用事例をもとにその事例でどのようなデータを分析に使ったのか考える頭の体操(ワーク)を行い、 発想力の強化に向けて企画アイデアを考える際にデータをイメージする習慣づくりのお手伝いを目指しています。

HirokiK

March 01, 2023
Tweet

More Decks by HirokiK

Other Decks in Technology

Transcript

  1. データ利活用の発想を先人に学ぶ 土村忠生, Customer Success Manager, Account Specialist 北爪裕紀, Customer Success

    Manager, Specialty Architect 2023.2.28 データ利活⽤の企画をしたい⽅ (初学者向け) Copyright© IBM Corporation 2023
  2. p プロダクト企画⼒強化講座講師(コミュニティ活動) p売れるプロダクトを企画するための企画⼒を強化 p技術ではなく、お客様定義、課題、価値を明確に規定する p競合の考え⽅を広く捉える p スタートアップチャレンジプログラム(コミ活動) p将来のビジネスの柱になるアイデアを形にする活動アドバイザー p数を出すためのしかけ(⽀援体制) p形にするためのしかけ(⽀援体制)

    p 成城⼤学社会イノベーション学部特殊演習講師 p社会課題×AIでビジネス(サービス)企画の座学と演習 p 全社技術戦略(業務) p⾃社の強い技術と市場(スタートアップ含む)分析から 会社(研究所)の技術戦略の出⼝(ビジネス)を探る ⼟村 忠⽣ つちむら ただお Senior Customer Success Manager VMware vEXPERT 2012-2022 企画関連の取り組み経験  Copyright© IBM Corporation 2023
  3. ๺௺ ༟ل ͖ͨͮΊ ͻΖ͖ %BUB"*୲౰ $VTUPNFS4VDDFTT.BOBHFS $FSUJGJFE4DSVN1SPEVDU0XOFS -JOLFE*OIUUQTMJOLFEJODPNJOIJSPLJLJUB[VNF 1VSQPTF ͓٬༷ͷ௅ઓΛࢧ͑Ŋ

    دΓఴ͏ύʔτφʔͱͳΔ ৬຿ུྺ ϓϩμΫτ։ൃϚωδϝϯτŊࣾ಺޲͚৘ใൃ৴  ࣗࣾϓϥοτϑΥʔϜαʔϏεاըఏҊ  ΤΞϥΠϯܥγεςϜؒ௨৴։ൃŊอक  $VTUPNFS4VDDFTT.BOBHFS"SDIJUFDU  &NBJMIJSPLJLJUB[VNF!JCNDPN ւ֎੡ύοέʔδվम؅ཧ ϛογϣϯΫϦςΟΧϧγεςϜ ϝοηʔδϯάΞϓϦ νϟοτίϚʔε εΫϥϜ։ൃϓϩμΫτΦʔφʔ ࣮ূ࣮ݧ্ཱͪ͛ɾݕূ ϢʔβϏϦςΟςετ 7BMVF4USFBN.BQQJOH 6TFS4UPSZ.BQQJOH σβΠϯࢥߟɾਓؒத৺ઃܭ  Copyright© IBM Corporation 2023
  4. お客様を定義することの重要性を理解する ー カメラの商品企画例 撮り鉄 価値: シャッターチャンス を逃さない ⼿段: ⼿ブレ防⽌連写 旅⾏者

    旅⾏の邪魔にならない 軽量、コンパクト ⾃撮ラー 失敗しない⾃撮り ⾃撮り確認⽤液晶 企画⼒強化講座(宣伝)  Copyright© IBM Corporation 2023
  5. 需要予測 【ホームセンター】毎⽇新聞 グッディ AIで商品発注 業務省⼒化、在庫減少へ ・使い捨てカイロの販売データを分析し、商品の売れ⾏きを1⽇ごとに予測 ・効果:実売数に対して仕⼊れ(在庫)誤差が店舗平均1〜2個に⼤きく改善 データ:過去の売上推移・⽇(曜⽇)、 屋外イベント(遠⾜等)の有無、気温… 発想アイデア:銀⾏コールセンターの⼊電予測(オペレータ需要の最適化)

    ⽇、時間帯別の⼊電数を予測 アイデアを検証するデータ:過去の統計、⾦利の変化、円安、制度変更… 【ファッションの商品企画】三陽商会とファッションポケット、業務提携に関するお知らせ ・世界中からファッションのビッグデータ(画像)を収集しトレンド分析 ・効果:売上・粗利の最⼤化と在庫の適正化 データ:⾊、着こなし、…有名⼈やインフルエンサーのファッション写真? 頭の体操:どういう要因で予測の精度があがるのかを推測する  Copyright© IBM Corporation 2023 講義説明⽤ 事例解説 ワーク
  6. タクシー リアルタイム移動需要予測によるタクシー配⾞ リアルタイムモバイル空間統計を活⽤ 2018年実証実験 NTTドコモ AIタクシー 交通運⾏の最適化を⽬指したタクシーの乗⾞需要予測技術 携帯電話網を活⽤し、個⼈情報を廃した性別や年齢層などの 属性ごとに携帯電話が接続されているアンテナのエリア内に いる⼈の数を特定できる統計的位置情報の仕組みを利⽤

    データ:⼈の統計的位置情報(携帯)、過去の乗⾞実績、天気、施設… ビジネス価値: ⼀⼈あたり1,400円の売り上げ増/⽇ 発想アイデア:例.店舗外のデジタル広告案内を近くにいる⼈に合わせて変更 家電量販店への⾶び込みの⼊店率を向上させる アイデアを検証するデータ:( )、( )・・・ タクシー会社の課題  Copyright© IBM Corporation 2023
  7. Amazon レコメンドシステム 他の商品を推奨するシステムのアルゴリズム Item-to-Item Collaborative Filtering 1998年導⼊ Greg Linden, Brent

    Smith, and Jeremy York, "Amazon.com Recommendations Item-to-Item Collaborative Filtering," IEEE Internet Computing, 7, 1, pp. 76-80, 2003. 改良前:購⼊者の類似性に着⽬ あなたが買った物と同じ物を買った⼈はこんなものも買っています 改良後:商品の類似性に着⽬ あなたが買った物と関連する物の中から良く⼀緒に買われるものを推奨 データ:類似商品リスト、購⼊実績、性別?、年代?、時間帯?、タイムセール?... ビジネス価値:売上の35%がレコメンドされたもの 次々に購⼊するものが増えていくので類似性が 都度リセットされるため推奨の精度が不安定になる 類似性が⼤きく変わらないものに着⽬ AWSレコメンド機能 Amazon Personalize API  Copyright© IBM Corporation 2023
  8. Amazon レコメンドシステムからの学び ü ある視点でのみで切り取って考えると成功の確率が低くなる 決してこの購買データが使えないデータだというわけではない ü 試⾏錯誤しながら様々な視点で切り取ってデータ活⽤を考える 発想アイデア:例.住宅ローンを契約された⼈に別のサービスを推奨したい アイデアを検証するデータ:( )、(

    )・・・ お客様の 購買データ ⼈の購買類似性 ・・・ 購⼊商品の類似性 データ活⽤の切り⼝ この視点でのみ切り 取って活⽤しようと したら失敗で終わる これはいけるんじゃ ないかという切り⼝ を⾒つけ出そう 推奨サービスの切り⼝: ( )  Copyright© IBM Corporation 2023
  9. 流通⼩売 売上を伸ばす店舗内デザイン 来客⼈数、店前通⾏量、年齢性別、動線分析を組み合わせて 店舗内で商品購⼊までの⾏動を分析 ABEJA INSIGHT for Retail データ:⼈数、通⾏量、年齢、性別、動線、視線、天気?… ビジネス価値:

    棚の売上2.3倍(⼭陽商会様事例より) 発想アイデア:例.Webサイトの商品サービス成約率を上げるサイトデザイン アイデアを検証するデータ:( )、( )・・・ どんな属性の⼈が、どの棚の前に滞留し、どの棚の位置の商品を⾒て、 どれを⼿に取って、かごの中に⼊れて購⼊するのか、などをカメラやセンサー などのデータを駆使して収集、分析し、商品陳列の場所を変更し売上を伸ばす 分析の切り⼝: ( )  Copyright© IBM Corporation 2023
  10. データ利活⽤ビジネスの企画と実践の流れ アイデアを考える どんなデータがあ ると良さそうか発 想を広げて考える 前半で説明した部分 考えた項⽬の実 データを集める (探す) データを分析する

    準備 AIモデルの作成 データを分析する AIモデルに検証 したいデータを ⼊れて精度を確認 企画を提出する 予測精度が⾼けれ ば審査に進めよう 薄い3つはみなさんの担当 濃い3つはデータサイエン ティスト(専⾨家)に依頼 濃い部分の後半2つは専⾨家の知識不要でみなさんで進めることも可能  Copyright© IBM Corporation 2023 企画がビジネス価値を⽣むかをデータ活⽤視点で事前確認(ツール活⽤)
  11. 必要なデータを集めて、アイデアを検証してみる(データサイエンティストの知識不要) ①やってみたいアイデアを実現するのに必要なデータを集める 例.「マーケティングプロモーションに参加する可能性の⾼い⼈を予測」 データ:個⼈の属性データ、過去プロモーションへの参加実績など ②IBM Cloud Pak for DataのAuto AI機能に読み込ませて実⾏し予測モデルを作成

    (1)データソースの追加 (4)クリック (2)「いいえ」 (3)予測対象列の選択 データファイルを指定し、予測したい項⽬を 選択して実⾏をクリック AutoAIが最適なアルゴリズムを選び、 AIモデルを⾃動作成 90%の精度で参加する可能性の ある⼈を抽出するモデルが完成 課題:無駄な架電を削減したい 効果(狙い): テレマーケティング精度向上 デモ  Copyright© IBM Corporation 2023
  12. データ・セットのご説明 とある銀⾏が⾏なった電話によるダイレクトマーケティングキャンペーンで、 顧客が定期預⾦を申し込んだかどうかを⽰すデータ。 (https://dataplatform.cloud.ibm.com/exchange/public/entry/view/50fa9246181026cd7ae2a5bc7ea444e6?_ga=2.228590492.1820658531.1648164193-298042719.1646859295?locale=ja&audience=wdp) 件数:4,521件  Copyright© IBM Corporation 2023

    # タイプ 列名 説明 1 個⼈の属性 age 年齢 2 job 仕事 3 material 婚姻状況 4 education 学歴 5 default クレジットカードの滞納の有無 6 balance ⼝座残⾼ 7 housing 住宅ローンの有無 8 loan 個⼈ローンの有無 9 過去の連絡 contract 連絡先(不明、固定電話、携帯電話) 10 day 最終連絡⽇ 11 month 最終連絡⽉ 12 duration 最後に連絡した際の会話時間(秒数) 13 campaign 当該キャンペーン中に顧客に対して⾏なったコンタクトの数 14 pdays 前回のキャンペーンで連絡してからの経過⽇数 15 previous 当該キャンペーン以前に連絡した回数 16 poutcome 前回のキャンペーンの結果 17 キャンペーン結果 participation 定期預⾦の申込み有無
  13. データ・セットの内容(⼀部)  Copyright© IBM Corporation 2023  ༧ଌର৅ɿΩϟϯϖʔϯ݁Ռ Ωϟϯϖʔϯ݁ՌҎ֎ͷ৘ใΛೖྗͨ͠ͱ͖ʹŊ Ωϟϯϖʔϯ݁ՌΛ༧ଌ͢ΔϞσϧΛ࡞੒͢Δ

    年齢 仕事 婚姻状況 学歴 ↓クレジットカード滞納 ⼝座残⾼ 住宅ローン ↓個⼈ローン 連絡先 最終連絡⽇ 最終連絡⽉ ↓最終会話時間 キャンペーン期間中の連絡回数 ↓前回のキャンペーンでの連絡以降の経過⽇数 ↓当該キャンペーン以前の連絡回数 ↓前回のキャンペーン の結果
  14. 管理者にすごい項⽬数だね。これはデータを集めるのが⼤変だと⾔われたときは、 「IBMのCloud Pak for Dataがいいらしい」と⾔ってください 項⽬A データ 新サービス企画 項⽬B データ

    項⽬C データ 項⽬D データ 項⽬E データ 項⽬F データ 項⽬G データ 項⽬X データ Gシステム 管理Gさん Fシステム 管理Fさん Eシステム 管理Eさん データ仮想化: バラバラに管理されているデータを 仮想的に集約統合しアクセスを⼀元化 データカタログ(Watson Knowledge Catalog) 利⽤者が欲しいデータを素早く提供できる 仕組み(カタログ化)を提供 これを全部 集めて渡す のは⼤変だ Cloud Pak for Data アプリ モバイル 分析 ツール BI Web サービス インターフェース 仮想化機能 キャッシュ クエリー最適化 接続アダプター カタログ (データの一覧化 所在の確認) ユーザー パフォーマンスとの トレードオフを 考慮したフェージング 複数のデータソースに対してシングルアクセスを実現 サンドボックス データ ウェアハウス クラウド上の データ ソーシャル ビッグデータ CSV ファイル データソース オフライン データ データ マート IBM Cloud AWS Azure ビジネス用語 セキュリティー ご宣伝お願いします。 Cloud Pak for Data  Copyright© IBM Corporation 2023