20240606SPSS春03_KINTOテクノロジーズ西口様資料

2024-06-06に開催されたSPSS 春のユーザーイベントのご講演
KINTOテクノロジーズ株式会社 　西口浩司様
講演②データドリブン組織の構築と成功にむけて、5つのポイント
のスライド資料（公開版）です

Transcript

1. 【2024 SPSS Modeler 春のユーザーイベント】 データドリブン組織の構築と成功にむけて、 5つのポイント 2024.06.06
2. ©KINTO Corporation. All rights reserved. 2 プロフィール 2019年10月入社。データを活用した事業貢献を目指し、データの取得 から蓄積、活用・予測までを一気通貫で行う組織でプレイングマネージャ として、日々奮闘中。 経歴： 大手カタログ通信販売企業でDWHを駆使したデータ分析と各種予測 関連システムの開発と実装 ⇒繊維メーカーにてデータ活用、RPAなどのDX推進 ⇒現職 その他活動： 社会人大学院でMBAを取得し、近畿大学経営学部で非常勤講師 （2019～2020） KINTOテクノロジーズ株式会社 データ分析部 分析G マネージャ 西口 浩司
3. ©KINTO Corporation. All rights reserved. 3 ▼ 1997年5月７日 SPSS Modelerの使用経験 https://techmonitor.ai/technology/ncr_finally_takes_the_plunge_with_data_mining_services NCR Corp（現Teradata） は、データ マイニングに本腰を入れる時期が来たと判断し、英国ベイジングストーク に本社を置く Integral Solutions Ltd に、データ ウェアハウスの顧客に販売する Knowledge Discovery Workbench のベースとして Clementine ツールセットを組み込むことで、重要な後押しを与えました。・・・ NCR は WorldMark 4300 サーバーと、NT 上の Microsoft SQL Server で稼働する Integral Solutions ベースの Knowledge Discovery Workbench （KDW）を提供しています。 当時在籍していた企業では、すでにNCR社のDWHの活用はかな り浸透しており、すぐにKDWという製品名のClementineを導入 まだBigDataという言葉もない時代でしたが、 DWH × DataMining の時代が到来 【Release history】(Wikipedia参照) Clementine 1.0 – June 1994 by ISL Clementine 5.1 – January 2000 Clementine 12.0 – January 2008 PASW Modeler 13 (formerly Clementine) – April 2009 IBM SPSS Modeler 14.0 – 2010 IBM SPSS Modeler 14.2 – 2011 IBM SPSS Modeler 15.0 – June 2012 IBM SPSS Modeler 16.0 – December 2013 IBM SPSS Modeler 17.0 – March 2015 IBM SPSS Modeler 18.0 – March 2016 IBM SPSS Modeler 18.5 – December 2023
4. ©KINTO Corporation. All rights reserved. 4 Index KINTOテクノロジーズとは ビジネス特有の問題 目次 分析環境の提供と利活用の推進 データドリブン組織の構築と成功にむけて データ分析部のミッションと守備範囲 1 2 3 4 5 [おまけ] SPSS Modeler 活用事例 6 【2024 SPSS Modeler 春のユーザーイベント】 データドリブン組織の構築と 成功にむけて、5つのポイント
5. ©KINTO Corporation. All rights reserved. 5 KINTOテクノロジーズとは 1
6. ©KINTO Corporation. All rights reserved. 6 会社概要 KINTOテクノロジーズ株式会社 (KINTO Technologies Corporation) 2021年4月 トヨタファイナンシャルサービス株式会社100% 約350名 外国籍社員比率：25％ (2023/11/1現在） ４拠点 ・東京/室町オフィス ・東京/神保町オフィス ・愛知/名古屋オフィス ・大阪/Osaka Tech Lab ・ ・ ・ ・ ・ ・ ・ 会社名 設立 株主 社員数 拠点 ミッション 役割 プロダクト グローバルトヨタファイナンシャルサービス（KINTO含む） のデジタルビジネスをテクノロジー面からサポート トヨタ自動車グループ関連のデジタルビジネス推進もサ ポート デジタル開発 デジタルマーケティングに資するデータ分析 グローバルKINTOアプリを提供し、現地法人等で迅速な KINTO立上をサポート グローバルIDプラットフォームを提供し、各国間および国 内の異サービス間でのID連携をサポート ある地域で成功しているKINTOシステム（ex.カーシェア システム）のグローバル横展開
7. ©KINTO Corporation. All rights reserved. 7 KINTOテクノロジーズ株式会社について （グループ組織）
8. ©KINTO Corporation. All rights reserved. 8 KINTO ONEとは？ → トヨタ・レクサスの新車のサブスクサービス クルマにかかる諸費用がコミコミ！ 他に必要なのは「ガソリン代・駐車場代・高速代」など 自動車税 自動車保険 車検 メンテナンス 消耗品 故障修理・代車 車両代＋登録諸費用
9. 開発チームと事業（KINTO/トヨタ自動車）が 密に連携し、プロダクト開発を企画・展開 POINT 01 顧客の声を聞き、クイックに開発を実施し、 プロダクトに反映する POINT 02 顧客視点で開発する。 無駄なものを開発しない POINT 03 ビジネスグロースに責任を持って、 システムを開発する KINTOテクノロジーズ 開発組織の特徴
10. ©KINTO Corporation. All rights reserved. 10 開発Product ・・・ 直近では、AI / 生成AIの利活用にも注力！ ✔ Tech blog での技術情報の発信！ ✔ 生成AIの利活用推進 ・生成AIのDX活用 ・全国5カ所でのハンズオンイベントなど
11. ©KINTO Corporation. All rights reserved. 11 データ分析部のミッションと守備範囲 ２
12. ©KINTO Corporation. All rights reserved. 12 • トヨタグループは2018年“モビリティカンパニー”への転換を発表 • KINTOテクノロジーズが開発するシステムは、『toC向けシステム』 • toC向けシステムは、”顧客満足度や売上を高めること”が目的となる。 • 実現するために、”顧客の声を聞き、サービス・システムにスピーディに反映”する必要がある ▼ 内製化の開発組織 データ分析部のミッション データ分析部 分析Gの役割 ✓ ユーザーとの接点において、適切なタイミングでデータを取得できるようにする ✓ 分析しやすいようにデータを溜めていく ✓ 溜められたデータを使ってスピーディに分析し、新たな打ち手を提案する
13. ©KINTO Corporation. All rights reserved. 13 メンバー１人１人が顧客・ビジネスを理解した データ＆アナリティクスの専門家として、 事業メンバーと協働し ビジネスゴールの達成を導く存在となる！ ▼ 分析Gメンバーのありたい姿 分析Gメンバーの姿勢 必要なスキルセットや普段から意識していること ✓ ビジネス理解 ～ 先読み ✓ 俯瞰的な視座 ✓ 「なぜ」の繰り返し
14. ©KINTO Corporation. All rights reserved. 14 ビジネス特有の問題 ３
15. ©KINTO Corporation. All rights reserved. 15 （社）自動車検査登録情報協会（「車種別の平均車齢推移表」2023年調査） ▼ 乗用車（普通車）の平均車齢は、9.22年 ビジネス理解 & データ理解 （社）日本自動車工業会（「2023年度乗用車市場動向調査」） ▼ 新車の平均購入価格は、264万円（軽自動車含む） 【商品特性】 ・高額商品で検討期間を要する商品 ・一度購入すると、次の接点までの期間が長い商品 【ユーザーデータの特性】 一般のECでの顧客管理に有用なR/F/Mが使えない。 購入以外の、展開するさまざまなサービスを跨いで利用するユーザーのIDを統合しデータをリッチにする必要がある
16. ©KINTO Corporation. All rights reserved. 16 分析環境の提供とデータ利活用の推進 ４
17. ©KINTO Corporation. All rights reserved. 17 分析Gの主な活動 2020年 データ分析基盤 ダッシュボード 開発本格化 2021年 2022年 2023年 2024年 各種デジタル マーケティング ツール導入 ビジネス現場 関係強化
18. ©KINTO Corporation. All rights reserved. 18 ユーザーを繋げるための情報分析基盤 高度分析・予測 データ収集 連携 蓄積 加工 可視化 分析 業務活用 Web/アプリアクセスログ 契約 顧客 マスタ 各種バックエンドデータベース メール配信履歴 エリアデータ 広告データ API RPA FTP ドライバ データ収集 ・ 連携 データレイク データウェアハウス データ クレンジング ・ 蓄積 目的別 マート 目的別 マート 目的別 マート 分析基盤 データソース レポーティング、可視化 ダッシュボード 自由検索 モデル作成 分析・評価 マーケティング セグメンテーション エンドユーザ/サービス ユーザ部門 (経営者、マネージャ、担当) 意思決定の質 高度化 業務改善 効率化 エンゲージメント 向上 契約増加 費用削減
19. ©KINTO Corporation. All rights reserved. 19 データ利活用の推進 ▼ 分析Gメンバーそれぞれが前職で、データ利活用されている場を経験 ▼ 必要になってくるダッシュボードやツールを先手先手で用意 ⚫ 経営ダッシュボード ⚫ データ抽出ツール ⚫ WEBページのヒートマップツール ⚫ A/Bテストツール など ▼ 利活用セミナー、勉強会など啓蒙を実施！
20. ©KINTO Corporation. All rights reserved. 20 データドリブン組織の構築と成功にむけて ５
21. ©KINTO Corporation. All rights reserved. 21 データ利活用の推進のために ▼ 5つのポイント 1. トップのデータ分析の必要性に対する理解 2. ビジネス現場でのデータ、分析の必要性 3. ビジネス現場のデータリテラシー 4. ビジネス現場と分析サイドの信頼関係 5. 分析サイドのデータ分析スキル・ビジネス理解
22. ©KINTO Corporation. All rights reserved. 22 データ利活用の推進のために ▼ 5つのポイント 1. トップのデータ分析の必要性に対する理解 2. ビジネス現場でのデータ、分析の必要性 3. ビジネス現場のデータリテラシー 4. ビジネス現場と分析サイドの信頼関係 5. 分析サイドのデータ分析スキル・ビジネス理解
23. ©KINTO Corporation. All rights reserved. 23 ２．ビジネス現場でのデータ、分析の必要性 ▼ 分析Gメンバーそれぞれが前職で、データ利活用されている場を経験 ▼ 必要になってくるダッシュボードやツールを先手先手で用意 ⚫ 経営ダッシュボード ⚫ データ抽出ツール ⚫ WEBページのヒートマップツール ⚫ A/Bテストツール など ▼ 利活用セミナー、勉強会など啓蒙を実施！ 反応が薄く、なかなか使ってもらえない・・・・・ 過去の 成功体験が 仇に！
24. ©KINTO Corporation. All rights reserved. 24 売上 時間 ２．ビジネス現場でのデータ、分析の必要性 ▼ 製品ライフサイクル 導入期 成長期 成熟期 衰退期
25. ©KINTO Corporation. All rights reserved. 25 必要性の顕在意識 時間 ２．ビジネス現場でのデータ、分析の必要性 ▼ ビジネス現場でのデータ関連ツールなどの必要性の顕在意識 感じて いない 一部の人 全体的に 必要！ 当たり前として 定着
26. ©KINTO Corporation. All rights reserved. 26 モチベーション 時間 ２．ビジネス現場でのデータ、分析の必要性 ▼ 分析G ツール導入側のモチベーション 企画・答申 導入 開発・ 利活用推進 ユーザー サポート
27. ©KINTO Corporation. All rights reserved. 27 モチベーション・必要性 時間 ２．ビジネス現場でのデータ、分析の必要性 ▼ 分析Gのモチベーションとビジネス現場の必要性 → タイミングのアンマッチ 企画・答申 導入 開発・ 利活用推進 ユーザー サポート 感じてい ない 一部の人 全体的に 必要！ 当たり前として 定着 分析G ビジネス
28. ©KINTO Corporation. All rights reserved. 28 ２．ビジネス現場でのデータ、分析の必要性 ⚫ 分析Gメンバーにも負担 ・セミナーをしても参加者が少ない ・継続利用者が少ない ・各種改善策・啓蒙活動をしても空回り ⚫ やっと、ビジネス現場からも「必要性」が高まってきた・・・。 ＋ その他のポイントも整ってきた 「３．ビジネス現場のデータリテラシー」 「４．ビジネス現場と分析サイドの信頼関係」
29. ©KINTO Corporation. All rights reserved. 29 モチベーション・必要性 時間 ２．ビジネス現場でのデータ、分析の必要性 ▼ 分析Gのモチベーションとビジネス現場の必要性 → タイミングのアンマッチ 企画・答申 導入 開発・ 利活用推進 ユーザー サポート 感じてい ない 一部の人 全体的に 必要！ 当たり前として 定着 分析G ビジネス
30. ©KINTO Corporation. All rights reserved. 30 モチベーション・必要性 時間 ２．ビジネス現場でのデータ、分析の必要性 ▼ 分析Gのモチベーションとビジネス現場の必要性 → タイミングのアンマッチ 企画・答申 導入 開発・ 利活用推進 ユーザー サポート 感じてい ない 一部の人 全体的に 必要！ 当たり前として 定着 分析G ビジネス 3. ビジネス現場のデータリテラシー 4. ビジネス現場と分析サイドの信頼関係 5. 分析サイドのデータ分析スキル・ビジネス理解
31. ©KINTO Corporation. All rights reserved. 31 ２．ビジネス現場でのデータ、分析の必要性 ⚫ ジャスト・イン・タイム ・いずれ必要だと分かっていても我慢する ・必要な時に必要なものを導入する ⚫ 忙しいビジネス現場では必要に駆られないと使ってくれない ⚫ 導入側も導入時のモチベーションが最も高い ▼ ビジネス現場へのデータ分析環境導入についての学び ニーズやウォンツが整った段階に、適切なタイミングで導入することに よって、効率的でスピーディな導入が実現される
32. ©KINTO Corporation. All rights reserved. 32 データ利活用の推進のために（再掲） ▼ 5つのポイント 1. トップのデータ分析の必要性に対する理解 （配布資料 APPENDIX） 2. ビジネス現場でのデータ、分析の必要性 3. ビジネス現場のデータリテラシー （配布資料 APPENDIX） 4. ビジネス現場と分析サイドの信頼関係 （配布資料 APPENDIX） 5. 分析サイドのデータ分析スキル・ビジネス理解 （配布資料 APPENDIX）
33. ©KINTO Corporation. All rights reserved. 33 [おまけ] SPSS Modeler 活用事例 ６
34. ©KINTO Corporation. All rights reserved. 34 SPSS Modelerの活用事例 ▼ DM配布者選定 休眠顧客の購買状況やWEB行動履歴を数値化し, それらを元にDM郵送時のレスポンス率を予測。 予測スコアの高い顧客から順にDMを郵送し, 限られたコストで効果的な休眠顧客の復活を実現した。 ▼ 顧客ロイヤリティスコアの開発 SPSS Modelerに搭載されたアルゴリズムのうち特性の異なる可視化可能な３つのアルゴリズムをアン サンブルさせ、RFMを超える管理手法を開発した。 ・C5.0（決定木）：「水平・垂直平面での分割」 ・ロジスティック回帰：「確率的な境界線で分割」 ・KNN (k-Nearest Neighbors)：「最近傍の数で分類」 ▼ 在庫商品消化のための価格設定 過去の商品ジャンル・価格帯別の閲覧状況（カタログ配布数, WEB閲覧数）と受注状況, そしてプライ スダウンした際の受注状況を学習データとして, 販売期間内でちょうど売切るための適切なプライスダ ウン提示のモデルを開発した。（カタログ販売のため、売切れても注文が入り続ける。その場合、顧客不 満足の原因となるため、売切率を抑える必要がある。）
35. ©KINTO Corporation. All rights reserved. 35 最後に 本日お持ち帰りいただきたいこと ★
36. ©KINTO Corporation. All rights reserved. 36 分析ツールの導入は、あせらず ジャスト・イン・タイムで！ ⚫ 導入～浸透までのスピード・効果の最大化 ⚫ ビジネス環境への迅速な対応 ⚫ コスト削減、適性ライセンス数 ⚫ 最新機能と技術の利用
37. Thank you !
38. ©KINTO Corporation. All rights reserved. 38 お知らせ 1 Tech blog 2 3 3 公式X（旧Twitter） @KintoTech_Dev 採用情報サイト https://www.kinto-technologies.com/recruit/
39. APPENDIX
40. ©KINTO Corporation. All rights reserved. 40 データ利活用の推進のために（再掲） ▼ 5つのポイント 1. トップのデータ分析の必要性に対する理解 2. ビジネス現場でのデータ、分析の必要性 3. ビジネス現場のデータリテラシー 4. ビジネス現場と分析サイドの信頼関係 5. 分析サイドのデータ分析スキル・ビジネス理解
41. ©KINTO Corporation. All rights reserved. 41 １．トップのデータ分析の必要性に対する理解 ⚫ トップの内製分析組織に対する理解 ・分析組織の貢献は目に見えにくい ・効果が出てくるまで時間がかかる ⚫ 作るだけではなく、使ってもらって価値が出る ・データ分析基盤 ・ダッシュボード ・各種レポート ・各種提案
42. ©KINTO Corporation. All rights reserved. 42 ３．ビジネス現場のデータリテラシー ⚫ 「気づかせる」より「気づいてもらう」が大事 ・分析サイドから「見せる」だけでなく自らで気づかせる ・さらに深い切り口で「見たい」と思わせる ⚫ ビジネス現場への分析の勘所の啓蒙 ⚫ ビジネス現場へのデータの啓蒙 ↓ ビジネスメンバーが分析サイドに切り口をリクエストするための データ理解の啓蒙
43. ©KINTO Corporation. All rights reserved. 43 ４．ビジネス現場と分析サイドの信頼関係 ⚫ ビジネス現場の依頼をそのまま受けるのではなく、分析サイドは ビジネス理解、本質の洞察を行ったうえ、プラスアルファの提案 を加えていく ⚫ 便利屋ではなく、良き相談相手となる
44. ©KINTO Corporation. All rights reserved. 44 ５．分析サイドのデータ分析スキル・ビジネス理解 ⚫ 大前提として、統計的知識やデータ・ストーリーテリングの知識は 磨いていく必要がある ⚫ さらに、比較の基準として企業の数値はもちろん、他社や業界の 数値も含めて把握しておくことで、ビジネス現場と同じ目線で数 字を見ることができる