エネルギー会社におけるデータ分析の業務実装に向けた歩みと気象データ活用事例

2021/05/21に開催されたSPSS オンラインユーザー会のご講演
東京ガス株式会社 笹谷様
「エネルギー会社におけるデータ分析の業務実装に向けた歩みと気象データ活用事例」
のスライド資料（抜粋版）です。

Transcript

1. 0 エネルギー会社における データ分析の業務実装に向けた歩みと 気象データ活用事例 2021年5月21日 東京ガス株式会社 デジタルイノベーション本部 デジタルイノベーション戦略部 データ活用統括G 笹谷 俊徳
2. 本日の内容 • 東京ガスとデータアナリティクス • アナリティクス活用事例：気象データ活用を題材に • アナリティクスによるDXの実現に向けて 1
3. 東京ガスとデータアナリティクス 2
4. DXにより東京ガスが目指す姿（Compass2030 LNGバリューチェーンの変革） ⚫ トレーディング、製造・発電、ネットワーク、カスタマーソリューションのそれぞれから多様な価値を創出・提供します。 ⚫ これまで培ってきた事業・ノウハウを「究め込む」とともに、新たな領域を「切り拓く」ことにより、価値を創出・提供するお客さまを 拡大し、LNGバリューチェーンの各機能を最大化していきます。 『Copmass2030』より
5. 東京ガスにおけるデータ分析組織の歴史 • 環境に応じて扱う分析テーマが変遷し、各時代のイシューに合わせて所属部門も変化しながらも、1980年代以前から一貫し てデータ分析の専門組織を設けて事業に深く活用 • 現在は全社のデータ利活用を推進するDI本部データ活用統括G（約15名）に加え、各事業部門内でもそれぞれの事業 領域でのデータ利活用を進めている体制 データ活用統 括G ・全社DX推進 ・基盤構築・人 材育成
6. バリューチェーンと数理技術の活用テーマ例 修理部品の需要予測と在庫管理 原料調達戦略の検討 LNGタンカーの配船計画策定 市場リスク分析 工材・ガスメータ物流の高度化 各種お客さま対応業務の効率化 マーケティング最適化 データに基づく商品企画 防災・保安体制における最適化・高度化 供給 小売・カスタマーサービ ス 調達・製造 5 東京ガスにおけるデータ分析の活用例
7. アナリティクス活用事例： 気象データ活用を題材に 6
8. エネルギーと気象は密接な関係 7 夏場は暑いと・・・ 電気使用量が増える ガス使用量は減る 冬場は寒いと・・・ 電気使用量は増える（ただし夏場ほどではない） ガス使用量も増える
9. エネルギー会社と気象データ 8 モノ ヒト “暑いから冷房“ “猛暑続きで電気代が気になる” “雨が続くから乾燥機” “給湯器のガス消費” “発電所の供給力 “ “太陽光の発電量” 行動変容 エネルギー消費 運転効率 市場 “市場の需給が乱れ“ “価格スパイク” 設備故障・不調 気象条件 天気を直接コントロールはできないが、 その影響を把握する（モデル化する）ことで、 対応力を高めることはできる “電圧低下” “点火不良 “ 需要予測 販売計画 運転計画 調達戦略 リスク管理 故障予測 体制最適化
10. 気象データ利用の2つの類型 • 過去の気象データを、起きた事象の評価に利用する – 会社業績に与える気温影響を評価し、決算資料等に活用 – 気温影響を考慮し、販売計画・予算計画を作成、リスクヘッジ – 気象による需要の上振れを評価し、設備計画に反映する – 設備の故障の原因を究明し、技術的対策を考える ・・・ • 未来の気象予報を変数として利用する – 設備の故障発生件数を予測し、対応体制を都度調整する – 市場価格を予測し、最適なアクションをとる – 設備の運転効率を予測し、最適な運転計画を立てる ・・・ 9
11. アナリティクスによるDXの実現に向けて 10
12. これまでのデータ分析 • 先ほどの事例は実は10年近くも前の事例 • データの取得や分析モデルの更新・実行は手動 • 分析結果に基づくアクションも人間系 ⇒当時は役に立ったが、一時的な活用に留まった • 現在であれば、機械学習系の手法による予測の高精度化に加え、APIによるデ ータ取得自動化や業務システム連携による自動的な結果通知など一層の業務 への組込みが求められる 11 データ分析および分析者に求められる役割の変化 従来のスタイルを超えていくためにどうすればよいか・・・？
13. データ分析に求められるものの変化 12 • 時代と共に、単発の分析結果の活用から、継続的な利用を前提とする業務への組込みへとシフト • データ分析者に求められる要素も多様化。研究者的な個人での分析業務からチームでの協働が前提に ⇒求められる要素と働き方の変化にどう対応するか 数理・統計 ～2000年代 2010年代 2020年代 分析の出口 ビッグデータ AI •単発の分析中心 •分析結果はレポートとして提示し て意思決定に活用したり、簡単な 数式に落とし込み業務に活用 •単発の意思決定のための分析は民主化 •分析の仕組み自体を業務に組み込むこと が中心 •いかにモデルの発展まで見据えて業務設 計の中に組み込むかが主眼へ •組織的・継続的な分析が増加 •確立した分析は単発では無く継 続的に繰り返し行い、意思決定に 活用 •数理、統計等の知識 •データ加工、大容量データへの 対応 •コラボレーション •業務システムとの連携 •自動化 •多種多様なソリューションの活用 SPSS Statistics ほか (Clementine) SPSS CADS ほか SPSS Modeler ほか 本日ご紹介の事例 必要な要素 利用ツール PoCの墓場、業務運用・メンテの難しさ
14. DX実現に向けた分析ツールへの期待 13 • 「誰もが各々の立場でデータ分析を活用することで、全社的なDXを実現する」未来像に向けては、飛躍的な データ分析人材の拡大とそれを支える基盤整備が不可欠 • データ分析人材の拡大により、専門人材とビジネスサイドの分析ライトユーザーの二極化が進むと元に、分析 ツールに求める要件も多様化。全社的なデータ分析に向けた最適な基盤の在り方を検討していく必要 これまで これから •必ずしも分析経験が無いところからの習得 •異動等による人の入れ替わりも ツールに求めるもの •コードを書かなくても様々な分析ができる •過去の分析を生かして、効率よく分析ができる •分析プロセスがわかりやすく見えてチーム内で協働 できる 事業会社におけるデータサイエンティスト 専門人材 ツールに求めるもの •業務実装までスムーズに展開できる •拡張性・様々なソリューションとの連携に優れている •コミュニティが充実し、学びや成長の機会が豊富 ビジネスサイド ツールに求めるもの •簡単に習得できる •直感的に利用できる
15. ご清聴ありがとうございました 14