20240606SPSS春03_KINTOテクノロジーズ西口様資料

by JPSPSS

Slide 1

Slide 1 text

【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

Slide 2

Slide 2 text

©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

Slide 3

Slide 3 text

©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

Slide 4

Slide 4 text

©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

Slide 5

Slide 5 text

Slide 6

Slide 6 text

©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

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

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

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

©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

Slide 13

Slide 13 text

Slide 14

Slide 14 text

Slide 15

Slide 15 text

©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

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

©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

Slide 19

Slide 19 text

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

©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！

Slide 24

Slide 24 text

Slide 25

Slide 25 text

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Slide 28

Slide 28 text

©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」

Slide 29

Slide 29 text

Slide 30

Slide 30 text

©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

Slide 31

Slide 31 text

©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

Slide 32

Slide 32 text

©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）

Slide 33

Slide 33 text

Slide 34

Slide 34 text

©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。）

Slide 35

Slide 35 text

Slide 36

Slide 36 text

Slide 37

Slide 37 text

Thank you !

Slide 38

Slide 38 text

Slide 39

Slide 39 text

APPENDIX

Slide 40

Slide 40 text

Slide 41

Slide 41 text

Slide 42

Slide 42 text

©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

Slide 43

Slide 43 text

Slide 44

Slide 44 text