PropTech（不動産テック）における
 AI・データサイエンス活用
 1 2024.02.03 AI Strategy Center
 General Manager 橋本 武彦
 部長 Chief Data Scientist 福中 公輔
 
 滋賀大学 データサイエンス実践論

P03 本日のガイダンス/自己紹介（5分）
 P08 PropTech（不動産Tech）の動向と事例紹介（15分）
 P18 【演習】データサイエンスによるお部屋探し（140分）
 P29 データサイエンティストのキャリアについて（20分）
 本日のガイダンス
 ✔ ビジネスにおける事例から、データサイエンティストの職業イメージをより具 体化いただく ✔ 演習を通じてデータサイエンスの力や楽しさを体感いただく 狙いは

P03 本日のガイダンス/自己紹介（5分）
 P08 PropTech（不動産Tech）の動向と事例紹介（15分）
 P18 【演習】データサイエンスによるお部屋探し（140分）
 P29 データサイエンティストのキャリアについて（20分）
 Contents


ICE BREAK！！！　*該当の方はZoomで挙手をお願いします！
 4 ● １年生の方？ ○ ２年生以上や社会人もいらっしゃるとのこと ● Python触ったことがある方？ ○ 普段の分析はExcel or Python/R ● Kaggleをやったことがある方？

会社紹介
 5 設立年月日 2013年 3月 資本金 72億6247万6717円 *2023年10月末時点 代表取締役 樋口龍 事業内容 • ネット不動産投資サービスブランド 「RENOSY」の開発・運営 • SaaS型のBtoB PropTechプロダク トの開発 従業員 1,090人 *2023年10月末時点、グループ会社を含む ● 2013年創業。不動産をはじめ、様々な産業の ビジネス変革に取り組むテック企業 ● IT化の遅れた業界全体のDXへの貢献を視野 * グロース市場で唯一DX銘柄に３年連続選定 ● 2017/4にAI Strategy Center設立 *業界初

自己紹介：橋本 武彦
 6 氏名 橋本 武彦（はしもと たけひこ） 所属 GA technologies　AI Strategy Center　General Manager 　　　　　　　　 Product Management　Product Manager 電気通信大学　客員准教授 滋賀大学データサイエンス学部　インダストリアルアドバイザー 国土交通省 不動産IDルール検討会　構成員（令和 3年度） 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月から現職にて AISCの立ち上げに参画（当初は新卒含め 3名） データサイエンティスト協会（元事務局長）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、立正大、慶應 SFC、早稲田大、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 2023/11/8@新丸子

自己紹介：福中 公輔
 7 氏名 福中　公輔（ふくなか　こうすけ） 所属 ㈱GA technologies　AI Strategy Center 部長 Chief Data Scientist 滋賀大学データサイエンス学部インダストリアルアドバイザー キャリア サマリ • 早稲田大学にて、統計学やデータ解析、テスト理論の研究を行った後、実務 への応用に興味を持ち、データサイエンティストとなる。 • 学校法人産業能率大学総合研究所に在籍時は、企業内のデータサイエンティ スト育成支援、データ解析支援、データ解析プロジェクトのコンサルティング等 に従事。 • 一般社団法人データサイエンティスト協会が主催するデータサイエンスアワー ドにて、2017年度、東京メトロとのプロジェクト「データサイエンスと働き方改 革」で最優秀賞を受賞。これまでにデータ活用による業務効率化の仕組みに 関する特許を2件取得。 E-Mail [email protected] URL https://uca-works.com/

P03 本日のガイダンス/自己紹介（5分）
 P08 PropTech（不動産Tech）の動向と事例紹介（15分）
 P18 【演習】データサイエンスによるお部屋探し（140分）
 P29 データサイエンティストのキャリアについて（20分）
 Contents


不動産業界の市場規模
 9 ● 不動産業の国内総生産（GNP） 約 43 兆円 ● 国内の不動産事業者数 12 万社 　 出典：インフォグラフィックで読み解く、時代が ReTechを求める理由 https://newspicks.com/news/3186786/body/

不動産業界の課題
 10 情報の非対称性 （消費者の課題） IT化の遅れ （不動産業者の課題） ● 高額商材ゆえに経験機会が少ない ≒消費者に知見がたまりにくい ● 情報やデータの整備や公開が十分 でない ● 紙・FAXが現役（≒低い生産性） ● 大半が零細企業でIT投資力不足 ● 高齢化が進みITリテラシーが低い

AI Strategy Centerの紹介
 11 ● GA technologies Group 16社の研究開発組織
 ● ミッションは「先進技術により事業に貢献する組織 」
 ● バックグラウンドや国籍が多様なメンバが研究成果を業務に反映 
 研究領域 プロトタイプ　※TechLab プロダクト

12 TechLab
 ● 社内向けテクノロジーショーケース ○ 現場で困りごと発見 ○ プロトタイプを開発し公開 ○ 現場へ提供して即時価値検証 ○ 効果があればプロダクトへ反映 ○ 昨年末に不動産業界の生産性向上と 生活者の利便性向上を期して研究を公 開

13 ハザードマップ Cheker
 ● 2020年8月の宅建業法改正により、賃貸物件の重説時に水害ハザードマップ上で対象物件の所在地を 説明することが義務化 ○ 自治体のWebからハザードマップを調べてダウンロード ○ 洪水・雨水出水・高潮の3種類の水防法に基づく水害リスクに該当するか確認 ○ ハザードマップに対象物件の所在地に印をつけて説明 ● PDFにジオリファレンスで位置情報を埋め込み ● リーシング・仕入れ等、幅広い部署で使用 ○ 月200時間以上の効率化に貢献！ ● プロダクト（OHEYAGO）で採用

14 成功要因の考察：①AISCメンバ


成功要因の考察：②Prototypingによる迅速な軌道修正
 15 ● 研究を軸に企画/開発に主体的に関わり提案＆フィードバックからの軌道修正を繰り返す ○ 上記の実現には”エンジニアリング力（開発の技術力） ”が必須

成功要因の考察：③ビジネス現場へのRESPECTとSUPPORT
 16 RESPECT SUPPORT ● （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 ● 勘と経験は貴重（KDD ⇒ KDD+D） ● まずはSmall Start & Quick-Win ● 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る ● 繰り返し啓発 ＆ トレーニング

P03 本日のガイダンス/自己紹介（5分）
 P08 PropTech（不動産Tech）の動向と事例紹介（15分）
 P18 【演習】データサイエンスによるお部屋探し（140分）
 P29 データサイエンティストのキャリアについて（20分）
 Contents


18 ● みなさんの後輩にあたる来年度入学予定の滋賀大の学生を想定し、一人暮らし のための部屋探しをチーム（４名前後）で行ってもらいます。 ● 2020年以降の滋賀県の賃貸募集データを共有しますので、データから”素敵な お部屋”を探し、後輩の学生に提案してください。 ● 最後に1ｰ2グループに部屋探しの結果と、その理由を発表（５分程度/形式指定 なし）いただきます。 演習テーマ：『データサイエンスによる素敵なお部屋さがし』


19 ● 賃貸募集データ 約13000件 ● エリア ：滋賀県 ● 期間 ：2020年以降 ● 項目 ： ○ ID、建物名、住所、都道府県、市区、町村、緯度、経度 ○ 建物構造、階建て、階、築年 ■ *建物構造：1_木造, 3_鉄骨造, 4_RC, 5_SRC, 8_軽量鉄骨 ○ 方角、間取り、部屋面積 ■ *方角：1_北, 2_北東, 3_東, 4_南東, 5_南, 6_南西, 7_西, 8_北西 ■ *間取り：1_1R, 2_1K, 3_1LDK ○ 路線名、最寄り駅、駅_徒歩分数、バス停、バス停_徒歩分数 ○ 家賃、管理費、敷金、礼金、駐車場料金 提供データの概要


20 1. 滋賀県の平均家賃は？ 2. 家賃のヒストグラムを描き、家賃について考察してください 3. 滋賀県内の市区別部屋数のグラフを描き、考察してください 4. 市区別に家賃の代表値を算出し、考察してください 5. 部屋面積と家賃の散布図を作成し、考察してください 以下の課題にチームで挑んでください。後ほど発表頂きます 練習問題（30分）


21 ● 分析の基本的な流れ ● ①基本統計量 ● ②集計 ● ③可視化 ● ④予測（単回帰） ● ⑤複数の変数間の関係（重回帰） ※公開版では掲載割愛


P03 本日のガイダンス/自己紹介（5分）
 P08 PropTech（不動産Tech）の動向と事例紹介（15分）
 P18 【演習】データサイエンスによるお部屋探し（140分）
 P29 データサイエンティストのキャリアについて（20分）
 Contents


企業で働くデータサイエンティストのタイプ
 23 　事業会社 ◯：関与度の深さ ✕：データ・AI活用が主でない（≒事業が主） 　ベンダー ◯：幅広さ（様々な業界） ✕：課題選定や意思決定への関与度 ※会社を変える分析の力（ 大阪ガス（株）ビジネスアナリシスセンター 河本）より引用 http://www.ogis-ri.co.jp/event/docs/1209964_6738_01.pdf ベンダー ✔ ✔ ✔ ✔ ✔ 事業会社 ✔ ✔ ✔ ✔ ✔ ✔ ✔

私自身の企業選定理由
 24 ①収益基盤と経営の理解 ②データ活用の風土（変革） ③関与度の深さ ※GA technologies 採用HPより引用　 https://hr.ga-tech.co.jp/staff/

※おまけ　企業選びの難しさ
 25

2024年時点の振り返り　*半径5mの世界
 26 ● ブーム（バブル） ○ Bigdata、Data Scientsit、IoT、AI、DX　etc ● 名称の変遷/細分化 ○ 分析官/アナリスト　⇒　データサイエンティスト　⇒ AIエンジニア・機械学習エンジニア　/　データアナリスト　etc ● Toolの進化 ○ SPSS/SAS　⇒　R 　⇒　Python ○ Google Cloud AutoML、DataRobot ● 業務形態の変化（PoCの終わり？） ○ 分析結果レポート　⇒　API、プロトタイプ

27 2024年時点の振り返り　*半径5mの世界
 ● データの民主化の流れ ○ データ活用のプラットフォーム（オンプレ ⇒ クラウド化） ○ 経営の意思決定　⇒　現場の意思決定 ● データマネジメントの必要性・重要性 ■ データセントリック ● 生成AIの活用（≠モデル作成）？ AI活用人材とは？ ※データサイエンティスト協会 スキル定義委員資料より引用　 https://www.datascientist.or.jp/news/n-pressrelease/post-1757/

これからの時代
 28 出典：https://twitter.com/kaz_ataka/status/1285470093627944960/photo/1

本日、お伝えしたかったこと
 29 ● 不動産は市場規模43兆円と大市場だがIT化の遅れなど課題も多い。ブ ルーオーシャンとしてReal × TechのX-TechでのDXに注目 ● 事業会社とベンダーでは求められる領域や役割に違いあり ● 今後面白いのはRealにデータサイエンスが組み込まれた企業