Sansan DSOCの計算社会科学的研究と、アフターコロナの展望 / Introduction of Computational Social Science Research by Sansan DSOC and the Future Prospect for the Post-COVID-19 Society

■イベント 
：日本マーケティング・サイエンス学会「マーケティングの計算社会科学」研究部会セミナー
http://www.jims.gr.jp/

■登壇概要
タイトル：Sansan DSOCの計算社会科学的研究と、アフターコロナの展望
発表者： 
DSOC 研究開発部 SocSci Group 前嶋 直樹

▼Twitter
https://twitter.com/SansanRandD

Transcript

1. Sansan DSOCの計算社会科学的研究と、 アフターコロナの展望 前嶋 直樹 DSOC R&D SocSci Group
2. ※ 掲載されている内容等は発表時点の情報です。 ※ 公開に当たり、資料の⼀部を変更・削除している場合があります。
3. Data Strategy and Operation Center 今⽇話すこと • Sansan DSOCについて • DSOCによる計算社会科学的研究 • プロダクトへの社会科学の活⽤ • アフターコロナの展望
4. Sansan DSOCについて
6. Data Strategy and Operation Center Sansan株式会社が展開する2つの事業 4 クラウド名刺管理サービス 名刺アプリ
7. Data Strategy and Operation Center 組織構成 法⼈向け名刺管理サービス Sansanの開発、提供 個⼈向け名刺アプリサービス Eightの開発、提供 R&D データ分析・研究開発 （画像処理／機械学習・AI） Sansan事業部 Eight事業部 DSOC Sansan株式会社 データ統括部⾨
8. Data Strategy and Operation Center メンバー 画像処理 ⾃然⾔語処理 深層学習 機械学習 複雑ネットワーク 経済学 経営学 社会学 Grandmaster 在籍 多様なバックグラウンドや専⾨領域を持つ研究員をはじめ、あらゆる分野から ⾼い技術⼒を持ったメンバーが集い、活躍しています。 博⼠（理学）、博⼠（経済） 各2名 博⼠（⼯学）2名 博⼠学位
9. DSOCによる計算社会科学的研究
10. Data Strategy and Operation Center 計算社会科学系の学会にも積極的に参加しています NetSci, NetSciX, IC2S2, ⼈⼯知能学会、計算社会科学ワークショップなど https://buildersbox.corp-sansan.com/entry/2020/02/19/103000 https://buildersbox.corp-sansan.com/entry/2019/08/02/110000
11. Data Strategy and Operation Center 名刺ネットワークデータのコンテクスト 9 1. ⽇本のビジネスシーンでの⼀般的慣習 ネットワークの業界を超えた⽐較が可能 2. ⼤半が初対⾯であること 多くの場合は1回しか出会いの記録がない 3. 対⾯的相互⾏為の介在 会話を通した情報交換、交換相⼿や企業への印象形成 4. リアルタイム性 名刺を取り込んだ⽇付が記録されている 5. 真正性の⾼い公式な属性情報 名刺＝ビジネスツールであり、データの信頼性が⾼い
12. 企業ネットワーク構造の産業間異質性 Naoki Maejima, 2019, Inter-industry Heterogeneity of Inter-firm Network Structure through Data from Business Card Exchange: Focusing on Network Closure, 『理論と⽅法』 34(2):84-99. 研究事例1.
13. Data Strategy and Operation Center 研究事例1. ネットワーク構造の産業間異質性 • 従来、組織間ネットワーク研究では、バイオテクノロジー産業(Powell et al. 1996)やアパレル産業(Uzzi 1999)など、特定の産業内での関係性が中⼼に検 討されてきた。 • だが、産業によってネットワーク構造に影響を及ぼす環境は異なるので、 それに応じてネットワーク構造の形成戦略も変化するはず。 • 問い：企業は⾃らが⾝を置く産業の環境に適応的な構造のネットワークを 形成するか？ • 本研究では、情報と信頼という2つの次元に着⽬する。
14. Data Strategy and Operation Center 情報・信頼とネットワーク閉鎖性は関連する 多様性 – 帯域幅トレードオフ理論 (Aral and van Alstyne 2011, Aral 2016) • 複雑な情報、更新頻度が⾼い情報、情報の重複度の⾼い環境では、 閉鎖的なネットワークが帯域幅を増やし、新規な情報の流通にとって有利になる。 信頼 (Coleman 1988) • 閉鎖的なネットワークは効果的なサンクションを可能にし、信頼を醸成する。
15. Data Strategy and Operation Center どのような産業でネットワーク閉鎖性が⾼いのか？ メディア産業（e.g. 新聞社、放送業、出版社） • 例えばニュースは情報の更新頻度が⾼く、扱う情報は幅広い。 知識集約型サービス業 （e.g. IT、マーケティング、研究機関） • ⾼度に専⾨化された知識に依存し、それ⾃体で情報の⼀次⽣産や 流通を⾏ったりする産業（Miles et al. 1995）。 ⾦融業（e.g. 銀⾏、投資業） • 信頼が取引費⽤を削減することが知られている（Uzzi 1999）。 企業のエゴネットワークのローカルクラスタリング係数を産業別に⽐較する。
16. Data Strategy and Operation Center OLS推定結果 (統制変数は省略)
17. 共通の友⼈の増え⽅とつながりの持続性 研究事例2. Naoki Maejima, Shohei Usui, 2020, Fast Integration, Fast Decay?: The Effects of Temporal Patterns of Mutual Friends Accumulation on Tie Persistence 第4回計算社会科学ワークショップ
18. Data Strategy and Operation Center 研究事例2. 共通の知⼈の増え⽅とつながりの持続性の関連 • 多くの研究で、つながりの持続性の要因に関する研究が⾏われてきた。 • これまで、そのような研究には2つのアプローチがあった。 > 構造的アプローチ • 共通の知⼈を多く持つような「構造的に埋め込まれた」関係性は、 そうでない関係性と⽐べて、⻑期に渡って持続しやすい (Feld 1997, Burt 2002)。 > 時間的アプローチ • 短期間で⾼頻度の接触を⾏うような関係性は、そうでない関係性と⽐べて、 つながりが持続しにくい。 • 構造の時系列的な形成パターンについてはどうか？ > 静的には同じネットワーク構造でも、その形成プロセスによって、 意味合いが異なってくることが予想される。
19. Data Strategy and Operation Center 想定されるMFA増加のパターン 漸次的 バースト的 ポテンシャル的
20. Data Strategy and Operation Center リサーチクエスチョン RQ.1 MFAのバースト性(BMFA)は、つながりの持続性にどう影響するか？ > ⼀度に多くの⼈と接触しすぎると、⼀⼈あたりの印象が希釈されたり、 得られる情報が少なくなる可能性がある > また、⼀⼈あたりに投⼊できる時間の少なさから、 信頼形成も困難になる可能性がある。 > つながりの持続性に対しては、負の影響を与えることが予測される。 RQ.2 出会う前のMFA(PMFA)は、つながりの持続性にどう影響するか？ > 信頼の推移性を考えると、既存の共通の知⼈数の多さは、信頼を促進するはず。 > ⼀⽅で、ネットワーククラスタ内での情報の重複も想定される。 > つながりの持続性に対しては、正・負どちらの影響を与えることが予測される。
21. Data Strategy and Operation Center 参考：時系列クラスタリングの結果
22. Data Strategy and Operation Center 記述統計 • 2年後まで関係が持続していたつながりは、全体のわずか0.7%のみ。 • 出会った時点でのMFA(MFA at meeting)と、ユーザーアクティビティの 分散が⾮常に⾼い → 回帰モデルではlogで投⼊する。
23. Data Strategy and Operation Center MFAの増加パターンの違い（⻘=持続,⾚=⾮持続）
24. Data Strategy and Operation Center ロジスティック回帰分析の結果
25. Data Strategy and Operation Center 他にも様々な研究テーマに取り組んでいます • 弱いつながりと強いつながり、どちらが転職に有利なのか？ • どのような出会いがMagical Encounterになるのか？ • ⽇本の総名刺交換数を推定する • 名刺交換から地域のビジネス関係⼈⼝を測定する • 名刺交換とブランド価値に関する分析 • データサイエンティストのつながり分析 • 重⼒モデルによる都道府県間のビジネスの出会いの分析 … and more ! SLIDE REPORT REPORT REPORT REPORT REPORT
26. プロダクトへの社会科学の活⽤
27. Data Strategy and Operation Center ビジネスカードコレクション 同僚ナレッジサーチ 企業間距離の変遷 ホットリード・リコメンド ABMダッシュボード 顧客ごとのタッチポイントを俯瞰 名刺をコレクションとして閲覧・共有 ⾃社と親密／疎遠になっている顧客を抽出 キーワードから同僚を探す 営業先のキーパーソンを探す ビジネスマンタイプ分析 つながりの傾向から、強みがわかる Sansan Labs SALES TECH TALENT MANAGEMENT ۚ༥ ݐઃ ؔ੢ ঎ࣾ γεςϜ։ൃ ࢢ৔ௐࠪ AI
28. Data Strategy and Operation Center ビジネスマンタイプ分析
29. チーム内で どれだけ密なつながり を形成しているか 社内でどれだけ多くの ⼈とつながっているか どれだけ役職の⾼い⼈ とつながりがあるか どれだけ多くの業界と つながりがあるか どれだけ稀少な⼈と つながりがあるか 社内のつながりを どう構成しているのか？
30. Data Strategy and Operation Center 共通の名刺から、社内ネットワークを構成する
31. Data Strategy and Operation Center Sansan株式会社内部のネットワーク(前嶋 2019) 前嶋直樹. (2019). 名刺データによる組織ネットワーク分 析の可能性: Sansan Labs ビジネスマンタイプ分析の事例 (特集 社会ネットワーク分析のレシピ). オペレーション ズ・リサーチ= Communications of the Operations Research Society of Japan: 経営の科学, 64(11), 655-660.
32. Data Strategy and Operation Center 同僚ナレッジサーチ 「誰が何に詳しいのか」 社内のナレッジを検索 効率性向上
33. アフターコロナの展望
34. Data Strategy and Operation Center 新型コロナウイルス流⾏後の名刺取り込み枚数の推移 • 1/5-11週から6/7-13週までの 名刺取り込まれ枚数の推移 • 実線が2020年、破線が2019年 • 新型コロナウイルス流⾏後、 2⽉下旬から減少 • 緊急事態宣⾔が解除されてから 現在まで、⼤きく回復傾向にある
35. Data Strategy and Operation Center オンラインでも、名刺交換ができる。 Sansanのオンライン名刺が これからの新しい働き⽅を後押しします。 オンライン名刺交換、はじまる 事業レベルでの新型コロナウイルス対応
36. Data Strategy and Operation Center 減少の背景に何があったか？ 34 Sansanで配信しているニュースを分析し、 コロナ関連のニュースを以下に分類した。 • 世界経済トピック • 休校トピック • 政治トピック • テレワークトピック 急激な名刺交換減少タイミングと、 テレワーク系記事に占める「当社」という 語の⽐率のピークが⼀致。 • 働き⽅に関するプレスリリースが主。 • 名刺交換＝従業員⾏動は、所属企業の対外的な・ 公式的な発表の後に⾮連続的に変容する。
37. Data Strategy and Operation Center 特に減少した業種 35 • 減少幅⼤きい…保険業・投資業や、情報・調査・広告業など。 • 減少幅⼩さい…職別⼯事業・総合⼯事業、⼩売業など。
38. Data Strategy and Operation Center 今後の問い • オフラインでのビジネスの出会いが減ったことの影響は？ • オンラインでのビジネスの出会いはオフラインの出会いを代替可能か？ • オンラインとオフラインで、持続するつながりの要因は異なるか？ 対⾯での出会いの復活か？ 遠隔コミュニケーションへの移⾏か？ どちらの⽅向に舵を切るべきか、その政策形成を後押しできる可能性。