AI・DX for executives ヘルスケア/金融/不動産におけるAI・DXの戦略と実務

これからの企業経営と戦略策定において、人工知能（AI）とデジタルトランスフォーメーション（DX）は不可欠の要素になります。
一方で、多くの企業ではAI・DXの取り組みを行なっていても、自社の事業においての強みとする差別化戦略の立案や、これまでの社内人材とは文化も異なるデータサイエンティストなどの先端人材の使いこなしに苦慮しているのが実情です。
今回はスピーカーとして、これまで約300件のAIやDXのプロジェクトの主導や、専門組織の立ち上げや人材育成に取り組んできたデータサイエンスxビジネスの専門家である泉が、これからの企業経営者に必要となるAI・DXの戦略立案方法と、それを実現するためのアプローチについてお話します。

■内容
1. SREホールディングス紹介
2. 国内外のAI・DXの現状
3. 企業におけるAI・DXの落とし穴とアプローチ
4. 各産業における具体的な取り組み例 (ヘルスケア / 金融 / 不動産)

■こんな方におすすめ
・大企業でAI・DXを検討している経営者・役員などエグゼクティブの方
・大企業でDX事業を推進している部課長などシニアマネジメントの方

■講師
泉 晃
SREホールディングス株式会社常務執行役員CDOアナリティクス＆コンサルティング事業本部長DX推進部門長
琉球大学医学部先端医学研究センター　特命准教授

東出 紀之
SREホールディングス株式会社アナリティクス＆コンサルティング事業本部
シニアコンサルタント
東京大学大学院 技術経営戦略学専攻 博士課程

Transcript

1. Copyright 2022 SRE Holdings Corporation AI・DX for executives ヘルスケア/⾦融/不動産におけるAI・DXの戦略と実務 2022年8⽉30⽇ SREホールディングス アナリティクス＆コンサルティング事業本部
2. 2 アジェンダ 1. SREホールディングス紹介 2. 国内外のAI・DXの現状 3. 企業におけるAI・DXの落とし⽳とアプローチ 4. 各産業における具体的な取り組み例 ① ヘルスケア ② 不動産 ③ ⾦融
3. 3 1. SREホールディングスの紹介
4. 4 SREホールディングスの創業からの歩み ü 2014年設⽴（ソニー新事業創出プログラム第⼀号案件） ü 2020年東証⼀部上場 ü 2022年4⽉、東証プライム市場に変更 【概要】 2014年4⽉ ソニー不動産 設⽴ Ø テクノロジーを活⽤したスマートな不動産業を創業 2015年10⽉ AIを活⽤した不動産価格推定エンジンを開発 2018年10⽉ SRE AI Partners 設⽴、⾦融機関提携開始 Ø リアルビジネスの知⾒を活かしたテック外販を開始 2019年6⽉ SREホールディングスに社名を変更 2019年12⽉ 東証マザーズ上場 2020年12⽉ 東証市場第⼀部への市場変更 Ø 不動産/⾦融以外の領域への事業拡⼤を開始 2021年6⽉ DX銘柄2021・DXグランプリ2021に選定 2014 2020 2015 2016 2017 2019 2018 2021 設⽴ 2014年4⽉ ※ ソニー新事業創出プログラム第⼀号案件 上場区分 東京証券取引所プライム市場 事業 セグメント AIクラウド&コンサルティング 不動産テック 主要株主 ソニーグループ（37％出資） 役職員数 １９５名※ （AI C&C事業従事者︓112名※） ※ 役職員数は受け入れ出向や契約/派遣社員を含む（2022年3月末時点） ※ AI C&C事業従事者は、同事業に従事する役職員数とエンジニアリング協力会社人員の合計（2022年3月末時点）
5. 5 AIクラウド SREホールディングスご紹介 l ソニーグループが有する世界最⾼⽔準の先端技術（投資先ベンチャー含む）と、SREの持つ独⾃のAI技術を活⽤し、 クラウドとコンサルティングテングのサービスを提供 l リアル領域の不動産（仲介・開発）事業で蓄積した・磨き込んだソリューションを外部にもサービス提供 ソニーグループの年間約5,000億円の研究開発投資によっ て培われた先端技術と投資先のベンチャーの技術 R&D先端技術 / 投資先ベンチャー技術 リアルを包含したテック＆コンサルティングカンパニー ソニーグループの情報技術と独⾃のAI技術をベースにした DXとAIに関するコンサルティングとクラウドサービスを提供 AI査定(価格・賃料) 不動産⼀括査定 契約重説クラウド パーソナライズ追客 × SRE Holdings 不動産事業 コンサルティング × × 不動産仲介 IoTマンション “AIFLAT ⼤型施設運営 (太陽光、介護施設) 戦略コンサル DX・GXコンサル AIコンサル
6. 6 SREのAI関連プロジェクト紹介
7. 7 講師紹介 泉 晃 SREホールディングス株式会社 常務執⾏役員CDO アナリティクス＆コンサルティング事業本部⻑ DX推進部⾨⻑ 琉球⼤学医学部先端医学研究センター 特命准教授 東出 紀之 SREホールディングス株式会社 アナリティクス＆コンサルティング事業本部 シニアコンサルタント AI導⼊・データ活⽤のコンサルティングが専⾨。 ⽇本IBMのWatson事業部にて複数のAI案件に従 事。これまでに⼤⼿メーカーでの新製品向け対話シス テムの開発、⾃然⾔語処理アルゴリズム開発、教育 機関との実証研究、⾦融機関向けの⼤規模データ 解析、DX⼈材育成研修などのプロジェクトを主導。 東京⼤学⼤学院技術経営戦略学専攻 博⼠課程 在籍。⼤規模データ解析を⽤いたイノベーションマネ ジメント⽀援の研究に取り組む。 BCG、デロイトトーマツ、リクルート、IBMでデータサイ エンスとAIに関するシニアポジションを歴任。 政府のAI⼈材育成事業「AI Quest」の⽴ち上げ、 複数の⼤学や企業のAI⼈材・組織育成、250以上 のデータサイエンスとAIのPJを主導、政府や国⽴研 究所や⼤⼿企業のデータプラットフォームの構築など を⼿掛ける。 SREホールディングス株式会社に⼊社後は、CDOと して、不動産や各産業のAI化・DXの推進を進めると ともに、ソニーの情報技術やSRE独⾃のAI技術を中 核とした、DX・AIに関するコンサルティングに従事。 複数の企業のAI/DXを⼿がけてきたCDOと、データサイエンスの専⾨家がお話しいたします
8. 8 オーダーメイドAI実装⽀援、AI・デジタルに関するコンサルティングサービスをご提供 オーダーメイドAI実装⽀援 A社で必要な技術範囲 A社が技術投資すれば良い範囲 ソニー・SRE コアAI技術 B社で必要な技術範囲 業務に必要なAI技術をSREが網羅することで、 お客様毎にAI技術への開発投資額を最⼩化する コンサルティングサービス AIやデジタル技術のコンサルティングサービスを幅広く提 供。デジタル戦略策定から、プロジェクト実⾏⽀援、トラ ンスファーを通じた組織・⼈材育成や、デジタルデータプ ラットフォーム構築までご⽀援 l ソニーとSREのAIソリューションに加え、オーダーメイドのAI実装⽀援とPoCサービスを提供 l AIやデジタル技術の事業実装に向けた、包括的なコンサルティングサービスを提供 B社が技術投資すれば良い範囲 デジタル戦略 組織・⼈材 育成 プラットフォーム 構築 プロジェクト 実⾏⽀援 定型ソリューション テレプレゼンス 「窓」 ノーコードツール Prediction One 充填率可視化 AIチャットボット Q&A⾃動化 オンライン⾯談⽀ 援 ...etc
9. 9 DX・AIコンサルティングと⾃社事業と社会貢献を組み合わせ、相乗効果を創出 スマー トシティ 推進 不動産 ・物流 • 不動産企業部⾨の個別課題解決、コンサル ティング、テーマ開発 • スマートシティの調査・コンサルティング • 製薬やHC関連企業のDX・AI化のコンサル ティング • RWDプラットフォーム構築⽀援 • 病院経営・オペレーションDX化(将来) • スマートシティ事業の参加 • デジタルヘルス最先端特区リード （補助⾦獲得） • SREのリレーションを活⽤したスマー トシティ案件の開発 ⾦融 • フィンテック領域のコンサルティングテーマの開 発 • レコメンド／デジタルマーケティングのテーマ推 進 ヘルス ケア • 全社DX推進・AI案件コンサルティング • データプラットフォーム構築⽀援、CoE組織 構築 • 官公庁案件の調査案件等の獲得 その他 データ エコシス テム • 沖縄におけるRWDプラットフォーム の推進 • データエコシステム構築によるビジネ スオポチュニティの開発 不動産事業 • 不動産事業（仲介流通・開発・投資） • 不動産デジタルソリューションの開発・展開 → 不動産案件の価値向上、SREとしてのアセット化 コ ン サ ル テ ィ ン グ 事 業 社 会 貢 献 アセット展開 ノウハウFB アセット・ノウハ ウ展開 リレーション強化・ 案件獲得 ア セ ッ ト 展 開 オ ポ チ ュ ニ テ ィ カーボ ンニュー トラル • オフセットソリューションの開発・提供 • コンサルティングを含めた統合プラッ トフォーム・ソリューションの提供
10. 10 2. 国内外のAI・DXの現状
11. 11 AIに対する取り組み︓国別/産業別の割合 国別では、割合が最も⾼いのは中国(85%)で、次点の アメリカ（51%）以下を⼤きく引き離した。 ⽇本は最も低い39%にとどまったが、巻き返しは可能 国内産業別では、⽇本はテクノロジー/ メディア/ 通信 (60%) と⾦融(42%)では7カ国平均との差は約10% ポイントにとどまったものの、その他の産業では、7カ国平均 とは15%から最⼤29%差と⼤きな差がある 32 22 20 11 53 29 29 28 0 20 40 60 80 100 中国 アメリカ ドイツ ⽇本 国別割合 ⼀部業務でAIをパイロット運⽤ ⼀部の業務をAIに置き換え 60 42 38 35 32 23 0 20 40 60 80 100 テクノロジー/ メディア/通信 ⾦融機関 エネルギー 消費者向け 産業財 ヘルスケア 業界別割合(⽇本) AIの導⼊ 出所︓各種資料からSRE調べ
12. 12 国内外のDX/AIの現状(1/3) n DXへの取り組み状況 ⽇⽶両国の間にはDX推進において⼤きな隔たりが存在 業種別では情報通信/⾦融で取り組みが進んでいるが全体として DXに取り組んでいる企業は⽇本では約56%、⽶国では約79% ⼀⽅で取り組んでいない企業は⽇本は約34%、⽶国では約14% n DXへの取り組み開始時期 ⽶国は5年以上前から取り組みを始めている ⽇本では2020年以降の割合が最も⾼く約32% ⽶国では2016年以前の割合が最も⾼く約53% • ユーザ企業とベンダー企業の「低位安定」の関係により個社でのDXが困難 • ITに⾒識がある役員の割合が少ない • 外部環境変化への機会としての認識が薄い • DXへの取り組みが適切に評価されていない可能性 1. DX⽩書2021,第⼀部「総論」,IPA, https://www.ipa.go.jp/files/000093699.pdf 2. DXレポート2.2,経済産業省, https://www.meti.go.jp/shingikai/mono_info_service/covid-19_dgc/pdf/002_05_00.pdf ⽇本の取り組みが低い/遅い要因
13. 13 国内外のDX/AIの現状(2/3) n デジタル⼈材の状況 ⽇⽶両国の間でDX推進⼈材の充⾜が異なる ⽇本では⼤幅/やや不⾜しているが約76%、⽶国では約43% n ITリテラシーレベルの把握 • 既存社員の学びなおしの意識/⽂化がない • ⼈材に対するキャリアサポートが不⼗分 • DX⼈材の明確な評価軸がない • 企業側と社員側の優先事項が異なる ⽶国は8割以上が社員の状況を把握している ⽇本では把握/⼤体把握しているが約33%、⽶国では約81% 1. DX⽩書2021,第⼆部「DX戦略の査定と推進」,IPA, https://www.ipa.go.jp/files/000093701.pdf 2. DXレポート2.2,経済産業省, https://www.meti.go.jp/shingikai/mono_info_service/covid-19_dgc/pdf/002_05_00.pdf ⽇本の確保/認識が低い要因
14. 14 国内外のDX/AIの現状(3/3) n 共通プラットフォームの利⽤意向 ⽇⽶両国の間でプラットフォームの利⽤意向が⼤幅に異なる ⽇本ではすでに利⽤/拡⼤したいが約12%、⽶国では約68% n AIの利活⽤状況 • 経営者の理解が不⾜している • AI⼈材が不⾜している • 業務の可視化、モジュール化が進んでいない • コストに対するパフォーマンスの試算ができない ⽶国は約半数の企業がAIを利活⽤している ⽇本では全社/⼀部で導⼊しているが約20%、⽶国では約44% 1. DX⽩書2021,第四部「DXを⽀える⼿法と技術」,IPA, https://www.ipa.go.jp/files/000093702.pdf 2. DXレポート2.2,経済産業省, https://www.meti.go.jp/shingikai/mono_info_service/covid-19_dgc/pdf/002_05_00.pdf ⽇本の確保/認識が低い要因
15. 15 3. 企業におけるAI・DXの 落とし⽳とアプローチ
16. 企業においてAI・DXの落とし⽳とアプローチ 統⼀されたビジョンやロードマップがなく、組織・ チームごとにバラバラで検討・推進がされている 机上の計画中⼼、あるいは外部のベンダー任せ の推進 意思決定のスピードが遅く、推進と撤退の判断 がつかず、ダラダラと継続 リスク回避を重視した、従来のヒエラルキー組織 型の上意下達 最初は創出される価値を⽬的に始まるが、やる こと⾃体が⽬的化 ビジョンに基づいたテーマの検討と優先順位付け AI・DXを事業会社が主体的に推進可能な組 織を構築 経営とAI・DXが⼀体となったガバナンス体制の 構築とモニタリングによるPDCAを構築 トライアンドエラーを重視したデジタル⽂化と組 織の構築 ビジョンに沿って、常にインパクト創出を⽬指し た、全社で統⼀された計画の推進 ① ② ③ ④ ⑤ 企業において、AI・DXを進めるにあたっては、既存の事業推進とは異なり、全社観点での取り組みと意識改⾰が必要 落とし⽳ アプローチ
17. 17 ①ビジョンに基づいたテーマの検討と優先順位付け AIやデータサイエンスのテーマを進めるにはビジネスや経営とテクノロジーの将来像を踏まえ、イニシアチブを整理し戦略を⽴案す ることが必要 経営アジェンダ 中計の戦略 テクノロジーとAI技術・ 将来像 ①インプットとなる情報 イニシア チブの 初期仮 説 ユース ケース の落し 込み イニシア チブの 整理・リ スト化 ②イニシアチブの整理 イニシアチブの プライオリティ ロードマップ ③AI・DS戦略（アウトプット） 既存のAI・DSの取り組み レガシーシステムの取り組み ü AI・DSプロジェクト ü AI・DS組織・体制 ü デジタル・データプラットフォーム 統⼀されたビジョンやロードマップがなく、組織・ チームごとにバラバラで検討・推進がされている
18. 18 ①事例︓テーマの洗い出しと優先度定義の進め⽅例 ①アイディエーション（テーマの幅出し） AIやDXトレンドやビジネスニーズから、30〜50個程度のテー マを幅出し ・専⾨家インタビュー ・国内外の事例 ②コンセプトジェネレーション（テーマの優先 順位づけと詳細化） ⾃社の課題・強みから上記のアイデアリストから5〜10個に 絞り込み、アイデアの詳細（サービスデザイン、データ等） なコンセプトを検討する ③システムプランニング（ハイレベルなデジタ ルアーキテクチャの設計） 抽出されたコンセプトについて、それを実現するためのハイ レベルのシステム要求事項とあるべき姿（アーキテクチャ） を設計する ー具体的なアプローチ例ー ーデザインシンキング（バイオデザイン）のアプローチー ④イニシアチブのビジネスモデル設計 ビジネスモデルの設計や、ROIやEBITAインパクトの試算 ー成果物例ー • AI・DXテーマのア イデアリスト（30 〜50個） • 事例調査資料 • AI・DSテーマのコン セプト化（5〜10 個） • AI・DSテーマの実現 に向けたシステム・ データのハイレベルな 設計・投資計画 • 実現に向けたロード マップ IDENTIFY INVENT IMPLEMENT
19. 19 ①課題︓国内企業のDX・AIはレガシーに引きずられて価値向上のテーマに取り組めていない • デジタル投資の内訳は、既存ビジネスの維持・運営に約８割が占められている状況 • 経営陣が全社的な戦略・ビジョン・⾏動指針を⽰すことが、収益向上に向けたバリューアップ投資を増やす鍵 になる可能性 JUAS 企業IT動向調査報告書2022（2022） 経済産業省 DXレポート2.2 (2022)
20. 20 ②AI・DXを事業会社が主体的に推進可能な組織を構築 DX・AI ⽴ち上げ期 DX・AI 展開期 本格化時期 プロパーが外部パートナーを活⽤しな がら、組織を⽴ち上げ 複数デジタルテーマを優先度をつけながら 新規に展開、また開発パートナーを活⽤し、 複数のPoCを実施 デジタルサービスを複数展開しつつ、DX・ AI化と効率化に複数取り組んでいる状態。 外部 ⼈材 内部 ⼈材 CDO 企画⼈材 IT⼈材 CDO 企画⼈材 IT⼈材 推進⼈材 CDO 企画⼈材 IT⼈材 推進⼈材 デジタル 候補⼈材 シニア デジタル⼈材 副CDO的な役割として、 デジタルの実現をリードして いける⼈材 デジタル・組織コンサル 開発系パートナー/ベンダー デジタル施策に必要な技術の探索・検証・採⽤を リード デジタル施策やPoCの実装・実⾏ ⼤規模本番デジタルサービスの管理・運営・拡 張をリード シニア デジタル⼈材 デジタル⼈材 シニア デジタル⼈材 デジタル⼈材 デジタル サービス⼈材 机上の計画中⼼、あるいは外部のベンダー任 せの推進 外部 ベンダー
21. 21 ②事例︓外部リソースも適切に活⽤ 現時点では必ずしも⾃社単独でリソースを⽤意する必要はなく、⾃社に⽋けているアセット/ケイパビリティに応じて、外部協業に よる補完を検討する 協業形態 パートナリング コンサルティング アウトソーシング ケイパビリティ/アセット 想定シチュエーション • ⼀時期的な機能補完ではなく、中⻑期的な事業化も含めて検討 • 何をすればよいか (What) /どうやれば実⾏できるか (How) が明 確化されておらず、外部の知⾒がほしい • 社内機能が未成熟な際に、経験豊かなデータサイエンティストと ⼆⼈三脚で取り組み、外部ノウハウを社内に移転させたい • データ分析や加⼯、基盤構築などを実⾏するためのリソースがほしい (マネジメントは社内) Strategy Process Resource Data/Infra Strategy Process Resource Data/Infra Strategy Process Resource Data/Infra Strategy Process Data/Infra Resource
22. 22 ③経営とAI・DXが⼀体となったガバナンス構築とモニタリング これからの企業は、“戦略 x デジタル（AI・データ活⽤） x IT” の⼀体運営が必要 実務 従来の経営⽅法 これからの経営⽅法 経営戦略 デジタル 戦略 経営 経営戦略 IT戦略 デジタルオペレーティング ガバナンスモデル ビジネス 戦略 ⽅針策定 モニタリング 評価のPDCA アプリ・ データプラット フォーム デジタル プロダクト デジタル＆AI カルチャー セキュリティ AI・DS・DX プロジェクト デジタル 戦略 AI／データ 活⽤戦略 ビジネス戦 略 AI／データ 戦略 意思決定のスピードが遅く、推進と撤退の判断 がつかず、ダラダラと継続
23. 23 ③事例︓リアルタイムKPIダッシュボード デジタルと経営・ビジネスのKPIを統合的かつリアルタイムに可視化 経営モニタリングダッシュボード 全社財務KPI（⽉次） • 売上/コスト • EBITDA • EBITDAマージン 事業速報値（⽇次） • 事業（全体/エリア/個店） • 売上 • コスト • 事業KPI① • 事業KPI② • 事業KPI③ デジタル関連指標（リアルタイム） • EC売上 • サービス加⼊者数 主要グループ（週次） • 事業（全体/エリア/個店） • 売上 • コスト • 事業KPI① • 事業KPI② • オンラインアクセス • トレンド （TVメタ/ソーシャル/オープンデータ） 適宜、⽉次 週次、⽇次 適宜、⽇次 CRM SCM SAP DataLake ⽉次でKPIについ てコミュニケーショ ン ⽇次の情報を基 に⽅針・対策を 指⽰ 経営層 マネジメント層 現場リーダー 担当者層 Web Log/EC
24. 24 ④トライアンドエラーを重視したデジタル⽂化と組織の構築 マイクロソフト再興の⽴役者サティア・ナデラCEO は、まず会社のカルチャーを変えた 当時のマイクロソフトは各セクションが競争して、「バトル」の⽂ 化があった。 ナデラ⽒CEOが⼀番重視したのは、成⻑に対する考え⽅。 「我々知らないよね、教えて」「もっと知ろうよ」という好奇⼼ のカルチャー、共感のカルチャーを中⼼に据えた。 Growth mindset（成⻑マインドセット） Customer obsessed（常にお客さまのことを第⼀に考える） Diversity and Inclusion（ダイバーシティ＆インクルージョン） One Microsoft（ワン・マイクロソフト） Making a difference（変化をもたらす） 出所︓Forbs Japan.”マイクロソフトCEOの「シンプルすぎるコンセプト」と「やめた悪習」”より リスク回避を重視した、従来のヒエラルキー組織 型の上意下達
25. 25 ④事例︓⽂化とケイパビリティをアセスメント ステージ データ アナリティクス 環境 組織・⼈材 ⽂化 １ • データがない • データの精度が低い • データ定義が曖昧 • 分析は⾏われていない • 分析可能な環境がない • オフィスソフトを利⽤した 簡易な分析が⾏われて いる なし • データに依拠した判断や価 値向上が取り⼊れられてい ない ２ • データは⼀部個別に収集され ている • 重要なデータが⽋落している • マスタデータの定義がされてい る • データ集計が⾏われている • ⼀部で可視化も⾏われてい る • 分析専⽤の環境は導 ⼊されているが、個⼈の 志向によりバラバラになっ ている • ⼀部の部⾨に分析者がいる が孤⽴している • 分析者の育成採⽤プランは ない • 内部での判断や現状の把 握に⼀部利⽤されている • 技術や⼿法の⾒⽴てが⾏わ れている ３ • データは個別に取集されている • データの定義がされている • 社外データが⼀部で使われて いる • 広い範囲で可視化が⾏われ ている • 統計解析などの分析が⾏わ れている • 分析の品質向上に取り組ま れ始めている • 分析専⽤のツールが組 織として定められ、導⼊ されている • 分析者がネットワーク化され ている • 分析者の育成採⽤プランは ⼀部有するが、スキル開発 は個⼈に依拠している • 試験的に分析がサービスや 製品に組み込まれている • 現状把握に広く活⽤されて いる ４ • データは全体的に取集されて いる • データの精度が測定されている • 社外のデータが共⽤データとし て整備されている • 先進的な⼿法も含めて分析 が⾏われている • 分析の品質マネジメントが導 ⼊されている • 分析専⽤の環境が導⼊ され、システムとして運⽤ されている • 分析者のコミュニティが形成 されている • 組織として分析者の育成採 ⽤プランを有している • ⼀部の本番サービスや製品 に組み込まれている • 経営陣のサポートが得られ ている ５ • データは統合されている • データの精度改善の仕組みが 導⼊されている • メタデータも含めて管理されて いる • データ分析が定着し、⾼度 に統合化されている • 分析品質マネジメントの PDCAが確⽴されている • 組織横断型の分析専 ⽤システムが整備・運⽤ されている • あらゆる事業分野に分析知 識を備えた⼈材が市⺠デー タサイエンティストとして存在 している • 周辺業務はアウトソースされ ている • 本番サービスや製品に組み 込まれ、⼤きな効果を創出 している • 経営陣が積極的に取り組ん でいる
26. 26 ⑤ビジョンに沿って、全社で統⼀された計画の推進 2M 3M 4M 5M 6M 7M 8M 9M 10M 11M 12M 1M 案件 アナリティクス アナリティクスの環境準備 アナリティクスデータ運⽤と環境保守 データ データ連携 データプラットフォーム構築 組織・ ⼈材 社内デジタル⼈材の選抜・育成 CoE組織化 デジタル⼈材採⽤⽀援 環境 ITインフラ環境整備 戦略 準備 ビジョンの策 定 テーマのリス ト化 営業での1PoCの実施 社内展開 営業PJ Ph1 営業PJ Ph2 コーポレートPJ Ph1 営業PJ Ph3 コーポレートPJ Ph2 創薬PJ Ph1 アセスメント PoC計画 策定 実施計画策定 モニタリング image 最初は創出される価値を⽬的に始まるが、 やること⾃体が⽬的化
27. 27 n デスクトップリサーチなどによる 事業に関わるトレンドを調査 n トレンドマップ、短〜⻑期的な⾒通し n DXに役⽴つペインポイントの特定 n アイデア開発のためのアプローチ ⼿法の構築 n アイデアをDX・AIテーマに統合 n カスタマージャーニーに沿ったペイン ポイントOverview n 魅⼒度/実施可能性に基づきDX・AI テーマを優先順位付けするフレームワーク 開発 n コンセプトジェネレーションに向けた、ワーク ショップを準備/開催し、各テーマからMVPを 作成、実⾏に向けた資料をドラフト n MVPチャート n 各MVPの財務的情報を推定するためのフ レームワークを開発し、部⾨固有の要件と 考慮事項を評価 n MVPの検証のためアジャイルな⼿法 で潜在的なユーザ/患者とテスト n MVPの検証、価値/フィードバック根拠 の裏付け ビジネス／技術トレンド調査 ベストプラクティスの特定 ギャップ分析の実施 カスタマージャーニー構築 アイディエーション アイデア出しのための ワークショップ実施 DX・AIの各テーマを優先付け 各テーマの コンセプトジェネレーション （MVP候補への発展） ビジネスモデルも含め テーマを具体化 PJ組成 評価フレームワーク構築 n 競合/ギャップ分析 n 競合を選定しケーススタディ n 競合他社の評価 n 詳細なケーススタディ n 新しく独創的なアイデアのリスト n 取り組むテーマの統合リスト n ワークショップの準備/実施 n 詳細化されたアイデア/テーマ n 魅⼒度/実施可能性の⾼い上位5テーマ n フレームワークとハイレベルのインパクト評価 1 2 3 4 5 6 7 8 9 成果物 キーアクティビティ 成果物 キーアクティビティ ⑤事例︓DX・AIのテーマの推進を統合的に推進
28. 28 4. 各産業における具体的な取り組み例 ① ヘルスケア ② ⾦融 ③ 不動産
29. 29 4-① ヘルスケア
30. 30 ヘルスケア領域においてAI・DXは、効率化や価値向上を促進 研究開発 • 創薬・開発における研究 開発の最⼤インパクト オペレーション • セクター固有の効率性と有効性のレバー マーケティングと販売 • パーソナライズされたメッセージ、 可能性の⾼い顧客セグメント識別 サポート機能の最適化 • 反復作業のためのロボットプロセス・オート メーションは⼈事/IT/法務/等に応⽤ リモートでの予防とケア • 予防⽬的のウェアラブルやバーチャル アシスタントによる病院外での⽀援 診断サポート • 画像/⽣体データ/臨床検査等から、 医師による疾患状態（乳がん/脳梗 塞/⼼臓病等）の特定⽀援 治療パスウェイとサポートリスクアナリティクス • 個別の治療計画とリスクを特定し、院内モ ニタリングと将来のロボットを⽤いた治療結 果とコストを最適化 製薬・医療機器 医療・介護 ヘルス ケア
31. 31 製薬領域におけるAI・データの利活⽤例 R&D メディカル コマーシャル RWD・AIによる リサーチクエスショ ンの抽出 公開論⽂、ゲノ ム、オミックス等 データベースより 標的探索 ネットワーク解析 • 疾患ネットワーク︓疾病の機序 から、類似した他疾患へのリポジ ショニング • タンパク質相互作⽤ネットワー ク︓標的の特定、薬理作⽤の 予測・評価 バーチャルスク リーニング 化合物⾃動 設計・ 最適化 タンパク質や 核酸の⽴体 構造予測 Digital Twin により化合物 の毒性、⽤ 量、代謝等を 予測 RWD（臨床・健診等）解析による 患者・疾患の状態把握 デジタルバイオマーカー（ウェアラブルで収集） でのアウトカム測定 医師が報告したアウトカム、患者固有のデータ等での 薬剤使⽤状況のモニタリング クリニカルアウトカム 分析 RWE活⽤による有 害事情の発⾒ Drのタイプに 応じたチャネ ル最適化と ナーチャリング MR /営業⾏ 動の最適化 機械学習に よる患者数の 予測 • 製薬領域のバリューチェーンにおいても、さまざまな⽤途でAIやデータサイエンスの活⽤が広がっている • 近年では、医療統計のみならず、機械学習（ML）や深層学習（DL）による活⽤が進んでいる ヘルス ケア
32. 32 医療データ✖AIによるエコシステム データ 提供元 久⽶島 LHR 那覇市 LHR 先島 ネット 健幸PJ ⼋重島 ネット やんばる 健康ネット てだこ ネット RWD (150万⼈ のデータ) ⼤学 ⼤学院 地元企業 ⾃治体 医師会 住⺠・ 患者 沖縄RWDコンソーシアム 地元 ⼤学 特任研究員 企業・ベンチャー 医師会・⾃治体 データサイエンス＆ AI⼈材育成 先端⼈材育成 採⽤ 受講 ü 琉球⼤学 ü OIST ü 地元／他地域の⼤学 ü 臨床医 ü 企業の研究者 ü 学⽣ ü 那覇市医師会 ü 県・市町村医師会 ü 県庁・市町村 DS講座提供・ 研究⽀援 教育コンテンツ 提供 研究指導 共同研究 ü 製薬企業・⾷品企業 ü ベンチャー(DG, アイ リス) ü ベンチャーファンド 沖縄県の 約 3割の検診デー タ ＋ 久⽶島の ヘルスデータ 2022年1⽉より、⼀般財団法⼈ 医療情報共有機構に運営を移管 沖縄の医療データ活⽤による地域医療課題の解決と産業育成を⽬指し、2020年11⽉よりコンソーシアムを⽴ち上げ。企業や 医療ベンチャー等の企業、那覇市医師会や琉球⼤学等の地域医療の担い⼿、ベンチャーファンドやJIPDEC等の第三者機関も参加 ヘルス ケア
33. 33 海外の医療データ 出所︓「⽶最⼤⼿医療保険ユナイテッド・ヘルスが次々にデジ タルヘルススタートアップを買収しているワケ」, 2020年5⽉6⽇ Optum売上推移 DB/運⽤組織 規模 含まれるデータ ⼆次利⽤ NIS 700万⼈ （各年） 診断および処置情報 患者情報 （例えば、性別、年齢、⼈種、 居住地域の平均世帯収⼊）、施 設情報 予想される⽀払元、総費 ⽤ 退院時の状態、滞在の⻑さ、 重症度と併存疾患対策 等 制限なし （350ド ル／１年分） メディケア・ メディケイド サービスセンター （CMS） メディケア 5,200万⼈超 メディケイド 6,400万⼈超 診断および処置情報、患者情報、 施設情報 サービス提供者および ⽀払い⾦額、 外来やリハビリ、薬 局に対する請求データ 集計データは制限な し 個票データは公 的利⽤（ResDAC を通じて提供） Optum 7,400万⼈ 請求データとリンクした EHR Humedica NorthStar、 Clinformatics 等 Truven Health Analytics ２億⼈以上 請求データとリンクした EHR、 健 康リスク評価、臨床検査値、病院 データ 等 MarketScan Databases 等 BCPlatform (RQUEST) 3,000万⼈ （内、ゲノムは 500万⼈） 臨床データ、ゲノムデータ、コホート データ、健診データ 等 個別のデータホル ダー契約 出所︓「政策研ニュース」, 2015年11⽉ 等
34. 34 ⽇本の医療データ ⽇本においては医療関連のデータ化はレセプトや電⼦カルテを中⼼に進んでいるものの、諸外国に⽐べ産業領域で活⽤可能 な価値の⾼いデータは少ない、もしくは現時点では存在しない データ名 データ詳細 Receipt / DPC •医療機関が保険者に提出する診療報酬の請求明細 •治療⽇数、医療機関コード、患者情報、保険/公費、傷病名、診療内容、処⽅内容などを含む •DPCは導⼊病院が⾃らの診療⾏為のおよび⽀払情報を報告するもの EMR Data •各医療機関が保有する電⼦カルテ、検査、投薬等のデータ •データフォーマット／インターフェースは各機関／各社バラバラ 商⽤データ (JMDC / MDV等) •個々の患者に紐付いた（名寄せ済み）のレセプト/DPCデータ •MDV: 1,700万⼈規模 •JMDC: 400万⼈規模(⾼齢者少) NDB Data •国保における全被保険者のレセプトデータ、特定健診データ、介護保険データを統合した⼆次 データベース MID-NET •協⼒医療機関から提供される情報のデータベース •限定された医療機関の電⼦カルテ情報、レセプト情報などを含み、PMDAに申請することでデータを 利活⽤可能 千年カルテ (次世代基盤法) •協⼒医療機関から提供される情報のデータベース •限定された医療機関の電⼦カルテ情報、レセプト情報などを含み、PMDAに申請することでデータを 利活⽤可能 1 2 3 4 5 C-CAT (Cancer registration data) •全がん患者を登録 •薬剤名が収集対象でない バイオバンク Data •全ゲノムデータや特定のSNPデータ •検診データや臨床データなどとの組み合わせ 地域コホート 管理主体 医療機関 保険者 医療機関 ⺠間 国保 ⺠間 ⺠間 NCC? バイオバンクジャパン/ 東北メディカルメガ バンク等 弘前コホート/ ⻑浜コホート/ 沖縄RWD等 •⽇本各地における検診データや臨床データのコホートデータ •数千項⽬のデータ項⽬やゲノムデータとの組み合わせもある 公開 有無 × ◦ △ × × ◦ △ △ △ △ ◦ △ 商⽤ 利⽤ △ × ◦ △ △ △ 個⼈ 名寄せ △ ◦ △ × ︖ ◦ △ △ ◦ 匿名化 ◦ ◦ × ︖ × ◦ ◦ ◦ ◦ 6 7 8 9
35. 35 事例︓製薬・保険の経営層に向けたパーソナライズAIレクチャー レクチャー1（2回） AI・データサイエンス概要理解 AI・データサイエンスのビジネスに必須の基礎 知識と具体的な事例を理解 レクチャー2（2回） AI・データサイエンス技術理解 実際に使⽤される AI・データサイエンスの⼿法を紹介 レクチャー3（3回） AI・データサイエンス技術実践 実際のデータを使った ユースケースを経験・取得 • AIとデータサイエンスを単なる理論や⼀般論ではなく、各業界の経営者のビジネスに直結した形で学ぶ • テーラメード＋オンラインを組み合わせることで、個⼈の理解に合わせ、しっかりと効率的に学べるカリキュラム ヘルス ケア 経営者／ビジネスユーザー向け研修 技術とデータのビジネスへの活⽤を重視した研修体系 7⽇⽬ テーマ決定・ データ取得 8⽇⽬ データ可視化・ モデル作成 9⽇⽬ モデル評価・改善 10⽇⽬ モデル評価・改善 発表資料作成 11⽇⽬ 成果発表 講師陣の指導のもと、テーマを選定 ⽤意されたデータへアクセスできるようにする 選定したテーマでデータ分析 Pythonでデータの整形や可視化、モデル学習を実⾏ データ分析の結果を資料にまとめて、 研修⽣⼀⼈⼀⼈が成果報告 研修⽣+部署関係者 データ整形 可視化 評価 モデル 作成・改善 研修⽣ 講師陣 研修⽣ 講師陣 テーマ 選定 データ アクセス 実務者向け研修 幅の広い技術・技法など業務実装を重視した研修体系
36. 36 包括的な医療関連データとAIにより、患者の⾃⼰決定に基づく医療への変⾰が進む 包括的な医療データ 最新技術を⽤いた データ解析 患者データの リアルタイムでの収集 患者個別の医療背 景に基づく最適な治 療選択 最適な場所、タイミン グでの医療提供 ロボティクス IoT/モバイル AI/機械学習 ビッグデータ クラウド • 患者による⾃由な医療データアクセスが可能になり、医療の主体が徐々に患者へとシフトし始めている • 包括的な患者データとAIなどのエマージング技術により、Data Driven Healthcareが実現する可能性がある 患者中⼼の医療 メディカルデータ活⽤ パーソナライズ医 療 ・ メディシン オンライン・遠 隔 診 療 ・治 療 ・処 ⽅ 製薬・創薬 家・介護 保険 医療・病院 Data Driven Healthcareの実現 ヘルス ケア
37. 37 4-② 不動産
38. 38 ⽶国ではDXによる不動産業界の 構造改⾰が進んでいる 1990年代〜 2010年代後半〜 デジタル化開始 ポータルサイトの 隆盛 MLSのIT化 法改正 仲介会社への 課⾦ビジネスが 主流に AI/IT技術でスマート化 DX化の浸透 DX化で業界構造の変化 ・iBuyer ・テック仲介 ・特化型BPO 2000年代〜 ⽶国の不動産市場の変遷 不動 産
39. 39 主⼒事業 売上(億$) 33 23 9 ✔ ✔ ✔ ✔ 設⽴年 2004年 2013年 2004年 2012年 37 時価総額(億$) MarketPlace ✔ ✔ ✔ ✔ iBuyer ✔ ✔ ✔ ✔ テック仲介 331 113 68 13 ⽶国不動産業界の巨⼈“ZORC” 不動 産
40. 40 ⽶国の不動産業界においては、DX化＆分業化が進んでいる 不動 産 売主 買主 エージェント 契約書 登記/エスクロー企業 ローン企業 インスペクター 不動産鑑定⼠ 契約 借⼊ 発注 発注 契約 登記所 登記 連携 電⼦署名 発注 発注 契約書作成・ローン・登記/エスクロー・電⼦署名の領域で、⽇本よりもIT化＆分業化が進んでいる
41. 41 ⽇本の不動産業界のDXの現状 ※出典︓イタンジ「不動産業界のDX意識調査」2020年6⽉より 不動 産
42. 42 2020年度不動産テック市場は約6,000億、2025年度には倍の約1.2兆円市場に拡⼤ 不動 産 • 2025年度には 2020 年度対⽐107%増(CAGR15.6%)の約1兆円に拡⼤ • 2025年度には 2020 年度対⽐ 95%増(CAGR14.2%)の約2,500億円に拡⼤ • B2Bは仲介・管理業務⽀援/価格査定系、IoT、VR・AR 市場は 2 桁成⻑が継続
43. 43 不動産AIクラウドソリューション IT化 （おうちダイレクトによる 買⼿集客/AI追客） 買⼿集客 売⼿集客 （おうちダイレクトによる 売⼿集客/AI追客） 購⼊仲介業務 IT化 IT化 IT化 売却仲介業務 （AIによる⾃動査定/ ITを活⽤した反響・媒介管理） 契約業務 （ITによる契約・重要事項説明 業務のサポート） 売却集客⽀援 サービス 不動産AI 査定ツール 不動産AI マーケティング オートメーションツール 契約重説クラウド （ContraNavi） +1700社のご活⽤実績 AI/ITを活⽤した⼀気通貫のワンストップサービスを提供し、仲介業務をサポート 不動 産
44. 44 不動産査定AI 不動 産 AI不動産価格査定書サービス • マンション・⼾建・⼟地に対し、不動産価格推定エンジンを活⽤したAI査定ツールを提供 • 分かりやすい導線とデザイン、且つシンプルで簡単に不動産価格推定を⾏えるクラウド系ツール
45. 45 不動産AI査定の仕組と効果 不動 産 • 過去の膨⼤なトランザクションデータを基に物件を⾃動査定でき、査定業務の時間を9割超削減 物件査定 不動産AI査定エンジン・API 過去データによる機械学習 過去のデータから学習されたモデル 毎週最新データで更新 物件情報 物件名 ◦◦ 住所 ◦◦ 号室 ◦◦ ・・・ ・・・ 不動産ポートフォリオ・データ 物件価格 ◦◦円 ⼟地価格 ◦◦円 賃貸価格 ◦◦円 ⼟地情報 物件名 ◦◦ 住所 ◦◦ 面積 ◦◦ ・・・ ・・・ ⼊⼒ 出⼒ 効率化効果 価格査定1件あたりに要する平均時間(秒)※ 各物件・⼟地査定価格 ※ 当社調べ 0 200 400 600 800 人による査定 AIによる査定 9 割 超 # 削 減 1,200 800 1,200 45 AI不動産査定ツールの仕組み
46. 46 AI-OCRにより施設内の業務を効率化し、データベース化により予測に活⽤ ⽂字情報付き PDF ⽂字情報なし （イメージ）PDF ⽂字情報を抽出 イメージから⽂字 情報をOCRにて 抽出 契約書 書類タイプ別で分 類し処理 抽出結果をもとに アルゴリズムを改 善 SRE AI-OCR on Cloud 契約 DB 特に多いフォーマットを 分類し読み取り処理 を実施 ⾒積書 請求書 l 社内の各種の紙⽂書をAIにてOCR化してDB化 l DBのデータを検索し・利⽤するのと同時に、予測AIによってい将来の収益や物件などを予測 予測AI 検索・ データ利⽤ 不動 産
47. 47 事例︓倉庫における充填率の可視化 3次元カメラによって、倉庫やパレット上の荷物の充填率を捉える l 物流業界向けに3次元認識技術を適⽤ 不動 産
48. 48 4-③ ⾦融
49. 49 ⾦融領域におけるAI関連プロジェクト紹介 ⾦融
50. 50 証券会社営業部⾨におけるAI活⽤事例 テレアポ効率化 コールセンター⽀援 基本 訪問計画 ⾃動作成 応用 発展 将来 投資・ポートフォリオ管理 証券営業⽀援AI マーケティング⽀援 本⼈確認・ｱﾝﾁマネーロン ダリング 顧客窓⼝対応 チャットボット 銘柄 レコメンド 提案資料⾃動作成 AIトレーダー 顧客分析 ⾦融 需要量予測
51. 51 ⾼額利⽤取引者推定 ⾼額利⽤者向けオファー 短期売買情報 ⻑期投資情報 取引履歴付の 顧客リスト 顧客⾏動予測 ⾼額利⽤の可能性の ⾼い顧客を抽出 ⾼額利⽤する可能性の⾼い顧客の特徴を推定するだけでなく、 キャンペーン施策の反応率の向上など、マーケティング活動の⾼度化、 営業活動の効率化の実現が可能に。 リピート 顧客 ⾼額利⽤ 顧客 優良顧客 初回顧客 l 短期売買、⻑期投資などの取引データから、⾼額利⽤の可能性が⾼いお客様を推定します。 活⽤想定対象︓証券、AM、銀⾏、カード、営業 ⾦融
52. 52 優良顧客ターゲティング l 膨⼤な証券取引データ、顧客属性から、おススメ商品の抽出や購⼊⾒込みの⾼いお客様を推定 活⽤想定対象︓証券、AM、銀⾏、カード、営業、企画 ⾦融
53. 53 債券レコメンドAI開発 l 過去の社債の取引履歴、顧客属性データから、顧客である投資家に向けて購⼊すべき債券を推薦 活⽤想定対象︓証券、営業、企画 ⾦融
54. 54 投信レコメンド分析 顧客情報⼜は投信データと 市場情報を⼊⼒ 過去データを学習した顧客・投信取引モデルによる取引勧告と営業⽀援 顧 客 情 報 過去取引履歴 職業 年齢 ・・・ 投信 情報 種別 設⽴ 組⼊れ銘柄 リスト ・・・ 市場 情報 関連株式 関連⾦利 ・・・ 取引勧告、営業 ⼊⼒︓顧客⼜は商品情報 ⼊⼒顧客や投信に対して 取引勧告と関連する分析を出⼒ 過去取引情報、投信情報、市場情報から 勧告モデルを作成 STEP 2 STEP 1 STEP 3 顧客リスト 投信リスト 追加分析 出⼒︓候補顧客⼜は投信を勧告 ü 顧客ポートフォリオ ü 取引銘柄 ü 取引額 ü … 機械学習 予測 AI勧告モデル 出⼒ ⼊⼒ ü 組⼊銘柄リスト ü 時系列NAV ü 設⽴情報 ü 特徴 ü … 事前処理（定期的に更新） ü 株価情報 ü ⾦利情報 ü Bloomberg ü Reuters ü 関連ニュース特徴 時系列 取引情報 過去投信情報 過去市場情報 途 上 管 理 定期的 バッチ処理 顧客レポート 付加価値サービス データ 顧客ポートフォリオ モニタリング 活⽤想定対象︓証券、AM、銀⾏、営業、戦略室など ⾦融
55. 55 証券需要量予測分析 l ⼤⼿証券会社との証券取引データ分析プロジェクトを実施 l 新株・債権の需要予測、投資家需要可視化などの分析から洞察を導く l さまざまな規模・種類のデータに対する機械学習アルゴリズム適⽤の知⾒ 社内データ • 該当銘柄の株価推移 • TOPIX推移 • ⽇経平均株価推移 • PER • 配当利回り • 時価総額 市場データ • 年間取引回数 • ⽉間取引回数 • 年間取引投資家数 • ⽉間取引投資家数 • 年間取引額 • ⽉間取引額 • 銘柄特徴を表す指標 投資家別需要 • クライアント保有・市場両⽅の⾦融データから適切な特徴量 を設計したことで、⾼精度で予測可能な回帰モデルを開発 • 決定係数0.8以上 • 対象の⼤半が誤差率0.5以下 総需要 • 購買可能性が⾼いと予測された上位 10％の投資家群のうち、実際に購買を ⾏った投資家50％以上が含まれる • 有望投資家群を予測できる可能性がある ことから、ターゲティング営業に活⽤可能 ⼊⼒データ例 予測結果例 ⾦融
56. 56 事例︓マーケティング⽀援 ⼤⼿証券 • 顧客ごとの商品購⼊確率や離脱確率を予測する AIがマーケティングを⽀援 • 商品別の購買予測や顧客離脱予測など、顧客ごと の状態変化を予測するモデルを構築、予測結果に 基づいた最適なアクションを営業員に配信する仕組 みを構築 • 導⼊から1年半程で商品購⼊率2.7倍、離脱率半 減などの成果 https://japan.zdnet.com/article/35107779/ 顧客DB 購買履歴 AIモデル 営業員 予測結果 最適アクション の提⽰ ⾦融
57. 57 最後に
58. 58 DX・AI コンサルティング テーマ例 DX・データ活⽤テーマ パーソナライゼーション 顧客プロファイリング/ク ラスタリング ライフイベント予測 オープンデータによる 新規ターゲティング 解約予測による リテンション率向上 IoTデータや認識/ 予測技術による 新商品/サービス開発 商品スペック最適化 品揃え最適化 ダイナミック/カスタム プライシング 販促投資配分の 最適化 需要予測による在庫/ 機会ロス削減 購買最適化 ⽣産プロセス最適化 エネルギー効率 最適化 予知予防メンテナンス 営業リソース最適化 顧客とサービス・担当 者等のベストマッチング 店舗配置最適化 エリア別⽣産計画 最適化 配送ルート最適化 クチコミ・紹介ネット ワークの可視化 リスクモデルの⾼度化 審査/査定プロセスの ⾃動化・精度向上 プロジェクトリスク管理 不正/異常検知 ⾳声・⾔語認識による クレームリスク評価 Dx推進⽀援 業績シナリオシミュレー ション 配置⼈員の最適化 最適採⽤者・退職者 予測 画像・⾔語認識による 事務⼿作業の⾃動化 質問応答⾃動化 顧客 製品 オペレーション ネットワーク リスク 企業 デジタル・データプラットフォーム デジタル・データプラットフォーム 分析・BI基盤 AIプラットフォーム（MLOPS） データマネジメント メタデータ管理 個⼈情報管理・匿名化 組織・⼈材育成 データサイエンス・AI⼈材育成 Dx・CoE組織⽴ち上げ 組織・⼈材アセスメント 教育・採⽤プログラム デリバリーエクセレンス（DevEx） プロセス管理
59. 59 DX・AIのご⽀援例 先⾏的データ解析案件実⾏⽀援 • テーマ選定／コンセプトジェネレー ション • データ取得／加⼯ • データ解析⽀援 • データ活⽤アドバイス 社内データの統合・活⽤⽀援 • データ棚卸 • データ収集／統合／加⼯ • データ活⽤テンプレート • データガバナンスの導⼊ • メタデータマネジメント 社内へのデータ活⽤普及⽀援 • データプラットフォームの活⽤促進 • AI／DSトレーニング • 活⽤ワークショップの開催⽀援 • データ解析案件への⽀援 • メタデータの積極的な活⽤促進 3ヶ⽉程度 6ヶ⽉程度 6ヶ⽉程度 継続的なデータ活⽤推進に関するアドバイス／計画⽴案・推進 ⽀援 AI⼈材育成トレーニング ✖ ✖ 1 2 3 4 5 個別案 件サ ポート 6 • まずは先⾏的なデータ解析案件のご⽀援をしつつ、それをベースに全社のデータ活⽤・統合へ繋げる • 最終的には全社的なデータ活⽤を促進し、ガバナンスのもと各事業で案件が複数実⾏されている状態を⽬指す