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

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 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 1. SREホールディングスの紹介

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 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 SREのAI関連プロジェクト紹介

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 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 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 2. 国内外のAI・DXの現状

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 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 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 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 3. 企業におけるAI・DXの落とし⽳とアプローチ

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 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 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 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 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 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 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 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 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 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 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 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 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 4-① ヘルスケア

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 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 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 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 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 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 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 4-② 不動産

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 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 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 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 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 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 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 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 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 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 4-③ ⾦融

49 ⾦融領域におけるAI関連プロジェクト紹介⾦融

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 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 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 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 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 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 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 最後に

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 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

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

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

More Decks by sre_holdings

Other Decks in Business

Featured

Transcript