Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
不動産tech Product Night#2_AIことはじめ_GA橋本
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
Takehiko Hashimoto
September 11, 2024
Technology
750
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
不動産tech Product Night#2_AIことはじめ_GA橋本
Takehiko Hashimoto
September 11, 2024
More Decks by Takehiko Hashimoto
See All by Takehiko Hashimoto
国土交通省 データコンペ参加者向け勉強会
takehikohashimoto
0
1.8k
電通大データアントレプレナー_回帰モデル作成 資料
takehikohashimoto
0
1.2k
【滋賀大学データサイエンス学部】PropTech(不動産テック)における AI・データサイエンス活用
takehikohashimoto
0
5.4k
<不動産データの整備と活用>お部屋探しのマスターデータマネジメントと活用を考えよう
takehikohashimoto
0
800
X-tech meetup#02 Introduction
takehikohashimoto
0
1.7k
X-tech meetup#02_クレジットスコアリングの現状と今後の動向
takehikohashimoto
0
1.7k
X-tech meetup#02_機械学習を活用したローン審査実務の現状と新たな潮流
takehikohashimoto
0
1.9k
X-tech meetup#02_"住宅ローンテック"で住宅業界はこう変わる
takehikohashimoto
0
1.6k
Other Decks in Technology
See All in Technology
[モダンアプリ勉強会]今更聞けないGit/GitHub入門
tsukuboshi
0
360
Building applications in the Gemini API family.
line_developers_tw
PRO
0
2.8k
日本 Fintech 未来予測レポート 2027〜2028年(オリジナル版)
8maki
0
1.3k
新規事業を牽引する技術選定 〜フルスタックTypeScript開発の実践事例〜
nullnull
3
380
10倍の生産性を実現するAI駆動並列エージェントのすべて
kumaiu
4
1.3k
「エンジニア進化論」2028年の開発完全自動化、エンジニアはどう進化するか
cyberagentdevelopers
PRO
4
4.3k
やさしいA2A入門
minorun365
PRO
11
1.7k
就職⽀援サービスにおけるキャリアアドバイザーのシフトスケジューリング
recruitengineers
PRO
1
130
LLMにもCAP定理があるという話
harukasakihara
0
280
日本 Fintech 未来予測レポート 2027〜2028年(手動編集版)
8maki
0
1.4k
AGENTS.mdとSkillsで始めるAIエージェント活用
sonoda_mj
2
190
AI-DLCを活用した高品質・安全なAI駆動開発実践 / AI Driven Development with AI-DLC
yoshidashingo
0
170
Featured
See All Featured
Optimizing for Happiness
mojombo
378
71k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
47
8.2k
How to Get Subject Matter Experts Bought In and Actively Contributing to SEO & PR Initiatives.
livdayseo
0
140
Leveraging LLMs for student feedback in introductory data science courses - posit::conf(2025)
minecr
1
280
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
360
30k
What’s in a name? Adding method to the madness
productmarketing
PRO
24
4.1k
Embracing the Ebb and Flow
colly
88
5.1k
The Straight Up "How To Draw Better" Workshop
denniskardys
239
140k
Chasing Engaging Ingredients in Design
codingconduct
0
220
The Illustrated Children's Guide to Kubernetes
chrisshort
51
52k
Are puppies a ranking factor?
jonoalderson
1
3.5k
Build your cross-platform service in a week with App Engine
jlugia
234
18k
Transcript
Data & EngineeringからのAIことはじめ 1 2024.09.10 株式会社GAtechnologies Product Management(PMD) Product Manager
Advanced Innovation Strategy Center(AISC) General Manager 国立大学法人電気通信大学 客員准教授 国立大学法人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 橋本 武彦 不動産tech Product Night〜#2
本日、お伝えしたいこと 2 • I used to think ◦ 不動産tech =
AI • but now I’ve changed ◦ 不動産tech = (AI +) Data + Engineering
• 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 *東証グロース市場で唯一DX銘柄に3年連続選定 • 2017/4にAISC設立 *不動産業界初 会社紹介
3 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 1,350人 *2024年3月末時点、グループ会社含む
自己紹介:橋本 武彦 4 氏名 橋本 武彦(はしもと たけひこ) 所属 GA technologies Product
Management Product Manager Advanced Innovation Center General 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 不動産とAI(JSAI、IEEE他) 共同オーガナイザー 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 ⇒ 調査会社 ⇒ ブレインパッド(データサイエンティスト)を経 て2017年4月から現職にてAISCの立ち上げに参画。 ここ近年は不動産データの整備に尽力 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@新丸子自宅
事例①:RENOSY(ネット不動産投資サービスブランド) での価格推定の際に痛感したこと 5 • 問い:価格推定のタスクは難しい? or 難しくない? • (タスクの定義次第だが)難しくない ◦
きれいなデータが十分あればですが、、、 (ex.全物件で成約データ完備)
不動産データがツライ 6 商品特性に起因 業界特性に起因 • 同一の物件は存在しない • 超高額商品ゆえに、取引回数 が少ない •
法規制のもとで分業制(多数の プレイヤーが関与) • 紙・FAX主体(≒手入力) • IDでなく物件名・住所で取引 ①少ない ②汚い ③使いにくい
最大限の労力をかけてDataと向き合う! 7 • アルゴリズム(ex.初手LightGBM) < Data • 時間をかけて丁寧な前処理は当然、加えて住所や物件名の名寄せの処理を価格推定に組み入れ ◦ 名寄せ(正規化)については研究開発のAISCが4年越し以上で研究を継続 ※名寄せの詳細:【資料公開】ITANDIと合同で不動産データの整備・活用に関するセミナーを行いました •
中古マンション売買は東京都で数千件/月と少数 • 人手の入力ミス • 住所や物件名の表記揺れ ◦ 住所正規化、物件名の正規化が必須 • ID対応でないため都度名寄せ、etc 出典:価格査定AI(GA technologies AISC Web) https://aisc.ga-tech.co.jp/research/data-science/home-value-estimate データ面の課題
事例②:Group共通の建物・部屋マスタ(BLDG)の定着に向けて 8 • 不動産データのツラミはデータサイエンティストだけでなく、ビジネス現場でこそ発生 ◦ 信頼できるデータが少なく、再利用の仕組もないため毎回の手入力や確認、再取得 • Group全体の効率化/コスト削減に向け建物・部屋の共通マスタの整備に着手することに(≒GAの不 動産ID)
取り組みを始めたはいいけれど道程は長く、、、 9 • 2021年に取り組み開始。当初研究開発として着手し、途中からプロダクトとしての取組に • 2024年4月にようやくプロダクトして成果 *エンジニアをはじめとした関係者に心より感謝! 2021/1 発足 (Property Master)
2022/7 プロダクト 化 2024/4 表彰 FY24 上期 PRODUCT AWARD 研究開発時の成果 • 謄本取得のリード獲得 • データから戦略的なリスト化 • 名寄せ機能提供 • 市場規模推定、etc ※Property Master:研究開発におけるプロトタイプのコードネーム
PRODUCT AWARD:「名寄せ処理の劇的改善による生産性と利便性の向上」 10 ①何をした?(アクション内容) • 2018年にローンチの BLDG名寄 せ処理は名称・住所の完全一致 のみが対象のため、検索一致率
が低く、データ重複も多く発生 ↓ • AISCが長年研究・改善していた 物件名・住所の正規化による名寄 せに処理に変更 ②アピールポイント • 検索精度の劇的改善 ◦ 18.4%⇒58.8% *1 事前評価(38.8%⇒98.9%) 名称のみ ◦ 現場も体感できるレベル • ROI *2 PMDの通常基準で Buyerの査定 業務のみ( X件/月、処理X分)。MNGなど他 は含めない ◦ 年間X時間の業務削減 ※今でも覚えている嬉しかったチャット!
Engineeringの重要性を痛感 11 課題の特定 定着 ③気づき・学び • 同じ目標共有の大切さ ◦ エンジニアと連携(初?)
• 初期運用をみての迅速な対処 ◦ 名寄せは無数のパターンがあるため” 統合しない”を追加し、柔軟な運用を 実現 • BLDGはインフラ基盤 ◦ 当初は重複減想定だったが、現場で は検索が評価。基盤ゆえに想定外含 め広範に利用されることを肝に銘じる • どこが的か特定が難しいため、早期のプロトタイプ提示で検証の繰り返し • プロダクトとして業務に組入れ、運用⇔機能改善 ⇒ どちらもEngineering力があって初めて成り立つ!
(新米PdMの不都合な真実)正直、まだまだ課題は山積 12 • マンション以外の商材拡張、エンジニア採用競争の激化、(クライアントにあたる)各社のプロダ クトとの連携における緊急性と重要性の相克で進まない、etc 出典:O'Reilly Japan - プロダクトマネージャーのしごと 第2版
https://www.oreilly.co.jp/books/9784814400430/ 「はじめに」 ・・・ 曖昧さや矛盾、しぶしぶする妥協といった、日常的な プロダクトマネジメントの実践についての本 ・・・
でも希望を持って取り組める環境に感謝! 13 • マーキュリーがM&AでGroupに新たに参画。 新築〜中古の不動産データが一気通貫(家歴書の 実現)! ◦ マーキュリー:パンフレット(≒マスタ) ◦ GA
Group:投資/売買/賃貸の成約や管理のト ランザクション • エンジニア、PdM、デザイナー絶賛募集中です! 出典:NewsPicks|不動産×テックの先覚者は、データとグローバ ルで第二成長期を迎える https://newspicks.com/news/10424522/ GA technologies 採用ページ https://www.ga-tech.co.jp/careers/
本日、お伝えしたかったこと 14 • I used to think ◦ 不動産tech =
AI • but now I’ve changed ◦ 不動産tech = (AI +) Data + Engineering
15 出典:デジタルプラクティス Vol.11 No.3(July 2020)(情報処理学会) https://www.ipsj.or.jp/dp/contents/publication/43/S1103-GL.html One more message(不動産techのKFS) 1. 事業会社の優位性
2. プロトタイプ開発によるアプローチ 3. エンジニアリング力 4. 多様性の尊重 5. GRIT:情熱、粘り強さ、やり抜く力 出典:日本不動産学会誌 Vol.37 No.1(144)GA technologiesにおける不動産DX推進の事例紹介と考察(橋本武彦,稲本浩久,福中公輔) https://www.jstage.jst.go.jp/article/jares/37/1/37_11/_article/-char/ja • 不動産TechとはTechnologyで業界課題や従来の商習慣を変えようとする取り組みを示す 不動産techのKFS