2012.03.08 大量・多種類のデータを、いかに"価値"に還元するか？

20120308大量多種類のデータをいかに価値に還元するかROI最大化収益向上に寄与する真意と活用の鍵

受講感想

「Big Data」は2つの単純な英単語からただデータ量が大きい状態をことを想起するがより細やかな対応をするためより細かい状態を補足するためにデータ量が増大した結果だ

蓄積したデータを分析し得られた知見で大上段の施策する時代ではなく「今」起きている事象に対して個別に短時間で対応する時代になっている

近い将来働き方を大幅に変わると感じた

「ビッグデータ」とは何か

公的機関等による確定的な定義はない

最初に出てきたと思われる論文

Big Data - nature

Data data everywhere

基調講演者の鈴木良介氏(NRI)によると事業で役立つ知見を導出するための

高解像度性より細かい個別な表現ができる

パーソナライゼーションなど個々別々に思索を講じたい

リアルタイム性 現在の事象に対してフィードバックできる

多様性

構造化されたRDBMSだけではなく音声や動画等の日構造データも取り扱うこと

多面的な判断材料に基づいて思索を講じたい

なぜ「ビッグデータ」なのか

この10年間の「電子化自動化」の進展により使えるデータが溜まってきたため

2001年Suicaのサービスが開始iPod販売開始

2004年Suicaいよるショッピングサービスが開始FOMAサービス開始

事業者においてIT活用の段階を進めざるえない競争状態に入ったため次の2つの壁の間で「電子化したけれd」で留まっている

第1の壁業務の電子化自動化は出来ているか

第2の壁データから事業に寄与する知見が導出できているか

ツールが成熟してきたため

取得生成 各種センサー携帯電話等の通信技術等々

蓄積

データウェアハウスマスターデータ管理クラウド等々

処理分析 Hadoop機会学習統計アルゴリズム等々

ビッグデータだと何が嬉しいのデータを明細レベル(高解像)でもつことで明細レベルでのアクションが取れる

ビッグデータの活用はどのような付加価値を与えるか

製品開発消費者に対しての訴求ポイントの把握

販売促進誰に何をいつ売ればよいかの把握

保守サポート

いつどのようなメンテナンスを行えばよいかの把握さらにそのコストの低減も可能

コンプライアンス不正の予兆や中止すべき事象の把握

業務基盤インフラの運用全般的な性能向上コスト削減を実現

ビッグデータの活用事例

Gang of Four

Google

検索や動画ブログ写真など「趣味」に関する後半なデータを保有

Amazoncom 一般的な「物品」の購買データを保有

Facebook 「人」のソーシャルな関係データを保有

Apple

特定の保有データはないが魅力的なデバイスで「消費者」を抑えている

事業者毎に

利用サイド事業者 製造流通金融等の事業会社

支援サイド事業者

従来のITベンダからアナリティクスを専門にする会社まで

内政事業者 どちらも手掛ける

Amazoncom

基本思想は「Data is King」

レコメンデーション機能 フィードバックは個人単位で行うこと

自動ポップ

電子書籍上でハイライトされた箇所をクラウド上で集約し閲覧者の属性に合わせたポップをこのハイライトされた箇所から紹介する

IGT

International Game Technology

カジノにおいて負けが続いている人を引き止めるための技術

helliptools you need to manage your casino floor attract and retain more customers and dramatically improve your bottom line

インターネットITS協議会「世界中のクルマの情報を集めて開発に利用する」

Ericsson

Dynamic Discount Solution

南アフリカにて開発されたDDSは通信設備の混雑状況に応じてリアルタイムでの割り引き施策を行い混雑を平準化

日立 ガスタービン保全システム

1機のガスタービンに200-2000個のセンサーを設置

リアルタイムにデイリーにウィークリーにマンスリーに稼働状況の分析監視が求められている

稼動情報量は1日分=2GB1か月分=60GB1年分=720GB

ITへの期待

監視 ビッグデータを高度に高速に分析できること

蓄積 ビッグデータを効率よく保管できること

分析 ビッグデータから必要なデータを高速に検索できること

CCC

なぜCCCがビックデータを取り扱うのか

T-Point提携店が展開する全国約30000店舗(2010年2月時点)ある

T-Point使用者にアライアンス企業のサービスをレコメンドする(クーポン )

新規にポスクーポンを開始

T-Point提携店で会計をすると領収書の後にアライアンス企業のクーポンを配布

メリット

T-Pointは顧客の住所性別年齢データを持っているのでエリア別やセグメント別にクーポン配布が出来る

到達単価は20円（TVは1円ちらしは3円DMは80円）だがセグメントを絞れること(ちらしやDMでも出来るがまだ粗い)何よりも「財布の中」にしまってもらえる(ちらしやDMだと瞬時にゴミ箱行き)

効果

クーポン配布枚数に対して約1-3程度の使用率

実際利用人数はクーポン利用枚数の12~15倍(複数人数で行くため)

クーポン配布による初期投資20円x5万枚=100万円顧客単価を5000円1の利用だとすると5000円x5万枚x1x12倍=300万円これは100万円の初期投資を上回る収益

強み

全国規模であること

T-Point会員DBによる柔軟なセグメント化

リアルで顧客を動かせること

課題のある活用事例

英国Allow社の場合

消費者の個人情報売買をサポートするサービス

Take Control of Your Personal Information

Amazoncomの場合不適切なレコメンデーションによりトラブルになった

Tsutayaの場合

過去履歴ではなく今の購買商品に基づいてレコメンドしている

過去にゼクシーを買った購買履歴があるお客様に何度もウェディング関連をおすすめする可能性がある

ビッグデータ活用の類型化と具体的な事例

ビッグデータの費用対効果(ROI)はあるのか

ROIまでのプロセスサイクル

レポート対策案を(1) 意思決定者が受け取り(2) それに基づいてアクションをし始めて費用対効果が出る

課題次の2点が伴わないと宝の持ち腐れになる

レポート対策案を意思決定者は正しく理解できているか

理解して適切なアクションが取られているか

重要なこと予測モデリング

精度の高いレポート対策案を優秀な人に作らせる

そんな優秀な人材がいますか育成していますか

仮説検証サイクル

仮説検証を高速に短時間に繰り返す

レポート対策案の精度を上げるよりもプロセスサイクルを高速短時間でPDCAにする方が効果を得やすいまた修正もしやすい

必要なことは何か

分析フレームワークづくりが楽に高速にできるようITで支援する

意思決定者の所で止まらないように仕組み化する

意思決定を現場社員にやらせる

意思決定をマシンにやらせる

業務系システムから情報系システムへデータロードを高速化するように業務系から情報系の仕事へシフトさせる

ボトルネック

ビッグデータを取扱に関するリテラシーを持つ人が不足していること

雇用する側も雇用される側も

大量のデータを前にワクワク出来る人は少ない

300万行のデータを見て気持ち悪くなる人が大半

数理統計解析のリテラシを持つ人材が社内にいない

意思決定者も雲をつかむ話のために分からない

そのためにシステムやツール等の環境が未整備

自社データを外に出すと言う文化醸成も必要

シリコンバレーにおいてもデータ解析人材の争奪戦は始まっている

「統計学の素養があってHadoopが使える優秀なヤツがいればすぐに年俸10万ドル出す」2011年3月　Strata Conference 2011

「今後10年間でもっともセクシーな職業は統計家である」I keep saying that the sexy job in the next 10 years will be statisticians and Im not kidding By Hal Varian Google Chief Economist 2009

日本のソーシャルゲーム業界でも起きている

データを活用するための人と体制はどうあるべきか

分析力を武器とする企業

総合物流の版デック社の場合

ヤマト運輸の場合

日本は海外に比べて遅れている