日立ソリューションズのビッグデータビジネスへの取組み · 2014-03-11 · ビッグデータ利活用における課題 . Volume . Variety . ... 2-1 マーケティングにおける人間行動分析

© Hitachi Solutions, Ltd. 2013. All rights reserved.

株式会社日立ソリューションズビッグデータビジネス推進センタ

2013/12/12

渡辺憲和

日立ソリューションズのビッグデータビジネスへの取組み


１. 当社が考えるビッグデータビジネス

２. ビッグデータ活用事例

1

Contents


１-１ビッグデータの特徴と利活用における課題

2

出典：ＩＤＣ「2012年国内ビッグデータテクノロジー／サービス市場動向分析：2012年～2016年の予測」

容量

従来技術による処理量を超える

種類

画像/音声/ログ等の非構造化デｰタ

頻度・スピード

デｰタ生成/分析の高速化､リアルタイム化

価値

分析&利活用で経済的価値が発生

・ビッグデータの高速処理

・多様なデータへの対応・リアルタイム処理

・多種多様な製品・技術への対応と環境構築

・プライバシーへの抵触

・データ利活用の組織戦略

・データ利活用ノウハウの不足

・人財不足

・データ精度の悪さ

ビッグデータの特徴ビッグデータ利活用における課題

Volume

Variety

Velocity

Value


１-２ビッグデータ利活用の潮流

3

高速処理のシステム構築ニーズの拡大

データ利活用システム構築ニーズの拡大

既存ソリューションにおけるデータ利活用ニーズの拡大

データ利活用（２次利用含む）

の新たなシステムの提供

処理時間の長時間化

ＢＰＲ、業務改善、業務システム見直し

の発生

ビッグデータの新ビジネスへの活用

ビッグデータの蓄積、処理

ビッグデータからの価値創出、

ビジネスへの貢献

お客の狙い顧客業務および

システムへの影響事業機会


１-３当社のビッグデータビジネスの方向

4

ﾘｱﾙﾀｲﾑ処理

気付き

知識分析・ｼﾐｭﾚｰｼｮﾝ

データ蓄積・管理

ﾃﾞｰﾀﾍﾞｰｽ

ビッグデータ

分散処理

処理処理処理

処理処理

取組み分野１大量／高速データ処理により、これまで対応できなかった顧客課題を解決

取組み分野２大量データの分析により、顧客のビジネスに貢献する新たな価値を創出

顧客価値・事業結果の即時把握、素早い経営判断の実現・業務プロセスの改善（スピード化、スリム化）

顧客価値・データ２次活用促進、高付加価値化・人間活動データと業績データ連動による売上／利益の最大化・隠れ市場発見、ビジネス拡大

・データ利活用のためのプラットフォームの提供

・データ利活用に向けたノウハウ、ワンストップのソリューションの提供

© Hitachi Solutions, Ltd. 2013. All rights reserved. 5

１-４データ利活用のハイブリッド・インテグレーション

アプリケーションデータ利活用のプロセスと関連製品

データソース収集・加工データ分析編集・出力

[非構造データ] プローブ映像ＳＮＳ他

Splunk （ETL/DWH）

ETL､ﾃﾞｰﾀ統合ﾃﾞｰﾀ分析ﾃﾝﾌﾟﾚｰﾄ

日立･分析ｴﾝｼﾞﾝ

Bodais （ﾃﾞｰﾀ解析ｻｰﾋﾞｽ）

Splunk （ﾃﾞｰﾀ変換､出力）

[顧客行動解析] 地銀共同センタ人流解析営業員行動解析ポイント管理他

データ処理・ストアＤＢ Cloudera／Hadoop

HADB／uCSDP（ストリーム）／uCEADs（インメモリＤＢ）

バッチ高速化（ＡｓａｋｕｓａＦraｍｅｗｏｒｋ）

Oracle Exadata （ＤＷＨ）

[自社ｻｰﾋﾞｽ事業] FLP（Fan Life Platform ﾌｧﾝﾋﾞｼﾞﾈｽ基盤） PHR（ﾊﾟｰｿﾅﾙﾍﾙｽｹｱ）ｽﾏｰﾄe-Trasus（営業車動態管理）他

[メタデータ] 会計外部システム CRM 他

ﾃﾞｰﾀ加工

コントロール基盤 Hadoop暗号化

[社会ｲﾉﾍﾞｰｼｮﾝ関連ｻｰﾋﾞｽ事業] M2M（障害予兆検知） FSA（Field Support Automation) 製造可視化他

ﾓﾊﾞｲﾙUI

既取扱い製品凡例

分析・帳票作成

非ETL・非DWHのBI/可視化

プラットフォームＳＯＡ／ＰａａＳ／ＩａａＳ（ＣｌｏｕｄＳｔａｃｋ等）など

第３のPF特化型、統合PaaS

検討中/評価予定の製品（概要）

データ利活用のワンストップソリューション＆利活用ノウハウ

データ利活用のプラットフォーム

１－５でご紹介

２でご紹介

Splun（ﾛｸﾞ解析）


Apache Hadoop導入ソリューション

「Apache Hadoop」および「CDH/Cloudera Enterprise」の導入アセスメント支援から、保守サポートまでワンストップでのサービスを提供

ポイント

インストール

インフラ構築

アプリ開発支援

テスト設計開発構築現状分析

導入アセスメント

検証環境の

カスタマイズ支援

テスト計画策定支援

テスト実施支援 Hadoop製品サポート

運用

パラメータ設計

リソース設計

運用設計

チューニング

豊富な基盤設計／運用設計ノウハウを活用し、お客様の課題を解決

Hadoop関連製品やツールを組合せ、最適な設計／開発支援サービスをご提供します

Cloudera Enterprise/CDHソリューション

Hadoop向け業務バッチアプリケーション開発フレームワーク Asakusa Frameworkソリューション

業務バッチが長時間化し困っているお客様、また、業務バッチの再構築に伴い新しい分散バッチ基盤を導入したいお客様向けに、Hadoopテクノロジーを活用した業務バッチ開発フレームワーク「Asakusa Framework」のソリューションを提供

(URL) http://www.hitachi-solutions.co.jp/hadoop/

(URL) http://www.hitachi-solutions.co.jp/cdh/

(URL) http://www.hitachi-solutions.co.jp/asakusafw/

１-５大量／高速データ処理の実現



事例① 人間行動分析を通じた売上向上

事例② プロモーション効果の向上

事例③ お客さまの声を「攻め」の施策に活用

事例④ 当社独自サービスへの応用例








２-１マーケティングにおける人間行動分析（事例①）

9

商品選択に至る行動評価

店舗・施設レイアウトの

改善

店舗・施設の顧客誘引力

評価

「属性」の見える化「流れ」の見える化「関係」の見える化

・性別・年齢層など

・人の流れ・通行頻度・滞留箇所など

30代男性

移動中

20代女性

移動中

・集団の活発度・コミュニケーション・グループなど

業務データ

×

人間行動

「流れ」「関係」「属性」の３軸に基づき、人間行動の見える化・モデル化に取り組み、マーケティングなどさまざまな分野での活用につなげていく

広告・キャンペーン効果の測定

店員の接客による

売り上げ向上効果


２-２捉えたい購買前後の行動（事例①）

10

購買時の行動購買前後の行動

購入日時・商品などの分析

購買前後の行動を分析することで、購買行動につなげる上での気付きを得られる可能性がある

そのお店の周辺にいる潜在的な顧客や購買前後の行動データが取りにくく、十分なカバーが難しい範囲

H ＶａｒｉｅｔｙＳｈｏｐ

購買行動購買前後の行動

購買行動は、POSデータに代表されるように分析のベースが確立

購買前後の行動は、その重要性に比して測定・分析が従来困難


来店から購買までの各消費行動プロセスの可視化が改善のキー

来場者数来

店者数

動線商品

購入

消費行動プロセスの可視化

非来店者数

興味の無いエリア

興味の無い商品興味ありも、購買に至らない商品

・来場の経路・来場者数・来場者属性

・前面流動数・来店者数・来店者属性・非来店者数（店舗素通り数）・非来店者属性（興味度合いと属性の相関）

・来店者の動線・滞留エリア・スタッフ動線・非来店者属性（興味度合いと属性の相関）・興味のある棚・興味のない棚

・興味のある商品（取り出しが多い商品）・興味の無い商品（取り出しの少ない商品）・よく見られている商品

・購買履歴（ＰＯＳ）

来場プロセス来店プロセス買回りプロセス検討プロセス購入プロセス

今まではここしか分からなかった

２ｰ３人流解析の目的（事例①）


知りたい情報と情報取得システムの関係

・来場の経路

・来場者数

・来場者属性

・前面流動数

・来店者数

・来店者属性

・非来店者数

（店舗素通り数）

・非来店者属性（興味

度合いと属性の相関）

・来店者の動線

・滞留エリア

・スタッフ動線

・非来店者属性（興味

度合いと属性の相関）

・興味のある棚

・興味のない棚

・興味のある商品

（取り出しが多い商品）

・興味の無い商品

（取り出しの少ない商

品）

・よく見られている商品

・購買履歴（ＰＯＳ）

来場プロセス来店プロセス買回りプロセス検討プロセス購入プロセス

店舗動線分析サービス

来店者属性測定システム

レーザーによる人流分析システム

無線タグ等

画像分析による動き検出

POS分析

知りたい情報

２-４人流解析システムでカバーできる範囲（事例①）


２-５来場者の属性を把握（事例①）

13

Webカメラなどのデータから、来場者などの属性別統計情報を抽出

Webカメラ

青枠：男性/赤枠：女性/黄枠：人物数字：年齢

来場者属性分析システム

来場者属性データ（CSV）

※映像データは残りません

解析結果

※上記はイメージ画像です。実際のシステムでは映像は保存いたしません。

センサ検出例

属性を集計し、来場者の傾向を分析


２-６来場者傾向分析（事例①）

14

来場率を明確にすると来店促進の効果的な打ち手を検討できる ○月○日（土）

○月○日（日）

今までは、来店者数しかわからなかった。

（時間毎の来店者もわからないときも多い）

日曜日が若干来店者数が多い。

平均来店率

３９．６％

平均来店率

３９．３％

あまり変わらない

取りこぼし客が多い


時間毎の来店者属性集計結果

15

２-７人流解析システム概要（事例①）

0 10 20 30 40 50 60

10:00 10:30 11:00 11:30 12:00 12:30 13:00 13:30 14:00 14:30 15:00 15:30 16:00 16:30 17:00 17:30 18:00 18:30 19:00 19:30

4月14日（日）男性の時系列年代構成

男性10代男性20代男性30代男性40代男性50代男性60以上

0 10 20 30 40 50 60

10:00 10:30 11:00 11:30 12:00 12:30 13:00 13:30 14:00 14:30 15:00 15:30 16:00 16:30 17:00 17:30 18:00 18:30 19:00 19:30

4月14日（日）女性の時系列年代構成

女性10代女性20代女性30代女性40代女性50代女性60以上

男性時系列年代構成

女性時系列年代構成

想定していたより男性が多い

ハウスカード利用履歴は４０～５０代女性が主体。実際には２０代～３０代のお客様が多数来店。

女性ターゲットの店舗での事例


２-８店舗内の人の動きを把握（事例①）

16

測域レーザー

人抽出ツール画面

複数の測域レーザーの入力情報を人の動線としてリアルタイムに描画したり、動線データ化する分析システム

レーザーを利用して物体（人間）までの距離を計測数値処理により、人間を検出し、その動きをデータ化


２-９レーザーが捕捉したヒトの動き（軌跡）（事例①）

17

動線（軌跡）

ID（人）が発生した箇所

※出入り口やレーザーの死角に発生


２-１０買い回りプロセス分析（事例①）

18

寄り付きがわかることで講じる施策が変わってくる。

ＰＯＳレジ

【評価】寄り付きがあり、売れ筋

【課題】寄り付きが多いのに、売れていない

接客をする

デジタルPOPなど「後押し」メディアをおく

【課題】全体的に動線が延びていない。

目を引くディスプレイをおく

売れ筋商品をおく

濃い：売れている

薄い：売れていない


サービス名計測・分析項目概要期待される効果来店者属性分析来店者の属性（性別・年齢

）の計測専用のカメラ・システムを使って、来店者の属性を計測。

ＰＯＳやﾊｳｽｶｰﾄﾞの利用履歴から得られる購入者の属性と来店者属性との乖離を発見。

来店傾向

分析

前面流動数の計測店舗入り口前を往来する見込み客数と歩行方向を時系列に計測。

店舗の立地ﾎﾟﾃﾝｼｬﾙや外部要因（天候、ｲﾍﾞﾝﾄ有無など）による見込み客の変動を把握。

来店者数と来店率の計測来店者数と来店率（前面流動数に対する来店の割合）を時系列に計測。

来店促進の施策検討や効果検証を実施。

来店経路の計測店舗前における来店直前の行動を計測。（左右のどちらから来店したか）

店頭サインの設置場所や、ファサード造りを効果的に支援。

ファサード効果分析店頭サイン（ディスプレイ、デジタルサイネージなど）への寄付き（停留者数、停留時間）を計測。

店頭サインの導入効果や来店促進施策の効果を検証。

買い回りプロセス分析

買い回り方向の計測来店から精算までの買い回り方向や歩行速度を計測。

売り場内誘導（ワンウェイコントロール）の実現度合いを検証。

ファーストアクションの傾向分析

来店者がとった最初のアクション（どの棚に寄り付いたかなど）を可視化。

棚毎の停留と購入のギャップ分析

棚前の通過数と停留数を計測。

ＰＯＳデータから得られる棚毎の売上げ（金額、買い上げ品目数）と、停留とのギャップを分析。

各棚を下記のようなパターンに分け、商品力の強弱計測、マグネット効果の検証、陳列改善、ＭＤ計画立案を支援。

①停留(多)､購入(多) ②停留(多)､購入(少)

③停留(少)､購入(多) ④停留(少)､購入(少)

精算後行動

分析

再買い回り者行動分析精算後に再度買い回りをしている来店者の数や行動を分析。

機会ロス（最初の買い回りで商品の認知・訴求ができているか）の有無を把握。

再精算者と商品分析再買い回り後、再度購入した来店者の割合と購入されている商品傾向を分析。

19

２-１１人流解析の分析メニュー例（事例①）








２-１３プロモーションの効果分析（事例②）

売上データからプロモーションの効果を定量的に分析

■プロモーションの費用対効果を客観的に示したい

■プロモーションを効果的なものだけに絞りたい

■店舗の特徴を反映したプロモーションを実施したい

時系列トレンド、季節性など

カレンダー曜日、祝日、長期休暇など

外的要因

気象気温、天気、降水量など

プロモーション

値引き、クーポン、 TVCM、

グッズプレゼントなど

その他イベント、地域行事など

売上には様々な要因が影響プロモーション実施に関する課題

効果は不明だが、毎年/毎月やっているため、続けている

複数のプロモーションを同時に実行するため、個別の効果が分からない

プロモーションによる売上の増加と、他の要因による売上の増加が切り分けられない


1日あたりの売上への影響　（単位：円）

-12,575-4,823

1,7781,812

2,9343,2293,462

4,6604,9165,112

7,2318,528

10,98214,957

27,080

-20,000 -10,000 0 10,000 20,000 30,000

弁当A降雨ポイントコレクトB企画BキャラクターC企画AキャラクターBおでんキャラクターAおにぎりパンAポイントコレクトAうなぎお寿司Bお寿司A

２-１４費用対効果の高いプロモーション企画（事例②）

プロモーションなしの売上

プロモーションによる売上増加

売上目標をシミュレーションしながらプロモーションの企画を作成

プロモーションによる売上効果の分析例・「お寿司A」施策により27,000円/日増加・「お寿司B」施策により15,000円/日増加・「弁当A」施策は逆効果、12,500円/日減少

売上シミュレーションを実施しながら、予算を達成するためのプロモーション企画を作成。


２-１５商品購入顧客のセグメント分析（事例②）

販売データから商品を購入する顧客の属性を明らかに

■プロモーションの対象を有望な顧客のみに絞りたい

■新たなターゲットセグメントを開拓したい

顧客ID 名前生年月日性別住所

顧客ID 店舗売上日商品金額

顧客データ

販売データ

購入属性の分析

属性1

属性2 属性3

購入属性4 購入未購入

購入未購入

属性の例: 特定カテゴリの購買有無、年齢など

購入顧客分類ツリー


２-１６効果の高い顧客群にアプローチ（事例②）

購入確率を使用してプロモーションの効率を改善商品のプロモーションに適したセグメントを抽出

顧客ID 名前住所対象商品購入確率

優先付による改善効果

プロモーション効率の改善

対象セグメントの売上推移購入確率の分析

対象セグメント

販促対象数

購買数

<対象セグメントの例> ・カテゴリA購入、かつ年齢50歳以上







２-１７「お客さまの声」の活用（事例③）

●今後の方向 ●従来 ●現在

「お客さまの声」の活用目的の変化

ビッグデータ利活用の機運の高まりにより、社内に蓄積された顧客の声(テキスト、音声)、ＳＮＳの一般消費者の声を分析し、業務改善に活用したいニーズが増加。

成長戦略の実現手段として、活用目的が変化しつつある。

【「守り」の業務】

部門別対応による表層的な顧客理解

【戦略的な「攻め」の業務】

グループ会社横断的対応による

提案型のサービス提供

【前向きな業務】

社内横断的対応による顧客実績の理解

部門別にテキスト

や音声による

お客さまの声を

蓄積・集計していた

ＳＮＳの登場より、

潜在的な声を「傾聴」する

先進的な企業が出現

26


２-１８「お客さまの声」活用の期待効果（事例③）

「守り」から「攻め」の活用へ

• グループシナジーの実現に向けて、グループ内データの横断的活用

・予兆・予測としてデータ活用

マーケティング部門

• 持続的成長と競争力強化を目的として、お客さまの声をグループ経営課題に活用

コーポレート部門

• グループ内データの横断的活用により現場の生産性向上

接客部門

関連情報と組み合わせ新しい価値の創造⇒「攻め」の活用

商品・サービスの企画・改善

商品の需要予測

顧客のセグメンテーション

顧客へのターゲット広告

データ利活用

・・・

契約情報、取引明細

顧客情報

担当メモ、録音データ

顧客の声

つぶやき (テキスト)

一般消費者の声

お客さまの声システム


店舗店舗間でクレーム情報などを共有し、再発・拡大を未然防止

テキストマイニング技術の導入例

同一・類似クレームの減少

お礼・お褒めの増加

お客さまの声を共有・管理するための基盤を構築し、全社一丸となったお客さま満足度向上を支援

ＣＳ推進部門

企画・開発部門

お客さまの声データベース

現場にある生の声を共有し、商品・サービスにタイムリーに反映

対応状況を可視化問題を早期発見

要望

問い合わせ

クレーム

お礼・お褒め

事件・事故

・・・

リピーター増

新規顧客増

ＣＳ向上

従業員のＣＳ意識向上

テキストマイニングによって、各部門で必要な情報を抽出

効果

28

２-１９「お客さまの声」の活用事例（事例③）








ｿｰｼｬﾙCRMｻｰﾋﾞｽ

映像ｻｰﾋﾞｽ

eCRMｻｰﾋﾞｽ

ｽﾏﾌｫｱﾌﾟﾘｻｰﾋﾞｽ

ﾁｹｯﾄﾚｽｻｰﾋﾞｽ

NETﾁｹｯﾄ販売ｻｰﾋﾞｽ

ECｻｰﾋﾞｽ

店舗ﾎﾟｲﾝﾄ連携ｻｰﾋﾞｽ

当社が提供するファンビジネス基盤

統一コンセプトに従ったファンサービス、ファンのライフログを基にしたPDCAマーケティグ

出演者情報、アプリで楽しい待ち時間

ECでグッズ購入ポイント・割引でお得

公演日をメール配信ポイント・割引でお得

いつでもどこでも NETでチケット購入

スタジアムでしか見れない映像で感動・興奮

売店で飲食ポイント・割引でお得

デジタルチケットで快適なアクセス

Fan-Life・Platformにて、データを収集・分析し、最適なサービスを提供

周辺施設のお得なクーポン

FB, mixiへ書き込み

２-２０ファンビジネス基盤サービスへの応用（事例④）

30


（１）プロモーションの効果測定

ポイントプログラムやマイページといったプロモーション用機能のチケット販売・顧客ロイヤル化への効果を数値化し評価。（２）行動特性を加味した新しいグルーピングによるクラスター分析

会員属性、購買履歴、アクセスログから変換される行動特性を時間・空間等で分割・指標化し、これらを掛け合わせたグループ毎に特徴を抽出し、それぞれのグループに効果的なプロモーション（メルマガやレコメンド）に繋げる。（３）大量の統計指標化、及び大量の相関係数算出による発見的な相関分析

（２）で作成した大量の指標を統計解析ソフトR（または他ツール）にインプットし、売上や顧客単価と意外な関係を持つ指標を発見し、その指標をコントロールする事で売上や顧客単価の増加を目指す。（過去の実績から売上10%向上を期待）

２-２１ファンビジネス基盤サービスへの応用（事例④）

取組み中の施策（例） ⇒ 自社サービスの高付加価値化へ


END

Documents

日立ソリューションズのビッグデータビジネス への取組み · 2014-03-11 · ビッグデータ利活用における課題 . Volume . Variety . ... 2-1 マーケティングにおける人間行動分析

日立ソリューションズのビッグデータビジネスへの取組み · 2014-03-11 · ビッグデータ利活用における課題 . Volume . Variety . ... 2-1 マーケティングにおける人間行動分析