#garagekidztweetz

読者です 読者をやめる 読者になる 読者になる

#garagekidztweetz

id:garage-kid@76whizkidz のライフログ・ブログ!

データマネジメント 2014 にいってきたメモ〜午後の部編〜

スポンサーリンク

f:id:garage-kid:20140313215350p:plain

データマネジメント 2014のメモ公開エントリ、続いては午後のセッションの部です。

カバーするのは以下の 4 セッションです。

  • 12:25-12:55 B-3 『日本のデータ管理は世界一! ここまで進んだデータ管理の実態』 インフォテリア
  • 13:10-13:50 C-4 『食べたい寿司をタイムリーに ”スシロー流データ活用術”』 あきんどスシロー
  • 14:50-15:30 C-6 『ビッグデータ統合でビジネスが変わる 〜データ活用のオープンソース戦略〜』 Talend
  • 15:50-16:30 B-7 『ネットストアにおける「お客様と時間を共有する」CRM戦略 〜MUJI Digital Marketingの展望〜』 良品計画

どうもデータマネジメントという名を関していますが、今回のこのカンファレンスはサブタイトルの~データ活用がビジネスの扉を開く~というほうに主眼がシフトしちゃってる感じで、午後のセッションはどれもデータマネジメントな話ではありませんでした。

ただ話として聞くのにどれも聴き応えはあったので、よければ参考としてみてください。

では以降からがメモです。

B-3 『日本のデータ管理は世界一! ここまで進んだデータ管理の実態』 インフォテリア (infoteria)

会社概要

  • ASTERIA (EAI) を提供する会社
  • 外資ではなく、日本の会社
  • MDM One という製品
  • そもそも国内外で DM 製品は 4 つくらいしかない
  • 国内製だから安心して使ってほしい

DM 実現に向けて

  • インフォテリアのアプローチ手法
    • 現状分析・設計 (MDM One GT:generic template) >データ整備・プロトタイプ構築 (MDM One DQ) >データマネジメント構築 (MDM One MI/MH)
      • GT:企業のデータ管理における現状分析と、マスターデータ管理への投資効果を明確にすることを目的としたサービス
        • コンサルのテンプレート
        • NTT 系のリアライズと提携
      • DQ:社内に散財する顧客情報などの標準化と、統一化。 DQ を高める。現状、ここは手作業でやっているところがほとんど。
      • MI:マスターデータの入力を支援するための IF 提供
      • MH:企業内に分散する複数システムのマスターデータの同期をとり、常にデータを一意に保つ連携基盤のハブとして機能を提供
  • 米はデータクレンジングに関しては先んじているが、システム的にやっているところは多くはない

食品業界をみると日本のデータ管理がみえてくる

  • 第一次食品偽装
    • 名古屋コーチンのにせコーチン
    • ミートホープ事件
  • 第二次食品偽装
    • メニュー表示と異なる食材つかった料理
      食品業界の決まりごと / まさに商品情報
  • 名称
  • 原材料
  • 内容量
  • 賞味期限
  • 保存方法
  • 製造者
  • 等々、表示することを決められている
    食品業界の実態
  • 原材料メーカの情報 (マスタ) をもとにトレーサビリティを実現
    食品業界に向けての MDM ソリューションモデル
  • eBASE 共通マスタ基盤
  • MDMOne データ連携基盤
  • によるデータ整備→こういうことをやっているのは日本だけ!

HIS の事例

  • マスタデータ層に MI/MH を導入、 DS (データスチュワード) がデータ管理・ルールの作成

味の素ゼネラルフルーツ株式会社の事例

  • 会計システムと購買、生産系、会計フロントシステムを結ぶところに MDMOne

三菱レイヨンの事例

  • マスターデータ層に MI/MH
  • システム連携のハブとしてコード変換を一元管理、それを ASTERIA WARP で

インフォテリアの製品について

  • ASTERIA MDM One: マスターデータ統合ソリューション
  • ASTERIA WARP: データ連携ミドルウェア
    • 4.8 が3月下旬にリリース決定
Short Summary:
  • MDM Summit なんていうのがあるらしい。
  • MDM One という製品の紹介。
  • シュトロハイムさんみたいなタイトルだなぁとおもったがそういうノリではなかった。
  • 写真撮影禁止といわれているのにバシャバシャ音立ててとってるやつがいた

C-4 『食べたい寿司をタイムリーに ”スシロー流データ活用術”』 あきんどスシロー

企業理念

  • うまいすしを、腹一杯
  • うまいすしで、心も一杯
  • 楽しい回転寿司
    • を目指している
  • 目指しているところはシンプルだったが、競合との競争の中で改善を迫れた
  • そんなに最先端のことをしているわけではない
    • ただ、うまいすしを提供できればいいと思っている
    • 安くうまいすしを提供するにあたって取り組んできたことの紹介
  • 近況
    • 売上 1,200 億
    • 364 店舗、 35,000 の従業員

中トロ vs. システム

  • 中トロもシステムもどちらも投資
  • 理念を実現するのはどちらなのか?
  • 情報システムとしてはたまったものではないが、正解だと思っている

外食産業の利益構造

  • 売上 - (原材料費 + 廃棄 + 人件費) = 粗利益
    • いじれるのは廃棄と人件費になる
    • 以下に廃棄を減らすか、以下に効率的にオペレーションを回すか

IC タグによる単品管理

  • 皿の裏に IC チップ
    • いつどんな寿司をレーンに流し、それがいつ売れたのかを管理している
    • →年間10億件のビッグデータ

タッチパネルによる注文管理

  • いつ誰が何を注文し、いつ提供したのかを管理している
  • 着席をしてから、といった行動分析も行う
    • シフト配置にも利用できる

来客の管理

  • いつ何人のお客様が来店し、いつどの席に座り、いつ帰ったかを管理

全店データをクラウドへ

  • AWS
    • IP-VPN
    • Direct Connect
    • ETL
    • DWH
    • TresureData
    • Dr.SumEA
    • MotionBoard
    • QlikView (adhoc Query)
  • Cloud にデータを収集し、分析している
  • Hadoop ももちろん活用

なんで Cloud?

  • 寿司屋だからサーバもってなかったというのもあるが
    • データ量を気にしなくていい
    • オンデマンド
    • その分析のためだめけのマートを構築できる
      • 自分たちが技術のトレンドをキャッチアップする必要がない

データ活用への取り組み

  • レーン上の寿司の鮮度管理
    • IC タグによる単品管理
      • 古くなった寿司は自動的に廃棄し、魅力あるレーンづくりを実現
      • 日別、時間帯別の売れ筋把握。→お客様が求める寿司を提供できるようになった (日経の記事で取り上げられた内容)
    • IC タグ + タッチパネル
      • 食材の準備の最適化(寿司はナマモノ)
      • 鮮魚はその日のうちに使いきらないといけない、スキルのない人でも失敗のないように
      • 廃棄量を減らすのに役立った
  • レーンに流す寿司を指示
    • IC タグ + タッチパネル + 来店客の管理
    • それを自動化している
      • どの皿を何皿ずつ流せばよいのかを指示
      • 1 分後予測と 15 分後予測 (統計データによる予測モデル)
    • IC + 来店客管理
      • 各レーンの食欲パワーを計算し、どこのレーンに流せばよいのかも指示
      • つくりたての寿司を食べてくれるところに流す

Excel から MotionBoard (BI tool) へ

  • 勘と経験をデータでサポート
  • 率と量を比較できるレポートを作成している
  • daily, weekly report
  • 基準と計画と実績の比較
    • スタッフがみてひとめでわかるレポート

製造キャパシティ管理

  • テイクアウトを最近はじめた
  • じつは作るの大変
  • テイクアウトシステム
    • あらかじめ製造キャパを設定しておき、受注状況をもとに納期を回答するシステムがある

データ分析に関する取り組み

ビッグデータでできること

  • トレンド把握 (短期・長期)
  • 実績比較 (計画・基準・ライバル)
  • 効果検証
    • あたらしい取り組み、実験等の効果を検証できる

回転寿司総合管理システム

  • お客様の食べ方をモデル化

お客様の理解

  • それぞれのセグメントで傾向が違う
    • 時間帯
    • グループ
    • ロケーション

トレンド

  • 日次、週次
  • ロケーション

食べ方の理解

  • 量と経過時間
    • ...

タッチパネルの構成

  • カテゴリのなかにはおすすめがある
    • おすすめのカテゴリからの注文は多い
      • First order におけるその効果は絶大
      • ただし 2nd order からはおすすめ効果は減る

供給指示のアルゴリズム分析

  • 供給指示と、レーンの実際と、廃棄の実際から検証をしている

データを活用する際のポイント

  • データはクラウドに
  • オペレーションで使えるレベルに加工する
  • 組み合わせで価値を高める
    • 組み合わせれば組み合わせるほど、複雑なことに対応できるようになる
    • (あえて複雑にはしないということもあるとは思うが)
  • 加工するよりも新たに取得したほうが速い (ときもある)
    • 既存のデータにしがみついてるとそれをとるなり加工するなりするだけにムダに時間を費やしてしまうということはある
Short Summary:
  • これも DM というよりは分析の話。
  • さいごのまとめはなるほど

C-6 『ビッグデータ統合でビジネスが変わる 〜データ活用のオープンソース戦略〜』 Talend

Talend はデータ統合の会社

  • いろいろ質問を受ける、今日は以下の2つの質問にフォーカス
    • データ統合は既存のツールで十分なんじゃないの?
    • ビッグデータインテグレーションによってビジネスは変わるのか?

ビッグデータインテグレーションを得意とする Talend

  • 2005 フランスで創業

Talend の特徴

  • I love Data が合言葉
  • オープン
  • オープン・イノベーション
    • OSS
    • 45,000 人のコミュニティメンバー
  • オープンビジネス
    • 多くのベンダーと協業
    • 500 以上のアダプター
  • 豊富な実績
    • 2000 万ダウンロード
    • 100 万人のユーザ
    • 4,400 社の導入 (商用をつかってくれてるところ)
  • 注目成長企業
    • 年率 128% 成長
    • OSS 企業で売上高が 2 位 (RH に次ぐ)
    • フォレスター・リサーチにおいても有望企業に

Mission

  • エンジニアサポートがミッション
    • ビッグデータインテグレーションのリーダーである Talend は場所、時間、方法に関係なく、データに価値をあたえユーザ企業の成長を支援する

データで勝つ

  • MONEYBALL
    • セイバー・メトリクスの話

ビッグデータで勝つ

  • デンマークの風力発電の会社 Vestas
    • データライブラリ (18-24PB) >分析システム:地球表面を1キロごとにメッシュ区分、メッシュごとにパラメータ設定>分析結果:発電量予測
    • メインフレームでは 3 時間だったのが Hadoop で 15 分へ
  • PROGRESSIVE
    • アメリカの保険会社
    • 契約者の運転状況>リスク判定ロジック>契約者別リスク判定>リスクに応じた保険料設定

Talend を使ったデータ・ドリブン経営の実践事例

  • vodafone
    • 5年分の通話記録
    • 通話明細記録と顧客データを統合して分析したい
    • Oracle高すぎる
    • Hadoop x Talend で解決
  • citibank
    • 融資企業のデータ
    • 金融当局指導により融資を増やさなければならないが銀行としてはリスクのあるところには貸せない
    • Hadoop x Talend で解決
    • ALM (Asset Liability Management) の最適化が成果

ビッグデータって?

  • 量もいいけど、質も大事だよね

経営者が知りたい 5 つのこと

  1. 現在の実力
  2. 将来性
  3. 確実性
  4. 着実性・安定性
  5. 一過性・断続性

データ分析が経営にもたらすもの

  • 何が起きたか知りたい
    • データマイニングによりデータから兆候を知る
    • しかし、自動化しにくい
    • ストーリー・仮説・想像力が必要
  • 何が起きるか知りたい
    • 統計解析手法を使って起きることを予測する
  • 起きることを想定し、最適な打ち手をしたい(指示的データ分析)

ビッグデータインテグレーションが重要な理由

  • ヒト・モノ・カネ、そして情報
  • データ、情報、そしてインテリジェンス
  • データが上手く統合されると、よりよい情報とよりよいインテリジェンスを得られる

様々なデータを統合して経営をドライブする

  • データキュレーター
    • 多くのデータセットの中から役に立つものを選び出し、必要なら修復、分析アルゴリズムにかける
    • どのような前処理やクレンジングを施して使うかを決定して実施する
  • データサイエンティスト

インテリジェンスを得るためにはデータ

  • アルゴリズムアプローチ<データアプローチと Talend は考えている
  • データをより多く集めるほうがアルゴリズムを整備するよりも速かった

現在のデータ活用は?

  • いかにしてデータをより多く集めるか

ビッグデータ分析によってインテリジェンスを得ることは重要だが、使うことはもっと重要。

ビッグデータいんてくgレーションのキーワード

  • スナップショットにリアルタイムを追加
  • プログラマブル
  • オートメーション

Talend だからできる理由

Talend のデータインテグレーション

  • Talend Studio の紹介
    • JRE
    • MR
    • YARN 上でネイティブに動作
  • 十分なパフォーマンス
  • ビッグデータインテグレーションを分散環境のパフォーマンスで実施できる

容易に取り扱えるツール

  • Talend が API を提供
    • Cassandra, MongoDB
    • Cloudera, MapR
    • IBM, Pivotal
    • etc...

多様性への対応

スモール&クイック:ライセンスモデル

  • 利用者数単位での課金
    • エンジニア
    • マーケター

4つの要素をささえるのはオープンネス

  • コードの透明性
  • 信頼性
  • 先進技術
  • サブスクリプションライセンスモデル
  • etc...

Talend はテクノロジーベンダー

Talend はデータソースと等距離なベンダー

Talend は矢印ベンダー

Short Summary:
  • やっと DM といえば DM の話
  • Talend の製品の営業セミナーのようなものだったが。

B-7 『ネットストアにおける「お客様と時間を共有する」CRM戦略 〜MUJI Digital Marketingの展望〜』 良品計画

無印良品ネットストア CRM 戦略&顧客時間の重要性

  • Web 事業部の役割
    • 店舗総客機能
    • ネットストアによるお客様の無印良品への購入アクセス
    • くらしの良品研究所&お客様とのコミュニケーション
  • ネットとリアルの融合をすすめることが最優先事項
    • 現状は O2O とかいったことは意識していない

現在の会員動向 4:6 の法則

  • ネットはいまだに 4 割
    • 半年以内のリピートは 17% しかいない
    • これなら伸びしろはまだまだいくらでもあると思っている
  • Online ストアの売上には固執しない
    • お客様と無印良品の関係強化を図り、満足度をあげる
    • ダイナミックな O2O への導き

なぜ顧客時間なのか?

  • 検討>購入>使用&消費
  • 従前は購入にのみ注目していた
    • しかしただ売っておしまいではダメ
  • いかに検討、使用&消費にくいこんでいくかが重要
  • ネットストアにとっての顧客時間の重要性
    • 従来、ネットストアのみ購入履歴があった
    • お客様の時間を可視化してくれるもの=SNS
    • 検討、使用&消費の情報取得に SNS を活用
  • ネットストアは CRM のためのデータのかたまり

MUJI DIGITAL Marketing 3.0 にむけて

  • MUJI PASSPORT はどうして生まれたか?
  • 情報過多/モノ余り
    • 無印良品を選んでもらう理由づくりが必要
    • その中で SNS の可能性を感じている
  • 購買時点以外の情報を多量にもつ SNS の重要性が増している
  • 口コミが可視化し、顧客時間の見える化が進んでいる
    • 消費増税でも値上げしないとツイートすれば、リツイート多数
Omnnichannel の時代
  • かつては無印良品も広告をたくさんうっていた
    • が B2C でメッセージがとどきにくい時代になってきた
  • お客様の周りにコミュニケーションチャネルを配置しないといけなくなってきている
    • SNS, App, 商品開発, コミュニティをハブに生活者とつながる
Web 事業部が構築するお客様接点
  • SNS は重要なお客様の顧客時間をおうための双方向ツール&施策の充実
MUJI (DIGITAL) MARKETING 3.0 + alpha
  • 従前のさまざま店舗総客施策の実施
  • しかし、どれもが局所的、部分的。全店をサポートするにはいたらなかった
  • そこで MUJI PASSPORT ですよ
    • MUJI MILE がたまる
    • 目的
      • ネットとリアルの区別をなくす
        • 区別があるとおもってるのは自組織の都合だけ
      • 持続的な来客数増
      • マーケティング施策効果の可視化
    • なんでアプリなの?
      • コミュニケーションコストが低いと分かった
        • DM よりも email よりも
        • push 通知
      • 分析コストも低くなった
        • なぜなら入り口が PASSPORT に一元化
MUJI PASSPORT
  • 会員数 140 万人
  • 年齢構成比; 20 代の利用者が増えた
  • お誕生日ポイントの効果
    • 週末に並
  • MUJI カード会員のロイヤリティが高いことがわかった
  • マイルと買い物の関係
    • ためているマイル数が多いほど、付与したポイントを使って購買した場合の客単価は高い
  • ポイントが使えたほうが客単価が高まる
  • チェックイン
    • 朝チェックインする人多い
    • お客様の行動データを得るのにいい媒体
    • どのタイミングでその顧客とコミュニケーションをとればいいかを知るために役立つ
  • チェックインによる購買促進
    • チェックインを利用して購買している人は全体の 2
  • ネットストア会員数推移
    • 名寄せをしてる
    • 無印良品週間にスパイク
    • アプリいれたらネットストア会員減った
      • しかしこまってない、なぜならその人はネットストアではもともと買わないけど、クーポンを得るために会員になってた人だから
  • アプリによる名寄せ
    • 強制的にはやってないが、つなぐことによるインセンティブがある
    • 自発的につないでもらうように促す
  • 会員間のヒモ付
    • App, myMUJI, NetStore
  • ネットストアは MUJI カードホルダをとりこめてないことがデータ分析でバレた
  • アプリの改修の宣伝

マーケティング効果の可視化事例

  • 配送料無料と PASSPORT
    • 配送料無料時の顧客分布
      • 2 万円以上の利用者の 2/3 は女性
    • マーケティング施策のやりっぱなしはできなくなった
  • マッサマン 100 クーポンの効果
    • 購買者の 7 割は女性
    • ここでとったお客様のリピート率
      • 食品のリピート率 3 割、カレーだと 8% のリピート率
      • 一度なにか行動を起こしたユーザはその後の行動をトラッキングされている
  • あるマーケティング施策はその後のユーザの行動に影響を与えているのか?
  • PASSPORT の Pros/Cons
    • とりあえずお金のかかりすぎには注意
  • ビッグデータ分析は地味で簡単にすごい仮説や知見が生まれるわけではない
    • I know syndrome との戦い

DMP

  • DIGITAL Marketing Platform と言い換えたい
  • マーケティングの可視化が大事なんだ
  • AWS
    • Treasuredata
    • Redshift
    • tableau
    • Hadoop (Mahout)

BI tool によるデータ可視化 (tableau)

  • 画面をみせて紹介、ダッシュボードの。

DIGITAL MARKETING の目指すもの

  • 予測の精度の向上
Short Summary:
  • MUJI PASSPORT に至るまでの説明
  • これも DM の話ではなく、 Marketing の話。
  • 最後の方で tableau のダッシュボード画面を紹介
    • e.g. チェックイン

これで午後の部のセッションのメモは以上です。 最後に、データマネジメント 2014 の中で異彩をはなっていたノーチラス・テクノロジーズさんのセッションのメモだけはそれだけのエントリに切り出して公開します。

では、このエントリはこんなところで。

関連記事