[ビッグデータ] 今さら聞けない ビッグデータ・AIとは?

2017年03月21日

今さら聞けない ビッグデータとは?
 

0000
参考:総務省 情報通信白書 平成24年版
図表2-1-4-1 ビッグデータを構成する各種データ(例)

 昨今、「ビッグデータを活用する」という言葉が溢れています。『ビッグデータ』を直訳すると、『大量のデータ、巨大なデータ』となります。直訳したままの意味で捉えると、大量のデータを早く処理出来るのかなと感じます。総務省や各研究所、関連書籍を読んでも特に定義されていないようですが、共通する部分はありました。
 それは、『データ量の多さを示すVolume、種類の多さを示すVariety、リアルタイム性を示すVelocity』です。これだけでは、大量の種類のデータをリアルタイムで処理すると理解します。何が今と昔では違うのでしょうか。答えは、私たちの生活の変化にあるようです。 

 近年、ITの目覚ましい進歩により、ネットワークに接続できる端末が多様化し、私たちの生活に急激に浸透しました。たとえば、ネットブックのような小型パソコンや、スマートフォンといったネット接続端末は、ごく身近な存在となりました。また、家庭内の温度や照明の明るさを自動調節するセンサーや、防犯・防災用の報知機に備えられたセンサーなど、私たちの身の回りには、多様なセンサーがあふれています。家庭の外においてもセンサーは、車両、河川、構造物など、社会や環境の中で、幅広く活用されています。
 
 こうした背景から人・社会・環境の状況を、リアルタイムに映し取るデータが取得出来る事で、いま必要なこと、いま求められていることが何かを見出だし、より豊かで安心な社会の実現に役立てることが可能になります。経営的な側面で考えると、ビッグデータをどのように活用し、儲けていくかと言うことになります。これが、『ビッグデータを活用する』ということではないでしょうか。
 
  
今さら聞けない AIとは?


参考:IoT、AI、ビッグデータに関する 経済産業省の取組について 2016年5月24日

 ビッグデータと同じくAIも注目されています。AIとは人工知能のことです。こう聞くと、鉄腕アトムが人間のように見たり、聞いたり、話したりするシーンを思い浮かべる人が少なくないと思います。現実ではまだAIが人間と同じ知能をもつことは実現に至っていません。現在実現されているAI(人工知能)は、人間にとって便利な知能をコンピューター上で動作するプログラムです。今私たちの生活の身近にあるAIを挙げますと、囲碁やチェス、将棋などのゲーム、AppleのSiriやNTTドコモのしゃべってコンシェルなどスマートフォンの音声対話Google検索、Android OSのカレンダー機能(スケジュール管理・秘書機能)、自動運転システム、お掃除ロボット「ルンバ」です。このような身近にあるAIから感じ取れることは、「知識(ある事柄について、いろいろと知ること。その知りえた内容)と知能(論理的に考える、計画を立てる、問題解決する、抽象的に考える、考えを把握する、言語機能、学習機能)を併せ持った存在であると言うことが分ります。そして、人間の補助をするだけの存在だけではなく、人間の知能を拡張する存在だと言うことも分ります。

 昨今、AIが急速的に進化した背景に機会学習(その一つとしてディープラーニング)があります。機会学習とは機会が自ら学ぶ事が出来るように編み出された技術の事です。機会に学習をさせる方法は3つあり「教師あり学習」と「教師なし学習」 、「強化学習」です。「教師あり学習」では、問題と答えを与え、その関連性を学習させる方法です。「教師なし学習」 では、答えを与えず、問題を分類分けし、問題の特徴や要約を行う方法です。「強化学習」では、AIの行動を採点する仕組みを用意した上で、どのような行動をすれば良い点数になるかをAI自身に探させる方法です。ディープラーニングとは、この3つの機会学習に適用し「ニューラルネットワーク」という人間の脳の神経回路の仕組みを模したアルゴリズムを搭載した最新の技術です。
 今私たちの身近に起こっているビッグデータとAI、更にIoT(ありとあらゆるモノがインターネットに接続する世界)が繋がると、上図のようになります。

 
 

AIの成功例・失敗例

噂のPepper 売り上げ拡大の存在と呼ばれる?
 
 人材不足が懸念されている近年では、AIが搭載されたマシンを企業が導入を検討することも、珍しいことではなくなってきています。そんな中、AIでも最も注目されているのが、ソフトバンクのPepperです。Pepperは、顔認識を搭載し、来客者の属性データを集めて分析できる「接客データの見える化」を図ることができ、人間が接客をすることと変わらないおもてなしを提供できるようにしています。
 Pepperの導入成功例として、みずほ銀行はPepperをいちはやく導入しました。個々のお客様に最適な金融商品を勧めるなどして、対応した顧客の10%以上をカウンターに送客しているそうです。また、同銀行のコーポレートサイトには、Pepperそのものの情報と一緒にコンシェルジュとして打ちだされており、広報の一環としても取り扱われています。Pepperは様々な役割を担いながら行員として働いているのです。
 みずほ銀行は今後に対して、Pepperはまだまだ配属されたばかりの新入行員だが、金融小噺やおみくじ、保険診断などを通してさらにお客さまをおもてなししていきたいと述べています。現在、ネスレ日本でコーヒーマシンの販売スタッフとしてや、ヤマダ電機では日本語、英語、中国語でフロア案内や誘導を行うマルチリンガルの案内人として等、Pepperの導入は500社を超えています。
今後AI知能が発達していけば、より人間らしいロボットとなり、更なる活躍に期待できそうですね。
 
 
AIの成長により雇用環境が悪化する!?
 
 某生命保険会社では、文脈や単語を解読する日本IBMのAI「ワトソン」を使ったシステムの導入に伴い、医療保険などの給付金を査定する部署の人員を3割近く削減するようです。
 同社の査定関連部署には、15年3月末時点で131人の職員が所属しています。診断書の読み込みなどの事務作業はAIで効率化する為、同社は既に導入を見越した業務見直しで、段階的な人員削減に着手しています。有期雇用の職員を中心に、17年3月末までに契約満了を迎える人の後任を補充しないことなどで、計34人を削減するようです。
 34人の人員削減による人件費軽減効果は年約1.4億円。AIのコストは、システム導入に約2億円、保守に年約1,500万円程度とのことです。もちろん、経費が削減される為企業としては効果をあげられますが、同じような人員の削減が複数の大企業で進んだ際に、社会的な雇用環境の悪化が起こることが想定されます。AIが発展すればするほど、AIに任せられる業務が増え、この傾向がより顕著になっていく中、雇用環境を整える施策を考えることが必要になるでしょう。

 
 
まずは、社内にあるデータを活用!
 
 小売業様がビッグデータを活用する目的は、期初に立てた目標予算を達成し、利益を確保することだと思います。前回のビッグデータとはの記事でご紹介しました図を見ますと、ビッグデータを集める為には、こんなにシステムを増やさなければならないのかとお声をお聞きする事があります。確かに用意するとなると、時間と費用が凄く掛かります。それに、活用する目的がブレてしまうと、一気に使わないシステムが出て運用が煩雑になってしまい宝の持ち腐れとなります。
 まずは、社内にあるカスタマーデータやオペレーションデータ、ウェブサイトデータ等からデータを活用する取り組みを開始し、「この商品、店舗、スタッフの売上が高い理由は何か?、この商品の商品回転率が低い理由は何か?どのような客層に購入いただいているか?リピート率を高めるにはどうしたらいいか?1回のお買上げで点数を多くするにはどうすればいいか?」等、深く洞察し、どのような行動に繋げていくかから始めてみてはいかがでしょうか。

 
 

当社のお客様の事例

当社のお客様 スーパーマーケットの事例

002

 スーパーマーケットは多店舗展開をしており、商品も多種多様です。毎日生成される膨大なPOSデータを夜間バッチで取込み集計し、様々な軸から分析を行います。
 例えば、当社のお客様では、廃棄ロス、販売機会ロスをしないために、毎日の食品の生産データと売上データを、1時間ごとに集計し、どの時間帯で売れるのか、時間帯によって作りすぎてしまっていないか分析をし、適性時刻に食品を生産するようにしています。ただ売れ筋を把握するだけでなく、余剰在庫を未然に防ぐことができるのです。 また、52週分析も行っており、年間を52週に分け、この商品はどのシーズンで売れるのかを確認します。スーパーマーケットは、チラシを週ごとに配るため、商品の売れ行きと、そのサイクルを重要視しているのです。実際に数あるデータを分析した結果、「チラシは木曜日に配られ、土日に目玉商品が展示されるため、水曜日は売れ行きが悪い事が多い。」という結果を確認することができました。 このように毎日の膨大なデータを弊社のシステムをご活用頂きながら、次のアクションへと導いています。

 

当社のお客様 アパレル企業の事例

0001

 当社から基幹システムと販売分析のシステムを導入し、現在でも運用サポートを続けております。基幹システムにある商品の売上や在庫情報をはじめとするビッグデータを活用し、各種分析を行っております。その中で「評価減額」という分析が行えます。 一般的に商品が売れなくなるとマークダウン、売変を行います。その際に売上が原価や評価原価率を下回っても、粗利が上積みされない形でしか反映されず、損失の大きさがわかりません。 しかし、「評価減額」の分析が出来ることで、損失額を知ることができます。売変の結果、原価・評価原価率に対しどれだけのマイナスが上積みされているのかを視覚化し、損失の大きさを知ることで、売上を求めての売変だけではなく、利益を求めての販売戦略を考えるという意識付けをさせることが出来る分析手法の一つとなっております。

電話でのお問い合わせ

メールでのお問い合わせ