Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Cloud Onr
Cloud OnAir
Cloud OnAir
事例紹介: 株式会社オープンハウス
Google サービスを活用したオープンハウスの AI の取り組み
2020 年 11 月 12 日 放送
Googleサービスを活用した
オープンハウスのAIの取り組み
~超大手IT企業でない日本企業がAI活用に成功するまで~
■目次
• オープンハウスのAIの取り組み
– 事例1:マーケティング分析
– 事例2:類似画像検索
• AIを実現するために
• We Are Hiring
ファムゴックタオ(左)
情報システム部ディスラプティブ技術推進グループ。
ハノイ工科大学から新卒で入社。 1年目で表彰、
現在はデータを分析し、機械学習・ AIについて研究。
中川帝人(右)
同上上席課長、シニアデータサイエンティスト、
宅地建...
オープンハウスのAIの取り組み
■オープンハウスのご紹介
• 都心を中心とした戸建てが主力
• 営業中心の成果主義な会社
• 東京都区部分譲実績 No.1
営業の数、建設した家の数が多い
⇒人海戦術で行っている業務が多い
⇒ ITで改善する余地が大きい
代表者 代表取締役社長...
■情報システム部の紹介
急成長する会社を支える「攻め」の情シス
情報システム部
業務改善G
RPA
ディスラプティブ技術推進G
AI/ML/Analytics
システム開発G
Dev
システム運用G
Ops
数字で見る情シス
OH社員人数...
■情報システム部の特徴
最新技術でビジネスの価値を向上
1. 最新技術をいち早く導入
2. 製品は自分で決める
3. 内製主義:コードを尊重
4. 少数精鋭と高いプロ意識
5. 技術を駆使したコスト削減
– 多くのシステムはクラウド上
– オフ...
20172015 20162014
Legacy
SendMail
H/W
Analog
Feature Phone
W/F
In-House
DevOps
Digital
Phase 1
Cloud
Phase 0
On-Premises
■...
20182017
CRM/SFA
MA
D-Marketing
IoT
Collab.
Phase 3
Insighti
Real Estate SPA
DD-Biz.
ML/DL
Big Data
PoC
Phase 2
Agility
20...
MGR
37yo,
♂
24yo,
♂
24yo,
♂
■ディスラプティブ技術推進G
• ミッション:AI/ML、
データ活用のR&Dを通じ
オープンハウスのビジネス
に貢献
• 発足:2018年3月
• 特徴:少人数、若手中心、
外国人中心、...
■突きつけられた課題
「投資だから失敗してもよい」は通用しない
• 何をすればいいかわからない
 ⇒現場常駐でニーズ把握
• 類似事例がない
 ⇒MVPを早くリリース
• 予算が少ない
 ⇒オフショア活用で内製
• 基礎研究の余裕がない
 ⇒O...
■実現してきた成果
AI・RPA事例
• 物体検知モデルでオビ付け業務を自動化
• 画像分類モデルで社内物件資料を自動生成
• GISによるレコメンド処理
• 遺伝的アルゴリズムによる区割設計の自動化
• 機械学習モデルによるWeb広告効果評価...
事例1:マーケティング分析
■マーケティング分析
• 背景:Web経由の契約が6.5割、
20を超える媒体に出稿、媒体の評価が
難しかった。
– 数が多い:複数の広告媒体/代理店
– 評価が難しい:顧客の契約までの期間が
長く、営業による変動も大きい
– 作業が煩雑:デー...
■ DWHにBigQueryを採用
その理由
• 無制限のストレージ
(多数の媒体データを処理できた )
• 豊富な分析関数
(複雑なSQLが簡潔に書けた)
• BigQuery Data Transfer Service
(大量のデータを簡単...
■アーキテクチャ
Analytics
Google Ads
Ingest
Logging
Analytics
BigQuery
Data Warehouse
Report & Share
Business Analysis
Google
スプレ...
■実現できたこと
✔ 複数の媒体からのレポートを手作業で結合し、
個人での週次の集計→ BigQueryでDWHを構築、
日次でデータ更新
✔ BIツールを活用することで見たい粒度でデータを参照
✔ アトリビューション分析で中間CVを評価
✔ ...
事例2:類似物件検索
過去の類似物件過去の類似物件
■類似物件検索
• 背景:家の間取図を作成する際に
似たような土地の形状の間取図が
あれば設計の工数を減らせる
• 要望:過去の多数の間取図から
類似した条件の間取図を
検索する仕組みを作ってほしい
⇒画像処理を使...
■実装上の課題
N
760
320320 80 60
480
向きの抽出
幅・奥行
の抽出
間取図のデータベースがない
間取図は整理されて
いなかったため、GASでGoogle
Drive APIを利用して間取図候補を検
索、画像処理で絞り込み...
■アーキテクチャ
間取図一覧
OCR
Vision API
間取図解析関数
Cloud Functions
  ・Vision APIのコール
  ・間取図の解析
  ・Storageへの書込
2人月で開発を実現、500時間/年の工数削減を実現...
AIの実現のために
■ AI導入の4要素モデル
4つがそろって初めてAIが導入
データ
AIの基礎部分
ビジネス
AIが改善する対象
アルゴリズム
機械学習など
システム
AIを実現する基盤
■要素例:販売資料自動作成
例:画像分類モデルで社内物件資料を自動生成
データ
社内文書とその分類
ビジネス
営業の資料作成業務
アルゴリズム
画像分類(ResNet)
システム
AI Platform
GAS
AIを導入するための要素が全て整っている
データ
自社サービスから
得られる大量のデータ
ビジネス
大量のアクセスで小規模な
改善が大きな効果に
アルゴリズム
トップエンジニア
研究機関との提携
システム
世界トップクラスの
ITインフラ
■ ...
■一般的な日本企業
全てを1から整えるのは無理
データ
雑多な紙資料
入力未徹底のシステム
ビジネス
規模が小さい
費用対効果はよくない
アルゴリズム
研究チームは持てない
優秀なエンジニアは来ない
システム
どちらかと言えば弱い
むしろオンプ...
■ Googleのサービスを活用すると
時間とコストを削減しながら高い技術を実現
データ
システム、広告データ:BQ
画像、文書:Google Drive
ビジネス
自社固有の業務
アルゴリズム
TensorFlow
Github上のサンプル
...
■利用したGoogleのサービス/ツール一覧
名称 コンポーネント 内容
GCP BigQuery
Cloud Functions
Cloud ML etc…
システム全般で利用
Google
Workspace
Google Drive
Go...
■ Googleのサービスを組み合わせることで実現
サービス間の連携を活用することで効率化を実現
Google 広告
GA
Drive
基幹システム
スプレッド
シート
BigQuery
Cloud
Storage
App
Script
スプレ...
■データ
加工は必要だがデータは存在していた
iPhoneやGoogle Workspaceなどの導入と活用の徹底が
AI実現のカギになっていた
非構造化データ
不動産文書
携帯写真
⇓
乱雑ながらも
Google
Workspace上に
構造...
■アルゴリズム/システム
• アルゴリズム
– 自社で研究開発は無理
– Google等が公開しているコード
– 公開されたモデル/コードを素早くたく
さん転用
• システム
– 上記のコードをGCP上で動かすことで
素早く実装できた
Goog...
■ビジネス
現場に足を運ぶと・・・
改善すべき業務
• アナログな業務
• 実施者が多い業務
• 既存の技術が適用可能
アナログな不動産業務は宝の山だった
適切な改善ポイントを見つけるのがカギ
AI導入効果=業務インパクト×AIによる改善
大き...
■ビジネスと技術の見極めが大事
データ ビジネスアルゴリズム システム案件
過去マイソク
On Gsuite
オビ付け物体検知 AutoML自動オビ付け
社内資料
On Google
Workspace
資料作成画像分類 AutoML+GAS販...
■オープンハウスのAI導入のポイント
成功事例の共通点
1. インパクトの大きい業務を探す
2. 既存の技術の転用で作る
3. 内製で作る
4. 学習データを作らない
5. 泥臭いことを進んで行う
肝心なのは実現するための“人”
■困難な課題を実現した若手エンジニア
• ハングリーな若手が泥臭い仕事を怠
らずに頑張った
⇒やる気とモチベーションの高さが
成功のカギ
• 検索エンジンで調べれば世界中の誰
でも作れる時代
⇒国籍や年齢、経験は関係ない
“オープンハウスグルー...
■ 超大手IT企業でない日本企業がAI活用に成功するために
とにかく安く早く多く作る
クラウド、オフショアなどで初期投資を抑えスピードアップ
ビジネスと技術の見極めが大事
社内ニーズ、ビジネスインパクト、最新技術を把握する
事例がなくても覚悟し...
WE ARE HIRING
■エンジニア募集
オープンハウス情シスではエンジニアを募集しています
他責にせず自分自身で考え、周囲の意見も尊重できる人
成長に貪欲で、新しいものを作りたいというやる気溢れる人
泥臭い仕事を嫌がらず、最後までやりきる責任感のある人
求める人物像...
■職務内容/期待する能力
<職務内容> 
・会社のクラウドやネットワークを支えるインフラエンジニア
・Webアプリ、モバイルアプリのフルスタックエンジニア
・ML活用システムの開発を行うML/AIエンジニア
・RPAによる業務自動化を行うRPA...
総合ディベロッパーとして、
独立系No.1
~ 誰にも真似のできない日本一 ~
オープンハウスの目指す
「誰にも真似できない日本一」には
さらなるIT強化が必要不可欠です
Upcoming SlideShare
Loading in …5
×

[Cloud OnAir] 事例紹介: 株式会社オープンハウス 〜Google サービスを活用したオープンハウスの AI の取り組み〜 2020年11月12日 放送

データ分析と機械学習を活用し、業務の自動化による工数削減や、業務の効率化に取り組んでいる株式会社オープンハウスにご出演いただきます。少人数チームにも関わらず、大きな成果をあげた際の工夫や実際の成果を、体験談とともに語っていただきます。

  • Login to see the comments

  • Be the first to like this

[Cloud OnAir] 事例紹介: 株式会社オープンハウス 〜Google サービスを活用したオープンハウスの AI の取り組み〜 2020年11月12日 放送

  1. 1. Cloud Onr Cloud OnAir Cloud OnAir 事例紹介: 株式会社オープンハウス Google サービスを活用したオープンハウスの AI の取り組み 2020 年 11 月 12 日 放送
  2. 2. Googleサービスを活用した オープンハウスのAIの取り組み ~超大手IT企業でない日本企業がAI活用に成功するまで~
  3. 3. ■目次 • オープンハウスのAIの取り組み – 事例1:マーケティング分析 – 事例2:類似画像検索 • AIを実現するために • We Are Hiring
  4. 4. ファムゴックタオ(左) 情報システム部ディスラプティブ技術推進グループ。 ハノイ工科大学から新卒で入社。 1年目で表彰、 現在はデータを分析し、機械学習・ AIについて研究。 中川帝人(右) 同上上席課長、シニアデータサイエンティスト、 宅地建物取引士。日本 Oracle、Softbank、米国 Sprintを 経て2018年オープンハウスに入社。一貫して データ活用に関するキャリアを経験。 同社のデータ活用、機械学習、 AIに関する戦略と 開発、チームビルディングを推進。 ■自己紹介
  5. 5. オープンハウスのAIの取り組み
  6. 6. ■オープンハウスのご紹介 • 都心を中心とした戸建てが主力 • 営業中心の成果主義な会社 • 東京都区部分譲実績 No.1 営業の数、建設した家の数が多い ⇒人海戦術で行っている業務が多い ⇒ ITで改善する余地が大きい 代表者 代表取締役社長 荒井正昭 創業 1997年9月 従業員数 (連結) 2,665名 (2020年3月末時点) 売上 (連結) 5,403億円 (2019年9月期) 事業内容 1.不動産売買の代理・仲介事業 2.新築戸建分譲事業 3.マンション・ディベロップメント事業 4.不動産投資事業 5.不動産金融事業 6.前各号に付帯関連する事業 ■株式会社オープンハウス 売上1兆円を目指す総合不動産会社
  7. 7. ■情報システム部の紹介 急成長する会社を支える「攻め」の情シス 情報システム部 業務改善G RPA ディスラプティブ技術推進G AI/ML/Analytics システム開発G Dev システム運用G Ops 数字で見る情シス OH社員人数:24人    外国人:24 平均年齢:30.3歳  外国人比率:43.4%(24/53) (2020/10時点)  ITステコミ
  8. 8. ■情報システム部の特徴 最新技術でビジネスの価値を向上 1. 最新技術をいち早く導入 2. 製品は自分で決める 3. 内製主義:コードを尊重 4. 少数精鋭と高いプロ意識 5. 技術を駆使したコスト削減 – 多くのシステムはクラウド上 – オフショアラボの活用 ITコストは売上高対比で0.2% 東証一部上場企業の約1/5* *人件費含む、~「評論家ではなく実践者であれ」オープンハウスDX実践者から、事業会社IT部門の同志たちへ~より https://enterprisezine.jp/article/detail/12539
  9. 9. 20172015 20162014 Legacy SendMail H/W Analog Feature Phone W/F In-House DevOps Digital Phase 1 Cloud Phase 0 On-Premises ■これまでとこれから(1/2)
  10. 10. 20182017 CRM/SFA MA D-Marketing IoT Collab. Phase 3 Insighti Real Estate SPA DD-Biz. ML/DL Big Data PoC Phase 2 Agility 2019 ■これまでとこれから(2/2)
  11. 11. MGR 37yo, ♂ 24yo, ♂ 24yo, ♂ ■ディスラプティブ技術推進G • ミッション:AI/ML、 データ活用のR&Dを通じ オープンハウスのビジネス に貢献 • 発足:2018年3月 • 特徴:少人数、若手中心、 外国人中心、 AI/ML実務未経験者が多い 27yo, ♂ 25yo, ♀ オフショア ラボ @ホーチミン     20代 3人 •機械学習モデルの開発 •データの分析、集計 •アプリの開発 •アプリの運用 •AI/ML企画 •開発、分析 組織イメージ (2020年10月時点) ★Tokyo ★Ho Chi Minh Warsaw★
  12. 12. ■突きつけられた課題 「投資だから失敗してもよい」は通用しない • 何をすればいいかわからない  ⇒現場常駐でニーズ把握 • 類似事例がない  ⇒MVPを早くリリース • 予算が少ない  ⇒オフショア活用で内製 • 基礎研究の余裕がない  ⇒OSSの転用に留める 失敗するかも、とにかく安く早く多く作った
  13. 13. ■実現してきた成果 AI・RPA事例 • 物体検知モデルでオビ付け業務を自動化 • 画像分類モデルで社内物件資料を自動生成 • GISによるレコメンド処理 • 遺伝的アルゴリズムによる区割設計の自動化 • 機械学習モデルによるWeb広告効果評価 • OpenCVによる類似物件検索 AI・RPAによる40,000時間*の工数削減 データ分析による意思決定で不動産ビジネスに貢献 *情シス全体の合計 事例詳細:https://cloud.google.com/blog/ja/topics/customers/openhouse-using-ai-platform-and-bigquery
  14. 14. 事例1:マーケティング分析
  15. 15. ■マーケティング分析 • 背景:Web経由の契約が6.5割、 20を超える媒体に出稿、媒体の評価が 難しかった。 – 数が多い:複数の広告媒体/代理店 – 評価が難しい:顧客の契約までの期間が 長く、営業による変動も大きい – 作業が煩雑:データが点在、粒度がバラバラ • 要望: DWHを作ってPDCAサイクルを高 速化と分析レベルの向上 反響 Google 広告 代理店 広告営業 オープンハウス ホームページ 資料請求 会員登録 顧客
  16. 16. ■ DWHにBigQueryを採用 その理由 • 無制限のストレージ (多数の媒体データを処理できた ) • 豊富な分析関数 (複雑なSQLが簡潔に書けた) • BigQuery Data Transfer Service (大量のデータを簡単に移行できた ) • 他のGoogleサービスと連携 – Ads, Analytics:簡単に取り込み – Google スプレッドシート:媒体マスター – Data Portal:データの可視化、分析 Ads Analytics BigQuery Google Data Portal Google スプレッド シート
  17. 17. ■アーキテクチャ Analytics Google Ads Ingest Logging Analytics BigQuery Data Warehouse Report & Share Business Analysis Google スプレッド シート Data transfer service BigQuery Compute Engine External data sources BigQuery 他広告媒体(Facebook, Yahooなど) 基幹システム ユーザ ユーザ 3ヶ月、1.5人月で開発、現場の運用工数90%を削減 見たい粒度 定義
  18. 18. ■実現できたこと ✔ 複数の媒体からのレポートを手作業で結合し、 個人での週次の集計→ BigQueryでDWHを構築、 日次でデータ更新 ✔ BIツールを活用することで見たい粒度でデータを参照 ✔ アトリビューション分析で中間CVを評価 ✔ 機械学習モデルによりデータが少ない媒体や キャンペーンの効果を予測 初回CV 最終CV 初回CV 最終CV 契約寄与率契約寄与率 新規:接点モデル 従来:ファーストクリック 40% 例:ファーストクリックから アトリビューション分析へ移行 従来評価しなかった中間広告を 加味した分析を行い 10% 20% 30% 100% PDCAサイクルの高速化により 広告の費用対効果を改善
  19. 19. 事例2:類似物件検索
  20. 20. 過去の類似物件過去の類似物件 ■類似物件検索 • 背景:家の間取図を作成する際に 似たような土地の形状の間取図が あれば設計の工数を減らせる • 要望:過去の多数の間取図から 類似した条件の間取図を 検索する仕組みを作ってほしい ⇒画像処理を使って間取図を解析、 検索するシステムを開発 過去の類似物件 新規作成物件 参考 参考にすることで 間取図の作成工数削減
  21. 21. ■実装上の課題 N 760 320320 80 60 480 向きの抽出 幅・奥行 の抽出 間取図のデータベースがない 間取図は整理されて いなかったため、GASでGoogle Drive APIを利用して間取図候補を検 索、画像処理で絞り込み 学習データがない 画像抽出は古典的な画像処理 (OpenCV)とOCRを組み合わせ、 複雑な条件の抽出を可能に 泥臭い開発作業が多くを占めていた 間取図解析 イメージ
  22. 22. ■アーキテクチャ 間取図一覧 OCR Vision API 間取図解析関数 Cloud Functions   ・Vision APIのコール   ・間取図の解析   ・Storageへの書込 2人月で開発を実現、500時間/年の工数削減を実現 間取図 フォルダ GASやGoogle Workspaceを活用することで画像処理に専念 スプレッドシートを 使うことでアプリ開発 工数を削減した 更新 ユーザ 乱雑に格納された フォルダを 再帰的に解析 Apps ScriptGoogle Drive API
  23. 23. AIの実現のために
  24. 24. ■ AI導入の4要素モデル 4つがそろって初めてAIが導入 データ AIの基礎部分 ビジネス AIが改善する対象 アルゴリズム 機械学習など システム AIを実現する基盤
  25. 25. ■要素例:販売資料自動作成 例:画像分類モデルで社内物件資料を自動生成 データ 社内文書とその分類 ビジネス 営業の資料作成業務 アルゴリズム 画像分類(ResNet) システム AI Platform GAS
  26. 26. AIを導入するための要素が全て整っている データ 自社サービスから 得られる大量のデータ ビジネス 大量のアクセスで小規模な 改善が大きな効果に アルゴリズム トップエンジニア 研究機関との提携 システム 世界トップクラスの ITインフラ ■ 超大手IT企業
  27. 27. ■一般的な日本企業 全てを1から整えるのは無理 データ 雑多な紙資料 入力未徹底のシステム ビジネス 規模が小さい 費用対効果はよくない アルゴリズム 研究チームは持てない 優秀なエンジニアは来ない システム どちらかと言えば弱い むしろオンプレ 高い期待値に反して幻滅する羽目に
  28. 28. ■ Googleのサービスを活用すると 時間とコストを削減しながら高い技術を実現 データ システム、広告データ:BQ 画像、文書:Google Drive ビジネス 自社固有の業務 アルゴリズム TensorFlow Github上のサンプル システム GCP、GAS なるべく自社ビジネス固有の業務にフォーカス
  29. 29. ■利用したGoogleのサービス/ツール一覧 名称 コンポーネント 内容 GCP BigQuery Cloud Functions Cloud ML etc… システム全般で利用 Google Workspace Google Drive Google スプレッドシート ファイルの保存 簡易DBとして利用 GAS GAS 簡易アプリ、定期実行ジョブ Google Analytics - Webサイトのアクセス解析 Google Ads - Web広告の出稿 Data Portal Data Portal データの分析・可視化 Tensorflow - 機械学習
  30. 30. ■ Googleのサービスを組み合わせることで実現 サービス間の連携を活用することで効率化を実現 Google 広告 GA Drive 基幹システム スプレッド シート BigQuery Cloud Storage App Script スプレッド シート 収集 蓄積 TensorFlow 処理 アクション GAS アプリ Cloud Vision Cloud AutoML Compute Engine Cloud Functions Data Portal AI Platform
  31. 31. ■データ 加工は必要だがデータは存在していた iPhoneやGoogle Workspaceなどの導入と活用の徹底が AI実現のカギになっていた 非構造化データ 不動産文書 携帯写真 ⇓ 乱雑ながらも Google Workspace上に 構造化データ SFA,CRM Webサイト ⇓ クラウド上の RDBに格納 システムへの 入力を徹底 スキャンして Google Workspaceに アップ
  32. 32. ■アルゴリズム/システム • アルゴリズム – 自社で研究開発は無理 – Google等が公開しているコード – 公開されたモデル/コードを素早くたく さん転用 • システム – 上記のコードをGCP上で動かすことで 素早く実装できた Googleのプラットフォームを利用することで 限られたリソースで多くの成果を生み出した https://github.com/tensorflow/models/blob/master/research/object_detection/g 3doc/tf2.md
  33. 33. ■ビジネス 現場に足を運ぶと・・・ 改善すべき業務 • アナログな業務 • 実施者が多い業務 • 既存の技術が適用可能 アナログな不動産業務は宝の山だった 適切な改善ポイントを見つけるのがカギ AI導入効果=業務インパクト×AIによる改善 大きくしていく 既存の技術で可能
  34. 34. ■ビジネスと技術の見極めが大事 データ ビジネスアルゴリズム システム案件 過去マイソク On Gsuite オビ付け物体検知 AutoML自動オビ付け 社内資料 On Google Workspace 資料作成画像分類 AutoML+GAS販売資料自動作成 媒体+SFA On BQ 媒体評価boosting BQ(+OSS)マーケティング分析 社内図面 On Google Workspace 図面作成OCR+CV CF+Vision API+ GAS (+OSS) 類似物件検索 適切な組み合わせを見極める企画力が必要
  35. 35. ■オープンハウスのAI導入のポイント 成功事例の共通点 1. インパクトの大きい業務を探す 2. 既存の技術の転用で作る 3. 内製で作る 4. 学習データを作らない 5. 泥臭いことを進んで行う 肝心なのは実現するための“人”
  36. 36. ■困難な課題を実現した若手エンジニア • ハングリーな若手が泥臭い仕事を怠 らずに頑張った ⇒やる気とモチベーションの高さが 成功のカギ • 検索エンジンで調べれば世界中の誰 でも作れる時代 ⇒国籍や年齢、経験は関係ない “オープンハウスグループは、やる気のある人を広く 受け入れ、結果に報いる組織を作ります。” オープンハウスグループ「ミッション」より 頑張る若い人の力が一番の原動力だった
  37. 37. ■ 超大手IT企業でない日本企業がAI活用に成功するために とにかく安く早く多く作る クラウド、オフショアなどで初期投資を抑えスピードアップ ビジネスと技術の見極めが大事 社内ニーズ、ビジネスインパクト、最新技術を把握する 事例がなくても覚悟して進める 不安で困難な開発、覚悟を持って臨む
  38. 38. WE ARE HIRING
  39. 39. ■エンジニア募集 オープンハウス情シスではエンジニアを募集しています 他責にせず自分自身で考え、周囲の意見も尊重できる人 成長に貪欲で、新しいものを作りたいというやる気溢れる人 泥臭い仕事を嫌がらず、最後までやりきる責任感のある人 求める人物像 こんな人物が向いています 早く昇進したい人:20代の管理職率76%* 好きな技術を使いたい人:環境も言語も好きなものを選べる 国際的な環境で成長したい人:出張や英語を使う機会が多い *2020/10月時点
  40. 40. ■職務内容/期待する能力 <職務内容>  ・会社のクラウドやネットワークを支えるインフラエンジニア ・Webアプリ、モバイルアプリのフルスタックエンジニア ・ML活用システムの開発を行うML/AIエンジニア ・RPAによる業務自動化を行うRPAエンジニア 応募は以下のメールまで、カジュアル面談も可! teito.nakagawa@openhouse-group.com(担当:中川)
  41. 41. 総合ディベロッパーとして、 独立系No.1 ~ 誰にも真似のできない日本一 ~ オープンハウスの目指す 「誰にも真似できない日本一」には さらなるIT強化が必要不可欠です

×