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.

富山県IoT推進フォーラム全大会 - AI・IoT 時代だからこそ、改めて Data の価値を見直す

Data の活用の現状を見つめなおし、その価値について議論するためのたたき台。
じっくり足を止めて考えたいところ。

  • Be the first to comment

  • Be the first to like this

富山県IoT推進フォーラム全大会 - AI・IoT 時代だからこそ、改めて Data の価値を見直す

  1. 1. AI・IoT 時代だからこそ 改めて Data の価値を見直す 畠山 大有 | Daiyu Hatakeyama | @dahatake Architect && Software Engineer && Applied Data Scientist Microsoft Japan
  2. 2. 蒸気 や 電気 ソフトウェア (+AI) AI
  3. 3. 電力消費量 水道消費量 ガス使用量 発電量 蓄電量 停電情報 断水情報 ガス停止 情報 機器 利用環境 河川水位 土砂 移動量 熱 濃度 放射能量
  4. 4. 完全自動運転で100%無事故を 実現しようとすると最低でも 88億マイルを テストしなければならない。1 2020年、自動運転車は1日に 約4,000ギガバイ トのデータを生成し、消費する。2 Paris Auto Show Automobility Los Angeles Gartner TechRadar Earthdata Automobility Los Angeles 2020年、204億のモ ノがつながる。3 90分のアニメーション映像を製作す るために、6,500万時 間分の 画像レンダリングが必要となる。4 2020年、飛行機から1日 に 40テラバイ NASAの地球観測システムおよび 情報システム(EODSIS)は、 1日に約28テラバイ トのデータを配信している。5
  5. 5. Dataを目的も無しで 溜めているだけ?
  6. 6. 経常利益ベースで見た Data分析能力の高い企業 vs 低い企業の「差」 年間 100億円 相当の格差 出典 : Keystone Strategy ホワイトペーパー「データおよび分析に対する IT 投資の価値を証明する」 https://info.microsoft.com/Keystone-Data-and-Analytics-Whitepaper.ja.1.html
  7. 7. 46.7% 45.6% 23.8% 6.6% 5.2% 31.2% 0.4% 7.6% 5.7% 14.1% 1.2% 5.2% 2.0% 1.2% 1.3% 1.0% 1.3% 2.2% 3.5% 3.6% 5.7% 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 顧客データ 経理データ 業務日誌データ POSデータ eコマースにおける販売データ 電子メール CTI音声データ 固定電話 携帯電話 アクセスログ 動画・映像視聴ログ Blog、SNS等記事データ GPSデータ RFIDデータ センサーデータ 交通量・渋滞情報データ 気象データ 防犯・遠隔監視カメラデータ 電子カルテデータ 画像診断データ 電子レセプトデータ 業務デー タ 販売記 録 顧客等とのコ ミュニケー ション自動取得自動取得(M2M)医療 いわゆる「業務Data」 活用レベルで止まってい る 企業がまだまだ多い (出典)総務省「ビッグデータの流通量の推計及びビッグデータの活用実態に関する調査研究」(平成27年) 業務Data 販売記録など 日本 Data
  8. 8. 新たな Data 活用機会の可能性 (出典)総務省「ビッグデータの流通量の推計及びビッグデータの活用実態に関する調査研究」(平成27年) 複数の Data を組み合わせ分析している企業数は 3割弱 日本 Data
  9. 9. Study
  10. 10. 1 0 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 0 100 011 100 100 011 100 100 011 100 100 011 100 100 011 100 100 011 100 100 011 100 100 011 100目的 航空機の効率を向上させ、毎月世界中の50,000便以 上のフライトに電力を供給するエンジンのメンテナ ンスコストを削減したい 戦略 エンジンの正常性データ、航空管制情報、燃料使用 状況データを収集および集約し、そのデータをリア ルタイムで処理し ダッシュボード上に可視化 結果 • 年間数百万ドル規模のコスト削減見込み • フライトの中断を減らす • 燃料使用量とメンテナンス計画の改善 • サービスとしての製品を使用して新しいビジネス モデルを開発 z 燃料ポンプ健全性予測: さらに70,000マイル RR300燃料システムトレーニング パフォーマンス 予測 ソース交換部品。JFKでメンテナ ンス予定 メンテナンス 予測 オンライントレーニングの推 奨 パイロット効率 平均より20%低い; 考えられる原因:上昇中の過剰な燃料消費 燃料使用量 パフォーマンスのしきい値を下回る; 次の2便以内に検査を推奨 0 0 1 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 1 1 1 0 0 0 0 1 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 1 1 0 0 0 1 0 0 1 0 0 1 0 1 0 0 0 1 1 0 0 1 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 1 1 1 0 0 0 0 1 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 1 1 1 0 0 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 1 1 1 0 0 0 0 1 1 0 0 0 1 1 0 0 0 1 0 1 0 0 0 1 1 1 0 0 0 0 1 0 0 1 0 0 1 0 1 0 0 0 1 1 気温 圧力 振動 レベル 速度 燃費天候状況フロー エンジン 効率 包括的な運用サービス パイロットパフォーマンス エンジンの健全性 パフォーマンス
  11. 11. Study
  12. 12. 近畿日本鉄道 鳥羽線 五十鈴川駅より徒歩約30分 近畿日本鉄道 山田線・鳥羽線 宇治山田駅より車約15分 JR東海 参宮線・近畿日本鉄道 山田線 伊勢市駅より車約15 分 三重交通バス 内宮前停留所より徒歩2分 業種 : 飲食業と小売業 (※ 小売は自社開発モノが 7 割) 三重県伊勢市宇治今在家町13 年中無休 11AM – 3PM http://www.ise-ebiya.com/ © 2017 Ebiya Ltd. All rights reserved.
  13. 13. ×× 人手不足 × 人件費高騰
  14. 14. 提供時間 クレーム 皆 Happy © 2017 Ebiya Ltd. All rights reserved.
  15. 15. スタッフが 見たい数字 (シフトに生かす) 社長が 見たい数字 © 2017 Ebiya Ltd. All rights reserved.
  16. 16. © 2017 Ebiya Ltd. All rights reserved. スタッフ が 見たい数 字 (半調理など 事前準備や 社長が 見たい数字 (事業評価)
  17. 17. © 2017 Ebiya Ltd. All rights reserved. 社長が 見たい数字 (事業評価)
  18. 18. © 2017 Ebiya Ltd. All rights reserved. 入口そばは 回転が良く 客単価も高い
  19. 19. © 2017 Ebiya Ltd. All rights reserved. お座敷は 回転が悪く 客単価も低い
  20. 20. 新たな事業
  21. 21. © 2017 Ebiya Ltd. All rights reserved. Challenge • リテール店舗経営に必要な 全ての情報の「一元管理」 しデータを正しく取得した い • 店舗の数字を日次で管理 • 来客予測 • 商品のABC分析 など Solution • リテール店舗経営に必要な全 ての情報の「一元管理」 • 様々なデータにより現在の状 態を把握。過去のデータと組 み合わせた分析により、明日 の来客を 予測 • Power BI で視覚化 Benefits • 定量的判断に基づく対処 • レジ閉め作業やデータ収集作業平 均 60分が必要項目の入力で 5分へ短縮 • 一日の営業時間内のアイドルタイ ム を事前に把握、他の業務やポジ ションを割り当てて、アイドルタ イムを1/4へ 三重県発老舗 100 年企業の社長自ら開発した SaaS リアル店舗をECのように根拠ある商売に変える”経営コックピッ ト” 「ゑびやのらぼ “EbiLab”」
  22. 22. https://japan.cnet.com/extra/ms_ebiya_201710/35112861/https://japan.cnet.com/extra/ms_ebiya_201710/35108734/ End User → サービス提供者 Microsoft クラウド プラットフォーム 「Azure」を土台に、自社ビジネスに 基づく「予測的中率 90%超」という 驚異的な来客予測・マーケティング 効果測定による事業予測ソリューションを 一般向けにカスタマイズしてリリース予定 (5か月で展開完了)
  23. 23. StreetBump smartphone app • スマートフォン http://www.streetbump.org/
  24. 24. Joy Buolamwini, MIT Dr. Timnit Gebru, Google
  25. 25. Woman Dark Skin Woman Light Skin Man Dark Skin Man Light Skin 2018 MS Face API Error Rate 20.8% 1.7% 6.0% 0.0% 2019 MS Face API Error Rate 1.5% 0.3% 0.3% 0.0%
  26. 26. Woman Dark Skin Woman Light Skin Man Dark Skin Man Light Skin 1.52% .34% .33% 0% 304,000 68,000 66,000 0 公平なのか? NYC の著名なデパートには 毎年 2,000万人もの人が来店する 50%ずつの性別と肌の色と仮説す る 小売業向けの性別 Classifier 誤差率が小さくとも、相対的な違いに注目
  27. 27. Bias 人 作られる
  28. 28. https://www.microsoft.com/ja-jp/AI/our-approach-to-ai/
  29. 29. Study Study
  30. 30. タスク フォース 最新テクノロジーを 導入すれば 自社の問題が何か 解決するはず データは 高度で複雑 混乱 テクノロジー はビジネスの課題解決手段として考える オペレーションにとりあえず組み込むと… “違う会社にしてみよう" 無理やり 組み込む 課題を解決するための選択肢 導入 検討 現場 訓練 成功パターン 現場が使えて 初めて 意味のある テクノロジーになる 導入後は タスクフォース作り、 どう現場レベルで 運用するか検討 課題 発見 2 3 4 1 2 3 4 1 テクノロ ジー 導入 現場 オーナー 失敗パターン
  31. 31. これまでの システム クラウド ベース ご本尊をお迎えす る (n 億円くらいする すごいマシン) とりあえず サインアップ またはサービス を作成する 稟議、予算取り 大変。 やったからには 成果出さないと まずい まずは試してみる ダメだったら 再度試行錯誤を 繰り返してみる なんとなく やるための プロジェクトに 本来何のため に?が失われる どんどん試行錯誤 を繰り返す システムが 進化していく 守りの思考で リスクテイクでき ない 大規模投資なしで 「フェイルファスト」 が可能 ビジネス スピード 低↓ ビジネス スピード 高↑ クラウド 前向きな失敗
  32. 32. 資産 Application Data Lake 10年?
  33. 33. 資産 Application Database Analytical Store Visualize API Build ML Model Data Warehouse IoT Database
  34. 34. 事 事
  35. 35. 事例 Data
  36. 36. 61% 以外
  37. 37. 94 77 236 25 0 50 100 150 200 250 300 350 USA JPN (万人) IT 企業 エンドユーザー企業 0 20 40 60 80 JPN OECD Ave. USA 2017 年 OECE 加盟諸国の時間当たり労働生産性 購買力平価換算 US ドルベース より引用 IPA グローバル化を支える IT 人材確保・育成策に関する調査 より引用
  38. 38. 仮説 KPI P o C 早い 捨て やすい データ 人 Know-How Data
  39. 39. 5% http://thepeakperformancecenter.com/educational-learning/learning/principles-of-learning/learning-pyramid/
  40. 40. 体験 指導者 ・スピー カー ファシリ テーター
  41. 41. 交通渋滞 予測 ○○線 運行情報 △ △線 運行情報 イベント 開催情報 TV番組 情報 物流 車両情報 道路工事 情報 空調負荷 予測 販売計画 混雑予測 駅員・警 備計画 空調制御 計画 故障予知 集荷予測 天候情報 保守計画 売上予測 混雑予測 有機的に相互作用する社会
  42. 42. 交通渋滞 予測 ○○線 運行情報 イベント 開催情報 TV番組 情報 物流 車両情報 道路工事 情報 空調負荷 予測 販売計画 空調制御 計画 故障予知 天候情報 保守計画 売上予測 混雑予測 △ △線 運行情報 混雑予測 駅員・警 備計画 コンテキストに応じて自律的に動く 集荷予測
  43. 43. 情熱につき動かされ る
  44. 44. https://news.microsoft.com/2016/04/24/microsoft-and-rolls-royce- collaborate-to-offer-advanced-operational-intelligence-to-airlines/ https://japan.cnet.com/extra/ms_ebiya_201710/35112861/ https://ebilab.jp/ https://docs.microsoft.com/ja-jp/learn/powerplatform/power-bi
  45. 45. Step-by-Step Achievements スムーズな学習環境  無料  日本語対応  ブラウザーのみでOK ハンズオン環境も含めて  ダウンロード可能なサンプ ルコード  Product/Service, 技術レベル, job role, などに応じたガイダ ンス  Video, チュートリアル, ハンズ オン  スキルアップを促す  ユーザー プロファイ ル毎に カスタマイズ www.microsoft.com/learn
  46. 46. aischool.microsoft.com
  47. 47. www.microsoft.com/ja-jp/events
  48. 48. Invent with purpose.

×