IT - IBM

ビッグデータ時代のデータ分析活用例
日本アイ･ビー･エム株式会社
ビジネスアナリティクス事業部
© 2013 IBM Corporation
本日のアジェンダ
 ビッグデータのトレンド
 分析による意思決定と ITインフラの関係性
 分析を実施するための組織構成
– IT部門に求められる要件
– ビジネスユーザー部門に求められる要件
– 分析部門に求められる要件
 事例紹介
 予測分析とビジネス・インテリジェンスの融合（地図データ連携）
 まとめ
© 2012 IBM Corporation
本日のアジェンダ
 ビッグデータのトレンド
 分析を実施するための組織構成
– IT部門に求められる要件
– ビジネスユーザー部門に求められる要件
– 分析部門に求められる要件
 事例紹介
 予測分析とビジネス・インテリジェンスの融合（地図データ連携）
 まとめ
© 2012 IBM Corporation
基幹システムに
おける構造化データ
ERP/CRM
Excel
生産・人事・財務
テキストマイニング
ソーシャル分析
リサーチ調査
リアルタイムデータ
Business
Intelligence
による可視化
KPI把握
意思決定
現状分析
What-if?
トレンド分析
統計解析
データマイニング
モデリング
予測分析
大量データを
格納するITインフラ
データ統合
ETL
セキュリティ
監査性
予測・知見に
基づいた
最適化された
アクション
© 2012 IBM Corporation
ビジネス領域において全く新しいデータを使った分析が求められています。
Zetabytes
SOCIAL & INSTRUMENT
ソーシャル
クリック情報
Petabytes
広告
eCommerce
検索最適化
モバイル
Web Logs
ERP / CRM
Gigabytes
Audio / Video
WEB 2.0
Collaboration
Terabytes
センサー・機器
Wiki/Blogs
RFID
キーワード
GPS・位置情報
学術情報
人事情報
受発注情報
Digital Ads
気象情報
在庫管理
POS
Networks
コミュニティ
Megabytes 営業活動
販売管理
一般企業で分析対象となる現実的な範囲
構造化データ
5
非構造化データ
© 2013 IBM Corporation
本日のアジェンダ
 ビッグデータのトレンド
 分析を実施するための組織構成
– IT部門に求められる要件
– ビジネスユーザー部門に求められる要件
– 分析部門に求められる要件
 事例紹介
 予測分析とビジネス・インテリジェンスの融合（地図データ連携）
 まとめ
© 2012 IBM Corporation
データ分析にはIT/LOB/AnalystのTeamingが必要
Business
User
Discover,
visualize and
explore
多種多様な
データの統合
より正確な予測
ターゲティング
直感的な
ヴィジュアル
Assemble and
combine
Analyze, predict
and automate
Data Scientist
Business Analyst
IT
7
© 2013 IBM Corporation
IT部門にて用意する安全かつ高速なデータ統合環境及び分析ツール
分析を支える高速かつ安定的なプラットフォーム・データ統合・データ
© 2013 IBM Corporation
スマーターコマースを実現する IBM ソリューション全体像
多次元DBから時間や顧客別
など、軸を切り替え利用状況を
分析
外部からの攻撃や
ハッキングを防御
多次元DB
店舗POS
PureData
Analytics
会員情報
Webサイト
アクセスログ解析
分析サーバー
利用状況確認や
不正監視
個人情報をガード
データマイニングサーバー
EC受注/出荷
統合顧客DB
・顧客情報・利用状況
・購買履歴….
データマイニングで
相関関係を分析
EMMサーバー *
アンケート・FAQ
Webサイト
リンク切れ確認
Webサイト
メール配信ASP
攻撃者
キャンペーン管理ツー
ルで
キャンペーンの
特定セグメントに対す
自動実行
る
メール配信を設定
* EMM: Enterprise Marketing Management
ASPサービスにメールテンプ
レートと顧客データ（メールアド
レス）を送信し一斉メール配信
© 2013 IBM Corporation
データ分析にはIT/LOB/AnalystのTeamingが必要
Business
User
Discover,
visualize and
explore
多種多様な
データの統合
より正確な予測
ターゲティング
直感的な
ヴィジュアル
Assemble and
combine
Analyze, predict
and automate
Data Scientist
Business Analyst
IT
10
© 2013 IBM Corporation
組織の中では分析者はごく少数、分析結果に基づいた実行部隊にいか
に情報を提供ができるか？が成功の鍵
ビジネスユーザー
© 2013 IBM Corporation
ビジネスユーザーに必要な意思決定の為の最適な可視化
© 2013 IBM Corporation
Business Intelligence = 情報の可視化
ダッシュボード
ローカルデータの利用
定型レポート
バランスド・スコアカード
ブラウザ上でマウス操作で定
型レポートにアクセス
やさしい操作でユーザの必要
なダッシュボードを提供
オフラインレポート
レポート作成もノンプログラミング
OLAP分析
顧客
ローカルデータを有効活用し、
分析の柔軟性が向上
非定型検索
スコアカードを利用し企業の戦略を
可視化
地図機能
地区
案件分析用
キューブ
東京 1週 2週 3週合計
青果 100 110 115
325
精肉 80 100
90
270
鮮魚 90
95
80
265
惣菜 50
55
40
145
合計 320 360 325 1005
オフライン上で条件変更やドリ
ルダウンなどの、インタラクティブ
な操作が可能
13
多次元キューブを使って
自由な切り口で情報を分析
簡単かつ直感的な操作によって
ユーザによる情報活用を促進
定型レポートに組込み
現状理解をわかりやすく
© 2013 IBM Corporation
ビジネスユーザー様の情報有効活用例
14
© 2013 IBM Corporation
現場に対してタイムリーな情報を提供することにより意思決定の正確性、
迅速性を向上させる。
15
© 2013 IBM Corporation
Cognosファミリーの拡張性
スモール・スタート
Cognos Insight
ワークグループへの拡張
Cognos Express
エンタープライズ展開
Cognos Enterprise
Express
Insight
個人やチー
ムの課題を
迅速に解決
します
Enterprise
分析業務を統合
し、ユーザー展開
のコストを最小化
します
幅広いデータや分析機能に
アクセスし全社規模の統合
的なアクションを実現します
Cognos Insight
16
Cognos Express
Cognos 10 + TM1
購買決定
業務部門主導
業務部門主導 (IT部門支援)
IT部門主導 (業務部門協業)
コミュニティの規模
個人 (1 to N)
部門ユーザー (<100)
エンタープライズ (100+)
ITスキル
必要なし
限定的
必要
利用形式
スタンドアローン
シングル・サーバー環境
分散・統合サーバー環境
© 2013 IBM Corporation
Cognos Insight 機能
60秒ダッシュボード：生データから、分析、ダッシュボードの公開迄わずか60秒！
豊富な種類を持つチャーティング：よりグラフィカルで美しい画面作成が可能
注釈機能：コメントを追加し、コラボレーションで活用
レイアウトコントロール：スタイル変更、Webコンテンツを含むウィジットの追加、
アクションボタンの追加等
データ変更を、ダッシュボード全体に即座に反映
複数のデータをダッシュボードで一元的可視化
データのライトバック機能
what-if 分析：さまざまなシナリオを作成し、
原因を見極め、分析結果を最適化
相対比率配賦機能等
17
© 2013 IBM Corporation
組織の中では分析者はごく少数、分析結果に基づいた実行部隊にいか
に情報を提供ができるか？が成功の鍵
分析担当・Data Scientist
© 2013 IBM Corporation
•
IBM SPSS Modeler 分析プロセスの構築
 アイコン（機能）と矢印をマウスで繋げて分析プロセスを作成します。
 試行錯誤をサポートし、分析再現性を確保します。
STEP3
ｸﾞﾗﾌ
散布図で2項目間の
相関を確認したり
ヒストグラムで分布を理解
STEP1
入力
STEP4
複数のデータソース
を読込み可能
加工
出力
ﾓﾃﾞﾙ
STEP2
存続/離反の結果を
決定づける要因を
取引履歴からつきとめ
構造化する
STEP5
複数の予測モデルの
精度を比較、
エクセル帳票として出力、
バッチ・ルーチン化して
業務に展開
複数のデータソースを
結合して特定条件で抽出、
また新しい項目の生成
ノードのプロパティで
接続データを指定
分析プロセス（ストリーム）
19
© 2013 IBM Corporation
パターン発見
膨大な組合せから、意味のあるパターンを抽出
併売パターンと傾向の強さを抽出
<前提条件>アクセサリ04 &化粧品02 &化粧品05 を
利用する顧客は30人<インスタンス>
そのうちの50%<確信度>
=15人が<結果>としてバック06を購入している
催事
書籍
婦人肌着
ゴルフウエア
国産化粧品
和菓子
婦人靴
パン
プレタ
ウイッグ
相関関係をグラフ表示（Ｗｅｂグラフ機能）
会員#0001の1年間の買い廻り
© 2013 IBM Corporation
予測
決定木分析
要因データを重要度が高い順に自動分岐
レスポンスしやすい特徴を構造化して予測モデルを構築
商品別にキャンペーンへの反応率を予測
①全体では
返信率5.8％
返信率に最も強く影響しているのは
銀行との取引年数
②3年以上にデータを絞ると
返信率8.1％
③さらに未成年の子供が2人以上になると
返信率14％
④さらに月収が30万未満に限定すると
返信率16.5％
⑤以上の条件を全てもった
セグメントに関しては、
返信率20%超
© 2013 IBM Corporation
分類
似たような顧客グループや商品グループを素早く求める
クラスタ分析
購入内容が似ているグループに自動分類
（クラスター３）
子育て世代・男性
（クラスター５）
カジュアル・Ｗｅｂ積極購入
（クラスター１）
アクセサリー・ママ
顧客の行動特性に
理解を深める
↓
特性に合わせたアクション
購買実績が近いグループに
自動的に分類して各グループの特徴を提示
（クラスター２）
ヤング・ビジネス
（クラスター４）
カジュアル・
セール利用
⇒ グループ毎に人数/単価/休眠率/成長性
を要約し、施策立案の材料とする © 2013 IBM Corporation
膨大なデータの中から新しいビジネスヒントを得るために
・安全かつ高速なIT・データ統合環境の構築
－データ抽出・統合・名寄せ・データ加工
・ビジネスユーザーが迅速な意思決定ができるビジュアル環境
－BIによる現状把握
・高速かつアルゴリズムなどの統計的手法に基づいた分析環境
－分析Toolにより専門性を最小限に
© 2013 IBM Corporation
本日のアジェンダ
 ビッグデータのトレンド
 分析を実施するための組織構成
– IT部門に求められる要件
– ビジネスユーザー部門に求められる要件
– 分析部門に求められる要件
 事例紹介
 予測分析とビジネス・インテリジェンスの融合（地図データ連携）
 まとめ
© 2013 IBM Corporation
分析によって導きたい知見は部門・役割に応じた設定が必要
需要・在庫予測・歩留まり改善・予測保全
Prospective
Employees
Manufacturing
Suppliers
人的資源・スキルの最適化
製品開発サイクルへ新
たな知見を導入する
顧客満足度向上
IT資産の稼働状況分析
Current &
営業活動の最適化、利益向上
Prospective
Customers
リスク発見、コスト削減
Business
Partners
顧客満足度向上、ARPU・顧客単価向上、
離反防止・ターゲットマーケティング
25
© 2013 IBM Corporation
金融・サービス
人材活用
顧客獲得
不正検知
初期/途上与信
解約分析
介護品質
需要予測
品質管理
クロスセリング
教育
顧客維持･満足
客単価向上
マーケット
バスケット分析
犯罪防止
官公庁・教育
パターン発見蓄えられた膨大なデータから有益なパターンや組み合わせを発見
予測
過去のデータから最適なモデルを算出させ、将来を推測する
分類
似たような顧客グループや商品グループを素早く求める
© 2013 IBM Corporation
MicroAd様におけるシステム構成
SPSS Modeler Client
データ統合及び分析処理の高速自動化
外部データ
Modeler
Server
MySQL
CADS
Hadoop
データマイニング
過去・現在の大量データよ
り、パターンを導き出す
アルゴリズムの生成・自動化
Web UI
IBM Netezza
Cognos
Express
リアルタイム
処理
Cognos Insight
LOB部門への業績可視化
© 2013 IBM Corporation
JAPAN AIRLINES
© 2013 IBM Corporation
JALの月間2億ページビューを超える
Webサイトにおいて、大量データを効率
的に分析し、顧客サービスに有効活用
できるマーケティング展開を目指す
<ご購入部門>
Web販売部門様
<導入製品>
-データマイニングプラットフォーム
IBM SPSS Modeler
プレスリリース 2011年12月19日
「JAL、Web履歴を分析して会員サービスを拡充」
http://www-06.ibm.com/jp/press/2011/12/1901.html
大量のデータを効率的に分析し、予測
分析による深い洞察を得られるソフト
ウェア「IBM SPSS Modeler」を採用。
膨大なデータに対して、客観的なデータ
マイニング技術を活用した多様な分析を
行い、データの関係性を発見したり、
マーケティングに効果的な観点を得るこ
とが可能に
© 2013 IBM Corporation
顧客分析
遠州鉄道様
静岡県西部に展開する遠州鉄道グループ事業において使
用されているポイントカードをIBM SPSS Modelerにて横断
的に分析。グループ事業算対の底上げを目的としたマーケ
ティング活動に活用。
Background
遠鉄グループ
Results
 一日の利用者数20万人の鉄道会社
 約４７万人が利用するポイントカードサービスを保有
Business goals
• グループ全体のマーケティング力向上
 営業推進部にてグループ全体の横断的な販売促進を行う。
• 分析を元に年間50本以上のプロモー
ションを実施
 遠鉄グループカードの横断的分析を行う。
Solution
 営業推進課、ＩＴ戦略課のそれぞれが２名で１チームを組む
合計４チームがそれぞれ担当を持つ
 担当毎にえんてつカードデータを基に、マーケット分析、資料作成、
 キャンペーン提案、セールスツール作成等を行う
 えんてつストアのお客様のグループガソリンスタンド・ホテル・旅行・
タクシー会社などの相互利用促進・誘導
30
30
© 2013 IBM Corporation
データ分析を活用した営業・マーケティング施策を実施
えんてつカード、ポイントを有効活用し、
グループ事業全体の底上げを目的とする。
テーマ選定 ⇒ 仮説立案 ⇒ テストマーケティング ⇒ 検証 ⇒
実行
従来のDWHでは実現できなかった高速性をSPSSを利用して実現
テーマ例
1. 遠鉄SS（ガソリンスタンド）における顧客獲得・離反防止
2. ホテル・レストランにおける顧客の固定化と新規獲得
3. DMを活用したタクシー新規「迎車」顧客の獲得
4. 主催旅行の利用者分析と新規顧客固定化
5. 遠鉄大感謝祭買いまわり企画の分析
6. バス運行データの解析
7. 百貨店内の買いまわり解析
BA Forum 遠州鉄道様講演より抜粋
© 2013 IBM Corporation
参考事例
http://www-06.ibm.com/software/jp/analytics/casestudies/
© 2013 IBM Corporation
本日のアジェンダ
 ビッグデータのトレンド
 分析を実施するための組織構成
– IT部門に求められる要件
– ビジネスユーザー部門に求められる要件
– 分析部門に求められる要件
 事例紹介
 予測分析とビジネス・インテリジェンスの融合（地図データ連携）
 まとめ
© 2013 IBM Corporation
© 2013 IBM Corporation
© 2013 IBM Corporation
© 2013 IBM Corporation
© 2013 IBM Corporation
まとめ
 大量のデータから知見を得るためには分析（Business Analytics）が必須
– 分析担当人員のためにより使いやすいビジネスユーザーが使用できるToolが必要
 分析結果はより幅広い組織、ｌ人員と共有することがにより意思決定の迅速化・適正化が可能
– 直感的なビジュアル・地図情報などとの連携
 大量のデータを支える安全かつ高速なインフラが必要
– セキュリティ
– 統合環境
– 高速性
 IT・ビジネスユーザー・分析担当の3位一体の取り組み・プロジェクト体制が理想
© 2013 IBM Corporation
ワークショップ、セッション、および資料は、IBMまたはセッション発表者によって準備され、それぞれ独自の見解を反映したものです。それらは情報提供の目的
のみで提供されており、いかなる参加者に対しても法律的またはその他の指導や助言を意図したものではなく、またそのような結果を生むものでもありません。
本講演資料に含まれている情報については、完全性と正確性を期するよう努力しましたが、「現状のまま」提供され、明示または暗示にかかわらずいかなる保証
も伴わないものとします。本講演資料またはその他の資料の使用によって、あるいはその他の関連によって、いかなる損害が生じた場合も、IBMは責任を負わ
ないものとします。本講演資料に含まれている内容は、IBMまたはそのサプライヤーやライセンス交付者からいかなる保証または表明を引きだすことを意図した
ものでも、IBMソフトウェアの使用を規定する適用ライセンス契約の条項を変更することを意図したものでもなく、またそのような結果を生むものでもありません。
本講演資料でIBM製品、プログラム、またはサービスに言及していても、IBMが営業活動を行っているすべての国でそれらが使用可能であることを暗示するもの
ではありません。本講演資料で言及している製品リリース日付や製品機能は、市場機会またはその他の要因に基づいてIBM独自の決定権をもっていつでも変
更できるものとし、いかなる方法においても将来の製品または機能が使用可能になると確約することを意図したものではありません。本講演資料に含まれてい
る内容は、参加者が開始する活動によって特定の販売、売上高の向上、またはその他の結果が生じると述べる、または暗示することを意図したものでも、また
そのような結果を生むものでもありません。パフォーマンスは、管理された環境において標準的なIBMベンチマークを使用した測定と予測に基づいています。
ユーザーが経験する実際のスループットやパフォーマンスは、ユーザーのジョブ・ストリームにおけるマルチプログラミングの量、入出力構成、ストレージ構成、
および処理されるワークロードなどの考慮事項を含む、数多くの要因に応じて変化します。したがって、個々のユーザーがここで述べられているものと同様の結
果を得られると確約するものではありません。
記述されているすべてのお客様事例は、それらのお客様がどのようにIBM製品を使用したか、またそれらのお客様が達成した結果の実例として示されたもので
す。実際の環境コストおよびパフォーマンス特性は、お客様ごとに異なる場合があります。
IBM、IBM ロゴ、ibm.com、Cognos、及びGuardium、InfoSphere、SPSS、TM1、Unicaは、世界の多くの国で登録されたInternational Business Machines
Corporationの商標です。他の製品名およびサービス名等は、それぞれIBMまたは各社の商標である場合があります。
現時点での IBM の商標リストについては、www.ibm.com/legal/copytrade.shtmlをご覧ください。
Adobe, Adobeロゴ, PostScript, PostScriptロゴは、Adobe Systems Incorporatedの米国およびその他の国における登録商標または商標です。
IT Infrastructure Libraryは英国Office of Government Commerceの一部であるthe Central Computer and Telecommunications Agencyの登録商標です。
インテル, Intel, Intelロゴ, Intel Inside, Intel Insideロゴ, Intel Centrino, Intel Centrinoロゴ, Celeron, Intel Xeon, Intel SpeedStep, Itanium, およびPentium は Intel
Corporationまたは子会社の米国およびその他の国における商標または登録商標です。
Linuxは、Linus Torvaldsの米国およびその他の国における登録商標です。
Microsoft, Windows, Windows NT および Windowsロゴは Microsoft Corporationの米国およびその他の国における商標です。
ITILは英国The Minister for the Cabinet Officeの登録商標および共同体登録商標であって、米国特許商標庁にて登録されています。
UNIXはThe Open Groupの米国およびその他の国における登録商標です。
Cell Broadband Engineは、Sony Computer Entertainment, Inc.の米国およびその他の国における商標であり、同社の許諾を受けて使用しています。
JavaおよびすべてのJava関連の商標およびロゴは Oracleやその関連会社の米国およびその他の国における商標または登録商標です。
Linear Tape-Open, LTO, LTOロゴ, UltriumおよびUltriumロゴは、HP, IBM Corp.およびQuantumの米国およびその他の国における商標です。
39
© 2013 IBM Corporation
© 2013 IBM Corporation

Download Report