Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
•
1 like•716 views
2018/2/8に実施した「業務効率や顧客体験を高める！IoT/AIのビジネス活用術セミナー 」の資料です。 テクノスデータサイエンス・エンジニアリング株式会社 池田 拓史氏
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
Similar to Io taiプロジェクトの進め方、組織作り 20180208_ver1.02 (20)
More from Microsoft Azure Japan
More from Microsoft Azure Japan (20)
Recently uploaded
Recently uploaded (9)
Io taiプロジェクトの進め方、組織作り 20180208_ver1.02
- 2. アジェンダ ⓒ テクノスデータサイエンス・エンジニアリング株式会社 2 1. AI・IoT・データサイエンス 2. データサイエンティストの本来の目的とは 3. プロジェクト成功のための組織づくり 4. 他部門を巻き込むために
- 3. 会社紹介 テクノスデータサイエンス・エンジニアリング（略称：TDSE）は、 企業の課題やニーズに対してデータサイエンスの力でビジネスに役立つ価値を引き出し お客さまの事業競争力を高めるご支援をします。 名称 テクノスデータサイエンス・エンジニアリング 株式会社 所在地 東京都新宿区西新宿3-20-2 東京オペラシティタワー14階 設立 2013年10月17日 代表者 代表取締役 城谷直彦 資本金 5億5350万円 従業員数 82名（2017年7月時点） 関連会社 株式会社テクノスジャパン 沖縄テクノス株式会社 テクノスリサーチオブアメリカ（TRA） テクノスグローバルカンパニー株式会社 最先端研究所で研究実績のあるメンバーを中心に構成 データサイエンティスト在籍数（2017年7月現在） 総勢 54名 理系修士以上 48名 理系博士号取得者 18名 データ活用 サービス AIサービ ス共同開発 プロダクト 提供 事業内容 トータルサポート体制でお客さまを支援 組織組成支援
- 4. 講演者の背景について １９９９年１９９３年 博 士 号 取 得 後 、 デ ー タ マ イ ニ ン グ （ 今 で 言 う デ ー タ サ イ エ ン ス ） 業 界 へ 転 身 高 エ ネ ル ギ ー 物 理 学 者 に な る た め に 修 行 現在 分析分野 ・通信業 ・金融業 ・保険業 ・法人営業 ・小売 ・製造業 ・IoT 池田 拓史（いけだ ひろふみ） 1970 埼玉県に生まれる 1995-96 フェルミ国立加速器研究所 客員科学者 1999 筑波大学大学院物理学研究科物理学専攻卒 博士（理学） → 以降、一貫して企業向けデータサイエンス・コンサルティング業務に従事。社内外のデータサイエ ンティストを指導しながら、多数のプロジェクトを推進。 テクノスデータサイエンス・エンジニアリング株式会社 執行役員常務 社団法人 人工知能ビジネス創出協会 運営委員 NPO法人ITスキル研究フォーラム（iSRF）データ利活用ワーキンググループ メンバー IoTビジネス共創ラボ 製造ワーキンググループ メンバー テ ク ノ ス デ ー タ サ イ エ ン ス ・ エ ン ジ ニ ア リ ン グ 株 式 会 社 執 行 役 員 データサイエンス業界を内側から １８年間観察し続けてきた 4
- 7. IoT→ビッグデータ→AI 7 “Scaling to Very Very Large Corpora for Natural Language Disambiguation” Michele Banko and Eric Brill Microsoft Research, 2001 データ量 予 測 精 度 アルゴリズムを変え ていないにも関わら ず、学習用データが 多くなると予測精度 が向上する
- 13. データサイエンティストのタスクは 分析だけではない 13 2017/9/21 Ⓒテクノスデータサイエンス・エンジニアリング株式会社• 2017/7/10Ⓒテクノスデータサイエンス・エンジニアリング株式会社 「OREILLY 2016 Data Science Salary Survey」に加筆 ・プロジェクト チームの取りま とめと方向づけ ・プロトタイプ モデル開発 ・特徴量抽出 ・分析によって 解かれるべきビ ジネス問題を明 らかにする ・可視化の作成 ・データ洗浄 ・ビジネス意思 決定者に対して 発見事項のコミ ニュケーション を行う ・リサーチ問題 への解を与える ためのデータ解 析 ・基本的な探索 的データ分析 ・モデル／アルゴリズ ムの本番系への実装 ・コードを使ったプロ ジェクトの協同作業 ・教育／訓練 ・大規模なソフトウェ アプロジェクトやデー タシステムの計画 ・ダッシュボード開発 ・ＥＴＬ ・社外人材とのコミュ ニケーション ・データ基盤の導入／ 保守 ・データ分析ソフトの 開発 ・リアルタイムデータ 分析に依拠する製品の 開発 ・（他者の作った） ダッシュボードやスプ レッドシートを使った 意思決定 タスク (主に関わっているもののみ) ＩＴタスク 分析タスク ビジネスタスク オライリー 2016 Data Science Salary Survey
- 15. TDSEのデータサイエンティストの 出身分野 Ⓒテクノスデータサイエンス・エンジニアリング株式会社 15 （※）テクノスデータサイエンス・エンジニアリング株式会社におけるデータ サイエンティストの出身専攻分野（修士以上） ＴＤＳＥ社の採用試験で質問してい る項目の例 • 研究／業務において、数学的知 識がどのように活用されたか • 研究／業務において、プログラ ミング技術がどのように活用さ れたか • 研究／業務において、統計学的 知識がどのように活用されたか • 研究／業務において、機械学習 の知識がどのように活用された か
- 17. 成功事例 17 http://www.cio.com/article/2880603/predictive-analytics/machine-learning-helps-food-distributor-reach-its-customers.html • 顧客数の増加に対応するため、コールセンターでの注文受付からウェブサイトで の注文受付に移行したい • 顧客はこれまでファックスやEメールで注文しており、ＩＴにあまり強くない • 配送センター８個を保有する創業２６年目の英大手食品配送業者 • 顧客はカフェ、レストラン、学校、社員食堂など • ４５００品目以上を取り扱う
- 18. やったこと • 顧客毎の過去の注文履歴を学習し、次にログインしたと きに何を注文しそうなのかを予測出来るシステムを構築 した • 顧客がログインすると、自分が注文したいと思ってる商 品がすでにショッピングカートに入っている • システムによって先詰めされた商品のうち、８０％はそ のまま注文された • 顧客は短い時間で注文作業を行うことが出来た http://www.cio.com/article/2880603/predictive-analytics/machine-learning-helps-food-distributor-reach-its-customers.html
- 22. 役割ごとの必要スキル ビジネスへ の洞察 ＩＴシステ ム化計画の 知識 分析手法の 知識 データ加工 などのプロ グラミング AI戦略 ディレクター ◎◎ AIプロジェクト マネージャー ◎ ○ ○ シニアデータ サイエンティス ト ○ ○ ◎ ○ データサイエン ティスト △ △ ○ ◎ 22 ⓒ テクノスデータサイエンス・エンジニアリング株式会社
- 28. まとめ 28 • AIや機械学習を活用するためにはデータサイエン ティストが必要 • データサイエンティストの本来の目的は業務改革 • プロジェクトの成功には組織化が必要 • （あたりまえの事実だが）業務改革には経営トッ プの理解と介入が必要
- 29. TDSEが提供するAIビジネス実践講座シリーズ AIビジネスを 推進する方 AIプロジェクトを マネージ・牽引する方 エクゼクティブ (意思決定者) AIプロジェクト マネージャ AI実装する方/ 分析基盤を利用/ 販売している方 エクゼクティブ向けAI講座 （講師派遣型） 管理者向けAI講座 Cognitive Toolkit、Azure ML、 Azure IoT ハンズオントレーニング （講師派遣型） （集合研修/講師派遣型） シニア データサイエンティスト データサイエンティスト (候補含む)
- 30. TDSEが提供するAIビジネス実践講座シリーズ *1 ご要望によりカスタマイズ可能です(業種向け、難易度の調整など) *2 人数規模によっては講師派遣やカスタマイズ可能です。 講師派遣型(*1) 集合研修型 ハンズオン(*2) 2月23日(金) 異常検知ハンズオン 東京オペラシティ14F 弊社内 セミナールーム(初台駅直結) 3月9日(金) DeepLearningハンズオン
- 31. 31 ⓒ テクノスデータサイエンス・エンジニアリング株式会社 ご清聴ありがとうございました 著書のご紹介 “サービスサイエンスの事訳―データサイエンスと数理科学の融合に向けて” 高木 英明 (編著),筑波大学出版会,2017 年 ⇒ “4章 ロジスティック回帰とCox回帰” を執筆しました “ IoT/AIの活用は製造業に革新をもたらすか？製造現場・工場におけるIoTの利用 と可能性” 情報機構,2018年 ⇒ “ AIのための各種モデル技術は何をやっているのか”を執筆しました（著 者割引フォームあります） 本名でフェイスブックもやっています。 お気軽にご連絡下さい メール：ikeda.hirofumi@tdse.jp