SlideShare a Scribd company logo
1 of 11
クリックテック・ジャパン株式
会社
テリトリーマネジメント営
業部
アクティブインテリジェンス 最新ユーザー事例をご紹
介
Urban Outfitters様
2
2
アジェンダ • Urban Outfitters様のご紹介
• 当時の課題
• アクティブインテリジェンス
• データパイプライン:環境構成
• 導入後の成果
• 本日のまとめ
3
Urban Outfitters 様について
■本部所在地:米国 フィラデルフィア
■創業:1970年
■事業内容:小売業(アパレル)
全世界
650店舗
e コマース
モバイルアプリ
を展開
飲食業/
家具/雑貨/
書籍
4
アクティブインテリジェンスストーリー
当時の課題
・650店舗の各店長は長い時間を使ってレポート提出をしていた。
・他店舗の状況や情報も共有できない状態だった。
・レポート作成の作業は複雑で従業員のモチベーションを低下させており、かつ理解しにくい内容だった。
・店舗のレポート作成には時間がかかっていたこと、使用されていたデータが最新ではなかった
・店舗ごとに様々なシステムとテクノロジーが導入されており、深刻なサイロ化の問題があった。
■ ビジネス課題
■ システム課題
5
エンドツーエンドのデータパイプラ
イン
• アクティブインテリジェンス
アクティブ
インテリジェンス
Free it
(解放)
Find it
(発見)
Understand it
(理解)
Action it
(アクション)
生データ
情報に基づいたアクション
6
メインフレーム
Cloud Cloud
 リアルタイム
 チェンジデータ
キャプチャー
(CDC)
 エージェントレ
ス
データウェアハウ
ス
Qlik
Replicate®
Qlik Compose®
etc.
データマート
分析基盤
Qlik Sense® Enterprise SaaS
 ベストプラクティスによるDWHの自
動設計
 自動抽出・ロード・ マッピング
 データ変換
 鮮度の高いデータを分析
 様々なデータソースに対応
 アジャイルBI
データソース
アクティブインテリジェンスストーリー
アクティブインテリジェンス データパイプライン
データ統合 データアナリティクス
※イメージ図
7
アクティブインテリジェンスストーリー
アクティブインテリジェンス データパイプライン
当社のデータ戦略は、
クラウドの効率性と
拡張性を最大化し、
可能な限りクラウド間
の相乗効果を生み出す
ことに重点を置いてい
ます。
ジョン・ディバイン: CIO
プレスリリース
ケーススタディ
■クラウド DWH
オンプレミスのデータソースから50GB/
日 のデータを Snowflake クラウドにス
トリーミングする Qlik Data Integration
を提供
■セルフサービスBI
複雑なレポートに代わる 240 以上の視覚的な
ダッシュボードを開発
■ニアリアルタイム分析
ダッシュボードは2分ごとに最新のデータに更新さ
れ、迅速な意思決定を通知します
8
時間の削減
2時間
/店舗
全世界の店舗パフォー
マンスの向上
従業員のストレスと
コストの削減
50GB
1 日あた
りのデー
タ
240
クラウド
アプリ
お客様
の声
「
」
アクティブインテリジェンスストーリー
店舗のパフォーマンスの向上
各店舗の従業員は1つ
のプラットフォームを
通じて全店舗のあらゆ
るKPIに関する最新の
データを入手し、デー
タの洞察に基づいてす
ぐに行動できるように
なりました
ポール・リゲル
テクノロジー ディレクター
9
アクティブインテリジェンスストーリー
店舗パフォーマンスの向上
お客様
の声
チャレンジ 解決 価値
• 650 店舗のさまざまなシステ
ムとテクノロジーでサイロ化
されたデータ
• データの利用はすべての従業
員ではなく、店長のみ許可
• 最新ではないデータに基づい
た複雑な店舗レポート
• コロナ禍におけるパンデミッ
ク時の店舗休業管理
• 以前は別々だったシステムを
1つのプラットフォームに統合
• 全従業員用に対してのリアル
タイムに近いデータアクセス
• 店舗の業績、e コマースの販
売、運営、流通センター、サ
プライチェーンのロジスティ
クスに関する洞察を得るため
に、240以上のアプリを開発
• 全従業員がデータにアクセ
ス出来ることで、店舗内の
指標と、新しい購買パター
ンに合わせることで、全店
舗のパフォーマンスが向上
• レポートを作成の時間を2時
間からすぐに作成できるよ
うに削減
• オンプレミスのデータソー
スを管理する費用を削減
データウェアハウス クラウド分析
セルフサービス分析
自習型トレーニ
ング
「 Qlik Senseから商品の在庫、店舗の
購買パターン、例外分析、店舗ごとの売
上トップ 50 といった最新のデータを分
析することで、お客様の需要にいち早く
対応し、我々のブランドを供給すること
において役に立ちました 」
ジョナ・マーシー: Director
お客様
の声
SNS/インターネットによる情報収集
消費者の比較能力の向上
マルチチャネル/デバイス
注文から納入までの迅速な出荷
柔軟な返品対応
配送/返品コストの低減
顧客エンゲージメントの発信源
小売りの迅速化
店舗のハブ化
流通小売業界における最新のトレンド
Qlik ユーザー事例紹介 Urban Outfitters

More Related Content

Similar to Qlik ユーザー事例紹介 Urban Outfitters

自社取り組み紹介(BetaComputing)
自社取り組み紹介(BetaComputing)自社取り組み紹介(BetaComputing)
自社取り組み紹介(BetaComputing)Yasuhiro Kobayashi
 
20140806 i beacon講演_愛知工業大学
20140806 i beacon講演_愛知工業大学20140806 i beacon講演_愛知工業大学
20140806 i beacon講演_愛知工業大学akihiro uehara
 
Coca-Cola Journeyに学ぶ最新の自社サイトValueUp手法(2012.3 メンバーズ社セミナー講演)
Coca-Cola Journeyに学ぶ最新の自社サイトValueUp手法(2012.3 メンバーズ社セミナー講演)Coca-Cola Journeyに学ぶ最新の自社サイトValueUp手法(2012.3 メンバーズ社セミナー講演)
Coca-Cola Journeyに学ぶ最新の自社サイトValueUp手法(2012.3 メンバーズ社セミナー講演)Hiroshi Tsukamoto
 
20160527_05_20160526-IoTビジネス共創ラボ第2回勉強会-スマートトイレ実証実験を通じて見えてきたオフィス事情-公開用
20160527_05_20160526-IoTビジネス共創ラボ第2回勉強会-スマートトイレ実証実験を通じて見えてきたオフィス事情-公開用20160527_05_20160526-IoTビジネス共創ラボ第2回勉強会-スマートトイレ実証実験を通じて見えてきたオフィス事情-公開用
20160527_05_20160526-IoTビジネス共創ラボ第2回勉強会-スマートトイレ実証実験を通じて見えてきたオフィス事情-公開用IoTビジネス共創ラボ
 
空気を読む家のキッチン(4)
空気を読む家のキッチン(4)空気を読む家のキッチン(4)
空気を読む家のキッチン(4)aitc_jp
 
20120925 デジタルサイネージビジネスセミナー講演資料
20120925 デジタルサイネージビジネスセミナー講演資料20120925 デジタルサイネージビジネスセミナー講演資料
20120925 デジタルサイネージビジネスセミナー講演資料株式会社はまぞう
 

Similar to Qlik ユーザー事例紹介 Urban Outfitters (6)

自社取り組み紹介(BetaComputing)
自社取り組み紹介(BetaComputing)自社取り組み紹介(BetaComputing)
自社取り組み紹介(BetaComputing)
 
20140806 i beacon講演_愛知工業大学
20140806 i beacon講演_愛知工業大学20140806 i beacon講演_愛知工業大学
20140806 i beacon講演_愛知工業大学
 
Coca-Cola Journeyに学ぶ最新の自社サイトValueUp手法(2012.3 メンバーズ社セミナー講演)
Coca-Cola Journeyに学ぶ最新の自社サイトValueUp手法(2012.3 メンバーズ社セミナー講演)Coca-Cola Journeyに学ぶ最新の自社サイトValueUp手法(2012.3 メンバーズ社セミナー講演)
Coca-Cola Journeyに学ぶ最新の自社サイトValueUp手法(2012.3 メンバーズ社セミナー講演)
 
20160527_05_20160526-IoTビジネス共創ラボ第2回勉強会-スマートトイレ実証実験を通じて見えてきたオフィス事情-公開用
20160527_05_20160526-IoTビジネス共創ラボ第2回勉強会-スマートトイレ実証実験を通じて見えてきたオフィス事情-公開用20160527_05_20160526-IoTビジネス共創ラボ第2回勉強会-スマートトイレ実証実験を通じて見えてきたオフィス事情-公開用
20160527_05_20160526-IoTビジネス共創ラボ第2回勉強会-スマートトイレ実証実験を通じて見えてきたオフィス事情-公開用
 
空気を読む家のキッチン(4)
空気を読む家のキッチン(4)空気を読む家のキッチン(4)
空気を読む家のキッチン(4)
 
20120925 デジタルサイネージビジネスセミナー講演資料
20120925 デジタルサイネージビジネスセミナー講演資料20120925 デジタルサイネージビジネスセミナー講演資料
20120925 デジタルサイネージビジネスセミナー講演資料
 

More from QlikPresalesJapan

Talend Studioのビッグデータ対応機能のご紹介 - Hadoop, HDFS, Hive, HBase, Spark, NoSQL
Talend Studioのビッグデータ対応機能のご紹介 - Hadoop, HDFS, Hive, HBase, Spark, NoSQLTalend Studioのビッグデータ対応機能のご紹介 - Hadoop, HDFS, Hive, HBase, Spark, NoSQL
Talend Studioのビッグデータ対応機能のご紹介 - Hadoop, HDFS, Hive, HBase, Spark, NoSQLQlikPresalesJapan
 
2024/04/25 Qlik医療データ活用勉強会_第36回_202404.pptx
2024/04/25 Qlik医療データ活用勉強会_第36回_202404.pptx2024/04/25 Qlik医療データ活用勉強会_第36回_202404.pptx
2024/04/25 Qlik医療データ活用勉強会_第36回_202404.pptxQlikPresalesJapan
 
Qlik TECH TALK 組織のメタデータを一元管理「Talend Data Catalog」のご紹介
Qlik TECH TALK 組織のメタデータを一元管理「Talend Data Catalog」のご紹介Qlik TECH TALK 組織のメタデータを一元管理「Talend Data Catalog」のご紹介
Qlik TECH TALK 組織のメタデータを一元管理「Talend Data Catalog」のご紹介QlikPresalesJapan
 
Qlik Tips 20240416 Qlik Senseのトレンド線の係数の計算方法
Qlik Tips 20240416 Qlik Senseのトレンド線の係数の計算方法Qlik Tips 20240416 Qlik Senseのトレンド線の係数の計算方法
Qlik Tips 20240416 Qlik Senseのトレンド線の係数の計算方法QlikPresalesJapan
 
Qlik Tips - 2024/04/16 Capacity データ消費の確認
Qlik Tips - 2024/04/16 Capacity データ消費の確認Qlik Tips - 2024/04/16 Capacity データ消費の確認
Qlik Tips - 2024/04/16 Capacity データ消費の確認QlikPresalesJapan
 
Talend Studioで独自関数を実装して呼び出す - グローバルルーチンとカスタムルーチンJar
Talend Studioで独自関数を実装して呼び出す - グローバルルーチンとカスタムルーチンJarTalend Studioで独自関数を実装して呼び出す - グローバルルーチンとカスタムルーチンJar
Talend Studioで独自関数を実装して呼び出す - グローバルルーチンとカスタムルーチンJarQlikPresalesJapan
 
Qlik TECHTALK Qlik Cloud 日本リージョン開設!テナント作成と移行方法を解説
Qlik TECHTALK Qlik Cloud 日本リージョン開設!テナント作成と移行方法を解説Qlik TECHTALK Qlik Cloud 日本リージョン開設!テナント作成と移行方法を解説
Qlik TECHTALK Qlik Cloud 日本リージョン開設!テナント作成と移行方法を解説QlikPresalesJapan
 
Talend Cloudの管理プラットフォーム Talend Management Consoleのご紹介
Talend Cloudの管理プラットフォームTalend Management Consoleのご紹介Talend Cloudの管理プラットフォームTalend Management Consoleのご紹介
Talend Cloudの管理プラットフォーム Talend Management Consoleのご紹介QlikPresalesJapan
 
【Qlik 医療データ活用勉強会】-速報-令和4年度DPC「退院患者調査」データの活用
【Qlik 医療データ活用勉強会】-速報-令和4年度DPC「退院患者調査」データの活用【Qlik 医療データ活用勉強会】-速報-令和4年度DPC「退院患者調査」データの活用
【Qlik 医療データ活用勉強会】-速報-令和4年度DPC「退院患者調査」データの活用QlikPresalesJapan
 
Talend StudioでAPIを開発 - SOAP/RESTのサービス開発手法
Talend StudioでAPIを開発 - SOAP/RESTのサービス開発手法Talend StudioでAPIを開発 - SOAP/RESTのサービス開発手法
Talend StudioでAPIを開発 - SOAP/RESTのサービス開発手法QlikPresalesJapan
 
Direct QueryのカスタムSQL(Qlik Tips ~ Qlik を使いこなす!スキルアップ勉強会)
Direct QueryのカスタムSQL(Qlik Tips ~ Qlik を使いこなす!スキルアップ勉強会)Direct QueryのカスタムSQL(Qlik Tips ~ Qlik を使いこなす!スキルアップ勉強会)
Direct QueryのカスタムSQL(Qlik Tips ~ Qlik を使いこなす!スキルアップ勉強会)QlikPresalesJapan
 
Talend Studioの汎用JDBCコンポーネントを使う - JDBC API
Talend Studioの汎用JDBCコンポーネントを使う - JDBC APITalend Studioの汎用JDBCコンポーネントを使う - JDBC API
Talend Studioの汎用JDBCコンポーネントを使う - JDBC APIQlikPresalesJapan
 
20240319 Qlik Tips 折れ線チャートの時系列予測についての説明
20240319  Qlik Tips  折れ線チャートの時系列予測についての説明20240319  Qlik Tips  折れ線チャートの時系列予測についての説明
20240319 Qlik Tips 折れ線チャートの時系列予測についての説明QlikPresalesJapan
 
どうしてそうなったのか?機械学習モデルで「結果」の「理由」を知るキードライバー分析
どうしてそうなったのか?機械学習モデルで「結果」の「理由」を知るキードライバー分析どうしてそうなったのか?機械学習モデルで「結果」の「理由」を知るキードライバー分析
どうしてそうなったのか?機械学習モデルで「結果」の「理由」を知るキードライバー分析QlikPresalesJapan
 
TECH TALK Talend Administration Center の紹介
TECH TALK Talend Administration Center の紹介TECH TALK Talend Administration Center の紹介
TECH TALK Talend Administration Center の紹介QlikPresalesJapan
 
【Qlik 医療データ活用勉強会】機能評価係数Ⅱの内訳データの分析  -その2-
【Qlik 医療データ活用勉強会】機能評価係数Ⅱの内訳データの分析  -その2-【Qlik 医療データ活用勉強会】機能評価係数Ⅱの内訳データの分析  -その2-
【Qlik 医療データ活用勉強会】機能評価係数Ⅱの内訳データの分析  -その2-QlikPresalesJapan
 
Qlik What's New - February 2024 リリースの新機能のご紹介
Qlik What's New - February 2024 リリースの新機能のご紹介Qlik What's New - February 2024 リリースの新機能のご紹介
Qlik What's New - February 2024 リリースの新機能のご紹介QlikPresalesJapan
 
20240213_TechTalk_TalendStudio.pptx
20240213_TechTalk_TalendStudio.pptx20240213_TechTalk_TalendStudio.pptx
20240213_TechTalk_TalendStudio.pptxQlikPresalesJapan
 
20240206 Qlik Tips Pivot Straight TBL の改善
20240206 Qlik Tips Pivot Straight TBL の改善20240206 Qlik Tips Pivot Straight TBL の改善
20240206 Qlik Tips Pivot Straight TBL の改善QlikPresalesJapan
 
新しいテキストオブジェクト
新しいテキストオブジェクト新しいテキストオブジェクト
新しいテキストオブジェクトQlikPresalesJapan
 

More from QlikPresalesJapan (20)

Talend Studioのビッグデータ対応機能のご紹介 - Hadoop, HDFS, Hive, HBase, Spark, NoSQL
Talend Studioのビッグデータ対応機能のご紹介 - Hadoop, HDFS, Hive, HBase, Spark, NoSQLTalend Studioのビッグデータ対応機能のご紹介 - Hadoop, HDFS, Hive, HBase, Spark, NoSQL
Talend Studioのビッグデータ対応機能のご紹介 - Hadoop, HDFS, Hive, HBase, Spark, NoSQL
 
2024/04/25 Qlik医療データ活用勉強会_第36回_202404.pptx
2024/04/25 Qlik医療データ活用勉強会_第36回_202404.pptx2024/04/25 Qlik医療データ活用勉強会_第36回_202404.pptx
2024/04/25 Qlik医療データ活用勉強会_第36回_202404.pptx
 
Qlik TECH TALK 組織のメタデータを一元管理「Talend Data Catalog」のご紹介
Qlik TECH TALK 組織のメタデータを一元管理「Talend Data Catalog」のご紹介Qlik TECH TALK 組織のメタデータを一元管理「Talend Data Catalog」のご紹介
Qlik TECH TALK 組織のメタデータを一元管理「Talend Data Catalog」のご紹介
 
Qlik Tips 20240416 Qlik Senseのトレンド線の係数の計算方法
Qlik Tips 20240416 Qlik Senseのトレンド線の係数の計算方法Qlik Tips 20240416 Qlik Senseのトレンド線の係数の計算方法
Qlik Tips 20240416 Qlik Senseのトレンド線の係数の計算方法
 
Qlik Tips - 2024/04/16 Capacity データ消費の確認
Qlik Tips - 2024/04/16 Capacity データ消費の確認Qlik Tips - 2024/04/16 Capacity データ消費の確認
Qlik Tips - 2024/04/16 Capacity データ消費の確認
 
Talend Studioで独自関数を実装して呼び出す - グローバルルーチンとカスタムルーチンJar
Talend Studioで独自関数を実装して呼び出す - グローバルルーチンとカスタムルーチンJarTalend Studioで独自関数を実装して呼び出す - グローバルルーチンとカスタムルーチンJar
Talend Studioで独自関数を実装して呼び出す - グローバルルーチンとカスタムルーチンJar
 
Qlik TECHTALK Qlik Cloud 日本リージョン開設!テナント作成と移行方法を解説
Qlik TECHTALK Qlik Cloud 日本リージョン開設!テナント作成と移行方法を解説Qlik TECHTALK Qlik Cloud 日本リージョン開設!テナント作成と移行方法を解説
Qlik TECHTALK Qlik Cloud 日本リージョン開設!テナント作成と移行方法を解説
 
Talend Cloudの管理プラットフォーム Talend Management Consoleのご紹介
Talend Cloudの管理プラットフォームTalend Management Consoleのご紹介Talend Cloudの管理プラットフォームTalend Management Consoleのご紹介
Talend Cloudの管理プラットフォーム Talend Management Consoleのご紹介
 
【Qlik 医療データ活用勉強会】-速報-令和4年度DPC「退院患者調査」データの活用
【Qlik 医療データ活用勉強会】-速報-令和4年度DPC「退院患者調査」データの活用【Qlik 医療データ活用勉強会】-速報-令和4年度DPC「退院患者調査」データの活用
【Qlik 医療データ活用勉強会】-速報-令和4年度DPC「退院患者調査」データの活用
 
Talend StudioでAPIを開発 - SOAP/RESTのサービス開発手法
Talend StudioでAPIを開発 - SOAP/RESTのサービス開発手法Talend StudioでAPIを開発 - SOAP/RESTのサービス開発手法
Talend StudioでAPIを開発 - SOAP/RESTのサービス開発手法
 
Direct QueryのカスタムSQL(Qlik Tips ~ Qlik を使いこなす!スキルアップ勉強会)
Direct QueryのカスタムSQL(Qlik Tips ~ Qlik を使いこなす!スキルアップ勉強会)Direct QueryのカスタムSQL(Qlik Tips ~ Qlik を使いこなす!スキルアップ勉強会)
Direct QueryのカスタムSQL(Qlik Tips ~ Qlik を使いこなす!スキルアップ勉強会)
 
Talend Studioの汎用JDBCコンポーネントを使う - JDBC API
Talend Studioの汎用JDBCコンポーネントを使う - JDBC APITalend Studioの汎用JDBCコンポーネントを使う - JDBC API
Talend Studioの汎用JDBCコンポーネントを使う - JDBC API
 
20240319 Qlik Tips 折れ線チャートの時系列予測についての説明
20240319  Qlik Tips  折れ線チャートの時系列予測についての説明20240319  Qlik Tips  折れ線チャートの時系列予測についての説明
20240319 Qlik Tips 折れ線チャートの時系列予測についての説明
 
どうしてそうなったのか?機械学習モデルで「結果」の「理由」を知るキードライバー分析
どうしてそうなったのか?機械学習モデルで「結果」の「理由」を知るキードライバー分析どうしてそうなったのか?機械学習モデルで「結果」の「理由」を知るキードライバー分析
どうしてそうなったのか?機械学習モデルで「結果」の「理由」を知るキードライバー分析
 
TECH TALK Talend Administration Center の紹介
TECH TALK Talend Administration Center の紹介TECH TALK Talend Administration Center の紹介
TECH TALK Talend Administration Center の紹介
 
【Qlik 医療データ活用勉強会】機能評価係数Ⅱの内訳データの分析  -その2-
【Qlik 医療データ活用勉強会】機能評価係数Ⅱの内訳データの分析  -その2-【Qlik 医療データ活用勉強会】機能評価係数Ⅱの内訳データの分析  -その2-
【Qlik 医療データ活用勉強会】機能評価係数Ⅱの内訳データの分析  -その2-
 
Qlik What's New - February 2024 リリースの新機能のご紹介
Qlik What's New - February 2024 リリースの新機能のご紹介Qlik What's New - February 2024 リリースの新機能のご紹介
Qlik What's New - February 2024 リリースの新機能のご紹介
 
20240213_TechTalk_TalendStudio.pptx
20240213_TechTalk_TalendStudio.pptx20240213_TechTalk_TalendStudio.pptx
20240213_TechTalk_TalendStudio.pptx
 
20240206 Qlik Tips Pivot Straight TBL の改善
20240206 Qlik Tips Pivot Straight TBL の改善20240206 Qlik Tips Pivot Straight TBL の改善
20240206 Qlik Tips Pivot Straight TBL の改善
 
新しいテキストオブジェクト
新しいテキストオブジェクト新しいテキストオブジェクト
新しいテキストオブジェクト
 

Qlik ユーザー事例紹介 Urban Outfitters

Editor's Notes

  1. 本日のアジェンダはこちらとなります。 まずはUrban outfitters様のご紹介、そして当時の課題をお話させていただき、 弊社Qlikの最大の価値であるアクティブインテリジェンスを簡単に説明させていただき、 ご導入いただいた背景や環境、そして導入後の成果を説明させていただきます。
  2. Urban Outfitters様は1970年に誕生し、アメリカのフィラデルフィアに本社を持つ衣服メーカーになります。 日本にはまだ上陸されていませんが、ネットショップやECサイトなどで見たことがあるかもしれません。 ブランドとしては流行に敏感な若者をターゲットにされており、モバイルアプリやe-コマースにも非常に力を入れています。 また、独自のブランドを活用して衣服の他に飲食業や家具、雑貨、ブライダル、書籍など多角経営を展開されており、 それぞれの顧客が何を求めているのかを研究し、時代に沿った新しい市場に挑戦している企業様になります。 店舗としては北米、ヨーロッパの全体で、650を超える店舗があり、アメリカでは非常に知名度の高い会社様となっています。
  3. さて、ここからがUrban Outfitters様の課題、そしてQlikがどのようにご活用いただいているかという内容になってきますが、まず当時の課題がこちらになります。 ちょっと文字の箇条書きで恐縮でございますが、ビジネス課題とシステム課題を記載しています。 まずビジネス課題ですが、先ほどもご説明したようにUrban Outfitters様は非常に多くの店舗をお持ちです。 650を超える店舗の責任者は店舗の売上データをレポートとして提出する必要がありましたが、店舗ごとに導入しているシステムが異なること、 最新のデータを参照することが出来ていないことがあり、レポート作成に非常に時間がかかっていたことが問題でした。 店舗の運営を見ながらレポートを作成しなければいけないので、責任者に対する負荷もかかっており、従業員満足度の点からも問題視されていました。 また、提出されたレポートも時間がかかることから、経営層が参照するデータも最新ではなく、数字のずれなども目立っていたことも当時の課題でした。 他にも他店舗の売上や収益性の高い商品の組み合わせなど、店舗スタッフが参考にしたい情報やデータが共有できないといった点も課題でした。
  4. そんな中、QlikはUrban Outfitters様の課題に対してアクティブインテリジェンスを訴求しました。 既にご存じの方もいらっしゃるかもしれませんが、Qlikが提案しているデータ活用を一本のパイプとして見立て、データソースからデータ分析、 そして実際のアクションまでを一気通貫でご提供することがこのアクティブインテリジェンスの価値となっています。 今回のUrban Outfitters様の問題は、正にこのデータパイプラインがなく、複数のデータソースから、 ばらばらの情報をそれぞれの店舗が独自にデータ分析の結果を提出していたことでした。 そこでQlikはサイロ化していた生データを統合し、DWHに集約させることでデータを解放し、 全員が同じ分析プラットフォームで決まった形でデータ分析の結果、レポートを提出できるよう提案しました。
  5. イメージ図になりますが、全体の構成はこのようになっております。 Qlikのデータ統合、データアナリティクスをご導入いただき、DWHはSnowflakeを採用しています。 データソースをQlik ReplicateというDBを複製する製品を通じてばらばらだったデータソースを集約し、 Qlik ComposeによってDWH、Snowflakeの設計、抽出、ロード、マッピング、そしてデータ変換を自動化しています。 そして変換された最新データを分析ツールであるQlik Senseに接続することで、分析ユーザは常に最新のデータを参照することが出来る仕組みとなっています。
  6. 今度は先ほどお見せしたアクティブインテリジェンスのデータパイプラインに沿ってQlikが提供した内容を説明いたします。 まずデータ統合の領域ですが、オンプレミスのデータソースから今日のデータをSnowflakeにストリーミングする仕組みです。 1日のデータは約50GBとなっており、これが自動的に集約されデータ分析ツールであるQlik Senseにロードされています。 ロードされたデータをもとにこれまで作成していたレポートから、より視覚的でわかりやすいダッシュボードを作成し、全従業員が参照できるようにしました。 初めはKPIに関するダッシュボードだけでしたが、多店舗の売上推移やお客様に刺さりやすい商品の組み合わせなど、 データが統合されたことで運営に必要な情報やデータ、サプライチェーン周りに関するダッシュボードも作成され、現在では240以上のダッシュボードが作成されています。 また、ダッシュボードのデータは2分ごとに最新のデータに更新され、経営層は迅速な意思決定が出来る環境になっています。 Qlikの提案内容をご検討いただいた中で、Urban OutfittersのCIOであるジョン・ディバイン様からは、 アクティブインテリジェンスによってオンプレミスのデータをクラウド化することにより、今まで出来ていなかったデータ戦略がクラウドによってどこまで展開できるか、 がポイントだったと仰っていました。
  7. 最終的な成果としてQlikのアクティブインテリジェンスをご導入いただいたことにより、店舗のパフォーマンスを向上させることが出来ました。 今まで店舗ごとにばらばらだったシステムは統合され、レポート作成にかかっていたリソースやコストが削減され、 店舗ごとに提出していたレポート作成の時間は2時間削減することが出来ました。 これによって店舗の運営に集中することが出来るようになり、店舗のパフォーマンスが向上しました。 そしてレポート作成にかかっていたストレスも緩和され、従業員満足度も上昇したしたと声をいただいております。 また、テクノロジーディレクターのポール・リゲル様からもお客様の声としていただいておりますが、 各店舗の従業員が1つのプラットフォームを通じて全店舗のデータを入手し、データに基づいて行動できるようになったことで、 店舗ごとの売上も上昇しています。
  8. こちらは本日ご紹介のまとめとなっております。 Qlikのアクティブインテリジェンスをご導入いただいたことにより、 サイロ化されていたデータが統合され、ばらばらだった店舗ごとのシステムを1つの分析プラットフォームに統合しました。 結果として、全従業員がデータにアクセス出来る環境、そして他店舗の情報共有が出来るようになったことで、店舗のパフォーマンスが上昇しました。 当初の課題であったレポート作成においてもすぐに作成できるようになり、従業員の満足度も上がり働き方改革の一つとして成功。 オンプレミスからクラウドに移行したことで、インフラの管理、保守費用などといったコストを削減することが出来た事例となっております。 また、これまでオンプレミス環境であったときには出来なかった商品の在庫、店舗の購買パターン、店舗ごとの売上分析がクラウド化することによって出来るようになり、 Urban Outfittersのブランドをお客様に提供することにおいて非常に役に立ったという事例でございました。 以上が本日の事例の紹介となっておりますが、最後に同じ業態である流通小売業界の昨今のトレンドに対してQlikがどのように活用いただけるかご説明させていただきます。
  9. こちらが流通小売業界の最新トレンドとなっています。 1つ目は消費者の変化になります。 SNSやインターネットにより、消費者の情報収集能力は飛躍的に上昇しました。 結果、ものを購入するときに比較する要素や能力が増え、簡単に購入決定を下さいようになりました。 また、購入に使用するデバイスやチャネルも多様化してきたこともあげられます。 そういったデジタル消費者分析という点では、ウェブサイトの訪問者の閲覧行動と、属性情報や購入パターンと組み合わせたり、 ウェブサイトに訪問した閲覧行動を属性情報や購入パターンと組み合わせることで、 顧客行動をより的確に把握し、マーケティングキャンペーンの効果を向上させることが出来ます。 2つ目に俊敏なサプライチェーンマネジメントがあります。 注文から納入までの迅速な出荷、および対応が必要となり、返品があった際には柔軟に対応しなければならず、 配送と返品のコストをコントロールする必要が出て来ました。 注文を受けてから数時間以内に商品を発送、また返品があった場合にも同様に対応しなければなりません。 そういったシステムのデータ、在庫フローや店舗内でのフルフィルメント、商品ロジスティクスやベンダー契約の情報を取り込み、 全体を把握することで、サプライチェーンの効率を向上させることが出来ます。 3つ目に小売店からの脱却があります。 従来、店舗はただ物を売る場所でしたが、最近では顧客エンゲージメントの発信源として生まれ変わりつつあります。 よって小売りの迅速化が求められ、これまで以上に在庫を厳密に管理する必要があります。 また、店舗そのものをサプライチェーンのハブとして活用する傾向も出て来ました。 今回のUrban Outfitters様の事例もそうだったのですが、昨今の小売業は店舗を単なるものを販売する場所ではなく、 顧客エンゲージメントの発信源として捉えるようになってきています。 店舗から発生した売上情報だけでなく、店舗ごとの購買パターンやトレンド、返品情報など、様々な情報/データを店舗から吸い上げ、統合し、 分析することでより店舗の存在価値を上昇させることが出来るようになります。 Urban Outfitters様の事例でも店舗のデータを活用することで、ブランドの活性化に成功しています。 以上が本日のご説明となっております。 是非、Qlikのアクティブインテリジェンスをご検討いただき、最新のデータに基づいた意思決定を加速させ、 御社のDX推進の一翼を担えればと存じますので、お問い合わせをいただければと思います。 ご清聴ありがとうございました。