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.

【スクー】業務改善のためのデータサイエンス

2,458 views

Published on

【スクー】業務改善のためのデータサイエンス

  1. 1. 代表・最高解析責任者 倉橋一成 1
  2. 2.  設立:2011年3月24日 Web:http://ianalysis.jp/ 本社:東京都港区南青山2-2-15 ウィン青山 取引先企業 ◦ エーザイ株式会社、大鵬薬品工業株式会社、株式会社gumi、 大手自動車会社、大手人材サービス会社など 医療分野から始まり、多種多様な業種へ 実績 ◦ セミナー活動 ◦ コンサルティング  分析手法のアドバイス  分析環境作りのアドバイス ◦ 分析実務  調査データ分析によるインサイト抽出  売上データ分析によるKPIの開発 ◦ 分析のためのデータベース構築 【本社エントランス】 ◦ 予測モデル開発  Web上の行動履歴データを使ったユーザーの属性予測 2
  3. 3. 【経歴】 東京大学Ph.D (2011), Statistician, Data Scientist, Data Miner【専門】 cDNAマイクロアレイ、臨床試験データ、レセプトデータ、 電子カルテ・医療オーダーデータ、マーケティングデータ【スキル】 R, SAS, SPSS, Visual C++, Ruby on Rails, Python【主な実績】 ・2005:NPO日本臨床研究支援ユニット、解析担当 腎臓癌患者の調査データの解析(SAS) レセプトデータの解析と結果のレポーティング(R) ・2007、2009:スタットコム株式会社、統計解析者 小児癌の臨床試験のプロトコルに沿った解析とレポーティング 術後乳癌患者のQOLに関する研究の解析と統計アドバイス ・2009~2010:帝京大学、医師への統計コンサルタント 論文化にあたっての医師へのアドバイスと解析 様々な科の医師に対してのコンサルタント(内科、外科、眼科など)スタットコム株式会社、統計解析者 ・2010:キャピタルメディカ株式会社、プロジェクトメンバー レセプトデータを活用した新規プロジェクトの立ち上げメンバー ・2011:iAnalysis合同会社 設立※Twitter: @isseing333※blog: 「おとうさんの解析日記」 http://d.hatena.ne.jp/isseing333/ 3
  4. 4. データサイエンスとは?
  5. 5.  ローデータ(生データ):集計前のデータ ◦ エクセルの表をイメージ ◦ 1つのシートが、1つのデータ 列:変数、項目 ID 年齢 身長 体重 … 1 20 165 60 … 2 43 178 73 …行:レコード 3 36 163 57 … ... ... ... ... …  ローデータを集計した値も「データ」 ◦ 平均年齢○○歳、平均年収○○万円 5
  6. 6. 学問知識 エンジニアリング 統計学 データベース 機械学習 プログラミング ビジネス感 実務経験 マーケティング 経営企画 6
  7. 7. 大学の講義 本 実戦 セミナー 統計学系:尐 データサイ 統計検定 1.学問知識 機械学習系:多 エンス本 CodeIQ おしゃスタ TokyoWebmini ng DB系、プロ TokyoR2.エンジニアリン 情報学系学科 コンテスト グラミング グ 工学系学科 アプリ実装 系の本 『分析力を 3.ビジネス感 経済系学科 武器とする 業務経験 各種研修 企業』 7
  8. 8.  公開されているデータを使う ◦ 国が公開しているデータ ◦ Twitter、Facebookなどのデータ 分析を行なっている会社で働く ◦ 各企業の分析部門、マーケティング部門 ◦ 分析専門会社 分析のコンテストをやってみる ◦ KDD ◦ KAGGLE 詳しくは「理系ナビ」でのセミナー資料 ◦ http://www.slideshare.net/isseing333/ss-13690717 8
  9. 9. データ分析の流れ 9
  10. 10. ビジネスインテリジェンス (BI) ビジネスアナリティクス (BA) 10
  11. 11.  DBの加工 ERP ETLツール バッチ処理 ・抽出 CRM ・変換 ・ロード DWH データマート ・集約 ・絞り込み 販売 生産 在庫 11
  12. 12.  エクセルの加工 12
  13. 13.  エクセルの加工 人口 総数 男 女 未成年 成年 未成年 成年 未成年 成年 .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..人口_総数_未成年 人口_総数_成年 人口_男_未成年 人口_男_成年 人口_女_未成年 人口_女_成年 .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. 13
  14. 14. 14
  15. 15. 15
  16. 16.  データに様々な「モデル」を当てはめて、情報を探索する 16
  17. 17. 17
  18. 18. データ分析成功事例 18
  19. 19.  トップダウン(近道) ◦ 経営層が分析プロジェクトを計画 ◦ 人材を確保しプロジェクトを進める ボトムアップ ◦ それぞれの部署で何か成果を上げる ◦ なるべく多く溜まっている部門でデータを分析する ◦ 会社の利益に直結する分析を行う 19
  20. 20.  売上アップ ◦ 最適なプライシング ◦ 会員の離脱を防ぐ ◦ 新商品の開発 コスト削減 ◦ 広告の最適化 ◦ 在庫管理・サプライチェーン最適化 ◦ 人事:離職率低下のための分析 ◦ 財務:M&A・投資 20
  21. 21. 背景2005年に価格競争のためシームレス鋼管製造を打ち切ったが、原油価格が高騰したために原油採掘会社からの需要が高まった。課題鋼管製造の再開を検討。しかし意思決定のためのコスト分析の信頼性が低いと感じていた。分析プロフィット・インサイトという分析ソフトを導入し、工場を再稼働させるべきかどうか分析結果をみながら毎月検討。12月に損益分岐点を超え、さらに予測モデルによってその後も価格上昇が見込まれる状況になって初めて、製造の再開を行った。成果早期に生産再開した場合の損失4300万ドルを回避 21
  22. 22. 背景1990年代、「情報ベース戦略」を打ち立てる。「まだ顔を見たことない2億の人達について情報を集め、集めた情報を基にして、長期的な作戦を練る」分析データベースの整備、分析などを精緻に行うことで、 「高額の商品をあっさりクレジットで買い、長期にわたってゆっくり返済する客」が最も優良顧客であることが判明。成果業界で初めて「リボルビング機能」をカードに搭載し、新商品開発につながった。 現在では1日に300回のマーケティング調査。 譲渡性預金の利息、ロールオーバーのための優遇措置、最低必要残高などと、 顧客定着率との間にはっきりとした関係があることが判明。 →定着率の87%アップ、新規顧客開拓コストの83%ダウン 22
  23. 23. 23
  24. 24. ぜひデータ分析を活用して業務アップに役立てて下さい! contact@ianalysis.jp
  25. 25.  ホームページ:http://ianalysis.jp/ Twitter:https://twitter.com/iAnalysisLLC Facebook:http://www.facebook.com/ianalysis メルマガ ◦ データマイニングのすすめ: http://staff.ianalysis.jp/neo/usrctrl.php?mag_id=1 ◦ データマイニング・アンド・ザ・シティ: http://staff.ianalysis.jp/neo/usrctrl.php?mag_id=2 ブログ ◦ おとうさんの解析日記:http://d.hatena.ne.jp/isseing333/ ◦ iAnalysisブログ:http://d.hatena.ne.jp/iAnalysis/ CodeIQ問題:https://codeiq.jp/ace/kurahashi_issei/ 25

×