Download as PDF, PPTX
Uploaded byTomohiro Iwahashi
【5/28（火）開催】キッコーマン株式会社 × 株式会社キーウォーカー共催ウェビナー「事例から学ぶ！BIからAIへ一歩踏み出すために、今できることを考えよう」
【5/28（火）開催】キッコーマン株式会社 × 株式会社キーウォーカー共催ウェビナー「事例から学ぶ！BIからAIへ一歩踏み出すために、今できることを考えよう」
【5/28（火）開催】キッコーマン株式会社 × 株式会社キーウォーカー共催ウェビナー「事例から学ぶ！BIからAIへ一歩踏み出すために、今できることを考えよう」
- 1.
- 2. 本日のアジェンダ • イントロダクション • 5つのクエスチョン ～『BIからAIへ、一歩前に踏み出すために』～ • まとめ と お知らせ • Q&A
- 3.
- 4. 自己紹介 キャベツのガリバタ醤油炒め 名前 鷹野 藍 所属 キッコーマン株式会社国際事業本部 海外事業部 デジタル推進G 兼 事業管理G 経歴 新卒で砂糖会社に入社、海外事業に従事 キッコーマンに中途入社、海外事業管理を担当している中 データ活用PJメンバー選任 Tableauでのデータ活用を約2年経験 マイブーム Dataiku いちおし製品
- 5. キッコーマンのご紹介 ー会社概要ー 会社名 キッコーマン株式会社 設立1917年12月7日 資本金 115億9,900万円(2023年3月時点) 従業員数 7,775名(連結) 事業内容 国内: 食品製造・販売事業(しょうゆ、食品、飲料、酒類)、その他事業 海外: 食品製造・販売事業(しょうゆ、デルモンテ)、食料品卸売事業 売上収益 事業利益 ※2023年3月31日時点、IFRS適用 国内 海外 国内 しょうゆ 食品 飲料 酒類 しょうゆ デルモンテ 食料品卸売
- 6.
- 7. 組織名 国際事業本部 海外事業部 デジタル推進グループ 製造販売事業 卸売事業 製造会社 販売会社 米州 欧州 亜豪州 海外拠点国内 事業部 生産推進部 管理部 豆乳部 国際事業本部組織 × 9 × 6 × 11 × 4 × 2 ※KTAG、DMAGは1社とカウント × 4 1 2 3 4 1 2 3 4 人数 4人 ミッション ● デジタルツールを活用した企業価値向上に貢献 ● 海外事業全体のデジタル技術活用推進をリード ● デジタル人財の育成 キッコーマンのご紹介 ーデジタル推進Gー
- 8.
- 9. 5 QUESTIONS ＩからＡＩへ一歩踏み出すために 5.これからの展望について。 1. BIからAIへ、必要なステップとは？ 2. データ分析は自分の組織でやらないと ダメですか？ 3. データ分析を内製化するための ポイントとは？ 4. 機械学習やってみてどうでした？
- 10.
- 11. 2022年 ● データ活用PJ発足 ● Tableauライセンス契約開始 ●Amazon S3にデータ格納 ● マスター整備 ● 海外事業管理データのダッシュボード化 （日次、月次データ） ● 海外事業部内でのユーザー拡大 ● 海外事業部内デジタル推進G発足 ● 海外拠点にTableauユーザー拡大 ● 海外拠点定型レポートのダッシュボード化 ● 製造、販売、卸事業でのデータ活用 (原価、市場レポート、倉庫) ● Dataiku契約開始 2023年 2024年 記述分析 なにが起きたか？ ・過去のデータ集め、分析 ・基本的ビジネス指標の現状把握 なぜ起こったか？ ・データの掘り下げ ・問題、機会の特定 何が起こりうるか？ ・過去データを元に予測構築 何をすべきか？ ・シミュレーション、最適化 ・最適な戦略を決定 診断分析 予測分析 処方分析 データ活用のあゆみ
- 12.
- 13. ● エクセルで倉庫のスロット別ピック頻度を可視化 ● 問題のあるスロットが倉庫内のどこにあるかわかりづらい ●更新の手間がかかる、リアルタイムでモニタリングできない BEFORE AFTER データ活用のあゆみ (事例)卸売事業での倉庫データ活用 ● Tableauで実際の倉庫レイアウト表上にヒートマップで表現 ● データをCloudに格納してつなぐことでほぼリアルタイム更新 ● 倉庫占有率、在庫数量、賞味期限管理など多目的に応用
- 14. ● エクセルで倉庫のスロット別ピック頻度を可視化 ● 問題のあるスロットが倉庫内のどこにあるかわかりづらい ●更新の手間がかかる、リアルタイムでモニタリングできない BEFORE AFTER データ活用のあゆみ (事例)卸売事業での倉庫データ活用 ● Tableauで実際の倉庫レイアウト表上にヒートマップで表現 ● データをCloudに格納してつなぐことでほぼリアルタイム更新 ● 倉庫占有率、在庫数量、賞味期限管理など多目的に応用 問題点がどこにあるかはぱっとわかるようになったら最適化を求める声が！ データサイエンスバックグラウンドある人もいないし何からはじめていいのか・・・ Pythonはfor文でつまずくし業務で使えるようになるまでは先が長すぎる・・・ わーーー
- 15.
- 16.
- 17.
- 18.
- 19.
- 20.
- 21.
- 22. アイデア創出 PoC 実装 水平展開 ナレッジ蓄積 成功事例を他拠点に展開 ビジネスに適用 ビジネス課題を元に活用法検討モデルの構築、検証 Dataiku活用によりこのサイクルを高速化 Dataikuとの出会いと今後 内製化することによってナレッジを貯め、データリテラシー向上 自分ごと化することでデータドリブンカルチャーの醸成
- 23.
- 24.
- 25.
- 26.
- 27.
- 28.
- 29.
- 30. 気づき・・・ 30 ● データ準備が大事 ● Dataikuは前処理の選択肢が気が利いてる ●特徴量エンジニアリング難しい ● 社内システムに追加すべきデータがある
- 31.
- 32. 5. これからの展望について。 32 ● 製造、販売、卸すべての業態で ユースケースを作る ●気軽にAIを活用できる人を増やす ● グループミッションである 企業価値向上効果を定量化する
- 33.
- 34. 34 西新橋データ活用もくもく会:概要 • 開催日 • 6/20（木） 18:00 – 20:00 Dataiku無料版をインストールしよう！ • 7/18 （木） 18:00 - 20:00 機械学習の評価指標の読み方を理解しよう！ • 西新橋KWオフィスに集まり、基本的にもくもく と作業する。 • 毎回テーマを決めてオープニング・トークを実 施する。 • 日頃のデータ活用にまつわるお悩みを共有 • Tableau, Dataiku などツールにはこだわらず 広くデータ活用に興味のある方へ！ Techplayより お申込みください！
- 35. 35 AI活用ビジョン・ワークショップ • 社内DX推進の一環としてAI/ML活用を進めたいが どこから始めたら良い？ • AIユースケースをどこから設定したら良い？ •どのようなデータ準備が必要？ • 組織の中での推進チーム作りは？ • そもそもデータ活用のビジョンについて話し合う機会 がない。 AIと機械学習の組織内活用を進めるために、「ビジョン」づくりの初めの一歩！ ワークショップスタイルでディスカッション ・ 目指す将来像 ・ 事例研究 ・ 利用できるデータとは？ ・ 次のアクションは何か？ ご希望の方は アンケートから！
- 36.
- 37.
- 38.
- 39.