2022/10/19 「エンタープライズAIとモダンアプリケーション開発の実践 ~ISID✕Microsoft~#1」の登壇資料 https://dllab.connpass.com/event/253887/

1. ISID × Microsoft
企業のデータ＆AI活用をAzureで加速する
日本マイクロソフト株式会社
データ＆クラウドAIアーキテクト統括本部
シニア クラウドソリューションアーキテクト
望月 美由紀

2. 自己紹介
（2016～）
システムエンジニア
（2008～2016）
SIer（～2008）
SI兼データ分析コンサルタント Cloud Solution Architect（Data&AI）

3. １．企業の データ & AI 活用内製化支援する マイクロソフトの取組み
２．ISID との協業 DataHack 事例紹介
３．企業の データ & AI 活用における Azure の使いどころ
Agenda

4. 企業の データ & AI 活用内製化支援する
マイクロソフトの取組み ~ DataHack

5. MS が提供する「データ & AI 活用内製化支援プログラム」
5
開発の内製化を進めており、
クラウドネイティブ開発手法の導入
を検討している企業向けの
開発者育成プログラム
クラウドネイティブ開発に長けたパー
トナー企業との協働により、実践プ
ロダクト開発形式により伝授
Cloud
Native Dojo
Azure Light-Up
クラウドを知り尽くしたパートナーのデ
リバリーによるハッカソンを通じ超短
期間 (最短 3 日) でモックアップま
で一気に作成。
さらにハッカソン参加エンジニアの超
高速成長も期待できる
「一挙両得」のプログラム
3 日間でマイクロソフトが用意す
るテーマ、テストデータ、分析環
境を使って、一連のデータ分析
業務のフローを体感いただくプロ
グラム
OpenHack
for Data
DataHack
お客様自身のデータと分析課
題に対して、マイクロソフトのデー
タサイエンティストやエンジニアが
並走して分析プロジェクトを推
進するプログラム
• 「業務に即したデータ活用の強化」のための内製化、人材育成ご相談が急増
• 「ワークショップ」や「ハッカソン」等の並走スタイルの支援ニーズの高まり

6. DataHack とは
6
DataHack
プログラム概要 目的
• お客様の業務課題に合わせて分析テーマを定義し、お客様のデータを使って、
データ加工・可視化・モデル作成の分析作業を支援
• マイクロソフトのデータ サイエンティストおよびアーキテクトが分析プロジェクトの
導入フェーズに数日間参画し、サスティナブルなプロジェクト フレームの構築を
支援
• Azure Data & AI サービスを活用して、対象テーマのデータ分析結果を業務に
活かすデータ活用DX成功体験
• 対象テーマを通じて、企業内でデータ分析のノウハウ・スキルを身につけて頂き、
自力で継続運用、他業務への応用・拡大等のデータ活用 DX 内製力向上
Azure 上でデータサービスを利用し、データ分析・活用を始めたい特定のお客様に
向けたマイクロソフトの無償特別支援プログラムです
*マイクロソフトの特定アカウントのみ活用できます
*マイクロソフト社内審査が通った案件が対象です
一般的なデータ分析プロジェクトの作業フロー
1.導入アセスメント 2.データ準備 3.モデル作成/評価 4.本格展開
Data Hack 対象領域
Azure AI & Data Platform Microsoft Data Scientist 短時間
+
+ 3 か月程度
分析
プロジェクト
の迅速な
アップデート
実施条件
• お客様の Azure 環境にて Azure Data Services を利用してデータ分析作業
を行う
• マイクロソフトのエンジニアがデータ分析を代行するものではなく、お客様と一緒
に作業を行う
• 必要なデータ準備、およびデータ加工はお客様自身で実施
• 精度を追及するのもではなく、データ分析作業ワンサイクルを支援

7. 株式会社セブン銀行
■目的
⚫ データ分析の内製化と、ビジネスとデジタルに精通した DX デジタル人材の育成
⚫ 以前から業務部門と連携したデータ活用に取り組んできました。ここでよりスコープを広げ、取り組
みを全社に広げていくためには業務部門の方がデータ分析・活用のスキルを持つことが必要だと実
感していました。
■選定ポイント
⚫ セブン銀行が見据える DX 推進のための人材育成・内製化のニーズに最適なサービス
⚫ 分析スキルシェアやデータ分析プロジェクトのリードの仕方を、マイクロソフトのデータサイエンティスト
チームと協働することで学べる
■効果
⚫ テーマ設定から必要なデータの選定・収集、クラスタリング、予測モデルの作成、データ加工、検証
など全てを体感し、一連の流れをつかむことができた
⚫ AI/データ分析に携わるのは初めての経験でしたが、Data Hack の手厚い支援もあり、スピーディに
データ活用の知識を吸収できた
⚫ 予測精度を上回り、AI/データ活用の内製化に向け大きな手応えを得る
■今後の展望
⚫ 全社員がデータを活用してビジネスを展開できる環境へとアップデートしていく予定です。『インフラを
整える』『フォーメーションを整える』『カルチャーを整える』という 3 つの側面で、マイクロソフトに強力
なサポートをいただいています。今回のプロジェクトでデータサイエンスをどうバックアップすれば社内に
広がるのかが理解できました。独自に蓄積してきたノウハウも含め、全社でデータを活用できる環
境・文化の醸成に活かしていきたいと考えています。
株式会社セブン銀行
専務執行役員
松橋 正明 氏
同社は以前より、オープンイノベーションによるスタートアップ企業との協創
をはじめ、社会課題を解決するためのサービスを展開しています。そのなか
で松橋 氏は「AI/データが世の中を変える」と実感し、同社事業における
AI 活用を考え続けてきたといいます。「Data Hack」を活用した今回のプ
ロジェクトはその一環であると同時に、データ活用を全社に浸透させるビジ
ネスモデル・プロセス変革の取り組みと語ります。
全国のATM入出金予測を最適化！
マイクロソフトとのチームワークで実現したDX人材育成

8. 三井物産株式会社
■Data Hack 実施環境と Azure サービス利用イメージ
■課題
⚫ データ分析の内製化と、ビジネスとデジタルに精通した DX デジタル人材の育成
⚫ 組織全体の意識改革を推進するなかで事業部の担当者からは AI / ML を活用したいという声
が高まり、デジタル総合戦略部への相談も増えていた
■選定ポイント
⚫ マイクロソフト製品中心の社内 IT 環境が Data Hack の採用を後押しした
⚫ Power BI などを使った「データの可視化」が進んでいる一方、自社内でのデータ活用はこれからと
いうところで、マイクロソフトから Data Hack を紹介されたのが渡りに船だった
⚫ データ分析のナレッジを、より多くの案件で活用したいと考えていた
■効果
⚫ モデル精度の向上に向けた改善を繰り返したことで、事業部メンバーも納得の予測結果を得るこ
とに成功した
⚫ リアルプロジェクトを推進しながら、データを利活用できる人材を育てられる環境を構築できた
⚫ 今回の取り組みで得たナレッジを踏まえ、マイクロソフトの紹介を受けたデータ分析支援コンサルと
連携して、新たな事業テーマで Data Hack 2 を開始した
■今後の展望
⚫ 本番稼働に向けて DMP への環境移行を進めている
⚫ データ予測が活用できる事業案件はまだまだあり、今回の取り組みで得たノウハウを活かしていき
たい
三井物産株式会社
デジタル総合戦略部
データドリブン経営戦略室長
鈴村 良太 氏
今回の Data Hack プロジェクトでは、マイクロソフトの密接なサポートも
あって環境構築もスピーディに行えました。内製化を進めるうえで重要な
「人材育成」の面でも得られたものは大きいです。リアルプロジェクトを推
進しながら、データを利活用できる人材を育てられる環境を構築できたこ
とは大きな成果だと考えています。
事業部課題を Azure AI によるデータ分析で解決!
三井物産が掲げるデータドリブン経営戦略とその展望とは

9. 東京地下鉄株式会社
■市民開発者とプロ開発者、プロ技術者が連携
■課題
⚫ 人が地道に歩き、視認して、目にした状況をメモ帳に書きつける。この作業が線路点検の基本。
しかし少子高齢化による労働力不足という状況に直面し、生産性の改善が大きな課題となって
いる
⚫ 労働力不足の現状に加えてコスト面を考えても、開発環境をスリム化しながらより良いものを目
指さなければならない
⚫ 東京メトロの全路線には膨大な数の締結装置があり、現地に赴いて全路線の点検を終えるには、
通常約 1 年かかる
■選定ポイント
⚫ IT 部門の担当者に、Microsoft Azure（以下、Azure）の AI サービスである Azure Cognitive
Services と Microsoft Power Apps（以下、Power Apps）を利用するのが最適ではないかと
提案された
■効果
⚫ 自分たちが主役となって AI を創り出す“AIの民主化”という言葉を実感した
⚫ Custom Vision を使いながら、90 ％を大きく超える精度の検出・分類モデルを作り上げた
⚫ 今後の点検業務の高品質化・効率化に加えて、新技術の導入によってこれまで頼ってきたベテラ
ンの“勘所”が正しかったことを確認でき、その技を解明して次代につないでいくためのツールにもなる
■今後の展望
⚫ 蓄積されるデータを機械学習で活用し、BI ツールで可視化することで、予防保全や点検の判断に
活かすことが最終的に目指す地点となる
東京地下鉄株式会社
鉄道本部 工務部 軌道課 主任
工藤 浩之 氏
Power Apps に触れるのは初めてでしたが、Microsoft PowerPoint の
スライド作成と似た感覚で開発ができ、目的通りのアウトプットを出せるア
プリが出来上がったことにとても感動しました。実用化についてはまだこれ
からの課題ですね。改良しなければならない部分があるし、精度ももっと
高めていきたい。ただ、今回の取り組みでそれらを実現できるという手応
えは十分に得られました。
Azure AI と Power Apps を活用、
市民開発とプロ開発・業務のプロが連携し
線路設備の異常検知ソリューションを東京メトロが開発

10. ISID との協業 DataHack 事例紹介
~ 三井物産様

11. DataHack 事例記事
「データという金脈を掘り当てた」 三井物産が挑むデータ活用を追う！
PoCの結果は「経営陣も注目のインパクト」 - ITmedia NEWS

12. DataHack スケジュール
12
■三井物産様DataHack実施スケジュール
テーマ：XXX予測
# # 実施内容 作業分類 利用サービス MS MBK様
デジ総
MBK様
事業部
0 Day0 Kickoff ヒアリング＆ディスカッション ● ● ● Teams 6/10 1h
1 Day1 予測モデル定義と必要データ洗い出し ヒアリング＆ディスカッション ● ● ● Teams 6/21 2.5h
2 Day2 データ理解と基礎集計 データ準備、基礎集計 Power BI ● ● ● Teams 7/5 3h
3 Day3 データ理解と基礎集計② データ準備、基礎集計 Power BI ● ● ● Teams 7/28 3h
説明変数洗い出し（宿題） ● ● ● MBK社
Azure環境＆データ準備 環境準備 ● MBK社
4 Part1 Azure環境作成とデータ加工① レクチャー ADLS2,ADF,synapse,AML ● ● Teams 8/6 3h
5 Part1.5 データ加工①(Power Query) レクチャー ADLS2,ADF,synapse,AML ● ● Teams 8/12 2h
データ加工①（宿題） ● MBK社
6 Day4 データ理解と予測モデル説明変数洗い出し ディスカッション ● ● ● Teams 8/18 3h
7 Part2 データ加工② レクチャー ADLS2,ADF,synapse,AML ● ● Teams 8/19 3h
データ加工②（宿題） ● MBK社
8 Day5 XXXデータ基礎集計と予測モデル説明変数洗い出し ディスカッション ● ● ● Teams 9/3 3h
9 Part3 データ加工③XXXマスタ レクチャー ADLS2,ADF,synapse,AML ● ● Teams 9/10 3h
データ加工③（宿題） ● MBK社
10 Day6 Azure Machine Learning概要説明とXXX予測モデル作成 レクチャー ADLS2,ADF,synapse,AML ● ● ● Teams 9/21 3h
データ加工④（予習） ● MBK社
11 Part4 データ加工④予測モデル用データ加工
(XXX予測モデル1とXXXモデル2）
レクチャー ADLS2,ADF,synapse,AML ● ● Teams 10/1 7h
データ加工④（宿題） ● MBK社
12 Day7 XXX予測モデル1の精度評価可視化と
XXXモデル2作成準備
レクチャー＆ディスカッション AML、Power BI ● ● ● Teams 10/22 3h
XXX全量モデル実行~スコアリング（宿題） ● MBK社
XXX予測モデル2実行～スコアリング（宿題） ● MBK社
13 Day8 XXXモデル2精度評価可視化 ディスカッション AML、Power BI ● ● ● MBK社 11/18 3h
14 Day9 サマリ報告 結果報告 ● ● ● Teams 12/9 1h
担当 作業
場所
日程 所要時間

13. Azure
Azure Data
Lake Storage
Gen2
Data Hack 実施の Azure サービス構成
Azure Data
Factory
Azure
Synapse
Analytics
Azure
Machine
Learning
INTERNET
XXX関連データ
Excel
XXXデータ
CSV
経済指標データ
Excel
CSV
Auto ML 機能で本来試行錯誤
が必要なアルゴリズム、パラメータ
の探索＆調整を自動実行し
ベストモデル作成
時系列で見たり、複数の実績
データと結合して見たりすることで、
業務に役立つインサイトが多く得
られることを実感頂く
XXXX実績とモデル予測値を比
較して精度確認
大きく外しているところを誤差解
析することで見落としているインサ
イトが得られる
Power BI
Power BI

14. DataHack 後続展開
14
• 社内にデータハックチーム創設、「事業部テーマ課題を AI で解決」をプロジェクト化
• いきなり自走は難しいので、分析支援コンサルをつけて併走、徐々に内製化
• DataHackで成果がでれば、データ分析基盤にのせて本番業務利用
Data
Hack#
テーマ 対象事業部 対象
フロント
分析
リード
6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6
1 XXX予測 事業部門A DXx MS PoC
2 XXX予測 事業部門B DXx ISID PoC
3 XXX予測 事業部門C DXx ISID PoC
4 XXX予測 事業部門D DXx MKI PoC
5 XXX予測 事業部門E DXx
本番化開発
DMP
2021年 2022年 2023年
本番化開発
Extra
本番化開発
DMP
本番化開発
DMP

15. 企業の データ & AI 活用における Azure の使いどころ

16. データ & AI 活用における Azure サービスの使いどころ ①
Azure
Azure Data
Lake Storage
Gen2
Azure
Synapse
Analytics
Azure
Machine
Learning
Power BI
Desktop
Power BI
Desktop
INTERNET
CSV
DBテーブル
データファイル
置き場
データ取込・加工
テーブル蓄積 予測モデル
構築
データ＆ビジネス理
解の基礎集計
モデル予測結果
の可視化
• データ分析作業のための機能が揃っている
• 業務ユーザ（GUI 好む）から エンジニア（コード開発好む）まで使える豊富な UI

17. データ & AI 活用における Azure サービスの使いどころ ②
Azure
Azure Data
Lake Storage
Gen2
Azure
Synapse
Analytics
Azure
Machine
Learning
Power BI
Desktop
Power BI
Desktop
INTERNET
CSV
DBテーブル
無料
ダウンロード
簡単入手
サーバレス＆
フルマネージド
サービス
使った分だけ
コストモデル
様々なスペックのVM
を選択・起動
使った分だけ
コストモデル
低優先度オプ
ション : 8割引で
利用可能
自動スケールアウト・
ダウン
• 構築負担少なく手早く環境構築できる
• 低コスト（6ヶ月のデータ分析PoCの環境コストは数十万円～）で小さく始められる

18. データ & AI 活用における Azure サービスの使いどころ ③
Azure
Azure Data
Lake Storage
Gen2
Azure
Synapse
Analytics
Azure
Machine
Learning
Power BI
Desktop
Power BI
Desktop
INTERNET
CSV
DBテーブル
閉域環境でも
利用可能
MLOps で効率的に
モデル運用管理
豊富なコネクタで
既存環境と
シームレスに連携 大容量データでも
並列分散で
高速処理可能
Git / DevOps連携
でスムーズに移行
• 本番環境の制約（例. 閉域環境）にも対応できる
• 本番環境への移行が容易、拡張性も高い

19. データ & AI 活用における Azure サービスの使いどころ ④
19
Custom Vision 物体検知モデル⇒画像切抜き⇒分類モデルを自動化するAzure Functions（Python） - Qiita
• 出来合いの AI (Cognitive Service) の合わせ技で業務利用精度に達する

20. Thank you