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.

米国でのビッグデータビジネスの動向

11,140 views

Published on

Published in: Technology
  • Login to see the comments

米国でのビッグデータビジネスの動向

  1. 1. 米国のビッグデータビジネスの動向 in Tokyo WebMining勉強会 on 01/25/14 by @takabailando Updated on 02/05/14 2
  2. 2. アジェンダ 1. 発表者の紹介 2. 今回の発表概要 3. ビッグデータビジネスを取り巻く環境 4. データビジネスを理解するために最低限必要な4概念 1. 2. 3. 4. バリュープロポジション バリューチェーン プラットフォーム イノベーション 5. 米国でのビッグデータビジネスの動き 1. 2. 3. 4. 市場概要 教育領域 翻訳領域 スマートホーム 6. まとめ 3
  3. 3. 学部専攻:刑事政策・犯罪心理学専攻 最終学歴:環境計画修士、地理学博士(都市経済・数理地理) 実務経験:経営管理(監査・財務)、経営戦略コンサル、 ビッグデータ事業開発 現在は?:フリーランスとして、SMB向けウェブマーケ会社の戦略立案・実施、 B2B情報サイトの分析、シリコンバレーStartupの事業開発、を 支援しています。 書籍:こんな本を書いてます → できるポケット+ ビッグデータ入門 分析から価値を引き出すデータサイエンスの時代へ 1 発表者の紹介 4
  4. 4. 今回の発表内容は、アメリカで起きているビッグデータビジネスの動向をかな り上流からみたものになります  (ビッグ)データビジネスを理解するにはまずどうする?  ビッグデータ企業って呼ばれる会社って例えば?  (ビッグ)データビジネスの事例って例えば? 2 今回の発表概要 5
  5. 5. (ビッグ)データビジネスの概要 6
  6. 6. ビッグデータの性質を理解する時に、データ量・データ種類の多さ・データ取 得速度・データの正確性を表す4Vがよく使われます Volume Variety 取得・保有・処理すべきデータ 量が多く、既存のデータ処理基 盤ではタイムリーに処理しずら い データの種類だけでなく、デー タ形式の種類も多く、達成目標 に合わせて組み合わせが必要 Velocity Verasity SoLoMo(ソーシャル&位置情報& モバイル) やモノのインターネッ トの普及により、データ生成が 早まっている 生成されるデータそのものの正 確性が高いことが要求される 3 ビッグデータビジネスを取り巻く環境 7
  7. 7. なぜデータが必要かは、顧客の行動の理解や製造工程の効率化であり、データ 収集・基盤+分析+インサイト導出からの施策への落とし込みにあります 施策に必要な構成要件 例:その施策実行を円滑にする流れ コンテンツ供給側 必要なFeedbackを集めるた めにコンテンツ内容と提供 方法を最適化する 3 ビッグデータビジネスを取り巻く環境 コンテンツ利用側 適切なUIを通じて自分に必 要な行動を行う 8
  8. 8. なぜデータが必要かは、顧客の行動の理解や製造工程の効率化であり、データ 収集・基盤+分析+インサイト導出からの施策への落とし込みにあります 施策に必要な構成要件 例:その施策実行を円滑にする流れ コンテンツ供給側 コンテンツ利用側 ストリーミング処理や分析 の自動化を進めてコストを 下げる 3 ビッグデータビジネスを取り巻く環境 9
  9. 9. なぜデータが必要かは、顧客の行動の理解や製造工程の効率化であり、データ 収集・基盤+分析+インサイト導出からの施策への落とし込みにあります 施策に必要な構成要件 例:その施策実行を円滑にする流れ コンテンツ供給側 コンテンツ利用側 ABテストなど繰り返して 施策に落とし込みやすいレ ベルでの分析結果を流す 3 ビッグデータビジネスを取り巻く環境 10
  10. 10. なぜデータが必要かは、顧客の行動の理解や製造工程の効率化であり、データ 収集・基盤+分析+インサイト導出からの施策への落とし込みにあります 施策に必要な構成要件 例:その施策実行を円滑にする流れ コンテンツ供給側 3 ビッグデータビジネスを取り巻く環境 ビッグデータビジネスのボ コンテンツ利用側 トルネックは上流の戦略と 下流の戦術にあるかも? 11
  11. 11. 異なるデータを統合することでビッグデータの価値が高まると同時に、その価 値は単独企業ではなく補完企業によって実現されることが多いです 異なる大量のデータの相互作用(例) ビッグデータのプレーヤー ビッグデータビジネスでは、プラットフォームになるか、 補完的なサービス提供を行うのか重要な鍵になっています Source: できるポケット+ ビッグデータ入門 インプレスジャパン 3 ビッグデータビジネスを取り巻く環境 12
  12. 12. とはいえ足りない人材を確保・教育する必要性は各国共通で、アメリカは企業 主導でエンジニアやサイエンティストを育てるプログラムを提供しています Insight Fellopwship for Big Data Open Academy Program by Facebook 日本では明治大学や立教大学がビッグデータに特化したクラスを 提供していますが、欧米では統計やCSを学ぶ機会が多いです 3 ビッグデータビジネスを取り巻く環境 13
  13. 13. データビジネスの理解に必要な4概念 14
  14. 14. データをビジネス化するには、誰のために、何を解決し、それがどれくらい重 要で、かつどうやってスケールさせることができるか、を考えましょう Value Proposition Value Chain - 誰が問題を抱えているのか - どの問題を解決するのか - どんな製品・サービスなのか マーケティングや品質管理など 顧客が行うデータ業務のどれく らいまでカバーしてるのか Platform Ecosystem Innovation 基幹機能を担うのか、補完機能 を担うのか決めて、データ事業 の収益化を早められるか 社外のプレーヤーや個人を多く 参画させることで、既存概念に 捕われないモデルができるか 4 データビジネスを理解するために最低限必要な4概念 15
  15. 15. ビジネスはそもそも対価を得るために、どんな顧客の何を解決しているのかを 明確にする必要があります Value Proposition = 他にはできない価値 Launch Center Pro Shopkick 前:アプリ起動 ↓ 前:GPSでチェックイン ↓ 今:行動の起動 今:BLEでチェックイン スマホ上での操作が これまで以上に簡単 になった 最低限の投資で精度の 高い顧客管理ができる ようになった Source: http://www.macworld.com/article/2061297/make-iphone-actions-easier-withlaunch-center-pro.html 4 データビジネスを理解するために最低限必要な4概念 Source: http://www.pcworld.com/article/2088880/100-american-eagle-stores-hungry-fordata-will-ping-shoppers-phones.html 16
  16. 16. データビジネスで成功するには、顧客が必要とする業務のどの部分を効率化す るのか、競合企業とどう差別化するのか、が重要な鍵になります Value Chain = 価値はどう作られるのか 分析結果をインサイトに変換する→ DB configuration Log Collection Extract Transform Loading Data integration 分析を理解しやすいものに Business intelligence Predictive analytics Decision making 決断と実行に専念する ZigBee、RFID、BluetoothやSoLoMoで 絶えず増えるデータを用意に取り込む 4 データビジネスを理解するために最低限必要な4概念 Execution キャンペーンや実務に落とし込む 17
  17. 17. 何を解決するか決めたら、そもそも多くの人たちが登録するだけの価値があり、 しかも多ければ多いほどその利便性が高くなるプラットフォームを選定します Platform = ネットワーク外部性はあるか 各プレーヤーの初期投資・運営コストを 軽減したり、参画することでリーチが 難しい顧客との接点が持てる 参画するプレーヤーが増えれば増えるほど 情報拡散の相乗効果が高まったり、規模の 経済が働いて単価が低く設定できる Source: http://www.zuora.com/how-it-works/subscription-billing.html 4 データビジネスを理解するために最低限必要な4概念 18
  18. 18. 最後に、ネットワーク外部性を効率的にかつ持続的に進めるために、どういう 仕組みを提案して、エンドユーザーとB2C企業を取り込む必要があります Innovation = 根本的な変化の源泉はなにか User Innovation ユーザー参加型の開発や 企画を通じて価値の軸の 変化に対応する Open Innovation 企業内に眠る資源を開放し 外部のアイデアと合わせて 活用する 4 データビジネスを理解するために最低限必要な4概念 Social Innovation 様々な人から必要な資源を 集めて、社会問題の解決を 事業として行う 19
  19. 19. 米国でのビッグデータビジネスの動向 20
  20. 20. もっと上流からデータビジネスを考えると、4要素の組み合わせが重要になって くると考えられます Platform × Innovation Actionに繋げるためのデータを誰が所有し、 データ流通市場に存在しない場合は、どういう センシング技術で取得していくのか 5-1 市場概要 21
  21. 21. もっと上流からデータビジネスを考えると、4要素の組み合わせが重要になって くると考えられます Value chain × Platform 企業の顧客やエンドユーザーが困っている、かつ 解決に値する課題を解決するシステムをどう構築し 継続的に提供していくのか 5-1 市場概要 22
  22. 22. もっと上流からデータビジネスを考えると、4要素の組み合わせが重要になって くると考えられます Value proposition × Innovation 他社や自身では解決が困難な課題に対して、集合知の 力を活用しつつ、精度の高い解決方法を提供していける のか、常に考えて行けるのか 5-1 市場概要 23
  23. 23. もっと上流からデータビジネスを考えると、4要素の組み合わせが重要になって くると考えられます 4要素が相まって データの価値が増減する 5-1 市場概要 24
  24. 24. 実際は、大量データを迅速に処理・分析し、施策に使えるインサイトを導出す るまでの時間の短縮と特化したプラットフォーム化に焦点が当てられています デバイスがネットで繋がること で今まで以上に大量で多様な データがリアルタイムで集まる 5-1 市場概要 25
  25. 25. 実際は、大量データを迅速に処理・分析し、施策に使えるインサイトを導出す るまでの時間の短縮と特化したプラットフォーム化に焦点が当てられています 分析の定型化と自動化が更に進 むことによって分析コストを大 幅に下げようという動き 5-1 市場概要 26
  26. 26. 実際は、大量データを迅速に処理・分析し、施策に使えるインサイトを導出す るまでの時間の短縮と特化したプラットフォーム化に焦点が当てられています 分析の精度よりは、相関関係や シミュレーションを使い、迅速 なPDCAからのインサイト 5-1 市場概要 27
  27. 27. 大きな広告モデルで収益を上げているGoogleは、ここ数年の買収劇を見ると、 人間の行動を理解し機械的に処理するエンジンを大切にしてる見えなくもない DNNResearch: 深層学習 Impermium: インターネットセキュリティー Wavii: 自然言語処理を使ったコンテンツ処理 Channel Intelligence: eコマース売上の最大化 Flutter: ジェスチャー認識を使った新しいUI Waze: SNSを活用したナビゲーション Nest: WiFiで繋がる自動学習する温度計/火災報知機 Viewdie: 世界トップクラスの顔認識技術 5-1 市場概要:Google 28
  28. 28. Amazon Web Servicesで有名なAmazonですが、最近はデータの価値連鎖を一 通りカバーして一気通貫のデータ管理企業を目指してるような・・・ http://techcrunch.com/2013/11/05/amazon-debuts-a-cross-platform-app-analyticsservice-with-ab-testing-bundled-in/ 5-1 市場概要:Amazon 29
  29. 29. とはいえ、まずはデータが必要で、最近ではBusiness IntelligenceやData VisualizationサービスにOpen Dataが組み込まれる動きがあります 5-1 市場概要:Open Data Initiative 30
  30. 30. 業界別の事例 5-2 教育業界でのビッグデータビジネス 31
  31. 31. オンライン教育領域 5-2 教育業界でのビッグデータビジネス 32
  32. 32. 教育ビジネスは旅行や音楽ビジネスの成功経験から習うことが多いらしく、 パーソナライズやバンドル化が注目されています Adaptive & Engaging Collaborative Innovation これまでの教育は教えることが 主目的だったが、教える=教わ る、にパラダイムシフトさせる 教育コンテンツは教育機関に属 するのではなく、教育者や生徒 が属するコミュニティーで発展 していく Measured with career Playlist & Package 学習者が教育の価値を理解する には、実務の現場で“成功”するこ とが大切なので、より実務的な 内容を増やして行く 教育コンテンツを製品・サービ スとみなして、個人の学習曲線 に最適なコンテンツリストをバ ンドルできるようになる 5-2 教育業界でのビッグデータビジネス 33
  33. 33. EdTech領域では、教師と生徒が参加するプラットフォームをオープンイノベー ションを使い、教育コンテンツの開発とその運用を分業させています 施策に必要な構成要件 例:その施策実行を円滑にする流れ コンテンツ供給側 教育プログラムを細分化し て、何を向上すれば学習曲 線を変えれるか考える 5-2 教育業界でのビッグデータビジネス コンテンツ利用側 継続的に既存プログラムを 利用する他に、生徒からも コンテンツを提案します 34
  34. 34. EdTech領域では、教師と生徒が参加するプラットフォームをオープンイノベー ションを使い、教育コンテンツの開発とその運用を分業させています 施策に必要な構成要件 例:その施策実行を円滑にする流れ コンテンツ供給側 コンテンツ利用側 機械学習(SVMや深層学 習)を駆使して、なるべく 人間の介在を減らしてます 5-2 教育業界でのビッグデータビジネス 35
  35. 35. EdTech領域では、教師と生徒が参加するプラットフォームをオープンイノベー ションを使い、教育コンテンツの開発とその運用を分業させています 施策に必要な構成要件 例:その施策実行を円滑にする流れ コンテンツ供給側 コンテンツ利用側 ABテストなど繰り返して 施策に落とし込みやすいレ ベルでの分析結果を流す 5-2 教育業界でのビッグデータビジネス 36
  36. 36. EdTech領域では、教師と生徒が参加するプラットフォームをオープンイノベー ションを使い、教育コンテンツの開発とその運用を分業させています 施策に必要な構成要件 例:その施策実行を円滑にする流れ コンテンツ供給側 5-2 教育業界でのビッグデータビジネス 検証過程を早く行い、機会 コンテンツ利用側 費用を減らし、教育をコ ミュニティーで発展させる 37
  37. 37. Knewton社は特に有名ですが、その他企業向け教育プラットフォームの OpenSesame社や教室改革を歌うSmartSparrow社があります Knewton社 SmartSparrow社 Lumosity社 OpenSesame社 5-2 教育業界でのビッグデータビジネス 38
  38. 38. SmartSparrow社は、Courseraといったオンライン教育プログラム(MOOC)を ベースにしつつ、生徒参加型の学習効率向上プログラムを狙っています SmartSparrow社 5-2 教育業界でのビッグデータビジネス 39
  39. 39. オンライン学習では随時クイズが出され、どのような生徒がどういうペースで コンテンツを観て、どこで間違いをおこすのか、トラッキングlogを取ります SmartSparrow社 5-2 教育業界でのビッグデータビジネス 40
  40. 40. このプラットフォームでは、生徒の悩みを教師と共同で効果的に解決できるの で、両社の時間のセーブと学習能力の向上がOpenな形で行われます SmartSparrow社 5-2 教育業界でのビッグデータビジネス 41
  41. 41. inBloom:ビルゲイツも出資するビッグデータ教育サービス 5-2 教育業界でのビッグデータビジネス 42
  42. 42. 5-2 教育業界でのビッグデータビジネス 43
  43. 43. 翻訳領域 5-3 翻訳業界でのビッグデータビジネス 44
  44. 44. 翻訳領域のトレンドは、プラットフォームで集められた翻訳の知見を使い、翻 訳精度の向上と目的別に使われる定型文の収集を共創している感じです Adaptive & Engaging Collaborative Innovation これまでの翻訳は静的なものが 多かったが、リアルタイムにそ の場所・目的に合わせた翻訳プ ラットフォームが主流に 、世界に散らばるバイリンガル や翻訳のプロフェッショナル、 ツアーガイドなど誰でも翻訳者 (ランキングあり)になれます Assorted for purpose On-demand translation 翻訳目的も学習や旅行など フォーカスしたものがあり, 学習は先生からエンジニアなど 幅広く目的ベースになってます 翻訳=都度発注、という形態か らオンデマンドに変化していて 機械的に可能な翻訳と人間がす べき翻訳と分業しつつある 5-3 翻訳業界でのビッグデータビジネス 45
  45. 45. 翻訳領域のトレンドは、プラットフォームで集められた翻訳の知見を使い、翻 訳精度の向上と目的別に使われる定型文の収集を共創している感じです 施策に必要な構成要件 例:その施策実行を円滑にする流れ 翻訳請負側 自分が得意な分野に特化 した翻訳作業を提供して 副収入を得る 5-3 翻訳業界でのビッグデータビジネス コンテンツ利用側 旅行や学習など必要な時 に必要なだけ利用したい ユーザー群 46
  46. 46. 翻訳領域のトレンドは、プラットフォームで集められた翻訳の知見を使い、翻 訳精度の向上と目的別に使われる定型文の収集を共創している感じです 施策に必要な構成要件 例:その施策実行を円滑にする流れ サービス供給側 コンテンツ利用側 定型文は機械的に処理、 または集計ベースで提示し それ以外は機械学習 5-3 翻訳業界でのビッグデータビジネス 47
  47. 47. 翻訳領域のトレンドは、プラットフォームで集められた翻訳の知見を使い、翻 訳精度の向上と目的別に使われる定型文の収集を共創している感じです 施策に必要な構成要件 例:その施策実行を円滑にする流れ サービス供給側 コンテンツ利用側 オンデマンドで翻訳を 成立させるプラット フォーム 5-3 翻訳業界でのビッグデータビジネス 48
  48. 48. 翻訳領域のトレンドは、プラットフォームで集められた翻訳の知見を使い、翻 訳精度の向上と目的別に使われる定型文の収集を共創している感じです 施策に必要な構成要件 例:その施策実行を円滑にする流れ サービス供給側 5-3 翻訳業界でのビッグデータビジネス 今や音声認識や画像認識 コンテンツ利用側 を使って翻訳がオンデマン ド化しています 49
  49. 49. 翻訳領域は、旅行者や言語学習者というユーザーとネイティブスピーカーが有 機的に繋がるアプリ&プラットフォームの構築がメインになっています Linqapp社 REV社 5-3 翻訳業界でのビッグデータビジネス Emerge Media社 babelverse社 50
  50. 50. Babelverseはアンバサダー制とゲーミフィケーションを採用しており、翻訳の キャパが高い人にはより高いステータスを与え、単価も可変にしています 5-3 翻訳業界でのビッグデータビジネス 51
  51. 51. 分析でいう“教師データ”は様々なコンテンツから収集し、クラウドソーシング型 で、翻訳費用を固定費ではなく変動費にしています 5-3 翻訳業界でのビッグデータビジネス 52
  52. 52. 世界中にこのアンバサダーを募るという意味では、著名なTranslate.comと似て います 5-3 翻訳業界でのビッグデータビジネス 53
  53. 53. VOCRE;TC Disrupt2011で受賞した注目集めるリアルタイム翻訳アプリ 5-3 翻訳業界でのビッグデータビジネス 54
  54. 54. 5-3 翻訳業界でのビッグデータビジネス 55
  55. 55. スマートホーム教育領域 5-4 スマートホーム業界でのビッグデータビジネス 56
  56. 56. スマートホーム領域は自信の行動範囲全体をプラットフォームと考え、そこに 付随するサービスがAll in oneで統合されていく流れになっています Adaptive & Engaging Collaborative Innovation これまでの教育は教えることが 主目的だったが、教える=教わ る、にパラダイムシフトさせる 教育コンテンツは教育機関に属 するのではなく、教育者や生徒 が属するコミュニティーで発展 していく Measured with career Playlist & Pacakge 学習者が教育の価値を理解する には、実務の現場で“成功”するこ とが大切なので、より実務的な 内容を増やして行く 教育コンテンツを製品・サービ スとみなして、個人の学習曲線 に最適なコンテンツリストをバ ンドルできるようになる 5-4 スマートホーム業界でのビッグデータビジネス 57
  57. 57. スマートホーム構想によるデータの価値は、モノのインターネットが発展すれ ば、個人の生活パターンが効率化され、結果社会基盤も効率化に向かうところ 施策に必要な構成要件 例:その施策実行を円滑にする流れ サービス供給側 普段気に留めない動作を データを通じて効率化させ るネットワークを提供 5-4 スマートホーム業界でのビッグデータビジネス コンテンツ利用側 同じようなプロファイルを 持つユーザーと比べてゲー ム感覚で環境改善が可能 58
  58. 58. スマートホーム構想によるデータの価値は、モノのインターネットが発展すれ ば、個人の生活パターンが効率化され、結果社会基盤も効率化に向かうところ 施策に必要な構成要件 例:その施策実行を円滑にする流れ サービス供給側 コンテンツ利用側 機械学習を使ってパターン 認識を行う 5-4 スマートホーム領域でのビッグデータビジネス 59
  59. 59. スマートホーム構想によるデータの価値は、モノのインターネットが発展すれ ば、個人の生活パターンが効率化され、結果社会基盤も効率化に向かうところ 施策に必要な構成要件 例:その施策実行を円滑にする流れ サービス供給側 コンテンツ利用側 データ履歴から最適な環境 設定を提案したり、忘れが ちな動作をレコメンド 5-4 スマートホーム領域でのビッグデータビジネス 60
  60. 60. スマートホーム構想によるデータの価値は、モノのインターネットが発展すれ ば、個人の生活パターンが効率化され、結果社会基盤も効率化に向かうところ 施策に必要な構成要件 例:その施策実行を円滑にする流れ サービス供給側 5-4 スマートホーム領域でのビッグデータビジネス 基盤ができあがれば、モノ コンテンツ利用側 のインターネットの発展に 伴い利便性が高まります 61
  61. 61. 5-4 スマートホーム領域でのビッグデータビジネス 62
  62. 62. スマートホーム領域では、WiFIやRFIDで繋がった様々なデバイスをスマホで遠 隔操作しながらも、運用状況のレポーティングも可能になっています KeyMe社 SmarTThing社 Resolv社 Piper社 5-4 スマートホーム領域でのビッグデータビジネス 63
  63. 63. 電力利用の見える化に使われるHEMS(自宅電力管理システム)のように、Piper が販売する電気ソケットやアダプター経由でデバイス利用を確認できます 5-4 スマートホーム領域でのビッグデータビジネス 64
  64. 64. Piper社のアプリでは、ネットに繋がったデバイスに関するログの記録方法など をカスタマイズして、家の安全をコントロールできるようになります 5-4 スマートホーム領域でのビッグデータビジネス 65
  65. 65. 自宅の安全対策だけでなく、定点カメラを通じて部屋の状態を確認したり、重 要な作業を記録させて、リモートで個人の財産を管理できます 5-4 スマートホーム領域でのビッグデータビジネス 66
  66. 66. スマートホームは、監理ログの見える化、セキュリティー管理、設定の自動化、 リモートアクセス、などプラットフォーム化が見られます 5-4 スマートホーム領域でのビッグデータビジネス 67
  67. 67. AugustLock:スマホで誰が鍵をあけれるかまで設定できる優れもの 5-4 教育業界でのビッグデータビジネス 68
  68. 68. AugustLock:スマホで誰が鍵をあけれるかまで設定できる優れもの 5-4 スマートホーム領域でのビッグデータビジネス 69
  69. 69. さいごに 6 さいごに 70
  70. 70. 分析も×aaS化してきており、MLaaS(Machine Learning as a Service)や BDaaS(Big Data as a Service)などが目立つようになりました Knewton社 wise.io社 6 さいごに Algorithms.io社 Ufora社 71
  71. 71.  データビジネスの価値は4要素を組み合わせて戦略的に決める!  まず、何を提供すべきなのかを考えて、次にどういうプラットフォームで提 供していくのか考える!  データの価値連鎖を理解して、顧客やエンドユーザーが最も負担に思ってい るステップを自動化することが大切!  最後に、官民学が共同してデータビジネススキルを発展させましょう! 6 さいごに 72

×