“ミチシロウ（電通）”とは

電通が2021年9月より開始した、企業におけるマーケティングに絡む活動を包括的に支援するコンサルティングサービスです。このサービスのネーミングは、「未来の需要を知って（未知）、マーケティングの向かうべき道を知ろう」という意味から来ているようです。

「ビッグデータから需要のタイミングを予測し、企業のマーケティング活動を包括的に支援」といったフレーズが付けられています。

需要予測に利用する蓄積データ（ビッグデータ）の種類や量を広げ、予測する商品の幅やサポートするマーケティングに絡む領域も広げているようです。

即ち、これまで日本気象協会と共同で気象データから気象に影響されやすい清涼飲料水やアイスクリームなどの予測を行い、広告掲載方法に役立てる支援を行ってきたようですが、今回は、気象データ以外に購買データ、SNSデータ、その他多様なデータを組み合わせての予測を行うようにし、衣類や食品など商品の幅を広げるとともに、支援範囲も単に広告領域にとどまらず、生産から流通といったサプライチェーンや店頭の管理、戦略面も含めるようにし、マーケティングの全領域を包括的にサポートするようにしているようです。

ニュースリリース（2021.9.9）のサイトは、https://www.dentsu.co.jp/news/release/2021/0909-010437.htmlです。

"Conata Demand Planner（フライウィール）"とは

新興企業の「フライウィール※」（2018.2.9設立、東京都千代田区、https://www.flywheel.jp/about/）が、2022年6月21日に提供を開始した、企業の在庫適正化などを支援する需要管理サービスです。なお、「Conata（コナタ）」とは、エンゲージメント、オファー、アナリシスの３つのエンジンから構成されたデジタルビジネスプラットフォームのことで、TM（商標）マークが付けられています。

※ データ及びAI（人工知能）を活用したサービスソリューションの提供が事業内容となっています。正社員約60名の6割程度がエンジニア、その4割はグーグルやマイクロソフトなどの出身とのことです。

「データ・AIから最適な品揃えと適正在庫を両立させる」「需要予測による発注と個店の品揃え最適化を同時にサポート」「TSUTAYA が先行導入し、書籍の返品率低減に成功 」などの説明が付けられています。

サプライチェーン上の製造業、卸売業、流通･小売業向けのサービスで、需要予測や自動発注の機能を具備し、在庫管理の効率化や利益率改善を支援するとのことです。

2021年には「TSUTAYA」を運営しているCCC（カルチャ･コンビニエンス･クラブ）と組んで書店事業向けのAI発注システムを共同開発し書籍返品率削減（注:一般的には30％以上のところ13％を達成）の実績を挙げているようです。これを受け、今回の提供に至ったようです。

このサービスでは、商品データ、ID-POSデータ、在庫データ、顧客のネット閲覧履歴、さらには利益率のデータなどを活用することで、ほぼリアルタイムに適正在庫を割り出し、最適な品揃えを提案するとのことです。

このサービスは出版業界に限らず様々な業界を対象にしているとのことです。

ニュースリリース（2022.6.21）のサイトは、https://www.flywheel.jp/newsrelease/20220621/です。

"ビッグデータの3V"とは

ビッグデータの定義や特徴について論じる時によく引き合いに出されるキーワードです。

米国に本拠を置く業界最大規模のアドバイザリー企業「ガートナー」のあるアナリストが2001年頃に、データが成長していく際の課題やチャンスをVolume、Variety、Velocityの3次元でとらえたことが始まりで、ガートナーでは、ビッグデータを説明したりする際に今でも3Vモデルを使用しているようです。即ち、Volume（データの膨大さ）、Variety（データの多種多様性）、Velocity（分析のリアルタイム性）の3要因の組み合わせでビッグデータの課題や価値が決まるということのようです。

インターネットを経由するデータの量は増加の一途を辿っており、IoTの進展によりその行きつくところは計り知れない感があります。桁違いに多量であると同時に、内容は多岐に亘ります。WebやSNSなどネット上の「バーチャルデータ」、現実空間の現象をデジタル化した「リアルデータ」の2種に大別できるようです。

いずれにしても、ハードウェアの性能向上やAIの適用などにより、ビッグデータの分析によるビジネスへの応用が加速されていきそうです。

 

"ロケーション・インテリジェンス"とは

GPS機能などを利用して収集・蓄積された位置情報データをビジネス（企業活動）に生かすことを指しているようです。

モバイル・インターネットや情報技術の進展を背景に、ビッグデータをビジネスに生かす「ビジネスインテリジェンス（BI）」という言葉が注目されていますが、特に位置情報に関連するビッグデータをマーケティングなどのビジネスに有効利用することを指しているようです。

この言葉は、「ピツニーボウズ（Pitney Bowes）」社のmapinfoにおいて名付けられたようで、「顧客情報や施設情報や取引記録など、企業が所有する位置に関する情報を測定・比較・分析し、その結果を地図へ表現して傾向を明らかにした上で、意思決定に活用し、位置情報を企業活動に生かしていくこと」と定義されています。

米「ウーバーテクノロジーズ」は、食品配達サービス「UberEATS（ウーバーイーツ）」において、位置情報データと機械学習とにより注文者までの配達所要時間を予測するシステムを開発し使用しているようですが、ロケーション・インテリジェンスのひとつの事例と言えるようです。

"グーグルホーム（グーグル）"とは

米グーグルが2017年中に日本で発売予定の、会話型AI「グーグルアシスタント」を搭載したスマートスピーカーです。

家庭に据え置いて使用する音声認識端末で、端末に話しかけると知りたい情報が検索できたり、音楽が再生できたりするようです。

海外では米国と英国で販売されているようですが、新たに日本語などの英語以外の言語にも対応させるようにし、他国への販路拡大も狙うようです。

関連サイト（2017.5.17付け）は、以下です。

http://www.androidpolice.com/2017/05/17/google-home-launching-canada-australia-france-germany-japan-summer/

http://www.androidcentral.com/google-home-headed-5-new-countries-summer

“トレジャーデータサービス（トレジャーデータ）”とは

米トレジャーデータ社（注：米国シリコンバレー、2011年12月設立、CEOは芳川裕誠氏）が提供する、大量のデータを収集・保管・分析するクラウド型のデータマネージメントサービス（DMS）です。

すかいらーくのモバイル・アプリ「ガストアプリ」（注:2014年10月公開）のビッグデータ分析をサポートしているようです。

すかいらーくでは、このサービスにより上記アプリの利用状況を詳細に集め販促に利用しているようです。即ち、アプリの利用者がタッチしたボタンの種類や回数、利用者の属性情報（年齢、性別など）、クーポンの利用履歴などを集め、販促の仮説を描いて実行に移し、そのデータを集めて検証というサイクルを回しているようです。

その結果、店の利用率の向上や売上の増加といった効果が現れているようです。

プレスリリース（2014.10.16）のサイトは、http://www.treasuredata.com/jp/pr10162014.phpです。

“米ピボタル（Pivotal）”とは

2013年4月、EMC（62%）、VMware（28%）、GE（10%）の3社の出資で設立された、米国のデータ分析ソフト大手です。次世代エンタープライズPaaS（Platform as a Service）のための新会社です。

ビッグデータ関連のソフト製品群を用意しており、メーカーの工場設備の動作データや会計などの社内データがまとめて分析できるなどIoTにおける活用法を提案しているようです。

ピボタルジャパンは、2015年3月12日、ビッグデータ基盤を実現するための統合パッケージである「ピボタル・ビッグデータ・スイート（Pivotal Big Data Suite）」の新版を発表したようです。このスイートには、以下のようなコアとなるものが含まれ、これらコアとなるものを初めてオープンソース・ソフト（OSS）として誰もが自由に使えるような形で提供することにしたようです。
　・分析MPP（Massively Parallel Processing）データ･ウェアハウス「グリーンプラム・データベース（Pivotal Greenplum Database）」 売上げなどの業務データを高速に分析する
　・エンタープライズSQL on Hadoop分析エンジン「ホーク（Pivotal HAWQ）」 センサーなどから収集した非構造化データを分析する
　・NoSQLインメモリ・データベース「ジェムファイア（Pivotal GemFire）」 メモリ上のデータを高速処理する

OSSとしての公開によりシェアを広げ、関連技術者を増やしたり商用版導入前に効果の検証をしたりする狙いがあるようです。

関連のプレスリリース（2015.3.13）のサイトは、https://news.mynavi.jp/techplus/article/20150313-a099/です。

“ドゥクラッセ”とは

衣料品のカタログ通販の企業です。2011年8月に導入した、顧客からコールセンターにかかってくる電話の本数を予測するシステムが功を奏しつつあるようです。

コールセンターにかかってくる電話の時間帯や通話時間など年間80万件程度の電話問い合わせデータを分析し、顧客からかかってくる電話の本数を高い精度で予測し、センター人員の最適化に生かしているようです。

分析ツールとして、NEC製の統計管理システム「NAVIGATORMIS」を利用しているとのことです。

具体的には、通販カタログが顧客の手元に届く日にち、広告やメルマガによる販売促進のタイミング、などの指標を用いて総合的に分析し、その日にかかってくる電話の本数を予測しているとのことです。

顧客がオペレータを待ちきれず電話を切ってしまう割合が3.9％（2011年）から2％（2012年）に減少し、人件費も4.3％削減できたとのことです。

“米テラデータ”とは

データ分析製品を提供する老舗企業です。世界77カ国・地域に展開しているとのことです。

これまで、データウェアハウス（DWH）と呼ばれるシステムの開発や販売を行い、金融機関、流通業、通信会社などのマーケティングを支援してきたようですが、それと同時に、センサーやSNSなどから収集した”非構造化データ（※）”を分析できる製品やそれと売上げなどの業務データとを一緒にして分析できるソフトウェアなども提供できるように用意しつつあるようです。

※ 構造が定義されておらずそのままでは機械的な処理が難しいデータをこのように呼んでいます。この種のデータを分析・活用するためには、例えば表形式で管理できるような形（例.関係データベースRDB、Excelなど）へ変換・加工する必要があります。

米「テラデータ」の顧客は、独「シーメンス」、スウェーデンの「ボルボ・カー」、米「イーベイ」などを含め、世界で2600社超とのことです。

「ボルボ・カー」では、「テラデータ」の製品を利用して、ネットに接続されるconnected vehicle（つながるクルマ）から収集されるテレマティクスのデータ、社内システムのデータ、SNSのデータなどを一元的に管理しているとのことです。

「テラデータ」は、日本法人を通して、我が国における支援体制を整え、金融や製造・流通などの各分野におけるデータ分析ニーズにきめ細かく対応していこうとしているようです。欧米の顧客企業の先進事例を紹介するなどして、需要を喚起しようとしています。

IoTが急ピッチで進展しつつありますが、日本企業が整備しようとしているビッグデータ分析システムとの競争が今後注目されます。

“データアナリティクス”とは

企業や組織の内外に存在するさまざまなデータを分析し、ビジネスの具体的な成果につなげるまでの一連の活動のことを指しているようです。

この概念が、あらゆる業種の企業に浸透しつつあるようですが、それはコンピュータシステムやインターネットを中心とするIT（情報技術）の進展によって、多様なデータを収集し蓄積しやすくなり蓄積された大量のデータを高速に分析する手段（システム）が整ってきたことによると考えられます。時間や労力、費用の壁によって十分な形でできなかった分析が容易に行えるようになってきました。

分析対象は、第1段階）業務システム、第２段階）Web、第3段階）現実世界の3段階に分けて考えることができ、現在は第3段階に入っていると言われています。

第1段階は、1990年代～の取り組みで企業などが持つ業務システムのデータが分析対象です。販売実績に基づく需要予測や経営指標の集計による改善すべき事業の洗い出しなどに利用されていました。

第2段階は、2000年代中盤で、Web上のコンテンツやサイト上での人の行動が分析対象です。Webサイトの重み付けや通販サイトでの購入履歴に基づくレコメンデーション（※1）などに利用されていました。

※1 マーケティング用語です。ネット通販などで利用者の購買履歴を分析し、現在購入を検討中の利用者に対し興味・関心がありそうな情報を提示する手法です。「協調フィルタリング」や「コンテンツフィルタリング」といった手法が利用されています。

そして、現在の第3段階は、IoTの進展を背景にセンサーデータや複数システムに跨るデータが分析対象です。いわゆるビッグデータの時代で、人の現実の行動や社会の動きなどの把握などに利用されます。

第3段階での分析を効果的に行うために、その専門家、即ち、データサイエンティスト（※2）の需要が高まっています。

※2 ビジネス、統計、ITの3つのスキルを併せ持ち、データを価値に変えることができる人材をこのように呼んでいます。