ビッグデータの中にいる、...

© Hitachi Systems, Ltd. 2013. All rights reserved.

ビッグデータの中にいる、未来のお客様に会いに行きましょう～Smart Business Gateway～

産業・流通事業グループ常務執行役員抜井一成

2013年7月23日 11:50～12:40

モバイル＆ソーシャルWEEK ２０１３

© Hitachi Systems, Ltd. 2013. All rights reserved. confidential 1

はじめに

構造化データ 20% 非構造化データ 80%

売上ﾃﾞｰﾀ顧客ﾃﾞｰﾀ会計ﾃﾞｰﾀ等

監視映像気象情報

位置情報ソーシャルメディア（Twitter、Blog等）

交通情報

各種入力端末

スマートフォンタブレットスマート家電 PC 携帯電話

≪ビッグデータをビジネスチャンスに≫

２０１２年に２．２エクサバイト（２時間のHDムービ２億本分休まず見ても５万年かかる）

（ビッグデータを活用できる者がビッグチャンスをつかむ）


[日本テレビ] NEWS ZERO×選挙公式ホームページ


■ダッシュボードのイメージ

2013参議院選挙リアルタイムダッシュボード政党政策議員・候補者

全メディア露出・反響分析

TV/TW 露出・反響分析

ソーシャル露出・反響分析

メディア別露出・反響分析

政党別ポジネガ分析


TV/TW 露出・反響分析


政党別分析（P/N)


選挙区別露出・反響分析

TWフォロワー数ランキング

FBいいね数ランキング

世論

公式アカウント


候補者別ポジネガ分析

選挙用ダッシュボード

※ホットリンク社との共同



全メディア露出・反響分析テレビは比較的均等、ブログ・Twitterは偏りあり



ブログ・Twitter共に外交についての言及数が多い全メディア

露出・反響分析


１．ビッグデータの誕生（情報革命の更なる発展）

産業革命

情報革命

情報革命の更なる進展

1760年代～ 2000年代～ 2010年～

要素

変化

・蒸気機関・機械化、動力化

・PC ・ｲﾝﾀｰﾈｯﾄ

・分析技術の発達・ｽﾏﾎ、SNSの普及

工業社会へ情報社会へｽﾏｰﾄ社会へ（ビッグデータ社会へ）

販売ﾃﾞｰﾀ、ﾎｰﾑﾍﾟｰｼﾞ、ﾒｰﾙ、ｿｰｼｬﾙﾃﾞｰﾀ

データｱﾅﾛｸﾞﾃﾞｰﾀﾃﾞｼﾞﾀﾙﾃﾞｰﾀ急増データビッグバン

[膨大なデータ発生]


２．ビッグデータとは２．１ビッグデータの概念

ビッグデータの概念

人材・組織 [データサイエンティスト等]

データ処理・蓄積・分析技術 [機械学習、統計解析等]

非構造化データ（新）音声、ブログ/SNS、映像/動画、電子書籍、GPS、センサ等

非構造化データ（旧） [音声、ラジオ、TV、新聞・書籍等]

構造化データ顧客データ、売上データ等

広義のビッグデータ

狭義のビッグデータ

出典：総務省「情報流通・蓄積量の計測手法の検討に係る調査研究」（平成25年）

クラウドサービスやソーシャルサービスの定着

スマートフォン等の普及

Ｍ２Ｍ通信の進展

多様で膨大なデジタルデータがネットワーク上で生成・流通・蓄積

ビッグデータ Volume（大容量）、 Variety（種類・多様性）

Velocity（高頻度）


出典：情報通信白書平成25年版

スマートフォン4,878万台

携帯 8,135万台

「スマートフォン」は、49.5％（前年比20.2ポイント増）と急速に普及が進んでいる

２．２ビッグデータの種類２．２．１情報通信端末の推移（世帯保有率）


２．２ビッグデータの種類２．２．２データ量の推移

※出典：情報通信白書平成25年版

2012年に2.2エクサバイト（ソーシャルデータは7年で7.3倍の伸び）

7年で5.2倍に


３．ビッグデータ誕生３つの理由

社会基盤の整備と必要性

グロバルな観点から、法制に関する国際的な協力体制

モラルハザード、プライバシー情報に関するリスク

取得・蓄積・処理・分析ツールの成熟

巨大なデータ処理を可能にしたHadoop技術

クラウドコンピューティングなどデータ処理技術の向上

データ取得しやすい環境の整備

スマホ等携帯端末の急速な普及による環境整備

センサー技術の高度化、低価格化

ソーシャルメディアの普及

企業でもソーシャルメディアを活用

ソーシャルメディア登場による生活者の高度ＩＴ化


３．ビッグデータ誕生３つの理由３．１取得・蓄積・処理・分析ツールの成熟














サーバ、ストレージ、クラウド超高速データベースエンジン（Hitachi Advanced Data Binder）並列分散処理基盤（Hadoop）：分散ストレージと並列処理による高速計算スマートデバイス、データ収集デバイス、高速ネットワーク

３．ビッグデータ誕生３つの理由３．１取得・蓄積・処理・分析ツールの成熟近年のハード、ソフトの目覚しい進化により、多種多様（Variety）高頻度（Velocity)で大量（Volume)に発生するビッグデータが活用できるようになった。

※1：内閣府の最先端研究開発支援プログラム「超巨大データベース時代に向けた最高速データベースエンジンの開発と当該エンジンを核とする戦略的社会サービスの実証・評価」（中心研究者：喜連川東大教授／国立情報学研究所所長）の成果を利用。 ※2：日立従来製品との比較。解析系データベースに関する標準的なベンチマークを元に作成した、各種のデータ解析要求の実行性能を計測。データ解析要求の種類によって高速化率には差が見られるが、データベースにおいて特定の条件を満たす一定量のデータを絞り込んで解析を行うデータ解析要求を対象とした結果。

© Hitachi Systems, Ltd. 2013. All rights reserved. confidential

超高速データアクセス技術

13

サーバ、ストレージの能力を最大限に使いきるソフトウェア技術

DB検索(SQL)処理を並列実行単位に自動分割し高多重で実行

タスク割当検索処理 I/O完了待ちディスクI/O

サーバ

ストレージ

【従来方式】：順序実行方式

【新方式】：非順序型実行原理*

検索処理(μs)

同期I/O処理(ms)

【従来方式でのストレージアクセストレース】

【新方式でのストレージアクセストレース】

処理時間を大幅短縮

東京大学との超高速データベースエンジンの共同研究開発成果の製品化

日立従来比約100倍のデータ検索性能

*：喜連川教授・合田特任准教授（国立大学法人東京大学）が考案した原理。

顧客情報明細履歴情報注文情報

検索処理(μs)

同期I/O処理(ms)

サーバ

ストレージ

３．ビッグデータ誕生３つの理由３．１取得・蓄積・処理・分析ツールの成熟


３．ビッグデータ誕生３つの理由３．２データ取得しやすい環境の整備














３．ビッグデータ誕生３つの理由３．２データ取得しやすい環境の整備

すでにビッグデータは皆さんの身の周りにあります！

ビッグデータ取得事例(1)

■Jリーグを目指すU-18の育成にビッグデータを活用

人の行動を２４時間運動量センサーで記録・分析・可視化

することで、生活やプレーに気づきを与え、新たな価値をも

たらす。本件のライフログのビッグデータ解析は、選手の健

康管理に活用でき、トレーニング育成改善まで、さまざまな

可能性を秘めています。

運動量センサー

スマホ、タブレット等のモバイルデバイスの急速な普及、

GPS等の各種センサーの高性能・低価格化により、

様々な情報入手が容易な環境に！














３．ビッグデータ誕生３つの理由３．３ソーシャルメディアの普及


Twitter

３．３ソーシャルメディアの普及３．３．１ソーシャルメディアの種類

（ソーシャルデータは7年で7.3倍の伸び）


日本の利用者：

３，０００万人超※１

１日のつぶやき数：

５，０００万件超※２

※１）出典：Semiocast（パリに本拠を置くアナリスト・グループ）による日本でのアカウント数 http://semiocast.com/publications/2012_07_30_Twitter_reaches_half_a_billion_accounts_140m_in_the_US ※２）出典：当社調べ

Accounts created before 01-01-2012 Accounts created between 01-01-2012 and 01-07-2012

Number of accounts (in millions)

U.S. Brazil Japan U.K. Indonesia India Mexico Canada Spain Philippines

1 2 3 4 5 6 7 8 9

10

Rank & country

Top 10 countries in terms of Twitter accounts (accounts created before 01-07-2012)

0 10 20 30 40 100 110 120 130 140 150 …

３．３ソーシャルメディアの普及３．３．２ Twitterの利用状況


３．３ソーシャルメディアの普及３．３．３ソーシャルメディアの利用分布（性別、年齢、職業）

参照元 In the looop http://media.looops.net/sekine/2012/11/22/neilsen-netview-201210/

ソーシャルメディアの推移

(万人)

2015年には、国民の 83%がソーシャルメディアを利用

ソーシャルメディア利用者

ソーシャルメディア情報発信者

40代・50代で半数以上に

職業人の利用が圧倒的

出所：2012年株式会社インプレスR&D インターネットメディア総合研究所調査資料統計局・政策統括官・統計研修所人口の推移と将来人口よりSXが作成


４．ビッグデータがもたらす変化

「ビッグデータ」で何が変わるのか？（例）

【企業】

【生活】スマート家電・遠隔操作/自動制御・スマホと連動したヘルスケア・高齢世帯サポート

【社会】スマートシティ・エネルギー：消費予測・最適化・交通：交通手段最適化・気象：生産最適化/災害予測

膨大な数の生活者の本音であるソーシャルデータを分析することで、企業は変わる。 [マーケティング部門] ・生活者のトレンドの先取りからヒット商品を企画。 [営業部門] ・口コミから顧客の課題を見出し、解決策を提案。 [人事採用部門] ・学生の生の声をキャッチし、効果的な採用活動 [広報部門] ・自社に関する風評をいち早くキャッチして、炎上対策


５．当社の取り組み５．１．会社概要

21

日立システムズの会社概要

：株式会社日立システムズ商号

設立

資本金

事業内容

売上高

従業員数

：１９６２年１０月１日

：１９,１６２百万円

代表者：代表取締役取締役社長髙橋直也

：システム構築事業システム運用・監視・保守事業

：３,399億円（2013年3月期、連結）

（２０１３年３月３１日現在、単独）： 10,612名

ネットワークサービス事業情報関連機器・ソフトウェアの販売と開発

ビッグデータの提供からコンサルティング、設計、構築、導入、運用、保守まで、ITのライフサイクル全領域でお客様の経営や業務をサポートします。


６．未来のお客様へ会いに行きましょう６．１ Smart Business Gatewayとは

未来のお客様

オムニチャネル化

ビジネスマッチング（企業間コラボレーション）

ソーシャルデータ活用

ソーシャルデータ活用・分析サービスＳｍａｒｔ Date （リリース済）

ソーシャルデータリスニングサービスＳｍａｒｔＬｉｓｔｅｎｉｎｇ *

ソーシャルデータ活用レポートサービスＳｍａｒｔＲｅｐｏｒｔ *

ソーシャルデータ活用コンサルティングサービス

ＳｍａｒｔＣｏｎｓｕｌ *

リアルタイムランキングサービスＳｍａｒｔＶｉｅｗ *

ビジネスマッチングサービスＳｍａｒｔ Matching *

オムニチャネルサービスＳｍａｒｔ Channel *

デジタルマーケティングサービスＳｍａｒｔ DMS *

オムニチャネル活用コンサルティングサービス

Ｓｍａｒｔ Consul *

*2013年9月サービスリリース予定


６．２ソーシャルの中にいる、お客様６．２．１ソーシャルデータの活用方式の変化

ソーシャルメディアソーシャルメディア

自社公式アカウント内の利用ソーシャル全体データの活用

A社 A社 B社 C社

自社外のソーシャルデータ活用により、ユーザニーズが把握できます


６．２ソーシャルの中にいる、お客様６．２．２ソーシャルデータの中にいる、お客様

パネル調査

ＰＯＳ

注目興味欲求動機購入感動共有

？

？ ◎

○

△

？？

？

？

？

ＳＮＳ ○

心情行動

消費者数

時間

離反

離反

離反した理由・状況をソーシャルデータから発見する

他社商品を購入した顧客の評価をソーシャルから発見する

((優良顧客))

？

？ △

？

他社商品を購入した顧客の評価をソーシャルから発見する

自社商品購入後の評価をソーシャルから発見する

購買プロセスにおける生活者の生の声を、ソーシャルデータから拾うことで離反防止し、購買後のリピート率向上につながります。

離反防止

リピート率向上

購買プロセス


フィルタリング

「カテゴライズ」「フィルタリング」「マイニング」の機能で、お客様の声が見えてきます。

６．２ソーシャルの中にいる、お客様６．２．３ソーシャルデータ分析を支える技術

マイニング

ネガティブ・ポジティブな内容に絞って検索可能

SNS上で影響力の強いインフルエンサーの発信のみに絞ってランキングを表示可能

カテゴライズ

「カテゴリで絞り込む」機能で、ランキングを[地域]や[感想]で

絞り込むことが可能


６．２ソーシャルの中にいる、お客様６．２．４ソーシャルデータの活用事例①


保育・病院との連携、美容ｻﾛﾝの改善点が見つかる。

ﾉﾝｱﾙｺｰﾙだと悟られないようなﾈｰﾐﾝｸﾞのﾄﾞﾘﾝｸを用意したところ、女性からのｵｰﾀﾞｰが増え、女性客も増加。

◆客観的データの裏付け（例：美容室）

美容院行きたい！でも子供の面倒を見てくれる人がいないから行けない。。

アレルギー持ちなんだけど、ヘアカラー大丈夫かな。

6月にヘルニアになってからイスが固い美容室で 3時間座るのはかなり苦痛。

◆商品開発に活かす（例：居酒屋）

昨日はいつもよりお酒を飲みすぎました。お酒強くないのに会社の飲み会だとノンアルコール頼みづらいから、お酒を頼まなくちゃいけないのが辛い。。

この居酒屋の「ｼﾝﾃﾞﾚﾗﾏﾝｺﾞｰ」超おいしい！＾＾ﾉﾝｱﾙｺｰﾙなんだけど、名前がﾉﾝｱﾙｺｰﾙっぽくないから空気を壊さず頼みやすい！

ソーシャルデータ分析によりお客様の離反を防止

６．２．４ソーシャルデータの活用事例①


６．２．４ソーシャルデータの活用事例②

【新たな発見】オランダではコロッケの自動販売機がある。

【新たな発見】 2012年9月24日～ 2012年9月30日にスパイク。原因は、「台風17号」。

隠れたブームを見つけ、売上拡大！


６．２．４ソーシャルデータの活用事例 ③企業ダッシュボード

29

■ダッシュボードのイメージ

飲料メーカー向けダッシュボードメーカー別分析

商品カテゴリ別分

析個別商品別分析

競合分析

自社分析

メディア別分析

ＴＷフォロワー数

ＦＢいいね数

需要予測競合商品

自社商品

ＦＢいいね数

生活者の声

企業アカウント

男女・年齢地域

ＴＷフォロワー数

POS比較

●競合分析・自社分析で「自社の強み」を最大化する即戦力ツールとして、業界に特化したソーシャルデータ・ダッシュボードをご提供いたします。 ●他社に先駆けたトレンド把握で売上向上に貢献いたします。

マリアージュ分析レポート出力インフルエンサー分析

需要予測で売上向上にも貢献！

カテゴリ分析

・商品企画

・番組企画

・イベント企画

・集客数・販売数

・視聴率予測

・ニーズ分析

・業界トレンドの把握

・インフルエンサー調査

・各メーカ商品の評判

・ＣＭ・イベント・番組の反響

・話題性（ホットワード）

・トピックス

・コンシューマの生の声


６．３オムニチャネルの中にいる、お客様６．３．１オムニチャネルとは

【図】オムニチャネルの概念図出典: イメージ図は、NRF Mobile Retail INITIATIVE、「Mobile Retailing Blueprint V2.0.0」より引用

オムニチャネル

顧客接点

小売側の状態

【シームレス】いつでもどこでも同じことができるチャネルではなくブランドとして認識

チャネル横断型で商品情報・顧客情報の管理ができている

チャネルと

生活者のイメージ

実店舗やテレビ、通販サイト、ウェブサイト、ソーシャルメディア、スマートデバイスなど多様な販売チャネルを統合し、顧客の最も満足度の高い購買体験を演出

Twitter、Facebookのイイね!などの情報と顧客リスト、過去の購買履歴ポイント、カード会員情報と照らし合せ、最適なプロモーションを演出

ネットや店舗内情報を統合、比較分析し、消費者行動を先読みすることで商機を最大化させる

販売チャネルの「多角化」ではなく、「統合していく」もので、複数チャネルからから得られた、顧客情報をコミュニケーションに活用


６．３オムニチャネルの中にいる、お客様６．３．２ O2Oによる購買機会の拡大

【ECサイト用商品カード】商品番号：xxxx メーカー：xxxx サイズ：24.0cm 色：ベージュ

ショップ

自宅にて、Webサイトから商品および在庫確認

ショップにて実物を試着したが、商品購入に至らず

自宅自宅

店員さんから商品番号の付いたカードをもらった。 ECサイトからこの番号で買うと特典が付くらしい！

自宅からECサイトで購入

ECサイトから購入。特典が付いて、自宅に届いて、便利で簡単！

配送

商品をチェック

履き心地はいいけど、どうしよう。。

お気に入りの在庫を確認

生活者にシームレスな購買機会を提供し、売上拡大を実現します

お客様にレコメンド


６．４企業間コラボの中にいる、お客様異業種企業間の送客（セグメント）

レコメンド

ブランドショップ分析基盤

店舗

お客様分類（ペルソナ像）ビジネスマッチング

オウンドメディア（Web/EC)

２０～３０代女性

ブランド好き丸の内在勤おしゃれ好きファッション

分析基盤

ブランド好き丸の内在勤おしゃれ好きグルメ

旅

おしゃれな街のレストラン

共通項が多いためそれぞれの興味をレコメンド

おしゃれな街のﾚｽﾄﾗﾝでﾌｧｯｼｮﾝｲﾍﾞﾝﾄ開催

…

…

○

○

○

○

○

○

グルメ情報提供

ﾌｧｯｼｮﾝ情報提供

商品購入によりﾚｽﾄﾗﾝ招待券贈呈

相互送客（顧客クラスタ）

来店者へのブランドファミリーセール

招待状贈呈

店舗

オウンドメディア（Web/EC)

・顧客セグメントによる相互送客

相互送客

異なる業種の企業間であっても、ペルソナが共通すれば相互送客で売上拡大

○

２０～３０代女性 ○


７．セキュリティーとプライバシー保護への取り組み

・プライバシー保護に対する基本的な考え方

株式会社日立システムズでは、プライバシーマークを取得し、JIS規格（JIS Q 15001）則った個人情報保護マネジメントシステムに従ってデータを扱います。ビッグデータビジネスにおけるプライバシー保護を堅固なものとするため、プライバシー・バイ・デザインの概念に基づくプライバシー保護のため対策に取り組んで参ります。

・アウトソーシング事業で培った高信頼性

アウトソーシングセンターにおける業務運用に関して、ＩＳＯ９００１対応の規格を設け、堅ろうな国内データセンターでのアウトソーシングの経験とノウハウを活かし、高度なセキュリティー環境で、安全性・信頼性の高いサービスを提供します。

※１

※１プライバシー・バイ・デザイン EUのデータ保護規則案や総務省が取りまとめたスマートフォン・プライバシー・イニシアティブ等、各国の政策検討の際に参照されているとともに、実際に大規模なパーソナルデータを扱う企業においても考え方として採用されるなど、プライバシー保護施策の世界的な標準となりつつあります。


８．Smart Business Gatewayの目指す世界

オープンイノベーションをキーワードに新たなビジネスを創出しましょう。

人とＩＴのチカラで、驚きと感動のサービスを。

本ご報告が皆様の企業活動の一助となりましたら幸いでございます。ご清聴頂きまして誠にありがとうございました。

スマートビジネスゲートウェイ

までお問い合わせください。

ビッグデータの中にいる、...

Documents

Transcript of ビッグデータの中にいる、...