ビッグデータの活用に向けた組織...

ビッグデータの活用に向けた組織のあり方

元橋一之

東京大学工学系研究科（技術経営戦略学専攻）＆文部科学省科学技術・学術政策研究所・経済産業研究所

http://www.mo.t.u-tokyo.ac.jp/

ビッグデータ時代のビジネスチャンス

• 利用可能となるデータの量的・質的変化

– Volume： Twitterの1日の情報量：12TB、100MB/sで読みだした場合2.7時間

– Variety:データの多様性（テキスト、画像、音声など）

– Velocity: データの新鮮さ(Web情報、センサーデータなどのリアルタイム性）

• データ化（Datafication) と新たなビジネスモデルの可能性

– 電子商取引の広がり（Consumer Generated Media)→SNSデータ（テキストデータ（非構造化データの構造化）

– センサーの広がり（スマートフォン、車載ネット、機器稼働状況..）

– セグメンテーションから個のマーケティング、場所・時間を特定した四次元プロモーション

• ビッグデータを支える技術の進展

ビッグデータを活用した新ビジネス可能性の広がり

これまでのIT活用と何が違うのか？

企業内情報（人事・財務、既存顧客データ、

SCM等）

センサー情報：機器モニタリング、生産プロセス、バイタルなど

（企業内・顧客・サプライヤー、外部購入）

行動・表現情報：SNS、

ウェブ購買履歴、移動データなど（オープンデータ、小売流通業者、外部

購入）

What

見える化、問題発見

Why->How

原因分析、対策

広範囲・網羅的

深層・間接的影響

ビッグデータの活用事例

元データ

所有・コントロール

利用

所有・コントロール

利用

利用 提供

• 大阪ガス（メンテ携行品の最適化） • JR東日本のメンテナンス利用

• 岐阜医大病院の医療プロセスシステム

• マツダ（スカイアクティブ設計開発）

• コマツ（コムトラックス等） • ダイキン（エアネット） • キャノン（NETEYE)

• GE,日立等（プラント保守点検）

• 日本調剤（処方箋データ）→製薬メーカー

• ローソン→食品メーカー等

• 日産（車両通行D)→損保ジャパン（PAYD保険)

企業内

企業＋α

企業＋企業

BDイノベーション類型と事例

元データ

事例１：コマツのDB活用

建設機械

（ex. パワーショベル） 鉱山機械

（ex. 大型トラック）

KOMTRAX データ：GPS、稼働時間→

燃料ゲージ、部品・オイル・フィルタセンサー

価値：盗難防止、省エネ→部品交換時期、製品開発（環境対策）

KOMTRAX Plus データ：GPS、稼働時間、燃

料ゲージ、部品・オイル・フィルタセンサー

価値：省エネ→部品交換時期

ICT建機 データ：建設機械の運転記録データ

価値：建機の半自動運転

GEとの戦略提携

スマートコンストラクション（地表、地中データを加えた施工計画）への展開

展開

AHS（Automated Haulage

System (無人ダンプトラック運行システム）

データ：GPS

価値：無人運転

事例2:日本調剤＋製薬企業

元データ：日本調剤 処方箋データ、患者に対するアンケート調査など

所有・コントロール：日本医薬品総合研究所(*) 処方箋データ、患者に対するアンケート調査など

データの匿名化

提供 フィードバック

（薬の継続利用、併用、切り替え情報）

利用：製薬メーカー（主に他社製品情報） 創薬（競合先行薬の市場情報）、ジェネリック薬品（先行品にはない服用方法等）、マーケティング

自社製品情報との組み合わせ

(*)日本調剤の100％子会社

事例3:ローソンイノベーションラボ

ローソン：コンビニ小売情報

• 約12000店舗、平均800人の利用→1日1000万人近い購買データ

• 商品ライフサイクル：1週間～1ヶ月

• 新商品開発（PB商品）のためのデータ解析技術に関するノウハウ

イノベーションラボ

• 15名程度の事業部横断組織（商品本部マネジャークラスが兼務）

• 取引先企業約140社の技術情報

商品（事業)部内の製品開発ニーズへの対応

事例：鳥越製粉（ブランパン）、ロッテ（ウォーキングプラスガム）

他社データとの組合せによる経営戦略への活用

メーカーとの協業に展開

BDによるイノベーションのポイント

データ所有者 データ利用者

① ニーズ（＊）

② 提供

③ 他用途、他社への提供

（GPD: General Purpose Data)

ベンダー・コンサル

データ所有者

• どのようなデータがあるか？

• どのように使えるのか？（社内ユーズも含めて）

データ利用者

• どのようなデータがあれば、自社ビジネスに価値が生まれるか？ ＊ニーズについては、自社内、社外の両方あり

具体的ニーズから開始→適用拡大（自社内プロセス） →データ提供、データ利用などOIへの拡大（組み合わせ）

元データ

所有・コントロール

利用

提供

データ利用に関するイノベーション

• コンベンションでのプレゼンテーション（ITSジャパン）

• データマイニングコンテスト（カグル）などクラウドソーシング

データベースの強化

• データ化（Datafication)、データ量の増大（ビッグデータ） • 大量のユーザーベースの確保、ユーザーサービスの向上（two sided

market)

• 公開データの利用、組み合わせ

獲得

OI型(企業＋企業）のBD活用の進展

情報系システムの進化系

レポーティング 分析（アナリティクス）

業務オペレーションの一環 イノベーションのための探索的活動

財務データ、ビジネスの「見える化」 パターンの発見

判断のための材料の提供 「答え」の提供

機械による自動化 人が介在（試行錯誤）

定型作業 カスタムメイド

既存業務の改善（漸進的） 新たな事業創出への貢献（急進的）

データドリブン・インテリジェント経営

アナリティクス

データの蓄積・組み合わせ、ITシステム（EDBS）、クラウドの活用

レポート

（定型フォーム）・オペレーション

イノベーション（新ビジネスモ

デル）

サンドボックス

新たなフォーム

「分析テーマ」

「気づき」 事業提案

経営者、ビジネスリーダーの経験、

勘

Web、SNS等

社内オペレーション

顧客データ

センサー

データ

例：リクルート 例：JR東、ドコモ 例：コマツ 例：マツダ

アナリティクスを支える人材： データサイエンティスト

• The sexiest job in 21st century (Davenport and Patil)

• FacebookやLinkedInにおける「つながり」に関する研究者を示す言葉として作られた

• ビッグデータの特徴：Volume, Variety and Velocity

→「問題を説く」のではなく「データから価値を見つける活動」、「全体の把握と問題の細分化」

• コーディングスキル（Data parsing, Visualization）、確率、統計学(データ分析）などの知識＋ビジネスのフロントラインとのコミュニケーション能力

• 「ビジネスセンス」（Design Thinking）

BD時代のイノベーション戦略を考える上での論点

• 組織のあり方：CIOとCTOの役割分担、IT戦略とITインフラの切り分け

• 人材育成のあり方：データサイエンティスト育成（IT専門知識＋業務知識）、イノベーション戦略部門

• OIを進めるための外部リソースの活用方法：デ

ータサプライヤー（自社データとの組み合わせ、サプライヤーとの協業）、ベンダーの活用

参考資料：サイエンス経済と技術経営戦略のあり方

日本の産業競争力の現状

「強み」は持続

• モノづくり（生産技術、知財、サプライヤーネットワーク）

• 企業内人材育成→現場力

• 旺盛な海外活動

ビジネスモデルの視点欠落

戦略的視点の軽視・自前主義

本社（本国）中心の活動

グローバル経済環境の変化

（需要・供給両面での新興国の台頭）

経済発展の国際比較（GDPシェア） （1990年購買力平価ドル）

（Angus Maddison, Long term economic growth database)

一人当たりGDP（1000ドル・対数スケール）

英国、スペイン

米国

日本 韓国、ブラジル

中国、インド

タイ、エジプト

競争力の源泉（生産要素）と経済の特徴

農耕経済

（17世紀まで） 工業経済

（18世紀～20世紀） サイエンス経済(*)

（21世紀）

競争力の源泉となる生産要素＝経済成長の源泉

労働力・土地 資本設備・工業技術・輸送インフラ

高度知識人材・サイエンス（汎用技術）・IT

インフラ

外的要因 産業革命によって、機械（資本）が人力を代替

サイエンス革命（IT,バ

イオ、ナノテク）、新興国のキャッチアップ

一人当たりGDPのパターン

国間格差なし： 人口＝GDP

国間格差の拡大：工業技術、インフラ整備の普及プロセスの差

国間格差の収斂

サイエンス経済、投資貿易レジーム（WTO等）→キャッチアップ速度の上昇

(*)自然科学に関する科学的知見だけでなく、社会現象を科学的に究明し、それを

経済価値化していく活動がベースになる経済社会システム

工業経済とサイエンス経済のイノベーション

技術的発見（発明） (蒸気機関、鉄道、電力シ

ステム）

科学的発見

（IT、バイオ、ナノ）

製品・技術(知財）

ユーザー・社会

プロセスイノベーション

プロダクトイノベーション

技術プラットフォーム（製品・技術群）

ユーザー・社会

サイエンスベースイノベーション

ビジネスイノベーション

モノづくり→ビジネスモデル構築

顧客ニーズ

モノ

自社技術

顧客ニーズ

モノ

顧客ニーズ

モノ ソリューション

技術プラットフォーム（自社＋他社）

サイエンス基盤

顧客ニーズ

サイエンス経済のイノベーションの特徴

工業経済時代 サイエンス経済時代

プロダクト＋プロセス サイエンス＋ビジネス

技術プッシュor市場プル ビジネスモデル設計（価値デザイン）

（技術に裏付けされた）モノづくり （サイエンスに裏付けられた）コトづくり

自前主義（自主開発） オープンイノベーション サイエンスイノベーション：産学連携

ビジネスイノベーション：顧客（企業）との協業

事例

・ コマツのコムトラックス（ビッグデータの活用） ・ アパレル分野におけるユニクロと東レの協業

顧客にとっても「価値（意味）」を科学的に分析（データサイエンス）＋先進技術（サイエンス）による差別化

ビッグデータ活用と

Key

Stone

（B2C)

Key

Stone

（B2B)

ビッグデータと（技術）経営戦略

顧客ニーズの変化・不確実性の増大

ビジネスイノベーター

（B2Cキーストーン企業） • 顧客価値の把握（製品機能→意味的価値、Unmet Needs）

• 収益モデル（モノ→ソリューション）

技術プラットフォーマー

（B2Bキーストーン企業） • 技術シーズドリブン→事業ドリブン（リードカスタマーの動向）を

• 固有技術→オープンイノベーションも活用した技術プラットフォーム

顧客価値の追求、ソリューションを創出するためのBデータ

顧客業界情報、外部技術シーズ把握のためのBデータ

工業経済モデル→

サイエンス経済モデル、その中でのビジネスイノベーションに関するオープンイノベーション、技術経営戦略にあり方については、拙著(2014年2月刊行)も参考にしてください。