BI online

ビジネスニュースをデータ活用の視点から幅広く配信

機械学習をビジネスに活かす
株式会社カインズ矢口さん

★このコラムは、Voicyをテキスト化し一部抜粋したものです。ご聴講は、こちらをクリックください。

本日のゲストは日本全国にホームセンターを構えている株式会社カインズの矢口さんです。 社内のデジタル推進化に取り組まれています。オウンドメディア「となりのカインズさん」もとても面白いサイトですので是非ご覧ください。またアプリ開発にも力を入れていらっしゃいます。 広大な店舗で、自分が欲しい商品を検索したり、事前に欲しい商品を注文してお取り置きをし、希望の店舗で受け取れる機能なども付いています。

自己紹介

株式会社カインズ デジタル戦略本部 デジタルソリューション部の矢口です。新卒で経営コンサルの会社に入社して、10年ほどクライアント企業の組織や、業務改革、システムプロジェクトなどを経験しました。その後、ゴルフダイジェストオンラインに転職し、大規模プロジェクト・システムの導入に携わり、ユーザー側の業務要件や、システム要件を取りまとめる仕事をしていました。システム導入後も半年から1年ほど保守・サポート・追加開発を行っていたのですが、その後、データを活用した分析に興味を抱き、お客さんに喜んでもらえるサービスは何かを追求すれば、もっとビジネスに貢献できるのではないかと思い、手元にあるデータを少し触り始めたのが僕のデータ活用のきっかけです。当時は対事業部向けに分析レポートを作成し、各事業部に提案する活動をしていました。その後2013年ぐらいアナリティクスのスキルを突き詰めたいとの思いから、SASへ転職してコンサルタントとしてまた仕事を始めました。

参画したプロジェクト

SASでは、ショッピングサイトを運営しているお客様に対して機械学習を使った顧客のセグメンテーションをしたり、インフラ系の会社で、キャンペーン施策の反応予測と効果検証、BIのダッシュボードを構築など行ってきました。機械学習は、データを集めて加工してそのデータを機械学習モデルに取り込めば、何かしらの答えを出してくれます。機械学習モデルの作成自体はそれ程ハードルの高いものではないと思いますが、色々なお作法があり、使いこなすにはそうしたお作法を知っておく必要があります。僕はマーケティングのプロジェクトを担当することが多かったので、①顧客に関するデータをデータセットとして作り、②それを機械学習モデルに取り込んで予測モデルを作り精度検証を行い、①’精度を上げるために再度データセットを変更し、②’予測モデルを作り精度検証を繰り返すということを行っていました。そのような作業を行っていると機械学習の結果は下記の3パターンに分類されてきます。

  1. 事前に想定した通りの『説明変数』が予測結果に影響を与えているパターン
  2. 機械学習モデルに投入するまで気が付かなかったが、その『説明変数』が予測結果に影響を与えていることが理解でき、新たな発見に繋がったパターン
  3. 全く想定していない『説明変数』が結果に影響を与えているパターン

前の2つは良いのですが、3つ目のパターンの場合は、機械学習モデルに取り込んだデータセット自体に問題がある可能性があるので、データセットの『説明変数』を見直して、再度データを機械学習モデルに取り込むといった作業を繰り返し行っていました。『説明変数』とは、因果関係の原因となる変数です。例えば、スーパーマーケットのお客様の生涯購入金額(LTV)を出したい場合、お客様のこれまでの購入金額、購入回数、来店頻度などが影響するであろうと想定し、これらの変数が結果=LTVにどれぐらい影響を与えるのかを機械学習で探っていきます。購入金額が同じお客様でも、週に5回行っているお客様もいれば、2回しか行かないお客様もいます。1回あたり1000円の購入金額のお客様もいれば、5000円の購入金額のお客様もいる。そういった購入金額、購入回数など、結果=LTVに対して影響を及ぼす変数のことを『説明変数』と言います。

機械学習のハードルの高さは、データを準備する点と、ビジネスにどう活用するかの点です。現在ではツールを使えば機械学習モデル自体作ることは、誰でもできます。機械学習が定着化に繋がらない原因は、機械学習を使える人は増えてきているけれど、ビジネスに展開できる人材が不足している点だと思います。

現在のカインズでは実は機械学習プロジェクトはあまりやっておらず、前職でSalesforceを使用していたこともあって、Salesforceを使った業務のデジタル化に取り組んでいます。その他にもカインズではオウンドメディアの立ち上げ、ネイティブアプリの開発など、デジタルソリューションの内製開発に取り組んでいます。内製化を進めていく中での大事な要素は、お客様が利用してくださるサービスなので、コミュニケーションを取るのが上手な方、ウォーターフォール開発のように仕様書を作ってそれ通りに実装していくのではなく、スクラム開発と言って、ユーザーとディスカッションしながら開発を進めていくスタイルに抵抗がない方を、今求めています。

後半

ウォーターフォール型とアジャイル型について

ウォーターフォール型は上から下に水が流れるように要件を決めて設計開発テストを実施して行くスタイルです。メリットは、要件がぶれない、開発にかかる時間と費用の見積もりが出しやすい点です。デメリットは、要件を考え始めてから、実際開発が完了するまでの時間がかかる点、要件の変更が出た場合、柔軟に対応できない点があります。

一方、アジャイル開発は、ユーザーの意見を取り入れながら開発して行くスタイルです。メリットは、開発のスピードが早く、追加や変更に柔軟に対応できる点です。デメリットは、方針を定めないと要件がぶれてしまう、開発にかかる時間と費用の見積もりを設定しづらい点です。アジャイル開発の1つがスクラム開発ですが、スクラムと聞くと、皆さんラグビーを思い浮かべるかもしれません。チーム一丸となって肩を組み、ぶつかり合う様子をイメージされた方、これこそがアジャイル開発におけるスクラムのイメージで、チームワークを重視した開発手法になっています。

メッセージ

今カインズでは、デジタル人材を大募集しております。言語やツールは問いません。Salesforceやクラウド製品を使ったことがある方、開発が好きな方、ユーザーの声を聞きながらの開発がするのが好きな方、ぜひお声がけください。

Voicy わおんDX

LEAVE A REPLY

*
*
* (公開されません)

Return Top