データ探索の事例に学ぶ アクショナブルな情報活用とは? · kintone...
TRANSCRIPT
1 Copyright © 2015 K.K. Ashisuto
データ探索の事例に学ぶ アクショナブルな情報活用とは?
2015年7月31日
株式会社アシスト
情報基盤事業部
Qlik Luminary
花井 正樹
2 Copyright © 2015 K.K. Ashisuto
データ活用ニーズの拡大とBIの現状
デジタルデータの 爆発
パワフルな分析機能への 限られたアクセス
答えにたどり着くまでの 膨大な時間
展開にかかるまでの業界平均 一般的なBI:
18ヶ月
1レポート開発に要する時間 一般的なBI:
6.3 週間
72%
28%
シスコによると、2020年までにインターネットに接続 されるモノが500億デバイスまでに上り、2015年まで に世界中のデータ総量が7.9ゼタバイトに達すると 予測されています。
出典: http://www.computerweekly.com/blogs/cwdn/2013/04/ca-world-big-data-needs-to-be-productionised.html
“
”
22%
78%
BIユーザ 非BIユーザ
3 Copyright © 2015 K.K. Ashisuto
エンタープライズBI ? データ・ディスカバリ ?
キーマン 着眼点 アプローチ ユーザ インターフェース
利用シーン 社内展開
IT部門 ・データと業務 ・一貫性を重視
・データ中心のアプローチ ・既存データストアの活用 ・IT部門による統制・決裁
・レポート/グラフ ・KPI ・ダッシュボード
・モニタリング ・レポーティング
IT部門または ITベンダー主導
キーマン 着眼点 アプローチ ユーザ インターフェース
利用シーン 社内展開
ユーザ 部門
・現場のニーズ ・スピードを重視
・個別の課題解決を探索 ・専用データストアの活用 ・ユーザ部門による決裁
・ビジュアライ ゼーション (可視化)
・分析 ・データの探索
ユーザ部門主導
エンタープライズBIツール
データ・ディスカバリ ツール
4 Copyright © 2015 K.K. Ashisuto
-memo-
5 Copyright © 2015 K.K. Ashisuto
事例 コマツ様 グローバル建機補給部品ビジネスの改善活動
6 Copyright © 2015 K.K. Ashisuto
コマツの販売・サービス体制 (1)販売・サービスの拠点
建設・鉱山機械 現地法人 20社 代理店 212社 パーツセンタ- 55拠点
お客様の機械の高稼働率をキープするため、世界各国に サービス・補給部品拠点を展開
7 Copyright © 2015 K.K. Ashisuto
コマツの販売・サービス体制
KSAf
KME
KEISA
KMG
KCIS
KC KPAC
KIPL
KMSI
KMSA
KAC
KBI
本社
KCH
(2)補給部品事業の概要
お客様
工場 代理店 現法
出荷 入庫 出荷 入庫 入庫
消耗部品在庫 機能部品在庫 戦略在庫
発注残
受注残
発注残
受注残
発注残 積送 積送
協力企業
補給部品事業では(代理店への)「翌朝供給率」が重要な管理点
売上推移
2013年度は3,637億円
グローバル販生 オペレーションセンター(本社に企画機能集約)
点数
全品番 約200万点
価格設定あり 約66万点
需要あり 約27万点
日本倉庫取扱数 国内 海外出荷件数 約35万ライン 約15万ライン入荷件数 約9万ライン
8 Copyright © 2015 K.K. Ashisuto
建設機械のアフターサービス
建設機械のライフサイクルコスト
お客様の生産性向上にはライフサイクルコストの低減が重要な課題
燃費低減や高稼働率などに寄与する商品力の向上とともに、補給部品供給を含めたサービスサポート力の強化が重要
車両価格
保守費
イニシャル コスト
(購入価)
燃料費
オペ 工賃
その他 経費
運用 コスト
下取り価
建設機械のトータル運用コストは新車購入価の 数倍になる
メンテナンス・修理にかかる 保守費のウエイト高い
9 Copyright © 2015 K.K. Ashisuto
QlikView導入の経緯
導入は2012年7月 → 20ユーザでスモールスタート
2011年 2012年 2013年 2014年 2015年
■業務部門によるビックデータ 分析ニーズ(ツール検討) ■Personal Editionで試行 ■導入/利用開始 20ユーザ (Small Business Edition) ■QlikViewユーザ追加 76ユーザ (Enterprise Edition) ■QlikViewユーザ追加 35ユーザ+α
KOMTRAX、本体の販生在、部品在庫…
★ 11年9月にアシストよりQlikViewの紹介
KOMTRAX,本体 販生在
現地法人の部品在庫 →次ページ以降で説明
10 Copyright © 2015 K.K. Ashisuto
① データ収集 アジアの現地法人の基幹システムより在庫データを (約15万件)取り寄せ、品番の属性を付加するため、 部品マスタ(約200万件)とマッチング (属性:担当工場、新品目コード、補給性コードなど) ② QlikViewでトライアル分析 最終入出庫日データから不回転(3年以上動きなし) と低回転(1年以上動きなし)の品番別明細を作成 →・品番ごとにどう処置すべきかを検討 ・長期滞留となった原因も推定
データ探索事例①:現地法人の補給部品在庫分析
11 Copyright © 2015 K.K. Ashisuto
データ探索事例①:現地法人の補給部品在庫分析 Screen Only
12 Copyright © 2015 K.K. Ashisuto
データ探索事例①:現地法人の補給部品在庫分析
長期滞留部品の中に、使用すべきでない部品が残っていることが判明
→他の現地法人も調査し、「廃却のガイドライン」を決定 →各現地法人に廃却依頼
即時廃却 経過年数2年以上で廃却:バッテリー類 経過年数3年以上で廃却:ホース等 経過年数4年以上で廃却:ベルト等
使用禁止となった部品
補給性コードで判定
劣化する部品
最終入出庫日ベースの経過年数と 品名により絞込み
13 Copyright © 2015 K.K. Ashisuto
データ探索事例②:現地法人オーダーのチェック活動 Screen Only
14 Copyright © 2015 K.K. Ashisuto
データ分析・探索のこだわり
現状の課題 ・過剰在庫 ・低回転、長期滞留、廃却 ・データのアンマッチ
これは使える!
補給部品ビジネスの特徴 ・日々大量のトランザクション ・大量のマスター件数 ・アクションは品番単位 ・在庫と供給の組合せ多様
効果を出す! => 品番別に対策を打つ! ・不急不要な在庫の処分 (使用禁止品、劣化品) ・在庫配置の考え方、方針の見直し (初期配置、安全在庫) ・海外からのオーダー内容のチェック (品番変更、マスター不備等)
製品の特徴(連想・圧縮・インメモリ) ・大量データを高速処理 ・異なるファイルを簡単に連結 ・個々のデータまで素早くドリルダウン ・ユーザーが自由に解析
善は急げ、まず使ってみる! 東南アジア、豪州の現地法人データでトライアル
成功のポイントは、データ精度と良い仮説! ・まずは「Facts Finding」、在庫評価の前に現場・現物・現実。 ・「見える化」で思考停止しない。必ずアクションにつなげる。
15 Copyright © 2015 K.K. Ashisuto
事例 ジェイアイエヌ様 Small Dataの活用によるデータ経営の実践
16 Copyright © 2015 K.K. Ashisuto
総店舗数:300店舗 (2014年9月末、グローバル)
17 Copyright © 2015 K.K. Ashisuto
視力矯正商品
ウェアラブルデバイス ※2015年発売予定
機能性アイウエア
18 Copyright © 2015 K.K. Ashisuto
QlikView採用理由とBI環境の変遷
OLAP性能 (インメモリ)
開発容易性 (スキーマレス、連想技術)
Web/モバイル対応(Ajax)
Ph.1(QV導入前) ~2011/12
DWH 基幹1
OLAP
ブラウザ (SSRS)
Excel
Access (SQL)
DWH
QlikView
ブラウザ (SSRS)
Access (SQL)
基幹1
ブラウザ (QlikView)
Ph.2(QV導入後) 2011/12~
この部分を重視
19 Copyright © 2015 K.K. Ashisuto
QlikView採用理由とBI環境の変遷
DWH
QlikView
ブラウザ (SSRS)
Access (SQL)
基幹1
ブラウザ (QlikView)
基幹3
DWH
QlikView
ブラウザ (SSRS)
Access (SQL)
基幹2
基幹1
kintone
ブラウザ (QlikView)
ブラウザ・iPhone (kintone)
※将来的には以下のデータの流れにする想定 ・重要性が認められる場合はkintone→DWH ・クイックに試したい場合はkintone→QlikView
Ph.2(QV導入後) 2011/12~ Ph.3(kintone-QV後) 2014/04~
外部 データ
MDM
20 Copyright © 2015 K.K. Ashisuto
データ探索事例①:スマホとクラウドの活用
POS
DWH
QlikView
QlikView 画面
同SC内の他社様の
状況
集客、天気、陳列、店内の
情報
POSデータに加え今まで活用できていなかった外部・内部要因を含めて分析が可能に!
競合店情報 アプリ
現場情報 アプリ
※項目精査中
kintone Connector for QlikView
kintone
原因は?
21 Copyright © 2015 K.K. Ashisuto
データ探索事例②:欠品の削減+αの効果
商品開発担当者がメガネやサングラス、パソコン用の「JINS PC」のような機能性メガネといった切り口で商品の売れ行きや店舗の売上動向を分析。 さらに必要に応じてドリルダウンし、陳列単位で分析することで具体的な問題や兆候を発見することが可能になった。
導入前と比べて欠品を約2割削減!
+αの効果
22 Copyright © 2015 K.K. Ashisuto
データ分析・探索のこだわり
良質・高速なPDCA
データ重視文化の醸成
最新技術へのトライアル
アクションにつながらない分析は行わない、 指標の改善はすぐ着手・確認
分析能力に優れた一部の人だけが分析するのではなく、「全社員がデータを元に判断する文化の醸成」を目指す
非構造化データ処理・マイニング・機械学習・カラム型DB、、
ETLコンポーネント・BI帳票の内製化 ・揺れ動く仕様にできるかぎり追従する ・ユーザーの意見をすぐに反映させる
データモデル内製化 ・基幹システム、マスタの設計に分析の思想 をしっかりと反映させる ・スキーマの設計は必ず内部で行う
データを分析しただけで終わらせず 「必ずアクションにつなげること」
23 Copyright © 2015 K.K. Ashisuto
事例 マックス様 現場目線の分析でワークスタイルを変革
24 Copyright © 2015 K.K. Ashisuto
①営業支援 ②販売支援 ③情報支援 ④販促支援
私たちは、最終購買接点である“店頭”を起点に、 マーチャンダイジングから、セールス、広告、販促に至る、
あらゆる現場課題を解決し、売上を最大化させることを使命としています。
ラウンダーや、 マーチャンダイザー による店頭営業や、 売り場作りの支援
☑試食販売 ☑デモ販売 ☑サンプリング
☑覆面調査 ☑ビジポケ(SFA) ☑ストアスコープ(BI)
☑インストアメディア ☑POP、什器 ☑O2Oプログラム ☑店内イベント
提供するソリューション
メーカー様向けの 店頭強化代行。
店頭での販売を 人的にサポート。
店頭情報の 収集から分析まで。
売りにつながる 店頭プロモーション。
Page 24
25 Copyright © 2015 K.K. Ashisuto
メイン ドメイン:マーチャンダイザー= FMD による営業支援
メーカー セールス
流通本部 店舗
商談
連絡
営業活動
報告システム
店頭情報
マネジメント チーム
スタッフマネジメント
トレーナー
データアナリスト
戦略プランナー 業務指示
FMD (フィールドマーチャンダイザー)
店舗 巡回
依頼
店頭活動
☑FMDにより販促や計画の店頭実現を行い、店頭シェアを高めて、売上につなげます。 ☑現場の営業部隊を組織し、すべての運営を請け負います。
26 Copyright © 2015 K.K. Ashisuto
QlikView導入前の課題
店頭情報 マネジメント
チーム
スタッフマネジメント
トレーナー
データアナリスト
戦略プランナー
業務指示 FMD (フィールドマーチャンダイザー)
集計作業&レポート作成 分析
様々な制約により、集計作業に膨大な工数が割かれていた。
データ量 レスポンス 属人化 改修が大変
27 Copyright © 2015 K.K. Ashisuto
QlikViewの導入効果
分析&アクション検討 作業
店頭情報 マネジメント
チーム
スタッフマネジメント
トレーナー
データアナリスト
戦略プランナー
業務指示 FMD (フィールドマーチャンダイザー)
作業と分析のパワーバランスが逆転。 考える時間とコラボレーションの時間が生まれた。
28 Copyright © 2015 K.K. Ashisuto
データ探索事例①:FMD活動のムリ・ムダ削減
店頭情報入力
マネジメント チーム
チームマネージャ スーパーバイザー FMD (フィールドマーチャンダイザー)
直行直帰
※1店舗あたりの滞在時間、店舗間移動時間などから 現場の店舗支援に必要な標準時間を算出
標準時間※を基準とした異常値を分析
29 Copyright © 2015 K.K. Ashisuto
データ探索事例①:FMD活動のムリ・ムダ削減
店舗滞在時間が オーバーしがち
移動時間が長い
担当エリアが 広すぎる
SVが 現場同行
SVが分析
SVが分析
売り場と車の往復にムダ
一部担当 店舗が離れ
ている
担当エリアの 高いポテン
シャルを発見
車のトランク整理と 訪問手順指導により 滞在時間が短縮!
売上実績などを分析し、 訪問頻度・移動負担
の両方を低減!
担当増員をメーカーに提案、費用対効果の維
持と現場の負担 軽減を実現!
現場の異変が発見しやすくなり、アクションの質が向上
FMD
FMD
FMD
30 Copyright © 2015 K.K. Ashisuto
データ探索事例②:エリア分析でFMD配置計画
商圏、POS、店舗のデータを地図&数表でクロス分析!
FMDをどのエリアに集中させる?
FMDにエリア内のどの店舗を担当させると移動が最適
になる?
お酒が売れているエリアなのに、 あるメーカーの商品はあまり売
れていない? POSデータでは売上が高いのに フォローしていないエリアはどこ?
31 Copyright © 2015 K.K. Ashisuto
データ分析・探索のこだわり
店を中心にヒト・モノ・カネを“ミックス”して 現場目線で分析し、「売れる売り場」を創ること。
32 Copyright © 2015 K.K. Ashisuto
-memo-
33 Copyright © 2015 K.K. Ashisuto
アクショナブルな情報活用を 実現するためのサマリー
34 Copyright © 2015 K.K. Ashisuto
現場のアクションを喚起する環境整備
アプリケーションを 開発して提供する
データ探索・分析 できる環境を整備する
(データ・イネーブルメント)
35 Copyright © 2015 K.K. Ashisuto
データ・イネーブルメントに取り組む理由
信頼できるデータに基づく 「迅速なアクション」
信頼できるデータに基づく 「事実の把握」
経営層やビジネス部門へ 正しく、質の高いデータを
タイムリーに提供する 現場が同じ情報を元に 業務するようになった
簡単な分析なら 自分でできる!
データが視覚化され 判断が早くなった
データの正確性を 疑うことがなくなった
ビジネス現場
ガバナンスと俊敏性を両立し、 戦略や事業立案・遂行に貢献
IT部門からの レポート提供を待たず に現場に指示ができる
施策の可視化が容易になり、 PDCAを適切に回せる
ようになった
IT部門
36 Copyright © 2015 K.K. Ashisuto
ご清聴ありがとうございました。