狠狠撸

狠狠撸Share a Scribd company logo
2
ビッグデータと人工知能の活用入門
Takatsugu Kobayashi
11/10/2017
3
今回のお話を通じて
1.データの活用イメージ
2.データが「大きく」していくことの利点
3.大きいデータがどう収益に繋がるかイメージ
をより具体的にご理解頂ければと思っています
4
1. 自己紹介
2. ビッグデータとは何か:事例を交えて
3. ビッグデータとは何か:4つの要素(V)
4. ビッグデータとは何か:データが人工知能に命を宿す
5. データを活用したビジネスとは
6. レイヤー化するIoTビジネス構造
7. 精密農業を事例として
8. 最後に
Agenda
5
★ 専門/コンサルティング経験領域
- データ戦略策定
- データ分析組閣支援
- アルゴリズム開発
- 投資案件Due Diligence支援
- IoTビジネス企画策定支援
- 海外市場調査?契約交渉
★ 実績のある業界
- 飲料業界
- 電子機器製造業界
- インターネット通信業界
- EC物販業界
- 製薬業界
- 食材流通業界
- 農業業界
- 健康フィットネス業界
? インバウンド観光業界 など
6
ビッグデータとは何か:事例を交えて
7
センサーで集めたデータがどう使われているか事例を紹介させてください
環境監視センサーデータ
8
天気?天候データが集まった際にどういう活用方法がありえるでしょう?
9
家の鍵がモバイル制御できたらどうでしょう?
10
レストランの待ち時間を予測してくれるアプリがあるとしたら嬉しいですか?
他にこの技術が使えそうな領域はありますか?
11
ビッグデータとは何か:4つの要素
12
ビッグデータは以下の4点から説明されることが多く、すべて相互作用すること
で一定の顧客価値が生まれます
13
我々は将来を予測、また将来どうなってるかを理解、できないと不安になるこ
とが多いですが、この不安を低減させるために幅広いデータが必要になります
14
データ活用が叫ばれる中、データを保持することではなく、データから導出し
た数理モデルやサービスソリューションそのもので勝負が必要です
15
クラウドなどリアルタイムでデータが共有できるようになると、予兆保全まで
の速度改善?モデルの精度向上が期待でき、製造前の設計の無駄を低減可能
https://it.impressbm.co.jp/articles/-/14864
16
データは製品だけではなく外部環境データも扱うので、実測データをもとに環
境変化に合わせてシミュレーションを行い最適解を導き出すことが可能に!
https://it.impressbm.co.jp/articles/-/14864
17
ビッグデータとは何か:データが人工知能に命を宿す
人工知能とは、色々な学習方法によって実現される、人の叡智のギミックです
○○学習とは、人工知能を実現するための手法?アプローチの名称です
18
人工知能
機械学習
深層学習
ゴール数をピッチの選手や
相手の実力といった変数か
ら複雑に導出
強化学習
ゴールに至るステップ(パス、
ヘディング、フェイント等)に
評価点をつけて、ゴールを増や
すために機械が最適なステップ
を学習
転移学習
予めが作成した数理モデルを別
の領域に反映させる手法(シ
ミュレーションモデルを本番環
境で効率的に利用したり)
表現学習
■
■
19
深層学習とは、猫の写真と犬の写真から、猫と犬の特徴を捉えていき、その特
徴を数値化し比較することで、猫の犬を自動判別するといった手法をいいます
http://gagbot.net/machine-learning/ml4
20
深層学習では、それぞれの顔写真の特徴(特徴量)を算定し、顔が「どういう
構成要素で表されるか」を学習させることが可能です
/pfi/ipab2017-72723336
21
強化学習は、深層学習と並んで最も注目されているアルゴリズムで、iRobotの
ルンバなどに使われる通り、ある成果に向かってひたすら学習していきいます
22
報酬と懲罰を与えるだけで機械が自身で何をすればいいか学習していく様をご
覧ください
Deep Mind によるゲーム映像をご覧ください
23
データを活用したビジスネとは
24
歯ブラシのビジネスモデルって何でしょう?
材料仕入れて
組み立てて
消費者に売る
25
歯ブラシのビジネスモデルを違った形にできませんか?
消費者に配って
虫歯予防を目的に
歯医者からアドバイス
26
Philips Sonicare FlexCare Platinum Connectedを使うと、タイマーセットされ
た2分間の歯ブラシで磨きが足りない部分を可視化してくれる
27
虫歯になる前に
家にいながら
歯医者から直で
アドバイスが
もらえる
Personalized
口内衛生アプリ
による適切な
口内衛生維持
口内衛生に
特別な注意を
払っている
親子
衛生関連製品
の開発を狙う
エンジニア
量販店
EC
App Store
口内衛生
アドバイザー
データ
アルゴリズム
3D Map
歯ブラシの販売(物販)
医師プラットフォーム参加料
SDKを使った衛生製品開発基盤利用料
28
IoTビジネスの本質は、あるビジネス課題に対して、「物」を繋げることで「知
識」が繋がることで、どう新しいビジネスモデルを作るか、その価値提供です
物販
物を介したエコシステム
29
レイヤー化するIoTビジネス
30
Difficulty
Raw
Data
Clean
Data
Ad hoc
report
BI
Predictive
Analytics
PrescriptiveA
nalytics
過去何が起きたか
DIagnostic
Analytics
なぜ何が起きたか
将来何が起きるか
将来何をすべきか
まず、過去データ、リアルタイムデータ、将来の行動調査などを組み合わせ将
来像を予見する場合、同時に実行可能な打ち手をを多く用意しておくことが肝
心
データ分析と価値の規模
31
事業エコシステムに集まるデータをどう収益に繋げられるかは、構成レイヤー
のどの課題を解決すれば顧客提供価値が高まるか、その将来像が鍵となります
センサー?エッジ端末など
OS
データベース?データ処理
分析エンジン
分析ルール?洞察
ユーザーインターフェース
提供者 受益者
参考: 「IoT時代の競争分析フレームワーク」& 「IoT/IoEキャンバスの紹介」
物理
レイヤー
デジタル
レイヤー
価値提供
センサー?エッジ端末など
OS
データベース?データ処理
分析エンジン
分析ルール?洞察
ユーザーインターフェース
提供者 受益者
32
ただ単一の構成レイヤーで閉じる形ではなく、Reference Architectureを参照し
ながら必要なプレーヤーと協業し顧客提供価値を向上すべきです
参考: 「IoT時代の競争分析フレームワーク」& 「IoT/IoEキャンバスの紹介」
物理
レイヤー
デジタル
レイヤー
価値提供人間の力では処理で
きない数の変数を処
理した上でのデータ
分析の精度と拡張性
が重要
情報技術と運用技術
をシームレスに連携
させることが重要
33
まずは自社のデータ活用の現状把握をし、自社を含む顧客のどの課題を解決す
るためにどういったデータをどの精度で収集していくか、精査をお勧めします
個別業務 全体業務 屋内 ネットワーク インフラ
自律
最適化
制御
監視
見える化
⑤ 機械によるコントロール
④ 省人化?効率化
③ 人によるコントロール
② 現状把握
① データ収集
34
具体的には、人?機械が何を行なった結果、環境がどう変化し、その結果をど
ういう形の数字で、収集していくと顧客提供価値があがるのか、明確にします
個別業務 全体業務 屋内 ネットワーク インフラ
自律
最適化
制御
監視
見える化
⑤ 機械によるコントロール
④ 省人化?効率化
③ 人によるコントロール
② 現状把握
① データ収集
単にセンサーデータを
収集するのではなく、
環境の“変化”を定量化
することが重要
35
縦軸に提供予定サービスの機能、横軸にその空間的範囲、に書き出し自社サー
ビスが今どこにいて、今後どこに向かうべきなのか、見える化していきます
個別業務 全体業務 屋内 ネットワーク インフラ
自律
最適化
制御
監視
見える化
36
縦にサービスを深めるか、横に水平展開していくのか、はどうすれば競争優位
性を打ち出せるか、取り巻く環境下でどこまで顧客を理解できるてるかが鍵
個別業務 全体業務 屋内 ネットワーク インフラ
自律
最適化
制御
監視
見える化
垂直展開
分析と連動させることで
限られた範囲をスマート
化していく
水平展開
通信技術を駆使して広範
囲の業務を連携させ繋が
りをスマート化していく
スケール化
通信技術を駆使して広
範囲の業務を連携させ
繋がりをスマート化
自律
最適化
制御
監視
見える化
37
既存ネットワークでソフトウェア制御で対応していく垂直展開と毛色が違い、
時空間的に広がりを持つ水平展開には規格の平準化がマストになります
個別業務 全体業務 屋内 ネットワーク インフラ
垂直展開
データ分析者の不足に
よってモデリングの自動
化?設計の簡素化が必要
水平展開
異なる機器を必要なデー
タ転送?通信接続を達成
するための標準化が必要
スケール化
平準化していく技術環
境の上で設計をさらに
簡素化していくことで
素早いIoT開発を実現
38
業務範囲と分析範囲をクロスし、自社と協業先の強みとの親和性?拡張性を評
価すれば、最終的に新しいビジネスモデルを創出を組み立てることが可能です
個別業務 全体業務 屋内 ネットワーク インフラ
自律
最適化
制御
監視
見える化
自社の
強み
A社の
強み
B社の
強み
端末?OSの規格が同じならA社
と共に個別業務最適化を目指す
B社が対応できていない技術に強
みがあればA社と組んで対抗
39
4Vの観点からソリューションサービス構築へ
http://jbpress.ismedia.jp/mwimgs/4/0/-/img_404a419683e6258701d5a136c73f09a3167796.jpg
40
例えば、インターネットで繋がる歯ブラシによって広がるビジネスの可能性、
多様性のあるデータを多くどう集めるか、そのビジネスモデルの変化が重要
ジレットモデル
消耗品の故障予兆や同規
格の消耗品を揃えること
で消耗品と故障予兆に関
するルールを集めたプ
ラットフォーム化が進む
従量課金モデル
一つ300ドルくらいする
本体を売り切りではなく
利用回数別の収益モデル
に買えることで物のサー
ビス化が進む
物のジレットモデルではなく
知識のジレットモデルを目指す
知識共有?ビジネス拡張するこ
とで新しい収益モデルを創る
41
精密農業を例にして
日本でもDroneジャパンが設立されるなど、農業テックや食料テックの分野は注
目されていきますし、データを使った儲ける仕組みも登場してきています
42
Source: http://www.nikkeibp.co.jp/atcl/tk/DTrans/ecs/021500013/
土壌センサーで地中から、ドローン空撮で地上から、計測データから分析結果
を弾き出し、トラクターをプログラムして作業の最適配分を行うのが典型的
43
定植前
土壌調査
Drone
空撮
実地
色計測
色解析
44
定植前
土壌調査
Drone
空撮
実地
色計測
色解析
センサーから集められたデータを基に、天気予測を行ったり、葉脈付近の気温
や湿度を推測しながら、環境ストレスがどれくらいかかっているか理解します
土壌センサーで地中から、ドローン空撮で地上から、計測データから分析結果
を弾き出し、トラクターをプログラムして作業の最適配分を行うのが典型的
45
定植前
土壌調査
Drone
空撮
実地
色計測
色解析
Source: http://itnp.net/article/2015/06/03/1277.html
最近のドローンは安定かつ自動飛行が可能なものが多く、衛星写真や地図デー
タと連携することで、無駄無く高画質な圃場イメージを撮影できます
46
撮影した画像は色変換処理を行い、圃場のどの部分に窒素が集中しているかな
ど把握し、時系列分析を行うことで生育状況の変化も見ることが可能です
47
ただ、ドローンで撮影した画像をそのまま分析に使うのはまだ難しく、地上で
のサンプリング計測値を照合することでより精度の高い分析が可能になります
48
定植前
土壌調査
Drone
空撮
実地
色計測
色解析
Souce: http://www.tankonyvtar.hu/hu/tartalom/tamop412A/2011-0085_precizios_novenytermesztes/ch12.html
次に、色画像処理を機械学習アルゴリズムを使って行い、圃場状態を数個のグ
ループを使って分類など行い、施肥計画や農薬散布を効率化していきます
49
定植前
土壌調査
Drone
空撮
実地
色計測
色解析
Source:https://agfundernews.com/farmers-edge-acquires-granduke-geometrics.html
自律走行トラクターは18年の商用化を目指していますが、こういった大規模農
業向けの精密農業は北海道を除き、日本での利用拡大は採算が合いません
50
Source: http://response.jp/article/2015/01/16/241807.html; http://www.naro.affrc.go.jp/project/results/laboratory/harc/2005/cryo05-16.html
作業目的に合わせて
GPSの精度を変え
られます
大規模農業向けに発展したこういった精密農業は正直日本での拡大は難しく、
小中規模農業向けにアレンジしていく必要があります
51
52
1.トラクターをスマホだと考えたら?
2.トラクターをシェアできたら?
3.トラクターを分散処理できたら?
53
データ活用でビジネスするには
「ビジネス目的」ドリブンで
「物」を繋げて
「洞察?コト」が異業種にも繋がる

More Related Content

ビッグデータビジネスの捉え方

Editor's Notes

  1. 留守中の荷物の配达をミスしたことはありませんか?または、お子さんに留守番をさせていて心配されることはありませんか?
  2. 长い行列にくたびれることはありませんか?レストランやイベント会场、他にありませんか?
  3. デジタルツインが対象とするデータは、製品そのものだけでなく、个々の部品や外部环境を含みます。製品についても个品単位でセンサーからリアルタイムのデータを収集するため、ユーザー(工场の作业员やドライバーなど)个々のスキルや気温、空圧などの外部环境に合わせて最适解をシミュレーションし、个别にフィードバックすることが可能です。また、画像认识技术等により、物理センサーを通じた计测が困难なデータについても、仮想センサーで集めたデータとして解析します。