乙Py先生のプログラミング教室
初学者のためのプログラミング学習サイト

ビジネスモデル

最近話題になっている
デジタルトランスフォーメーションについて
超ざっくり解説です。

解説動画はこちら



さてまず
デジタルトランスフォーメーション
とはなんでしょうか?

言葉の定義は
デジタルトランスフォーメーション
(DX:Digital transformation)の略

日本語だと「デジタル変革」が
近いかなと思います。

意味としては

企業がビジネス環境の激しい変化に対応し
データとデジタル技術を活用して
顧客や社会のニーズを基に、製品やサービス
ビジネスモデルを変革するとともに
業務そのものや、組織、プロセス
企業文化・風土を変革し
競争上の優位性を確立すること

引用:DX推進指標とそのガイダンス(経済産業省)

英語圏だと trans- を X と略記するから
DXなんですって!!!!

知らんかった
DTにならない理由はコレでした。

デジタル化の段階

DXにも段階があるようです。

デジタル化:紙媒体 
→電子書籍化(物やサービスの一部を電子化)


デジタライゼーション(Digitalization)
→ストリーミングやサブスクリプション制の導入

ビジネスプロセス全体をデジタル化して
新たな価値や利益を生み出すことを
デジタライゼーションと言うそうです。

DXはその先にあります。

何で必要なの?

経済産業省が出している理由だと

あらゆる産業において、新たなデジタル技術を
利用してこれまでにないビジネスモデルを
展開する新規参入者が登場し
ゲームチェンジが起きつつある。

こうした中で、各企業は、競争力維持
強化のために、デジタルトランスフォーメーションを
スピーディーに進めていくことが求められている

引用:「デジタルトランスフォーメーションを
推進するためのガイドライン」(経済産業省)


つまりは
・競争優位を確立するため
・いい感じでデジタル技術を活用する
・付加価値を生み出す

と言うことだと思います。

キーとなるデジタル技術

4つのデジタル技術が重要だそうです。
・クラウド
・ビッグデータ
・モビリティ
・ソーシャル


DX実現のためにはどうすれば良いの?

そもそものDXを実現させるには
次の二つが重要だと考えています。

・DX推進のための専門組織、専任者の設置
・業務の仕組み、システムの刷新

そして、既存のビジネスモデルが
通用しなくなってきているので
そもそものビジネスモデルの見直し
と言う点もあるかと思います。

立ちはだかる壁

DXについて.007
2つの問題があります。

まずはレガシーシステム
そしてもう一つがレガシー人材です。

レガシーシステムの方はまだ楽です。

システム改修を行う
新しいシステムを作る

コレで対応出来るわけで
お金と時間があれば出来ますね。

問題はレガシー人材です。

昨今のデジタル化について来れない人
40代以上に多くいます。

そして最も問題になるのは
デジタル化を阻害しようとする人たちです。

はんこ使いましょう とか
FAX使いましょう とか
言っちゃう人たちです。

本来必要なのはデジタル化と
それによって生まれる業務効率化
より付加価値の高い業務の創造です。

壁への対処法
DXについて.008

抵抗勢力によってそれが進まないのであれば
全員クビにするか

全く新しい組織を出来る人たちだけで
作ってそこに乗り換えるのが
良いのかなと思います。


海外の成功事例

こう言ったDXをいち早く
実現している会社があります。

Adobeと言う会社です。
DXについて.010

現CEOはシャンタヌ・ナラヤン氏

元々はIllustratorなどの
デザイン系アプリケーションを
販売する会社でした。

それを2012年にパッケージ販売を辞め
現在はadobe creative cloudと言う名前で
サブスクリプションでの
提供に切り替えています。

ここからAdobeの躍進が始まります。
おそらくこの決断には社内の仕組みを
相当変える必要があったと思われます。

今までにない価値を提供する
仕組みを1からつくり上げるには
相当な熱量が必要です。

DXについて.010

現在ではAdobe Marketing Cloudのような
マーケテイングツールも提供し
クリエイティブの作成から集客
EC支援まで幅広く事業展開をしています。

Adobe Senseiに代表される
AIツールも提供しており
最新のデジタル技術をいち早く
市場に投入している企業だと思います。

2012年の切り替えから
一度は売上高などは下がりましたが
そこからは鰻登りのようですね。

こう言ったプレイヤーが存在している以上
日本は世界と戦わなければいけません。

Adobeはまだまだ食指を伸ばしていきます。
日本の企業はただ傍観しているだけでは
世界企業に対抗する事は出来ません。

そのためには変革が必要です!!!

今ならまだ間に合います。
でも10年先では遅すぎます

変化を恐れずに
立ち上がるなら今なんです!!

いつDXするの???
今でしょ!!

って事で林先生の真似をして
終わりたいと思います。

それでは



仕事に使えるビジネスフレームワークを
動画にしてまとめてみました。


動画はこちら


Noteに画像をまとめています。
参考にお使いください。



内容としては
・問題解決
6W2H
ロジックツリー
マトリクス

・分析
PEST分析
ファイブフォース分析
SWOT分析
パレート分析
4P分析
コアコンピタンス分析

・アイデア出し
マンダラート
オズボーンのチェックリスト
ジョハリの窓


・ビジネス
ビジネスモデルキャンバス
KPIツリー
STP

ビジネスフレームワークは多々ありますが

実際に仕事で使えるのは
数が少ないのではないでしょうか?

よく使うものとしては
仕事の優先度を決めたりするマトリクス

アイデアが出せない時に無理くりひねり出す
オズボーンのチェックリスト

顧客案件の対応時には
競合分析なども多いため
外部環境を整理したり
マーケティング方針を示唆したり
ビジネスモデルそのものにも言及したりします。

そんな時には
ちょこっとフレームワークにたよりますね。

フレームワークを使うと
仕事の効率化ができて
非常に便利な時があります。

是非参考にしてください。


ディープラーニングを活用した
AIの社会実装事業を展開する株式会社ABEJAの主催する
カンファレンスイベント

ABEJA SIX 2019

こいつに行ってきました。

場所は品川駅徒歩五分くらいのところにある
グランドプリンスホテル新高輪の国際館パミール

会場には12:40分くらいに着いたものの
かなりの人で受付もすっごい並ぶ

基調講演はサテライト会場だったのだが
これもほぼ満員

まず最初は
株式会社ABEJA 緒方 貴紀 氏 

ABEJAのこれまでの振り返りと
今後のロードマップや展望について

2012年のディープラーニングの
ブレイクスルー以降
世界中でDL周りの研究開発が進み

今では主要な大会社では
ほぼほぼ実装が済んで
サービス展開されてる感があるが

様々な会社向けにAIの実装を手助けする
プラットフォームという印象のABEJA PLATFORM
を展開してますよ、ということだそうです。

近年のトピックの話

いくつかのワードが紹介された


イメージネットの分散学習による高速なモデルの生成
分散学習の民主化がなされたとのこと


3億枚の画像と512個のGPUで作られた
敵対的生成ネットワークだとか
生成された画像を見ても
区別がつかないな



2018年10月11日にGoogleからArxiv公開された論文で
汎用言語表現モデルだそう。

文中の単語の穴埋め問題などが解けるとか
自然言語処理の
デファクトスタンダードになるそう。

最近はこういうトピックが
ありましたとのことでした。

ここら辺はgithub にコード類も公開されているらしいので
情報はすぐ手に入りそうですね。

ABEJA PLATFORMでは
1.データ取得
2.データ蓄積
3.データ確認
4.教師データ作成
5.モデル設計
6.学習
7.評価
8.デプロイ
9.推論
10.再学習

ここら辺をサポートするよう
システム化したんだそうです。

いろいろ機械学習をする上では
手間のかかるところ多いですね。

学習はあっちゅうまだけど
データの整備と前処理で
死ぬほど時間かかってますから
それが軽減されると仕事は捗るよねーー。

リリースから6年ほど経つみたいで
現在では

600アカウント
データレイク 10TB
データセット170万
トレーニング 1万ジョブ
モデル500モデル 2千万バージョン
4000を超えるエンドポイントが
存在しているのだとか

うーーん、かなりのボリュームです。

スポンサーに
AWS , GCP , NVIDIA
とあるのでここら辺のクラウドやGPUで
達成されているのでしょう。

気になったのは
アノテーションの部分

ABEJA PLATFORM ANNOTATION

恐らくAI開発にとっては
アルゴリズムは民主化され、誰でも
同じアルゴリズムで学習や推論が行えるようになっているため

AIの差別化がはかられる部分としては
学習データの質とボリュームの部分での競争になる。

ゴミデータが大量に有っても
結果ゴミだし
そうなると質の高い学習データを揃えるのには
それなりのコストがかかる。

それをサポートするツールということで
UIも素早くアノテーションでき使い勝手がすごく良さそう。

これはAI関連サービスの中でも
いい所を突いたサービスだと思われる。

これにより、人間の目で補正をすることで
より質の高いデータを素早く生成できると・・・

画像や動画だけでなく
テキストや単語、文章へも対応と
よく出来ています。

ABEJA インサイト for リテール
店舗内行動のダッシュボード化
行動の定量化とデータドリブンな経営の支援をするためのツール

日々10TBトラフィック解析
700店舗のインストール
2億人のビジターを計測ということで
すでに我々もトラッキングされているでしょう。

雑貨、アパレル、商業施設の導入が多い。

顔認証によるリピート推定と
TOFセンサーによる店舗トラッキングの様子が
なかなか印象的だった。
店舗内回遊はこんな風に捕らえられているのね。


今後のロードマップ

データサイエンティストの不足で
初期検証を行えないというニーズに対して
初期検証の支援を行うmlaas
というのを出す?そうです。


あとは
アベコインとかいうものを作って
会場を巡ったりするともらえたりするそう。

深センへのツアーでの
キャッシュレス社会の体験をヒントに
コインを作ったそうで
今後このコインでいろいろ実験するそうです。

ここまでが基調講演



株式会社ディー・エヌ・エー 
AIシステム部 副部長
内田 祐介 氏 


DeNAの事業や組織、AI関連の研究成果の話

DeNAではkaggler制度があり
kaggleの成績が社内にも反映されるそうで
高成績を残せると、労働時間を多くkaggleにさけるそうです。

kaggleのメリットとしては
1 問解くだけで
1案件回した時と同じくらいの学習体験と
様々なお題に対応するために多様な手法、アプロート方法を
学ぶことによるスキルアップの効果が大きいということでした。

まあ、懸賞金付きのやつとかは
リクルーティングにも使われているわけで
kaggleマスターを抱えるているという
ブランディング効果も見込んでいるのだとか。

これはkaggle大好きな皆さんは
DeNA行くしかないですね。

DeNA社内は
データサイエンティスト
MLエンジニア
インフラエンジニア
AIエンジニアがいて
それぞれ作業分担されている組織構造

AIの検証、プロト開発から実装まで
行える体制が整っているのは大分強いですね。

DeNAでは
様々な事業基盤があり
そのなかでもAI開発が進んでいるのが
オートモーティブ事業

交通事故低減に向けた
AI技術活用の取り組みをしているだと。

レーン検出と危険運転察知アルゴリズムの開発
物体検出や消失点の計算
3D地図を用いたパスプランニング

自動運転系の技術は結構奥深いですよね。

次にゲーム事業

「逆転オセロニア」

におけるユーザーの離脱防止策についてのお話

ゲーム初期に離脱してしまう原因として
ゲームのデッキの組み方が分からないとかが有り、
おすすめデッキを導入したら比較的離脱が防げたと。

こういった序盤のサポート機能を追加する部分で
いろいろデータ分析と検証を進めているそうです。

最後が
アニメの生成技術への取り組み

GANを用いて
アニメのコマとコマの間を生成し
ぬるぬる動くように
中間コマを作ったのだとか。

従来のGANでは全身を作るのが難しかったが
パーツごとに少しづつ作ってゆく手法を取り
徐々に小さな画像からつなげるようなアプローチで
画像生成しているそうです。

確かにヌルヌル動きますね。


次の講演は
株式会社サイバーエージェント 
AI Lab Research Scientist
山口 光太 氏 


機械学習による広告クリエイティブの制作支援と生成

まあ同業者なので
同じようなことやってます。

デジタル広告は
マス広告と違って、同じ素材、同じ図柄ではなく
一人一人にカスタマイズした広告であることが求められる。

広告バナーそのものを
どれだけクリックされるのかを
事前予測して作ることができるとか。

手法としては
広告の画像そのものと
広告の配信条件を学習データとして
クリック率を出す単純な回帰のモデルを組む

これにより配信前に
ある程度の品質保証ができ
適切な入稿対象の選択と結果予測が可能になると・・・

まあ
みな考えることは一緒ですね。

面白かったのは配信メディアで
クリックに効く要素が違うということ

FBは画像やテキストの品質
TwitterとLINEは広告の配信設定だったと。

あとは機械学習のモデルも
画像とかを使わないのであればDLを用いずに
デシジョンツリーなどの方が結果が良いとか
逆にDLが効果を発揮するのは
高次元のデータを取り扱う際だとか。

ここら辺も広告業界では
共通認識ですね。

こういう予測を元に
クリエイティブ制作の支援として
ストック素材の画風変換
バナー人物の自動差し替え
レイヤーの配置予測や
キーワードの生成

などを行っているそうで
クリエーターの作業軽減につながっているそうです。

やはり、同じ業界だと
同じデータで同じ手法に収束するのだなーと
改めて感じた1日でした。


明日も開催されますが
行けないかなーー・・

松尾豊先生の講演は聞きたい。

このページのトップヘ