1. 代表・最高解析責任者
倉橋一成
1

2.  設立：2011年3月24日
 Web：http://ianalysis.jp/
 本社：東京都港区南青山2-2-15 ウィン青山
 取引先企業
◦ エーザイ株式会社、大鵬薬品工業株式会社、株式会社gumi、
大手自動車会社、大手人材サービス会社など
 医療分野から始まり、多種多様な業種へ
 実績
◦ セミナー活動
◦ コンサルティング
 分析手法のアドバイス
 分析環境作りのアドバイス
◦ 分析実務
 調査データ分析によるインサイト抽出
 売上データ分析によるKPIの開発
◦ 分析のためのデータベース構築 【本社エントランス】
◦ 予測モデル開発
 Web上の行動履歴データを使ったユーザーの属性予測
2

3. 【経歴】
東京大学Ph.D (2011), Statistician, Data Scientist, Data Miner
【専門】
cDNAマイクロアレイ、臨床試験データ、レセプトデータ、
電子カルテ・医療オーダーデータ、マーケティングデータ
【スキル】
R, SAS, SPSS, Visual C++, Ruby on Rails, Python
【主な実績】
・2005：NPO日本臨床研究支援ユニット、解析担当
腎臓癌患者の調査データの解析(SAS)
レセプトデータの解析と結果のレポーティング(R)
・2007、2009：スタットコム株式会社、統計解析者
小児癌の臨床試験のプロトコルに沿った解析とレポーティング
術後乳癌患者のQOLに関する研究の解析と統計アドバイス
・2009～2010：帝京大学、医師への統計コンサルタント
論文化にあたっての医師へのアドバイスと解析
様々な科の医師に対してのコンサルタント（内科、外科、眼科など）スタットコム株式会社、統計解析者
・2010：キャピタルメディカ株式会社、プロジェクトメンバー
レセプトデータを活用した新規プロジェクトの立ち上げメンバー
・2011：iAnalysis合同会社 設立
※Twitter: @isseing333
※blog: 「おとうさんの解析日記」 http://d.hatena.ne.jp/isseing333/
3

4. データサイエンスとは？

5.  ローデータ（生データ）：集計前のデータ
◦ エクセルの表をイメージ
◦ 1つのシートが、1つのデータ
列：変数、項目
ID 年齢 身長 体重 …
1 20 165 60 …
2 43 178 73 …
行：レコード
3 36 163 57 …
... ... ... ... …
 ローデータを集計した値も「データ」
◦ 平均年齢○○歳、平均年収○○万円
5

6. 学問知識 エンジニアリング
統計学 データベース
機械学習 プログラミング
ビジネス感
実務経験
マーケティング
経営企画
6

7. 大学の講義 本 実戦 セミナー
統計学系：尐 データサイ 統計検定
1.学問知識
機械学習系：多 エンス本 CodeIQ
おしゃスタ
TokyoWebmini
ng
DB系、プロ TokyoR
2.エンジニアリン 情報学系学科 コンテスト
グラミング
グ 工学系学科 アプリ実装
系の本
『分析力を
3.ビジネス感 経済系学科 武器とする 業務経験 各種研修
企業』
7

8.  公開されているデータを使う
◦ 国が公開しているデータ
◦ Twitter、Facebookなどのデータ
 分析を行なっている会社で働く
◦ 各企業の分析部門、マーケティング部門
◦ 分析専門会社
 分析のコンテストをやってみる
◦ KDD
◦ KAGGLE
 詳しくは「理系ナビ」でのセミナー資料
◦ http://www.slideshare.net/isseing333/ss-13690717
8

9. データ分析の流れ
9

10. ビジネス
インテリジェンス
（BI）
ビジネス
アナリティクス
（BA）
10

11.  DBの加工
ERP
ETLツール
バッチ処理
・抽出
CRM ・変換
・ロード
DWH
データマート
・集約
・絞り込み
販売
生産
在庫
11

12.  エクセルの加工
12

13.  エクセルの加工
人口
総数 男 女
未成年 成年 未成年 成年 未成年 成年
.. .. .. .. .. ..
.. .. .. .. .. ..
.. .. .. .. .. ..
人口_総数_未成年 人口_総数_成年 人口_男_未成年 人口_男_成年 人口_女_未成年 人口_女_成年
.. .. .. .. .. ..
.. .. .. .. .. ..
.. .. .. .. .. ..
13

14. 14

15. 15

16.  データに様々な「モデル」を当てはめて、情報を探索する
16

17. 17

18. データ分析成功事例
18

19.  トップダウン（近道）
◦ 経営層が分析プロジェクトを計画
◦ 人材を確保しプロジェクトを進める
 ボトムアップ
◦ それぞれの部署で何か成果を上げる
◦ なるべく多く溜まっている部門でデータを分析する
◦ 会社の利益に直結する分析を行う
19

20.  売上アップ
◦ 最適なプライシング
◦ 会員の離脱を防ぐ
◦ 新商品の開発
 コスト削減
◦ 広告の最適化
◦ 在庫管理・サプライチェーン最適化
◦ 人事：離職率低下のための分析
◦ 財務：M&A・投資
20

21. 背景
2005年に価格競争のためシームレス鋼管製造を打ち切ったが、原油価
格が高騰したために原油採掘会社からの需要が高まった。
課題
鋼管製造の再開を検討。
しかし意思決定のためのコスト分析の信頼性が低いと感じていた。
分析
プロフィット・インサイトという分析ソフトを導入し、工場を再稼働
させるべきかどうか分析結果をみながら毎月検討。
12月に損益分岐点を超え、さらに予測モデルによってその後も価格上
昇が見込まれる状況になって初めて、製造の再開を行った。
成果
早期に生産再開した場合の損失4300万ドルを回避
21

22. 背景
1990年代、「情報ベース戦略」を打ち立てる。
「まだ顔を見たことない2億の人達について情報を集め、集めた情報を基にし
て、長期的な作戦を練る」
分析
データベースの整備、分析などを精緻に行うことで、 「高額の商品を
あっさりクレジットで買い、長期にわたってゆっくり返済する客」が
最も優良顧客であることが判明。
成果
業界で初めて「リボルビング機能」をカードに搭載し、新商品開発に
つながった。
現在では1日に300回のマーケティング調査。
譲渡性預金の利息、ロールオーバーのための優遇措置、最低必要残高などと、
顧客定着率との間にはっきりとした関係があることが判明。
→定着率の87%アップ、新規顧客開拓コストの83%ダウン
22

23. 23

24. ぜひデータ分析を活用して
業務アップに役立てて下さい！
contact@ianalysis.jp

25.  ホームページ：http://ianalysis.jp/
 Twitter：https://twitter.com/iAnalysisLLC
 Facebook：http://www.facebook.com/ianalysis
 メルマガ
◦ データマイニングのすすめ：
http://staff.ianalysis.jp/neo/usrctrl.php?mag_id=1
◦ データマイニング・アンド・ザ・シティ：
http://staff.ianalysis.jp/neo/usrctrl.php?mag_id=2
 ブログ
◦ おとうさんの解析日記：http://d.hatena.ne.jp/isseing333/
◦ iAnalysisブログ：http://d.hatena.ne.jp/iAnalysis/
 CodeIQ問題：https://codeiq.jp/ace/kurahashi_issei/
25