データ蓄積、試作実行、AI活用
3段階で進める「AI in BI」

「AI in BI」アプローチは段階的なアプローチを採用しており、3つのフェーズを経てビジネス価値の向上を目指す。

 第1フェーズで主眼となるのは、カメラやセンサーなどを設置してデータを蓄積すること。効果の見込めるところに適切なデバイスを設置することが重要だ。入手可能なIoTデータ、それにより可視化できる状況などについて検討し、行動指標及び結果指標の定義などを行う。店舗だと、売上高が結果指標となるのが一般的だろう。その影響を与える行動指標としては、品揃えの変更や販促施策などが考えられる。第1フェーズでは、どのような行動指標が結果指標の改善に効果的かを議論し、仮説づくりを行う。

 第2フェーズでは、仮説に基づく施策を実行する。どう施策を講じると、結果指標がどのように変化するか。PDCAサイクルを高速回転させながら、成功・失敗を含めて結果を把握する。同時に、気象条件などの外部環境や行動指標と結果指標との相関も記録する。「施策aは◎」、「施策bは〇」、「施策cは×」といった施策と結果との相関関係は、教師付きデータとしてAIに学習させる。

 第3フェーズでは教師付きデータによる学習などを基に、AIを活用して自動的にモデル化を実施する。これにより、AIは成功確率の高い施策を提案できるようになる。実地の学習を積み重ねる中で、AIは次第に質の高い提案ができるようになる。

 第1~第3フェーズを進める上で、注意すべき点がいくつかある。「特に重要なのが結果指標の定義です。小売店舗などでは売上高などの分かりやすい指標がありますが、別の指標が適している場合もあるでしょう。業種や業態、適用領域によって慎重に検討する必要があります」(阪口氏)。

 また、AIの効果を全面的に引き出すまでには時間がかかる。社内の理解と協力を得るためには、「小さな成果を積み上げて、目に見える成果を早めに周囲に認知してもらうことも重要です」と阪口氏は指摘する。

 企業が取得可能なデータは増える一方だ。単位データ当たりの収集・分析コストも低下している。こうした中で、既存システムのデータと新たに取得するIoTデータをどのように活用するか。企業はデータ活用のあり方を改めて見直す必要がありそうだ。デリバリーコンサルティングは、そうした企業の取り組みを「AI in BI」アプローチでトータルにサポートしていく方針だ。

 

<PR>