株式会社SiNCE

ビジネス理解と事業グロースに強みを持っており、ハイレベルなデータ分析を武器に実際のビジネスで成果を上げてきました。コアコンピタンスとしたいのは、ROIへの貢献。本質的な成果につなげるためにAIやデータを活用し、経営課題の改善を実行してきました。

SiNCEが今まで、企業のビジネス成長を支えることができた事例を簡単にご紹介いたします。

■ケース１：在京球団のデータ活用による収益機会創出
経営課題：観客動員が低下に伴う、収益機会の減少
　まず、194試合の購買データと6.4万人超の会員データを繋ぎ合わせてデータを多面的に分析できる基盤を構築しました。このデータを用いることで「いつ」「どの顧客」が「どの試合」の「どのタイミング」で「どこの売店」で「何を購入」までデータを繋げて可視化できるようになりました
分析基盤から収益に繋がっている顧客行動や、試合中の行動の流れを解析・データ分析を実施。座席エリアや顧客属性別の購買行動を可視化し、顧客のペインポイントを特定しました。その結果、球団は新たな収益機会を創出することができました

■ケース２：RI/SP運用のAIによる購入自動化・高度化
経営課題： オペレーション高度化と属人性解消、新サービス構築
　RI/SPの購入は仕組みが複雑なため購入量の最適化が難しく、人の経験や感覚によって実施されていた。このオペレーションをAI活用することで、属人性を排除し、高度化を進めた案件である

本案件を進める上で下記の課題が存在した。
・RI/SP履歴データであるCUR(Cost and Usage Report)が複雑で解析が必要
・RI/SPを購入する金額が非常に大きく、実用に耐えうるAI活用を探る必要がある
・RI/SPオペレーションの効果評価は独自概念が多く、新たな評価方法が必要である
この課題に対してSiNCEでは徹底したデータ調査、検証を実施。CURデータの解析はもちろん、関連データとの比較を実施。最終的に一部で差分が出ていた箇所が存在していたが、この差分もAWS側の特殊処理によってデータにずれが発生していたことが判明。データ解析ではハイレベルに数値に向き合った。

AI活用の施策提案ではAIという不確実性が高い技術を中核に据えるため、探索的なプロジェクト運営の形で推進しました。AIモデルの構築レイヤでは回帰系モデルや時系列モデル、NNモデル、さらにモデルを組み合わせたアンサンブルなど数十パターンを評価しました。精度だけではなく、実際の運用を考慮しバランスがとれたモデルを選択しています。
プロジェクトレイヤでも常時4〜5タスクを提案し、クライアントの状況やモデル精度などによって、探索的に実施タスクの優先順位を変えるプロジェクト運営をしています。

その結果、難解なCURから正確なBIを構築できました。オペレーション実施時に活用され、人によるオペレーションの高度化に成功しました。この成果は効率と利益向上に寄与し、今回の仕組み自体のサービス化に向けた取り組みも進行中です。

■今後の展開
データ活用で企業のビジネス成長を支えてきたSiNCEのノウハウをSaaSとして提供す予定です。
AI・データを活用してマーケティングのROIの最大化を目的とするサービス開発を皮切りに今後はサプライチェーン領域、HR領域への展開を予定しています。

私たちは、P/L や B/S などの事業面だけで企業が評価されるのではなく、組織面も評価される社会を目指しています。 その結果、従業員エンゲージメントが高い企業が増えることにより、働きがいを持つ人が増え、企業の生産性も上がり、 日本のGDP向上にも貢献できると考えています。

■背景
日本企業の生産性の低さ：
日本の労働生産性はG7の中で約50年間にわたって最下位
（日本の1時間あたりの労働生産性はOECD加盟国の36カ国中21位）
　➡︎データで日本の生産性を向上させる

■データ活用の課題
データの活用状況も他国と比較し進んでいない状況
データ活用が「既に積極的に活用している」と回答した企業の比率が４カ国中最下位
データ活用によるビジネス成果に関しても海外と大きく差がある状態
　➡︎データ活用で人を「働きやすく」する

■SiNCEがデータを活用したプラットフォームを提供しようとする理由
現代のビジネス環境においてデータの活用が不可欠であるという理解に基づいています。データは、企業が市場の動向を理解し、顧客のニーズを把握し、ビジネス戦略を最適化するための重要なツールです。また、労働生産性を高く価値高めていくために必要不可欠です。
私たちはお客様のビジネスにおいても成果を出すことに強いこだわりを持ち、AIやデータはともすればビジネス上の成果につながらないことも少なくないですが、私たちは常に成果をゴールに邁進いたします。

生産性を飛躍させるためには、AIの活用が大切ですが、最も大切なのはモデル化にあると考えています。モデル化は、仕組み化に似ているようで異なります。
例えば、D2Cの事業を広告活用して売上を伸ばしたいという目的があった場合、それを実現するためのモデルが存在します。実際に売れるべき商品がどのような特性があり、ターゲットとなる顧客はどのような人で、どのようなコミュニケーションをとることで購入に至るのか。広告の仕組みやマーケティングの仕組み、ECサイトにおけるUXなどさまざまな仕組みを読み解くことでモデルを明らかにすることができます。そのモデルを使って数字が大きく出るようにオペレーションを高度化していくのが私たちの手法です。
SiNCEの強みには、高速でPDCAを回し改善する力、新しいテクノロジーを積極的に活用する力がありますが、その根元にはモデル化があり、その上にさまざまなアクションが飛び交っています。

■カルチャー
・現場に机上の空論はない
私たちは常に実践することを大切にしています。考えて落とし込んだ資料に価値があるのではなく、考えて動いた行動（データ）に価値があると考えます。

・数字を上げるまでやる
データは数字を上げるために活用すべきだと考えます。それを実現するために私たちは数字を上げることをゴールとし、ハイスピードで実行します。

・PoCの先をいかにつくるか
AIはすべてに最高の結果を生み出すものではありません。しかし、PoCは終わりではなく、ビジネス成果を生むための重要なヒントとなり、ビジネス成果を出すことを目指します。当然のことですが、PoCは単なる実験にすぎずビジネスへのインパクトを目的としています。

・とにかくアウトプット
アウトプットをしまくることを大切にしています。新しい技術に対する取り組みはもちろん、あらゆる領域でアウトプットを産んでいきます。それがデータとなり、分析やAI活用によって大きな価値を創造します。

■価値観
各々がプロフェッショナルとして働きながらも、何よりもメンバーやその家族が健康・健全であることを大切にしています。

まだまだ、大企業に比べると福利厚生などの制度面では未整備な部分は多いですが、その分、裁量の大きさやスピード感の早さにはポジティブに驚かれるのではと考えています。
組織風土としても、階級制度のないスーパーフラットな組織やデータドリブンな意思決定を大切にしており、年齢や役職に関係のないフラットな文化な点も大企業等で窮屈な思いをされた方やFactベースで物事を思考する方などには非常にエキサイティングな環境だと思います。