pivotal retail roundtable_20130726_presentation_rev01
TRANSCRIPT
「流通小売業を科学するトライアルカンパニーのデータ活用の実践」~ Solution for the Retailers by the Retailer ~
2013年7月26日
株式会社トライアルカンパニー 西川晋二
アジェンダアジェンダ
1.トライアルカンパニーのご紹介、 IT 活用の取り組み
2. e3-SMART : 独自のデータ処理・基盤を獲得
3.“流通小売業を科学する”データ活用の実践
1.トライアルカンパニーのご紹介、 IT 活用の取り組み
2. e3-SMART : 独自のデータ処理・基盤を獲得
3.“流通小売業を科学する”データ活用の実践
はじめに ~トライアルカンパニーのご紹介~
トライアルカンパニーは、スーパーセンターを中心として
約170店舗を展開する流通小売業です
トライアルカンパニーは、スーパーセンターを中心として
約170店舗を展開する流通小売業です
トライアルグループのITへの取組トライアルグループのITへの取組
戦略: WAL-MARTに学び、ITと物流を戦略の要とする戦略: WAL-MARTに学び、ITと物流を戦略の要とする
25年間以上の取組:
自社向け内製システムにスパイラル式構築を継続
外部向け IT 販売サービス事業を展開 ⇒ 撤退
10年前の転機:
中国に IT 人材獲得の活路
(BO(バックオフィース)センターも中国人材)
〜一貫して、“流通を科学する” IT 取組みを継続〜
25年間以上の取組:
自社向け内製システムにスパイラル式構築を継続
外部向け IT 販売サービス事業を展開 ⇒ 撤退
10年前の転機:
中国に IT 人材獲得の活路
(BO(バックオフィース)センターも中国人材)
〜一貫して、“流通を科学する” IT 取組みを継続〜
e3-SMART :
「独自のデータ処理・分析基盤」 これを獲得したことで、 戦略的データ分析と活用を加速
e3-SMART :(新コンピューティングプラットフォーム)
6
Scale-out 機能と容量の拡張性Massively-parallel Architecture 並列分散処理Re-invented-Technologies
既存技術の革新
〜 Linux をベースにした大規模並列データベース処理〜
ローコスト
ハイパフォーマンス
スケーラビリティ
e3-SMART :(新コンピューティングプラットフォーム)
e3の意味するものは、
economyefficient
enabling
7
汎用 IA-Servers のクラスタOS: Windows ⇒ Linux
汎用 IA- サーバーのクラスタOS: Linux
Data Processing
Business Intelligence
PACER モバイルプラットフォーム ( 業務効率化、情報伝達、通信、流通現場 3 in 1 モバイル )
e3-SMART を核に実現する流通システム構成
BI 帳票ツール
⇔
e3-SMART 業務システム ( 業務・マネジメント 効率化システム )
e3-SMART Computing Platform(Scale-Out and Massively parallel computing platform )
GREENPLUMデータベース
e3-SMART分析・可視化アプリケーション
「戦略的データ分析」の為の3種の経営資源
① ID-POS データ ・会員400万人:店舗売上の約7~8割をカバー ・属性・地理情報・購入履歴の把握が可能
② e3-SMART 不可能であった高速処理が可能に (従来システムでは不可能だった、GISと顧客 ID
と商品情報を組み合わせた分析を実現)
③ データ分析に携わる人材 “KPO 中国人材”+“戦略東京分室(東大生チーム)” (KPO: Knowledge Process Outsourcing)
(チャレンジ事例) GIS 活用の改革・改善
目的: ID-POS データ分析と GIS の連携により、 数値に裏づけされた出店・販売・商品戦略
ニーズを満たすため新 GIS が求められる
• 単品レベルまでの分析
- 競合分析に活用したい
- 販売促進に活用したい
従来の GIS
• 50,000〜70,000アイテム
/店舗
• データ量 : 500万行/日
• 会員数 : 400万人
11
Retail GIS改善改革への取組み(1)
12
Retail GIS改善改革への取組み(2)
Retail GIS を活用して分析店舗別・商品別(カテゴリ⇒単品)販売ヒートマップ
Retail GIS による競合分析
支店長
競合エリアで、どの商品(カテゴリー⇒単品)がどんな影響を受けているか?
バスケット分析の実例
マヨネーズを買ったお客様が同時に野菜と和日配を買って頂ける確率は41%
バスケット分析の実例
マヨネーズを買ったお客様が同時に野菜と和日配を買って頂ける確率は41%
目的:ベテラン店長の勘と経験値を、数値に置き換 ることでよりチェーンストアマネジメントに向かう。
バスケット・併売分析、 RFM 分析への取組み
従来とは差別化した、単品でのバスケット分析、併売分析、 RFM 分析を行なう
16
まとめ: 課題と今後の取組み
課題
(1)分析能力UP KPO 人材 ⇒ データサイエンティスト人材
(2)データサイエンス手法の獲得 日米欧のリーディング企業から学ぶ
(3)データマネジメント