コニカミノルタ、効果を出すデータサイエンス基盤を実現した3つのステップ

　「AIの活用には、（1）Product Innovationと（2）Process Innovationがある。前者はAIを機械に組み込んで自動運転するなどの取り組み、後者はAIで人の行動を変えて生産性を向上させるなどの取り組みだ。コニカミノルタにとってのAIは、Process Innovationを目的に展開している」--。

　コニカミノルタのマーケティング本部 データサイエンス推進室 室長の矢部 章一 氏は、同社におけるAI／データサイエンスの位置付けをこう語る（写真1）。

写真1：人の行動を変えて生産性を向上させる「Process Innovation」が目的だと語るコニカミノルタのマーケティング本部 データサイエンス推進室 室長の矢部 章一 氏

　その背景にあるのは、生産年齢（15歳〜64歳）人口の減少にある。高齢者1人を扶養するのに、2010年に生産年齢人口2.8人だったのが、2030人には同1.8人にまで減少すると予測されている。これはコニカミノルタにも当てはまるという。

生産性を40％高めなければサービスレベルを維持できない

　コニカミノルタは現在、世界49カ国にグループ拠点を持ち、連結で4万4000人超の従業員を擁する。同社の人員推移シミュレーションでは、「生産性を40％高めないとサービスレベルを維持できないという結果が出ている。今日対応し明日から実現できるという数字ではない。生産性向上は待ったなしの状況にある」と矢部氏は危機感を隠さない（写真2）。

写真2：サービスレベルを維持するための人員推移のシミュレーション例

　それだけの生産性向上を図るための取り組みが、同社における働き方改革であり、その実効策がデータサイエンスでありAIの活用だ。

　データサイエンスのプロジェクトにおいて成果が出ないパターンを矢部氏は「社長や役員がデータサイエンスの意味を知らず、中間管理職は企画を丸投げし、若手やベンダーが技術論に走る。結果として、目的に応じた分析プラットフォームが構築できない」と指摘する。

　そのためコニカミノルタでは、数年かけてデータサイエンス推進室を設立・整備してきた。2018年の時点で、社長と一人の役員の直下組織としてのレポートラインを整備し、本格展開に向けた準備を整えられた。2016年ごろには、種々の予測モデルの開発にも取り組んでいた。

　これまでの取り組んできた経過を振り返ったとき、プロジェクトの推進においては、（1）Visualization（可視化）、（2）Standardization（標準化）、（3）Optimization（最適化）の3つのステップのそれぞれに、乗り越えるべき重要な点があったと矢部氏は説明する（写真3）。

写真3：コニカミノルタにおけるデータサイエンスを運用するための3つのステップ

（1）Visualization（可視化）：全アナリストが同等のレベルで分析できる

　コニカミノルタが合併で誕生した会社だ。そのため「システムの統合性は完全ではなく、知識やノウハウが属人化することへの懸念を抱いていた」と矢部氏は話す。

　「あるテーマについて“主”のような人に尋ねても回答が1週間後といったケースもあった。それを排除するためにSASシステムを活用しデータマネジメントができるようにした」（矢部氏）。

　具体的には、一元化を目指したデータベースを構築し、システムのER図を整理したうえで、ナレッジデータベースとしての「社内Wiki」を展開。コードの記述も可能な限り排除し、GUIによる属人化が発生しづらい開発に切り替えた。

　これにより「情報共有の効率が高まると同時に、個々がモデルを作ることに慣れていく。データサイエンティストに任せ切りにせず、内容が合っているかどうかを現場の人と定例会で確認し修正できるようになった」（矢部氏）という。