WebDBForum2019_Poster

WebDBForum2019のポスター発表資料です。
X-Tech領域におけるAI・データ活用について事例と併せてまとめています。

Transcript

1. X-Tech領域におけるAI・データ活用 （ ①Machine learning / ②GraphDB / ③Image processing / ④Deep learning ） WebDB Forum 2019 氏名 橋本 武彦（はしもと たけひこ） 所属 ㈱GA technologies　AI Strategy Center　General Manager 電気通信大学　客員准教授 キャリア サマリ • Sier（エンジニア5年/研究員2年）⇒調査会社（リサーチャー3年）⇒　ブレイン パッド（シニアデータサイエンティスト9年）を経て2017年　4月から現職 • データサイエンティスト協会（前事務局長）やデータサイエンティスト育成の新 規事業の立ち上げ • 電通大、滋賀大、慶應SFC、立教大など大学や官公庁での講義や講演・執筆 など E-Mail t_hashimoto@ga-tech.co.jp Socialｱｶｳﾝﾄ https://www.facebook.com/hashimoto.takehikko
2. PropTech（不動産テック）における課題と当社の取組例 2 2 　情報の非対称性（toCの課題） 低い生産性（toBの課題） • 高額商材故に経験がない（家は一生に 一度の買い物） • 同一の商材が存在しない • 情報（データ）が少ない • 零細企業が大半 • 法の規制 • （インフラとして）ITがない • ITリテラシーも高くない ①推定価格の提示 （Machine learning） ②最適経路探索の活用 （GraphDB） ③物件仕入れの効率化（レコメンド） （Image processing） ④間取図読取りによるCAD作成 （Deep learning） 課題解消に向けた 当社の取組例
3. 【背景】不動産は一生に一度の買い物であり相場観を持ちにくい。 　　　　情報も少なく、中古マンション価格が不透明 【課題】データが少ない ＆ エリア、面積、駅距離など多様な要素が 　　　　価格に影響 ＆ サイト来訪者の温度感は初期は高くない 【対応】精度の高い推定価格を簡易な入力で提示 ①推定価格の提示（Machine learning） 業界最高水準 MER 4.6% ※Median Error Rate　 （誤差率中央値） In Processing Out 3 3 3 （Key）マンション名、部屋番号 （変数）住所、所在階、総階数 　　　　面積、築年数 来訪者の ﾓﾁﾍﾞｰｼｮﾝを損 なわないように 最少5変数に絞 り、入力を簡易 化 自社システムと連携し、リアルタイム に売却活動を可視化 物件データ拡充＆エリア情報を特徴 量に活用しバラツキ軽減 （課題）さらなるバラツキ軽減と 　　　　MERに変わる新指標 Old 　Regression New 　XGBoost 情報の非対称性（ toC） URL https://www.ga-tech.co.jp/news/release/1465/
4. 【背景】（2点間でなく）多点間で交通手段を跨いで最適経路を把握したい 【課題】複数な条件下で 検索時間が長い ＆ 柔軟な検索が困難 【対応】GraphDBでの高速化 ＆ 異種データのMappingによる可視化 ②最適経路探索の活用（GraphDB） 情報の非対称性（ toC） JSAI2019 全国大会優秀賞 ※他に複数学会で採択 Future Work URL https://confit.atlas.jp/guide/event-img/jsai2019/4D3-E-2-03/public/pdf 4 4 4 • 駅間移動の精緻化 • 経済データ（持家率、 収入等）追加 • 交通手段の差異考察 • 渋滞との関係 • 海外都市との比較 ｼﾐｭﾚｰｼｮﾝ、ｽｺｱﾘﾝｸﾞ からﾏｯﾁﾝｸﾞへ hex gridに以下情報を集約 • train network • bas network • road network • popularion Example, Network Synergy train bas train+bas This Time Tokyo Station via train+hex in 5 minute isochrones
5. 【背景】仕入れ担当者に毎月数千枚の紙・ FAXが届く（大半ゴミ箱へ） 【課題】データが蓄積されない & 仕入れ基準が担当ごとにバラバラ & 　　　　チラシレイアウトがバラバラ 【対応】画像認識 + 機械学習によるレコメンドと運用フォローの連携 ③物件仕入れの効率化（Image processing） 生産性の低さ（toB） In Processing Out URL https://japan.cnet.com/article/35113386/ 5 5 5 PDFを自動読込（OCR） ※着色 　マンション名、住所 　賃料、修繕費、管理費、等 推定賃料 契約書自動作成 （RPA） 添付ﾌｧｲﾙ判別 （ﾁﾗｼ/契約書） 等 運用 機械学習　　　　　　＋ 過去の販売データを学習 し、早期販売を予測して、担 当者にレコメンド 担当は1%の◎から対応 読取精度が100%では ないため運用対応が必須
6. 【背景】建設業界の長時間労働 【課題】リノベーション時に中古マンションの図面データが入手困難な 　　　　ため、新築時の図面をトレースし CADデータを作成（長時間作業） 【対応】GANとFaster R-CNNの認識結果トレースを元に CADデータ作成 　　　　（& データ収集による精度向上の仕組みを提供） ④間取り図読取りによるCAD作成（Deep learning） 生産性の低さ（toB） 設計図面起こしが 1日作業⇒2時間作業 に大幅減少 In & Processing URL https://www.ga-tech.co.jp/news/release/1561/ 6 6 6 Out CADデータ作成 ↓ 精度向上のため データ収集 ↓ 長期的にはBIM と連携
7. Point：リアルへの”Respect”と”Support” ⇒リアルとデジタルが融合した世界へ向けて • Respect ◦ （前提）感謝の気持ち ◦ 今までの仕事のやり方を過度に否定しない ▪ 経緯や理由をきちんと伺う ◦ 職人の勘と経験は貴重（ KDD ⇒ KDD+D） ◦ まずはQuick-Win • Support ◦ リアル側と距離を近づける（物理 /心理） ◦ 業務フロー全体を考慮し、変更は少なく ◦ ビジネスへの影響も最小限に抑えつつ ◦ 繰り返し啓発 ＆ トレーニング （デジタルSideからみた） X-TechにおけるAI・データ活用のPoint 7 7 ※引用：会社を変える分析の力（元大阪ガス（株） 河本氏） http://www.ogis-ri.co.jp/event/docs/1209964_6738_01.pdf 見 つ け る 力 解 く 力 使 わ せ る 力
8. We are hiring! 8 8 GA technologies 会社概要 設立年月日 2013年 3月 資本金 5億6397万9950円（2019年6月時点） 代表取締役 樋口龍 事業内容 • AIを活用した中古不動産の総合的 なプラットホーム「RENOSY®」の開 発・運営 • AIを活用した不動産業務支援ツー ルTechシリーズの開発・運営 従業員 344名（2019年4月時点） • 2018/7マザーズ上場、設立５年で売上 200 億のPropTechのスタートアップ • セールスなど強力なリアル人材が多数在籍 の一方で、エンジニアが全社員の 44%と Technologyとの融合に注力 • 2017/4にAI Strategy Centerを設立（不動 産業界初）。技術顧問は杉山将氏 • AI Strategy CenterのVision「事業全体を見 据えて行動を起こせる研究者集団」 ⇒急成長ゆえ課題も多いですが、 　 　Excitingな環境です！ 　Let’s Join us!