「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