ノーコードAIで非専門家でもLTV予測まで実現、全社展開を目指すDataiku活用とは
導入事例：SBCメディカルグループ株式会社 様
美容医療をはじめ、歯科、AGA治療、不妊治療、眼科、整形外科、再生医療など、多岐にわたる医療分野においてクリニックの経営支援を展開しています。国内外に広がるクリニックネットワークを通じて、質の高い医療サービスの提供と医療機関の持続的な成長を支えているSBCメディカルグループ株式会社様。
今回は経営戦略本部で全社的なデータ活用を推進し、Dataikuの導入から活用までを主導されているシニアアナリストの三俣様にお話を伺いました。
SBCメディカルグループ様ウェビナーアーカイブ配信はこちら
既存ツールの限界とSnowflake導入の課題
ーー導入検討当時の状況について
三俣様：
私がSBCに入社したのは2016年ですが、当時、社内にはまだデータ分析専門の環境が整っているとは言えない状況でした。私はマーケティング担当者として、マーケティング活動に必要なデータを基幹システムから手動で抽出し、一般的な表計算ソフトで分析していました。
しかし、100万件を超えるデータになると、もう扱えないんです。PCの処理も重くなり、限界を感じていました。会社の成長とともにデータ量が爆発的に増えてきたため、2018年にはその対策としてTableauを導入し、データの可視化問題に踏み出しました。
さらに、データ抽出も手動で行うのではなく、自動化のためにDWH(データウェアハウス)も検討しました。当時いろいろと検討した結果、Tableauとの相性も良いということで、Snowflakeを導入し、分析基盤を拡充していきました。
ーー処理速度の問題に対してはどのような対策を取られたのでしょうか
三俣様：
そうなんです。ここで新たな大きな壁に直面しました。データの可視化や分析を行うためのデータ準備が、もともとマーケティング部で行っているので、そこが大きな課題となっていたんです。
もちろんTableauを使っていますので、Tableau Prepでデータ処理は可能だったんですが、数千万件というデータ規模になると、かなり時間がかかってしまいます。
では、Snowflake側で高速処理をすればいいのでは、ということもあるんですが、SQLの知識がないマーケティングメンバーにはハードルが高い状況にありました。かと言って、都度エンジニアに依頼して、ビジネス背景を伝えながら分析データを作るのは、スピード感もなく、コストもかかるということで、課題になっていました。
そこでエンジニアでなくてもノーコードで、かつ処理速度も速そうなソリューションを探していたところ、Dataikuに出会ったという流れです。
コストと効果、AI活用の将来性を軸にした社内説得
ーーDataiku導入に向けて、社内をどのように説得されたのでしょうか
三俣様：
そうですね、やっぱり新しいツールを入れるというのは費用がかかりますので、その辺がなかなかハードルが高いところではありました。
データ加工のためにエンジニアを入れるのか、自走を目指していくのか色々議論はありました。ただ日時のデータ加工が3〜4時間かかる中、高速処理出来るツールは必要かつ、コミュニケーション課題もあるため、エンジニアを入れるよりもDatiakuを導入して実装したほうが結論良いのではないかとなりました。
ーー数ある選択肢の中から、なぜ Dataiku を選ばれたのでしょうか
三俣様：
Dataikuを導入するメリットは、大きく3つの価値があると思っています。
まず1つ目は、ノーコード・ローコードで、スピーディーにデータ準備が可能になったということです。やはり、データの準備が課題だったので、そこが大きく選んだ理由になります。
マーケティング活動や社内のKGI・KPIに必要な分析ダッシュボードを作成するため、数千万レコードのデータ準備が課題でした。それを、エンジニアに依頼せずとも、ノーコードでスピーディーに、自分たちだけで実装しながら行えると。しかも、Snowflakeのコンピュートウェアハウスを切り替えれば、さらに高速になるという点が、まず1点目です。
2つ目としては、AI・LLMを使って、顧客アンケートの分析を自動で作成できるようになったという点です。
以前より社内で取り組んでいたNPS(顧客アンケート調査)において、月に数万件のお客様のコメントの分析が課題でした。DataikuのLLMを利用することで、全体を要約するだけではなく、お客様1件ごとに、要約・感情分析・カテゴリ分けをデータ化することができました。
そして、その一連のフローを自動化することも可能になりました。これにより、お客様のアンケートについて分析の時間を短縮し、より深い分析をすることができ、お客様へのサービス向上につながっています。
最後に3つ目としては、これからより活用していこうと思っている内容ですが、機械学習(ML)をデータ加工のフローの延長線上に簡単に取り組めるということです。従来まで、機械学習を利用するということは、専用のツールまたは専用ツールによるデータ加工が必要で、専門知識が求められるため、マーケティングチームで行うには領域を超えている、導入のハードルが高いということが課題でした。
DataikuのMLにより、分析データの作成、先ほどお話ししたようなデータ加工・データフローの延長線上に、機械学習を簡単に組み込むことができるので、マーケティングメンバーでも活用できる。特に、顧客LTVの予測モデルの構築や、例えば人事部門での退職予測モデル、特徴量の分析など、今後、MLの活用につながっていくのではないかなと思っています。
ーー導入のタイミングはなぜ「今」だったのでしょうか
三俣様：
一番大きかったのは、Tableau Server上でのPrep運用が限界に来ていたことです。頑張って進めていたんですが、処理速度や実現性の面でかなり苦しかった。
そこにちょうど、次のステップとしてAI活用をもっと広げたいという社内の機運が高まってきたんです。NPSをはじめとした分析を現場に根付かせつつ、そこからさらに発展させたい。その二つの流れが重なって、今しかないと判断しました。
専門家としての知見と一気通貫の支援がパートナー選択の決め手
ーーDataiku導入のパートナーにキーウォーカーを選んだ理由
三俣様：
Dataiku自体の使い方、技術的な知見は、Dataikuさんのコンテンツが充実しているため習得できたのですが、活用するための知見というところが不足していました。
具体的には、LLMの機能について、その使い方は理解できるんですが、具体的にそのユースケースをどうやればよいのかとか、ChatGPTのような対話型のアウトプットではなく、どのように分析可能なきれいなデータとして準備すればよいかというのは、なかなか理解できなかったところですね。
そこで、そういった部分をサポートできるパートナーを探していたところ、キーウォーカーさんに出会いました。
キーウォーカーさんには、LLMや時系列分析、機械学習を学生時代から研究していた専門家がいらっしゃるということで、課題に応じて、その専門家の方と、週に1回の定例会を行っているんですけれども、直接いろいろ支援していただけるところに価値を強く感じています。
そして、Tableauパートナーとしても豊富な実績を持っているということなので、最終的に、Dataikuで作成したデータから、Tableauでの可視化まで、一貫したアドバイスをいただけるところも大事だと思っております。
NPS分析からLTV予測まで、非専門家でも高度なAI活用を実現
ーー活用事例について具体的に教えてください
三俣様：
今はまず、NPS分析を中心に取り組んでいます。顧客からの問い合わせ内容やレビューの分析にDataikuを活用し、そこから得られた知見をサービス改善につなげています。
さらに一歩進めて、LTV予測も行えるようになりました。つまり、顧客が将来的にどれだけ価値をもたらしてくれるのかを見える化できるようになったわけです。これはサービス改善の枠を超えて、売上や事業計画の立案にも直結する成果だと思っています。
まだ道半ばですが、非専門家がここまでできるようになったという点で、すでに大きな一歩だと感じています
全社的なAI活用組織を目指した今後の展望
ーー今後の展望について
三俣様：
これまでは部署ごとでのデータ活用を行っていましたが、今後は部署を横断したデータ活用を推進していきたいと考えています。
全社でデータ活用をした意思決定を推進し、データドリブン文化を根付かせていくことが今後のSBCの成長に繋がると信じています。
ーーこの度はお時間いただきありがとうございました。引き続きよろしくお願いいたします。
この記事の著者：市川美穂
