アシスト

ユーザー事例

IoTログ解析/製造(家電)

IoTのセンサーログデータを製品開発と品質改良にフル活用!
JSON形式のデータもそのまま現場で分析

ビジネス課題

  • 従来のETLでは品質検査のためのデータ準備に1か月以上かかり、新製品のリリースが遅れるなど市場競争力に深刻な影響があった。
  • 出荷した製品の稼働状況をIoTのセンサーログデータとして取得していたが、製品の品質向上や製品開発にフル活用できていなかった。

技術的課題

  • ログデータのボリュームが莫大すぎて、現場では扱いきれない。
  • ログデータが複雑なJSON形式なため、分析や解析を始める前のデータの整備だけで数週間~数ヶ月かかってしまう。

Paxata導入の決め手

  • JSON形式のデータも瞬時にテーブル形式に変換できるので、データの種類や形式を意識することなく簡単に扱える。
  • Excelのようなスプレッドシート上でデータの加工作業ができ、クレンジングや統合、分割、追加、集計などの処理がすべてGUI操作で完了できる。

導入効果

  • 製品の品質に関わる重要なデータを短時間で分析できるようになり、製品改良のサイクルを早められるようになった。
  • エラーデータの解析から、エラーの特定と即時修正、サービスパックの提供などサービスの品質向上につなげられるようになった。
  • 必要なデータを短時間で準備できるため、製品開発や製品サービスを担当するメンバーが本来の業務に時間を注げるようになった。

セルフサービスBI/製造業

データ準備から分析までをセルフサービス化して、データ活用を拡大!

ビジネス課題

  • デジタルトランスフォーメーションの実現を目的に、社員におけるデータの民主化を図るためセルフサービスBIを導入したが、思ったほど活用が進んでいない。
  • 分析するためのデータがないためシステム部門にデータ作成を依頼するが、待ち時間が長く分析をすぐに開始できない。

技術的課題

  • Excelマクロやプログラミングがわからず、自分でデータを作れない。
  • 大量データ件数だとフリーズしてしまう。
  • 様々なデータソースを自由自在に扱えない。
  • 分析内容が変わるたびに違うデータが必要になる。

Paxata導入の決め手

  • 大量データを扱える。
  • Excelライクな画面でユーザーが操作しやすい。
  • 処理プロセスの自動記録や、他のユーザーとの共有により作業の属人化を排除できる。
  • データ準備に関わることであればなんでも使えるため、セルフサービスBIだけでなく、AI/機械学習の前処理やExcel業務の効率化も行える。

導入効果

  • 分析要件に応じて、ログデータや勤怠データを簡単に加工したり、複数のデータベースから検索したデータを組み合わせて加工するような、これまでは手間のかかった作業も効率化でき、「データの民主化」が着実に進んでいる。
  • データ準備の時間が減ることでデータ分析やネクストアクションの検討など、コア業務に注力できるようになった。

コールセンター人事評価/小売(日用品)

業務データと組み合わせて、人事評価の効率を改善!
業務のパフォーマンスを正確に評価に反映

ビジネス課題

  • コールセンターの繁忙期は人手不足になるため、臨時スタッフを増員している。
    スタッフの人事評価は、対応したコール品質に基づいて行いたいが、コール対応データと人事システムが連動していない。
  • 従業員IDが統合されていないため、Excelでデータを結合しなければならず、エラーが多発していた。

技術的課題

  • 従業員IDが統一されていないため、結合キーとして利用できず、手作業で膨大な時間がかかっている。
  • 人事データが社内に散在していて、項目や品質にばらつきがある。
  • 人事評価のたびに同じ手作業を繰り返さなければならず、データ作業に対する不満が高まっていた。

Paxata導入の決め手

  • データを読み込むとすぐに、マッチする結合項目を自動的に提案してくれる。
  • データ処理の手順と内容を保存できるため、データを入れ替えて何度も再利用が可能。
  • 保存したデータ処理は他のメンバーとも共有できるため、組織全体での人事評価の効率と精度の向上に貢献できる。

導入効果

  • Excelでの煩雑な手作業から解放され、人事評価をする前のデータ準備工数を大幅に短縮できた。
  • 多数のコール件数に高いサービス品質で対応した従業員を特定して評価できるようになった。

SAPマスターデータ統合

リビルド時に必要となる移行データの作成を効率化!

ビジネス課題

  • 移行データの作成は、ユーザーが日ごろ業務で扱っている独自の情報をデータに反映する必要があるため、IT部門だけの作業ではなくユーザー部門の協力が不可欠となるが、ユーザー部門はITツールを使いこなせないため移行データを作成できない。
  • SAP S/4HANAへ移行データをインポートした後は、エラーがなくなるまで何度も「移行データの修正とチェック」を繰り返す必要があり、IT部門だけのリソースでは到底対応できない。

技術的課題

  • ユーザー部門にデータ加工を依頼しても、ユーザーのITスキル差が大きく、データ品質が保証されない。
  • Excelを駆使したとしても、毎回ゼロからの作り込みとなり手間と時間がかかる。
  • 大量データを処理する場合に途中で画面がフリーズする。

Paxata導入の決め手

  • 移行先のテーブルのフォーマットに合わせたデータを簡単に準備できる。
  • 複数システムにまたがる顧客名を名寄せすることで、データの品質を向上して移行できる。
  • 処理プロセスはすべて自動で記録されるため、他ユーザーと処理を共有しながら効率的に作業を進められる。

導入効果

  • Paxataを使うことで業務ユーザー自らが移行データを作成できるようになり、IT部門とユーザー部門が協力し合うことで移行プロジェクトを成功に終わらすことができた。
  • 移行したデータを活用する際にもPaxataでデータ準備を行うことで、すばやくデータ分析やレポート作成を行うことができた。

研究開発R&D/医療(製薬)

試験データをプロファイリングする時間を1/8に短縮!
製品開発のスピードと品質向上に貢献

ビジネス課題

  • 臨床試験データをすばやくプロファイリングして、すぐに分析を開始したい。
  • データからより多くの考察と知見を得て、製品開発に活かしたい。

技術的課題

  • 新薬の試験では、試験ごとにデータの形式と品質が異なる。検証や分析には、すべてのデータを組み合わせる必要がある。
  • データ準備はデータサイエンティストが手作業で行っているが、研究部門にデータが提供されるまでに長い時間がかかる。

Paxata導入の決め手

  • 研究者や開発者が、試験データをローデータのまま自分で検証できるようになる。
  • データの加工・整形をコーディングなしで実施できる。
  • データをプロファイリングする工程は、半自動化したり再利用できるため、研究開発の効率とスピードを上げられる。
  • REST API で周辺システムとのデータ連携が可能。

導入効果

  • 試験データのプロファイリングにかかるデータ準備時間を1/8に短縮できた。
  • 横断分析が可能になり、新しい洞察を得られるようになった。
  • 研究者が自分でデータを扱えるようになり、製薬の開発スピードと品質向上に貢献できている。

オムニチャネルマーケティング/サービス(テーマパーク)

オムニチャネルの全データから顧客行動を把握!
顧客接点を強化して、カスタマーエクスペリエンスを向上

ビジネス課題

  • テーマパークに来場する顧客について、オンラインでの履歴とパーク内での実際の行動を紐づけて分析したい。
  • カスタマーエクスペリエンスの向上を目指して、顧客と接点をもつすべてのチャネルのデータを活用して効果的な施策を計画したい。

技術的課題

  • 全チャネルのデータを横断的に扱うためには、専門のITリテラシーを持つ担当者が必要だがその人材がいない。
  • 対象のデータには、オンプレミスのデータベースや多数のデータ形式(表、JSONなど)、クラウド上のシステムが混在している。

Paxata導入の決め手

  • すべてのデータを取り込んで統合し、顧客行動を追えるようになる。これらの作業は、関数やスクリプトを記述しなくてデータを作成できる。
  • Paxataで作成したデータは、TableauなどのBIツールにそのままエクスポートして、ビジネス部門のユーザーが活用できる。

導入効果

  • テーマパークへの来場前/来場中/来場後の顧客の行動をひと続きにつなぎあわせ、理解できるようになった。
  • 新しいチャネルが追加されても、そのデータをすぐに既存のデータと統合して分析ができるようになった。
オンライン打ち合わせ、エキスパート紹介
keyboard_arrow_up