第2回 流通・小売・消費財業界 ユーザー会 議事録 (2018/07/11)

Version 3

    コミュニティの皆さん:

    こんにちは!

     

    2018年7月11日、第2回の掲題ユーザー会を60名弱におよぶ多数の皆さまご参加のもと、盛況に終えることが出来ましたので、以下に報告させて頂きます。

    ご参加叶わなかった皆さま、ぜひ第3回(10月開催を予定)へのご参加をお待ちしております!

     

     

    ■過去の開催記録

    • 第1回:2018/04/18
    • 第2回:2018/07/11 (←今回)

     

    ■アジェンダ (16-18時@Tableau本社)

    (0) はじめに

    (1) ユーザ事例:「データと共に進化する組織のTableau 活用術」(アスクル株式会社 渡邉 泰和 様)

    (2) 先進ソリューション:「今、日本の小売企業はデータをどう見える化しているのか? ~成功事例から学ぶ、来店客データの取り方・使い方~」(株式会社 ABEJA 丸田 絃心 様)

    (3) Tableauスキルアップ:「グループワークで学ぶ、ビジュアル分析のベストプラクティス」(Tableau Japan 株式会社 芦谷 隆介)

    (4) 懇親会

     

    ■各セッション議事録

    (1) ユーザ事例:「データと共に進化する組織のTableau 活用術」(アスクル株式会社 渡邉 泰和 様)

    (※ 資料の共有はありません)

     

    • 自己紹介
    • 会社概要、部門位置づけ(B2BとB2Cビジネス)
    • 日用品ECサイトLOHACO紹介
    • LOHACOの顧客属性とペルソナ分析 by Tableau
      • 顧客層の年齢性別分布(日本全体と比較)
      • 購買行動分析(例:時間とともに購入カテゴリーが増加、バスケット分析(胡麻麦茶とビール購入の関連性) →顧客のライフスタイルを読み解く)
      • 顧客満足度が成長の源泉
    • LOHACOの分析ツールと基盤の変遷
      • ニーズに応じてツールを導入
      • 分析しやすくするため、様々なデータソースを集約しデータマートを作成
      • Tableauの活用:ECマーケティングラボ設立。54社のメーカー様と協働。すべてはお客様のニーズに応えられるように
      • 顧客データと購買データを分析し、マーケティング施策を立案実践
    • 渡邊氏の考える分析力
      • 分析力とは、IT知識や数理知識など様々な知識が必要ですが、その中でも特に仮説作成・仮説検証プロセスをいかに早く回せるか?が重要

      • このプロセス中の検証フェーズでTableauがとても大きなサポートをしてくれる

      • それは、様々な仮説を検証するために簡単に軸を切り替え、色々な数値を簡単に分かりやすく、すばやく確認出来るから

      • もちろん、証明した仮説結果の証明をビジュアライズして説明出来ることがTableauの得意領域ですが、様々な角度からデータを簡単に見れることはビジュアライズ同等に重要

     

    参考資料:

     

    (2) 先進ソリューション:「今、日本の小売企業はデータをどう見える化しているのか? ~成功事例から学ぶ、来店客データの取り方・使い方~」(株式会社 ABEJA 丸田 絃心 様)

    (※ 資料の共有はありません)

     

    • 自己紹介
    • 小売業の課題とソリューション
      • 購入前のデータがなかなか取れなかった⇒IoTでとれるようになる
      • IoTでビッグデータを蓄積⇒AIで解析・学習(例:属性別人数カウント、導線分析、商品・在庫管理)
    • 事例紹介
      • 石井スポーツ様:KPIを決めデータを見て仮説を立ててしっかり検証していく⇒入店率・回遊時間の向上にて、ライトユーザ需要の取り込み
      • イオンリテール様:入店から購買までのお客様行動を“見える化” ⇒入店率改善、春物投下の効果が最大化 KPI悪化の原因を特定し策を打つ ⇒接客スタッフのシフト最適化によってKPI向上
      • GUESS JAPAN様:店舗ごとのKPIを上下させる要因を突き止める


    • ABEJA Insight for Retailサービス紹介
      • 来店人数カウント、年齢性別推定、動線分析、リピート分析
    • TableauによるABEJA推定データの可視化(Tableau芦谷によるデモ)
      • 日時別来店人数
      • 曜日別時間帯別回遊状況(通行量⇒入店⇒棚前⇒購入)
      • 曜日別時間帯別性別推定
      • 曜日別時間帯別女性年代推定

     

    (3) Tableauスキルアップ:「グループワークで学ぶ、ビジュアル分析のベストプラクティス」(Tableau Japan 株式会社 芦谷 隆介)

    (※ 資料の共有はありません)

    • グループ結成、自己紹介
    • ビジュアルの力の例


    • 認識しやすい視覚属性:長さ、幅、方向、サイズ、形状、湾曲、囲い、位置、空間グループ化、色(色相)、色(濃度)
    • パイチャートの不利な点:大きさ・順位が分かりにくい。色をほかの用途に使えなくなる(色を無駄遣いしない
    • データタイプ別の分かりやすい表現形式
    • 場所が重要ならば地図で示す
    • 視覚を邪魔されると認識が遅くなる
    • 目立ちやすい色の組み合わせを選ぶ:背景を一定にする。ヒトが区別で きるのは8色まで
    • ダッシュボードの種類:探索型(中立的)と説明型(メッセージ性を強調)
    • まとめ
      • ヒトの視覚的な認知能力を活用し、伝える
      • クロス集計表や記述統計にこだわらない
      • 伝えたい要点を意識する

     

    参考資料:

     

    以上。

    文責: Tableau Japan 芦谷隆介