Skip to main content
GruppenJapanFrage von Tableau Community Forums Member (Inactive)
Tableau Community Forums Member (Inactive) (Salesforce) fragte in Japan
23. Juli 2018, 08:00

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

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！

 

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

 

■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）

pastedImage_0.png

（※ 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

    • pastedImage_5.png

 

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）

pastedImage_1.png

（※ 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
    • pastedImage_5.png
    • 曜日別時間帯別回遊状況（通行量⇒入店⇒棚前⇒購入）
    • pastedImage_11.png
    • 曜日別時間帯別性別推定
    • pastedImage_12.png
    • 曜日別時間帯別女性年代推定
    • pastedImage_13.png

 

(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

Antwort schreiben...
0/9000