Seven Bank a deux stratégies pour utiliser l’IA et les données

Un nombre croissant d’entreprises utilisent l’IA pour faire progresser la transformation numérique (DX), qui utilise la technologie numérique pour transformer les modèles commerciaux et établir l’avantage concurrentiel d’une entreprise.

L’utilisation de l’IA permet non seulement d’automatiser l’analyse et les prédictions du Big Data en fonction des résultats de l’analyse, mais elle devient également un outil efficace pour formuler des stratégies commerciales et améliorer l’efficacité opérationnelle.

Seven Bank, qui se concentre sur la création d’une « plateforme » permettant aux clients de déposer et de retirer non seulement de l’argent mais aussi des informations en transformant les services des guichets automatiques, promeut deux réformes utilisant des modèles d’IA (modèles d’apprentissage automatique) et des données.
　
L’un de ces domaines est le « commerce des données », qui utilise les données d’ATM et du groupe Seven & i pour développer de nouveaux produits et services, découvrir les besoins latents des clients et augmenter les bénéfices.

L’autre domaine est la « gestion des données », qui utilise l’IA pour analyser les données internes détenues par chaque division commerciale et améliorer l’efficacité opérationnelle.

La société a déjà obtenu des résultats en matière de gestion des données, notamment en optimisant les prévisions de dépôt et de retrait aux distributeurs automatiques et en recherchant des emplacements d’installation de distributeurs automatiques en Indonésie.

Le 1er juillet 2021, Seven Bank a annoncé son plan de gestion à moyen terme allant de l’exercice 2021 à l’exercice 2025. La société a annoncé qu’elle se concentrerait sur la transformation de l’entreprise dans les domaines des « ressources humaines, de l’organisation et de la culture d’entreprise » et des « modèles et processus commerciaux centrés sur les données ».

Cependant, en coulisses, les efforts de Seven Bank vers une stratégie « IA/données » progressaient déjà.

La personne jouant un rôle central était Masaaki Matsuhashi, l’actuel président et directeur général en charge de Seven Labs.

Depuis 2018, un POC (Proof of Concept) a été mené avec quatre ou cinq data scientists autour de l’étude de la « gestion des données » et de l’exploitation des données ATM et des données Seven & i Group.

« Dès le début, nous envisageions de passer à une « gestion basée sur les données » à l’échelle de l’entreprise, dans laquelle les employés pourraient utiliser les données et l’IA », explique Matsuoka.

Shinji Matsuoka, data scientist et chercheur adjoint au département de transformation d’entreprise (département CX), déclare :

Cependant, à cette époque, il n’existait pas de plateforme de données, nous avons donc dû commencer par créer un environnement pour le POC.

« Au départ, il était difficile de créer un environnement pour l’analyse des données (à l’aide de Python) sur notre réseau interne, nous avons donc construit un environnement pour l’analyse et y avons effectué l’analyse des données et la construction de l’IA (création de modèles d’apprentissage automatique). » ( M. Matsuoka) )

En 2019, elle est organisée et Seven Labs et Data Team voient le jour.

Raisons pour lesquelles Seven Bank a intégré l’IA et la gestion des données en interne

En 2021, 12 personnes de l’équipe data ont été transférées au département CX, devenant ainsi l’équipe de promotion des données IA.

« Jusqu’alors, nous travaillions avec d’autres entreprises pour nous aider, mais à partir de 2021 environ, nous avons réorienté notre attention vers la réalisation de la production en interne, et la construction actuelle de l’IA est réalisée par des data scientists employés du groupe AI/Data Promotion.  » Nous travaillons là-dessus. Une partie de la construction de l’IA utilise des outils AutoML. » (M. Matsuoka)

La raison pour laquelle nous avons choisi la production en interne est que l’utilisation de l’IA est très incertaine et nécessite de la flexibilité.

Il existe de nombreux obstacles à l’introduction de l’IA. Afin de faire progresser l’analyse de l’IA, nous devons formuler une hypothèse, collecter et analyser des données. Si la précision n’est toujours pas atteinte, nous collectons de nouvelles données ou essayons de modifier l’algorithme d’apprentissage automatique pour en déterminer la cause.

Si ces tâches sont externalisées, il ne sera pas possible de réagir rapidement et si le processus se prolonge, les coûts augmenteront.

De plus, il existe également le problème que des données précieuses ne soient pas conservées au sein de l’entreprise. C’est pourquoi Seven Bank a décidé de le réaliser en interne.

Alors, comment ont-ils procédé pour la production en interne et la DX tout en impliquant les employés sur site ?

Par exemple, examinons un cas où l’IA a été introduite pour prédire les dépôts et les retraits aux distributeurs automatiques.

La collecte et la livraison d’espèces aux distributeurs automatiques ainsi que d’autres services de gestion de trésorerie ont été planifiés et exécutés par des centres de paiement situés dans divers endroits, mais il est difficile de prédire quand réapprovisionner les distributeurs automatiques avant qu’ils ne soient à court d’espèces en utilisant uniquement des règles empiriques. Ainsi, à partir de l’été 2020, nous avons commencé à utiliser l’IA et les données pour analyser les données d’utilisation des guichets automatiques, prédire l’évolution des billets de banque et optimiser la gestion des billets de banque. Le projet a été réalisé par Seven Labs, qui soutient le département des opérations des guichets automatiques.

À cette époque, une attention particulière a été accordée à la création d’un système qui ferait appel à des employés de départements commerciaux n’ayant aucune expérience en agrégation de données ou en apprentissage automatique.

Le département CX avait l’habitude de coder en Python (le processus de développement de logiciels et d’applications à l’aide de langages de programmation) pour agréger des données et créer des fonctionnalités permettant de créer des modèles d’apprentissage automatique, mais cela était difficile pour les départements commerciaux sans une telle expérience. Le travail qui nécessite du codage est difficile. Par conséquent, nous avons adopté le service d’intégration de données de Microsoft « Azure Date Factory » pour permettre la création de fonctionnalités et la gestion de données avec une GUI (Graphical User Interface) non revêtue, et nous avons également utilisé le service d’apprentissage automatique « Azure Machine Learning » pour créer des modèles d’apprentissage automatique. En utilisant la fonction Auto ML (automatic machine learning), nous avons créé un environnement dans lequel différents modèles peuvent être créés.
　
De plus, ce projet a adopté « Data Hack », un service pris en charge par l’équipe de scientifiques des données de Microsoft pour les entreprises qui souhaitent utiliser « Microsoft Azure » pour analyser et utiliser des données.

« Le département CX a travaillé sur l’utilisation des données en collaboration avec les départements commerciaux, mais nous souhaitions partager les compétences en matière d’utilisation des données avec les membres du département commercial eux-mêmes. Support technique pour la connaissance de l’infrastructure et des outils, compétences Je pense que l’importance du programme DataHack est que nous avons pu recevoir un soutien pour promouvoir des thématiques incluant le partage. » (M. Matsuoka)

La vérification de ce projet s’est achevée en février 2021 et, lors de l’expérience de démonstration, nous avons pu produire des résultats d’analyse qui dépassaient de loin la précision des prévisions actuelles dans 29 des 37 centres de paiement.

Cependant, le chemin vers une application pratique n’est en aucun cas facile. L’IA construite à l’aide de cette méthode présentait des problèmes de précision et de temps de traitement le jour de sa mise en œuvre. Ainsi, en 2023, les data scientists de l’équipe AI/Data Promotion ont construit l’IA en utilisant une approche complètement différente, qui est actuellement utilisée.

Mais il ne fait aucun doute que ces initiatives constituent le premier pas vers une « gestion basée sur les données » qui implique tous les collaborateurs.

Développer des ressources humaines informatiques internes dirigées par des data scientists

Le groupe de promotion de l’IA/des données de Seven Bank compte 10 data scientists. Il y a une limite au nombre de projets qui peuvent être entrepris avec juste cela. Nous avons besoin de la coopération de chaque ministère.

Cependant, à l’époque, la plupart des employés de Seven Bank ne comprenaient même pas clairement comment les données pouvaient être utilisées pour réformer l’entreprise.

L’entreprise a donc concentré ses efforts sur le développement des ressources humaines informatiques au sein de l’entreprise, les data scientists jouant un rôle central.

Qu’avez-vous exactement fait?

Nous avons développé un programme éducatif appelé « Data Science Beginners » et avons commencé à le proposer en interne à partir de juillet 2021.

Les data scientists ont enseigné aux employés des connaissances de base telles que « Pourquoi l’IA et les données attirent-elles l’attention » et « Quelles sont leurs possibilités ? » et comment utiliser les outils accessibles à tous au sein de l’entreprise. données et créer des rapports.

Le programme se déroule en ligne et environ 10 personnes y participent chaque mois. Déjà, un peu moins de 230 salariés sur environ 550 salariés participent à ce programme.

 » J’ai l’impression que les salariés en milieu de carrière sont particulièrement proactifs. Dans chaque service, il y a un sentiment de « il faut utiliser les données », et les nouveaux collaborateurs sont capables de comprendre et d’utiliser les données internes. J’ai l’impression que les gens postulent pour le projet, même dans le sens où il deviendra une réalité. » (M. Matsuoka)

Cependant, certaines personnes peuvent ne pas être en mesure de le comprendre facilement après une seule séance de formation. Certaines personnes oublient avec le temps ce qu’elles ont appris en formation. Par conséquent, nous avons mis en place une communauté d’utilisation des données, avec des data scientists jouant un rôle central en montrant l’IA qu’ils ont créée aux employés de chaque département, et des employés présentant l’IA qu’ils ont créée avec l’aide de data scientists. .

De plus, en réponse aux demandes des stagiaires souhaitant pouvoir créer eux-mêmes de l’IA, ils ont lancé un programme « Intermediate Data Science ».
Dans le programme intermédiaire, les étudiants partent du principe qu’ils utiliseront eux-mêmes l’IA et aborderont les bases de la façon de procéder avec un projet d’utilisation de l’IA, telles que « définir un problème », « créer un ensemble de données » et « construire et évaluer l’IA. , » pour l’utiliser réellement. Le contenu comprend l’apprentissage de l’utilisation des outils d’apprentissage automatique. Le programme s’étend sur 4 jours au total, dont 2 jours de cours magistraux et 2 jours d’exercices et de stages pratiques.

Cadre de gestion des données « DMO »

En mars 2022, Seven Bank a réorganisé son infrastructure système afin de réaliser « l’expansion des domaines d’activité » comme stratégie de croissance du plan de gestion à moyen terme, et a utilisé la plate-forme de cloud public « Microsoft Azure » fournie par Microsoft Japon et Nomura Research. Institut L’entreprise a migré vers deux centres de données nationaux à l’est et à l’ouest fournis par l’entreprise.

Cependant, cela ne suffit pas à lui seul à promouvoir une « gestion des données » proactive qui utilise l’IA et les données. Afin de faire progresser la « gestion des données », un cadre de gestion des données est nécessaire.

Dans ces circonstances, un DMO (Data Management Office) a été créé. DMO est une équipe qui promeut des activités pour organiser et exploiter les données internes afin qu’elles puissent être facilement utilisées par chaque service au quotidien. Elle débutera en avril 2022 et accumulera les données internes à l’aide de Microsoft Azure en 2023. / Nous avons construit une infrastructure d’utilisation des données (plateforme de données) qui peut être utilisée.

Jusqu’alors, les divisions commerciales de Seven Bank conservaient des données distinctes pour divers services et opérations, et tenter de connecter les données de systèmes distincts entraînait un travail fastidieux.

Les employés rencontraient également des problèmes tels que « ne pas obtenir les données qu’ils voulaient », « ne pas les gérer de manière conviviale » et « ne pas avoir les compétences ou le savoir-faire nécessaires pour les analyser ».

Des OGD ont été créées pour collecter des données en un seul endroit et fournir des conseils à l’échelle de l’entreprise sur la manière d’utiliser les données. Cependant, au début, il était assez difficile d’obtenir une reconnaissance au sein de l’entreprise. Ce n’est pas tout.

Les OGD construisent des bases de données appelées « data marts » à partir des vastes bases de données de l’entreprise, selon les finalités, et les mettent à disposition des services métiers. En construisant le « entrepôt de données », a-t-il déclaré, il a passé beaucoup de temps à coordonner avec le département commercial comment inciter les gens à l’utiliser.

Cependant, même si nous créions un datamart, il y avait de nombreux cas où les gens ne l’utiliseraient pas lorsque nous l’introduisions sur le terrain. Les nouvelles initiatives peuvent être pratiques une fois que vous vous y êtes habitué, mais tant que vous ne vous y êtes pas habitué, le travail peut être pénible. Matsuoka et ses collègues ont donc réfléchi à la manière dont ils pourraient inciter les gens à l’utiliser.

« Nous avons eu de nombreuses discussions avec le département concerné sur la façon dont nous pourrions le rendre utile, et nous avons en fait réalisé un prototype, recueilli leurs avis, puis l’avons refait encore et encore. » (M. Matsuoka)

Actuellement, les data scientists s’attaquent activement à divers thèmes liés au « data business » et à la « data management », et le DMO utilise les connaissances acquises pour former des citoyens data scientists au sein de chaque département.

« À l’avenir, nous formerons un citoyen data scientist dans chaque département, et les citoyens data scientists se concentreront sur l’amélioration de l’efficacité du travail de leur propre département, et les data scientists développeront de nouveaux projets qu’ils ont conçus de manière indépendante, et de nouveaux des idées qui utilisent des données. »Je veux me concentrer sur les affaires. » (M. Matsuoka)

Yuji Kimura, consultant en IA et PDG de Convergence Lab., analyse ces efforts comme suit.
« Je pense qu’il est rare qu’une entreprise ait près de la moitié de ses employés qui reçoivent une formation informatique. En ce sens, je pense que cela peut être loué. Cependant, je ne suis pas sûr que ce type de stratégie DX conduise à des changements dans les formats d’entreprise. à l’avenir. Je ne peux pas dire cela. Afin de procéder avec un nouveau DX, le DX ne peut être réalisé au sens propre du terme que si un ensemble de problèmes concrets est établi. Que vous puissiez le faire ou non sera la clé du succès futur.  » N’est-ce pas ? Du point de vue d’un data scientist, c’est un essai et une erreur. Les clients ne disent pas souvent aux développeurs ce qu’ils veulent savoir. Il est important d’échouer à plusieurs reprises et d’apprendre les problèmes. Je pense »