モビリティデータの活用方法

モビリティデータを活用するその前に

有益：まずは認識を合わせるために、身近にどのようなモビリティデータがあるかを考えてみましょう。一番身近なものですとGPSやセンシングですが、そのほかにも様々なデータがあります。モビリティデータと聞くと自動車ばかり想像してしまいますが、実はここで小ネタを1つ持ってきておりまして…。

これは自転車につけるGPSのロガーで、サイクルコンピュータと言います。モビリティには様々な定義があると思いますが、それぞれ人という軸でつながっているという点は同じです。私は自転車で毎週末に100㎞ほど走っていますが、その軌跡がサイクルコンピューターで記録されていくんですね。そしてヒートマップで「あなたはここを訪れましたよ」と表示してくれるんです。

堀内：ということは、モビリティデータの定義は、移動体のデータが入っていることになりますね。移動が早ければ電車か車、遅ければ徒歩。今ではスマホから多くの移動データが取得できるようになりました。

位置情報データプラットフォームのブログウォッチャーはスマホアプリにSDKを入れて位置情報の活用を促す会社ですが、それもある種のモビリティデータと言えるかもしれません。軌跡を追うことで、線路に沿っていれば電車に乗っている、幹線道路ならクルマで移動していることが予測できます。Google mapのようにGoogleがすべてのデータを所有していることが問題になっていますが、それ以外にサードパーティでもいろんなデータを扱っているのです。

大畠：移動するモノには必ず人間が乗っているわけですから、人のデータをモビリティと捉えても良いはず。

堀内：トレジャーデータは昨年、Armという企業に買収されましたが、彼らが設計した半導体が世の中には1,500億個以上存在します。そしで海洋コンテナやフォークリフトのパレットにデバイスを仕込み、GPSでデータを取りながらどこに何があるかを管理するアセットマネジメントとして活用しているのです。
そろそろ日本でも5Gが開始されますので、モビリティデータとしても活用していけるのでないでしょうか。

有益：組み合わせると「さらに興味深いインサイトになる」という話をもっと聞きたいですね。たとえば、移動データに人々の興味関心を組み合わせ、さらにAI分析で人のコミュニケーションをつなげれば、より気持ちの良いレコメンドができるとか。

大畠：事業者側になると、移動体だけでなく乗務員についても考えなくてはなりませんね。

IoTを使って某バスケチームで前日の睡眠状態を取ったことがあるのですが、その理由がチーム内の外国人が夜遊びしているから次の日プレーが疎かになっているのではないかということを検証するためでした。
トラックドライバーの場合、運転する前の状態がデータで取得できれば、適切な健康管理が行えるのではないでしょうか。

堀内：組み合わせは課題ありきなところもありますが、「このデータとこのデータの掛け合わせはあり」という大喜利的な考え方もできますよね。

大畠：組み合わせて気づくものも、仮説として掛け合わせたことで気づくものも両方あると。

堀内：データは持っていても、何と何を組み合わせれば良いのかがわからなかったりします。可能性はたくさんありますが、逆に言えばありすぎるんです。目の前にデータがあるとわかっていても、わかったところでそのデータどうするか、次の段階を考えないと前へ進めません。

大畠：難しいですよね。やってみようというモチベーションから、売上につながるか否かで雲行きが怪しくなり、そのまま頓挫することもありえますし。

堀内：スモールスタートでコストをかけずに始めることもできますが…。運転の場合は何か事故が起きた後では遅い。そう考えると、ユーザーに影響がないところ小さく始めるとか？

大畠：私はそこで「失敗しても影響がないくらいの失敗をして下さい」と言っています。

有益：このカンファレンスはEventHubでつながることができますので、まずは軽くやってみませんか、みたいなつながりを作っていただいて、その中で、データについてお話を進めていただくこともできますね。

堀内：前段はデータ活用の方法論になってしまいましたが、私たち自身もコラボレーションする時に気をつけているポイントですので、みなさまにも参考にしていただければと思います。

モビリティデータを活用して何を解決したい？そのモチベーションは

有益：予備知識的なお話の次は、データを使って何を解決したいのかを話していきましょう。個人的に好きなのは2(移動はもっと楽しく、短く)と5(マーケティング)のテーマ。

堀内：1の渋滞解消や事故低減は妥当ですね。渋滞も遅延もイライラするし。日本は鉄道や飛行機の遅延がほとんどありませんが、ヨーロッパなど海外へ行くと飛行機が平気で6時間ぐらい遅延しますから、移動しないでウェブ会議で済むならその方が良い。

パイオニアは、ドラレコからテレマティクスデータを吸い上げてきました。アクセル、ブレーキ、旋回など、パイオニアのデータサイエンティストと保険会社にも集まってもらって、安全運転診断を行っていたんです。例えば、私は運転が荒いほうですが、ただ運転が荒いから下手なのかというとそういうことでもなく、今までに事故は一度もありません。ただ、その運転が事故を今後も起こさないのかどうかを明確にすべく、分析されています。

やむを得ず事故を起こしてしまった方のデータと、そうでない方のデータを機械学習でパターン認識させて、地図会社さんに事故が頻発する地点のデータを登録してもらい、アラートをあげる。これって、保険会社も、私たちも、行政も、みんながハッピーになるデータ活用だと言えるのではないでしょうか。

大畠：運輸デジタルビジネス協議会で、事故というよりエコドライブをしようという取り組みがあります。エコドライブすることで省エネ、燃費の削減、安全運転につなげましょうねと。
エコドライブの実証実験では、燃費そのものも向上しましたが、安全運転を燃費に置き換えて捉えると、事故が50%減ったという結果が出ました。

堀内：移動体のデータは最低限、取得したほうが良いですね。未来を予測するものではありませんが統計にしておくんです。

大畠：タクシーの停まった場所をデータで蓄積していけば、お客さんを乗せやすい地点がわかるようになるので、会社としては売上につながるはずですしね。

堀内：とある配車アプリは、アプリを持っている人が乗りそうな確率を分析して、タクシーを流しているらしいですよ。

大畠：広島はタクシーが走っていましたが、山口はいなかった。場所によっては難しいこともあるかもしれません。

堀内：どんな人がどこにいるかを分析し続けて、最適化していくのです。これは3の配送における問題と同じ。10月にスマートホームのプロジェクトを始めましたが、家にいる・いないを分析するのは、その人の生活がより便利になるということ。デバイス同士の連携があるとなお良いですね。

大畠：モビリティではありませんが、スマートメーターと連携すれば、誰が何時にそこにいるかがわかります。予測であっても、ある程度在宅時間の情報がわかれば再配達も防げるんじゃないでしょうか。

堀内：そこまでベネフィットが明確なら良いですが、昨今オプトイン/オプトアウトの問題も出ていますしね。生活者である私たちが情報を渡す許可を明確にして、その情報が活用されて、ベネフィットとして戻ってくれば、デタが様々なサービスで利用されるようになるでしょう。

有益：勝手にデータを取るのはもちろんNGですが、気持ちの良いコミュニケーションは重要ですね。ここで今後気をつけるべきは、お客さんと向き合った形で、気持ちよさを構築することです。

堀内：困るのは、バルクのデータだけもらうケース。このデータを使ったら不在通知を送らなくて済むだろうというところまで分析をしてもらえると助かりますね。

有益：料理も同じです。素材もは大事ですが、調理をどうするかの方が重要ですし、さらには食べる人の気持ちが大事になる。

大畠：データはとにかく片っ端から集めないと意味がないみたいな話もありますが。

堀内：そうやって始まったプロジェクトは長く続かないケースも多いですよね。

大畠：IoTも同じです。温度のデータを集めたけどこれをどうするの？って。

有益：4の物流最適化はよくある話ですよね。

大畠：荷物がおろせない、荷物を渡したいけどトラックが来ないなど、トラックの荷受待ちが問題になっていますよね。出発や通過点などの位置情報があれば、その問題も解決できそうですが。極論、スマホから位置情報も送れますしね。物流にはバース問題もある。物流倉庫に入れるのか入れないのか、プッシュ通知で知らせることができればドライバーの負担も減らせるのでは。

堀内：そこまでニーズが明確だと、5Gが出てきたときに一気に解決しそうですね。

有益：5のマーケティングについてですが、最近おもしろいなと思ったカーシェアの話があって。土日のレジャー利用が多い人は、そのうち自分のクルマが欲しくなると言うんです。

堀内：カーシェアを解約する一番の理由が、実際に車を買うからということですか？

有益：そう、おもしろいですよね。そこで解約する人がアウトドア好きとわかればAIを使わずともルールベースでSUVのレコメンドを出すこともできる。

堀内：カーシェアリングだと、使える車が限られていますしね。欲しくなる気持ちもわかる。

有益：移動データを辿ればユーザーが利用したい車がわかりますので、インサイトを得た上で車種を増やすことができます。

堀内：そういう意味では、乗換案内も目的地に向かう最短ルートを提示しているので、近未来予測と言えるのではないでしょうか。カーシェアでもカーナビからユーザーの移動データが取得できますので、そこをうまくマーケティングに活かすことができればもっと良いサービスを提供できるはず。お昼に●●へ行くとわかったら、目的地近くのランチでおすすめのお店を提案するとか。

有益：移動を楽しくという話にもつながりますよね。

堀内：移動が苦痛だと感じる場合はそうですね。そういう意味では飛行機がもっともわかりやすいでしょう。飛行機は長時間じっとしていなければいけないので、映画やドラマが見放題ですが、別の選択が出来ると移動時間がさらに楽しいものへと変わりますよね。

有益：2番と5番を組み合わせることもできますね。
足取りからこのお店に行くだろうと予測し、そこへ行くならレンタサイクルで10分ですと提案して、そのままレンタサイクルやタクシーの予約もできるとか。この時、予約から支払いまで、シームレスに使えるアプリがあると嬉しい。

堀内：自動運転がGivenなものとして考えられている今、移動空間をどう楽しんで過ごすかが次の課題になっています。
仕事中の移動なら車内でミーティングしたり、仲間との移動ならお酒を飲んだり、ユーザーの趣味・嗜好に合わせて移動空間をどう演出するか。今年のCESでは、実際にコーヒーメーカーやテレビなど、すべての機器がモジュール化されていて、室内空間をどうアレンジするか選べる車が発表されていました。

大畠：クルマそのものがエッジデバイスになると。移動体の空間を必要に応じて変えるというのはおもしろい発想ですよね。

堀内：BtoCとBtoBで移動体のデータの扱い方は変わります。たとえば、BtoBでの配送、BtoCでの不在通知は同じようで別の使い方になるんです。

大畠：不在通知って、受け取り側のほうが偉いように感じませんか？ 配達員さんは決められた運行スケジュールと多忙な中、荷物を届けにきてくださっているのに…。時間指定しているにもかかわらず、2度、3度の再配達も多いようですし。指定日受け取ったらタダだけど、受け取れなかったらお金をいくらかいただくなど、ペナルティをつけることができれば再配達問題も解決するかもしれません。お金ではなく、期日通りに受け取ればポイントが溜まっていくとか。

有益：インセンティブとしてはいいかもしれませんね。

モビリティデータを活用するために整えるべきこと

有益：最後に、さまざまデータを集められるようになったけど、それをどうマネジメントするかについてお話しできればと思います。

堀内：データの蓄積なら、トレジャーデータでもGoogleでもAWSでもできますが、パイオニアさんみたいにデータをもとに運転の上手/下手が分析できるデータサイエンティストがいないと活用は難しいでしょう。もう一つは、ビジネスへの組み込み方。他社とオープンにディスカッションを重ね、どのような掛け合わせができるか、どのようにビジネス展開できるかを話せるかどうかです。今回のようなカンファレンスはそういう点でも非常に意義がある場所。企業・人がつながって、どんどん新しい発想が生まれて欲しいです。あとは海外の動向も追って見て行くべきでしょう。

大畠：仮説を持ったうえで分析をしてください。また、堀内さん同様、ビジネスの取り組み方も、まずは業界・業種を超えて会話をすることが大事だと思います。

有益：取得したデータから、最後は人がどう介在するのかに重点を置いて考えましょう。