急速な成長を支えるために、Picard（英語）はレガシーシステムからスケーラブルで柔軟なデータプラットフォームへの移行が必要でした。その答えは明確でした——Dataikuです。
データ活用型の取り組み
これまでPicardは、データ業務においてSASに依存してきました。かつては有効に機能していましたが、データ量の増加と分析ニーズの高度化に伴い、そのシステムは次第に限界を迎え始めていました。
優秀な人材の確保も課題の一つでした。新しい世代のデータ人材は、SASよりも柔軟なPythonやRなどのツールを好む傾向にありました。さらに、ワークフローの分断によりコラボレーションも妨げられ、各チームが互換性のないツールを使用していたのです。極めつけは、既存の環境が機械学習（ML）や予測分析への対応が限られており、現代の小売戦略を推進するうえで不可欠な機能を十分に備えていなかった点です。
こうした課題に直面したPicardは、ワークフローの統合、高度な分析への対応、そして優秀なデータ人材の獲得を可能にする中央集約型プラットフォームを求め、インフラのモダナイゼーションに着手しました。
SASからDataikuへの移行
PicardがユニバーサルAIプラットフォームであるDataikuと共に歩み始めたのは2020年のことです。移行には1年を要しましたが、その成果は非常に革新的なものでした。チームは成功を確実にするために、いくつかの戦略を採用しました。
- チームはDataiku Academyのリソースを活用し、メンバーが自分のペースで学習し、認定資格を取得することで、新しいプラットフォームに対する自信を高めることができました。
- 移行期間中、彼らは外部パートナーの支援を受け、15年以上にわたってSAS上で構築されてきたワークフローをスムーズに移行するための専門知識を活用しました。
- 変化への抵抗を克服するために、パーソナライズされたコーチングを活用しました。
- Dataiku上にワークフローを集約することで、これまで分断されていたチーム間のコラボレーションを促進しました。
こうした取り組みにより、Picardはデータ業務のモダナイゼーションを実現しただけでなく、分析プロジェクトをスケールさせ、先進的な機械学習モデルを日々の意思決定に統合する力を手に入れました。
注目の成功事例：顧客生涯価値（CLV）の予測
PicardがDataikuを活用して達成した最も大きな成果のひとつが、顧客生涯価値（CLV）モデル（英語）の開発です。この革新的なプロジェクトにより、各顧客が今後12か月間に生み出す収益を予測できるようになり、全社的に活用可能な実用的なインサイトが提供されています。
Picardは、顧客行動、エンゲージメント指標、属性プロファイル、購買チャネルの好みなど、多様で豊富なデータを取り入れることで、CLVモデルを最適化しました。このモデルは、Dataikuの直感的な機械学習ツールを用いて構築されており、顧客の収益を高い精度で予測します。プロセスは自動化されており、一連のワークフローを通じて毎月モデルが更新されるため、常に最新のインサイトが得られる仕組みとなっています。
ビジネスにおける変革的インパクト
このCLVモデルは、Picardの業務全体にわたって大きな影響を与えています。
- CRM戦略：このモデルは、離反リスクの高い顧客を特定し、パーソナライズされたクーポンやプロモーションといった的確な施策を可能にします。
- 予算計画：このモデルは正確な収益予測を提供し、経営層による的確な財務判断を支援します。
- 顧客セグメンテーション：このモデルは購買行動のパターンを明らかにすることで、顧客セグメンテーションを高度化し、Picardの顧客理解を深めています。
CLVを超えて：Picardの戦略の中核を担うDataiku
CLVの取り組みは、PicardがDataikuを活用してビジネスを変革している事例のひとつにすぎません。
- 顧客セグメンテーションは週次で更新されており、リアルタイムなインサイトの提供により、マーケティング施策の適切性と効果が常に維持されています。
- 店舗クラスターの最適化が図られ、地域ごとの嗜好に合わせて商品構成が調整されています。
- 外部データをDataikuに統合することで実現した高度なジオマーケティング分析により、出店戦略や商品展開に関するより賢明な意思決定が促進されています。
Dataikuへの移行により、Picardのデータ活用環境は大きく変革されました。とくに注目すべき成果として、初回購入後の顧客セグメント予測において75%の精度を達成しており、同社のデータドリブン戦略の精緻さを示しています。データエンジニア、アナリスト、データサイエンティスト間のコラボレーションも活性化し、自動化によってプロセスが効率化され、時間の節約と手作業の削減が実現しています。Dataikuのスケーラビリティにより、Picardは今後も新たなデータソースを統合し、分析能力を柔軟に拡張していくことが可能です。