The Microsoft Conference 2014

ROOM B

The Microsoft Conference 2014

ROOM B

アンケートにご協力ください。

The Microsoft Conference 2014

ROOM B

本セッションの資料について

• 本セッションの資料と映像を後日オンラインにて公開予定です。

• 掲載時期につきましては、追って事務局からのメールにてご案内させていただきます。

本セッションの目的

5

6

本セッションの目的

企業には様々な課題があります

本セッションでは架空の企業を題材にして企業が抱える課題をどのように IT の力で解決できるのかを説明します

個々の解決策の詳細に関しては本セッションでは触れません

セッション マップを提示しますので詳細は各セッションにご参加ください

7

架空の企業: Contoso ドラッグ

Contoso ドラッグ企業情報

• 1997 年に第一号店を神奈川県に開店

• 現在、全国 200 店舗を展開する中堅ドラッグ ストア チェーン

• 2007 年に東証一部に上場

• 業界に先駆けて「ポイント カード」を導入

• ソーシャル メディアに公式アカウントを作成して積極的に情報を発信

Point Card

8

事業環境 (市況と競合)

課題 来店者数の回復• 行動分析による顧客クラスタリング

売上向上• 客単価向上

• 機会損失の回避(売れ筋商品のラインアップ)

新規事業へのチャレンジに向けた既存事業のコスト圧縮• 設備機器の効率的な活用

• 情報システム

• 店舗 POS システム

• 在庫管理

店舗顧客の囲い込み• 処方箋システムと

PHR (Personal Health Record) 連携

9

事業環境 (市況と競合)

競合オンライン ストアの台頭で売り上げが減少

オンライン ショッピングの普及で定期購入や来店頻度が減少

改正薬事法により、コンビニでも薬剤販売が可能

各店舗における来店者数および売上が低下傾向競合

10

ERP

(SAP ERP)

CRM

(Custom LOB App)

在庫・発注管理

(Custom LOB App)

ポイント管理

(Custom LOB App)

人事給与(パッケージ)

グループウェア

(Notes)

社外向けWeb サーバー

既存社内システム

POS(店舗サーバー)

社内クライアント 会社の持ち出し用 PC 個人所有の管理外デバイス

Active Directory

ファイルサーバー

11

登場人物

架空の企業: Contoso ドラッグ

• 経理部として県内の複数店舗を担当後、昨年からエリアマネージャーに昇格

• 店舗に対する情報提供、売上増加のための改善提案を担当

松村健 (40 歳)

神奈川県の 5 店舗を管理するエリア マネージャー

• 営業部門で新規出店開発を行った後、一昨年から経営企画部で売上拡大につながる新規企画を担当

山良子 (38 歳)

Contoso ドラッグの経営企画部で新規企画を担当するマネージャー

12

既存社内システムの問題点と対策

13

改善のための要件: エリアマネージャー村松健の場合

神奈川県の 5 店舗を管理するエリア マネージャー

課題 来店者数の回復

売上向上 (客単価向上)

改善方法 店舗ごとの顧客属性分析

商品ごとの販売予測

来店者数の把握と予測

来店頻度の高い顧客の創造

客単価の向上

他店舗成功例をもとにした棚割り改善提案

14

マイクロソフトのソリューションとその効果

高速 DWH の構築

SQL Server 2014更新可能な列ストアインデックス

エリアマネージャー自身による自由なデータ分析

Power BI

クラウド 簡単な販売予測

Power BI

for Office 365

来店頻度の高い顧客の創出と客単価の向上

Azure Machine Learning

15

Azure Machine Learning (機械学習)

検索エンジン、オンラインレコメンデーション、ターゲット広告、仮想アシスタント、需要予測、不正検出などのサービスをクラウドベースで利用可能

インデックスの圧縮により、読み込みデータ量が削減、パフォーマンスが向上

SQL Server 2014 更新可能な列ストアインデックス

必要な列だけを格納したインデックス(データ更新に対応) により、不要な列の読み込みをなくしてパフォーマンスを向上

改善のための要件: ソリューション

The Microsoft Conference 2014

VideoAzure Machine Learning

～スマートエレベータ

17

18

使い慣れたインターフェイスでデータ分析

Power View Power Map

Power Query Power QA

改善のための要件: ソリューション

Microsoft Power BI

使い慣れた Excel や Office 365 を使って全社員が自分自身でデータを活用

イン メモリによる高速な分析処理

Excel の分析機能でデータを可視化

The Microsoft Conference 2014

DEMOPower BI

20

Windows LOBアプリ

各情報ソースへの入り口となる営業支援アプリでエリアマネージャの日常業務を一元化

• 訪問スケジュール、顧客情報、商品情報、売上情報など社内データへリンク

• 棚割りなどの現場写真、訪問レポートなどをサーバーへインプット

Lync

写真や動画などの店舗の情報を本部とシェアし、迅速なコミュニケーションを実現

• 棚割りや POP など、店舗の写真共有

• SV 間、本部と SV 間でのオンライン会議により、物理的な移動を削減

改善のための要件: ソリューション (Client)

21

Day1

13:35-14:20 売上目標達成には商談数が足りない!

どうやって商談を作りだしますか?

14:40-15:25 Windows タブレットが仕事を変える⁉現場から業務改善に取り組む企業の最新事例紹介

売上目標 2 倍!? 営業の人数を増やしますか、生産性を上げますか

16:50-17:35 マイクロソフト社員が実践する時間と場所にとらわれない働き方

クラウドを利用した、業務アプリケーションのモバイル移行

Windows アプリとクラウドの活用で進化するワークスタイル

PR-123

セッションマップ

PR-131

PR-133

PR-151

PT-152

PR-153

22

Day2

11:05-11:50 マシン ラーニングを使ったクラウド ベースのデータ分析/予測ソリューション

13:35-14:20 最速の OLTP へ！DB 性能究極の解「SQL Server 2014 が実現するインメモリ OLTP」

14:40-15:25 Big Data 処理を最速の DWH で！~SQL Server 2014 列指向型テクノロジ~

15:45-16:30 ユーザー自身による Big Data 活用へ。マイクロソフトが提唱するセルフサービス BI

16:50-17:35 Azure ML ってなんだろう？

Power BI for Office 365 で実現する予測機能と Data Mining Add-in

PT-221

セッションマップ

PT-241

PT-251

PT-262

PT-271

PT-272

23

課題 オンライン販売の検討

店舗コストの削減

店舗の処方箋顧客囲い込み

経営企画部で新規企画を担当するマネージャー

改善方法 顧客分析: スマホなどのアクティブ ユーザーの把握

配送コストの圧縮

設備機器の効率的な活用による空調費や照明費などの削減（IoT の活用）

血圧データの個人 PHR 収集

改善のための要件: 新規企画担当マネージャー山良子の場合

24

電気代削減

Azure Machine

Learning

マイクロソフトのソリューションとその効果

企画マネージャー自身による顧客分析

•Power BI

•Dynamics CRM

配送コストの圧縮•データマイニングアドイン

•Power BI for Office 365

オンライン販売サイトを企業サイトと共にクラウド上に構築•Web サイト

•Azure Media Services

•Dynamics AX on Azure

PHR データ連携

クラウド

25

Microsoft Azure を活用した企業サイトのリニューアル

Web サイトで企業サイトとオンライン販売サイトを構築して、Media Services で説明動画を配信

Dynamics CRM と Power BI

クラウドとオンプレミスに対応する統合型CRM や Power BI により、お客様情報の共有と最適な対応、動向や予測分析を実現

改善のための要件: ソリューション

26

データマイニングアドインで予測分析

わずか数ステップでマイニング分析できるExcel 用の無償アドイン

Azure Machine Learning で電気代を削減

Machine Learning でセンサーデータなどを活用して照明や電源、空調などを自動制御

改善のための要件: ソリューション

影響元分析、予測、カテゴリ化、マーケットバスケット分析など

IoT で設備機器からの情報収集

The Microsoft Conference 2014

DEMOマイクロソフト社内事例～電力の見える化

28

Day1

13:35-14:20 売上目標達成には商談数が足りない!

どうやって商談を作りだしますか?

14:40-15:25 クラウドでの止まらないシステム構築

売上目標 2 倍!? 営業の人数を増やしますか、生産性を上げますか

15:45-16:30 企業ウェブサイトの現状把握と将来を見越した運用手法の概

Microsoft Dynamics AX on Azure

16:50-17:35 Windows アプリとクラウドの活用で進化するワークスタイル

PR-123

セッションマップ

PT-132

PR-133

PT-142

PT-153

PR-143

29

Day2

11:05-11:50 マシン ラーニングを使ったクラウド ベースのデータ分析/予測ソリューション

13:35-14:20 メディア ストリーミングはクラウドにお任せ」

15:45-16:30 ユーザー自身による Big Data 活用へ。マイクロソフトが提唱するセルフサービス BI

16:50-17:35 Azure ML ってなんだろう？

Power BI for Office 365 で実現する予測機能と Data Mining Add-in

PT-221

セッションマップ

PT-242

PT-262

PT-271

PT-272

30

Digital Work & LifeExperiences

31

© 2014 Microsoft Corporation. All rights reserved.

●Microsoft、Serverロゴは米国Microsoft Corporationおよび、またはその関連会社の商標です。●本書は情報提供のみを目的としており、本書の内容について、Microsoftは、明示的あるいは非明示的ないかなる保証もいたしません。●本書に記載した情報は、将来予告なしに変更されることがあります。●本書を使用する場合のリスクまたは本書の使用による結果について、Microsoftはいかなる責務も負うものではありません。●本書に記載さ

れている会社、組織、製品、人物、イベントの例は架空のものです。実在の会社、組織、製品、人物、またはイベントとの関連を示唆するものではありません。●適用する著作権法のすべてにお客様は準拠いただく必要があります。●著作権上の権利に限定されることなく、本書の一部または全部を無断で使用、複製することはできません。●その他記載されている、会社名、製品名、ロゴ等は、各社の登録商標または商標です。●本書の内容は、2014年 9 月現在のものです。