銀行データ運用(データ近代化)

銀行データ運用(データ近代化)

データの近代化

はじめに:ますます多くの金融サービス企業が、データと分析テクノロジーを使用して新たなビジネス洞察とイノベーションを獲得するとともに、データを使用して顧客をより深く理解し、それによってユーザー サービス エクスペリエンスを向上させています。

166年の歴史を持つウェルズ・ファーゴ銀行は、2014年にビッグデータラボを設立して以来、データ分析から利益を得ています[1]。ウェルズ・ファーゴは2016年以来、データインテリジェンス時代の銀行になることを目指してデータ変換プロジェクトを立ち上げてきました[2]。関連する公開情報の調査を通じて、Kai Ge は Wells Fargo のデータ変換プロセスを部分的に復元しました。

この記事は全部で10,000語あり、読むのに約30分かかります。 100 以上の文書を読み、20 の文書を引用し、ウェルズ・ファーゴのインタビュー動画 2 本を引用しています。

(著作権上の問題がある場合はお知らせください。いつでも削除いたします)。

7月初旬、2019年の世界トップ1000銀行ランキングが発表され、ウェルズ・ファーゴは1680億ドルで7位にランクインした。

ウェルズ・ファーゴは166年の歴史を持ち、かつては「米国最高の小売銀行」として知られていました。革新性と顧客サービスで有名です。 2013年、フォーチュン誌との独占インタビューで、中国招商銀行の馬衛華社長は、中国招商銀行のイノベーションのインスピレーションや情報源の多くがウェルズ・ファーゴから来ていることを隠さず語った。同氏は、「ウェルズ・ファーゴはセメントとマウス、つまり伝統的な銀行とネットワークの変革を組み合わせた唯一の銀行であり、これは我々の考えと一致している。ウェルズ・ファーゴは、その後我々が行った多くのことに対して多大なインスピレーションを与えてくれた」と語った。

ウェルズ・ファーゴは、データアプリケーションを重視した最も早い時期の企業の 1 つです。ウェルズ・ファーゴは1983年に独自のエンタープライズレベルのデータウェアハウスシステムを構築しました[2]。

データに関する理解が主に CTO や CIO といった技術的な役割に集中している多くの企業とは異なり、ウェルズ・ファーゴの CEO であるティム・スローン氏は、データの重要性について独自の解釈を持っています。 「データの近代化は、ウェルズ・ファーゴの効率性を向上させる重要な要素です。これには、社内管理プラットフォームとデータベースの数の削減、複数の企業の顧客データの統合、集約された情報に基づく不正検出の実行が含まれます。データの近代化により、プロセスがより合理化され、効率的になるだけでなく、革新的な製品やサービスを市場に投入するスピードも向上します。データ テクノロジーを利用することで、お客様の財務状況の管理が改善され、長期的な信頼関係と事業継続性を確立できると考えています。」

ウェルズ・ファーゴは、データ戦略を取締役会戦略に組み込んだ数少ない銀行の一つであり[9]、「すべてのシステム運用がリアルタイムで、大量のデータを処理および保護できることを保証し、それによって効率的な運用とイノベーションの推進に貢献しています。」

ウェルズ・ファーゴの上級副社長兼エンタープライズ分析およびデータサイエンス責任者のプラハラド・トータ氏は、 「私たちの使命は、データとインテリジェントテクノロジーを通じて、銀行のすべての部門が顧客をより深く理解し、リスクをより適切に管理し、サービスを最適化し、応答性を向上させることです」と語った。

ウェルズ・ファーゴのデータ変換は、特に顧客中心のデータに重点​​を置いています。 「高まる顧客の期待に応え、フィンテックの新興企業や他のデジタル企業との競争で優位に立つためには、データを包括的、完全、かつ深く活用する必要がある」とウェルズ・ファーゴのデータ管理およびインサイト部門責任者のザック・モーフェ氏は述べている[3]。

しかし、実際のところ、ウェルズ・ファーゴの過去のデータ・プラットフォームとアプリケーションは、ほとんどの銀行と同様に、事業ラインを中心に構築されていました。各事業部門および製品ラインごとに独立したデータシステムを構築しました。その結果、ウェルズ・ファーゴは 7,000 万件を超える膨大な顧客データを保有していたにもかかわらず、それらのデータは複数の銀行部門やシステムに分散しており、検索や共有が困難でした。

たとえば、クレジットカード部門は顧客の住宅ローンや投資経験に関する情報を把握しておらず、営業担当者は顧客について部分的な情報しか把握できません。

この状況を打破し、データを通じて顧客のポートレートを包括的に描写できるようにするため、ウェルズ・ファーゴは 2017 年に銀行全体の集中データ運用およびインサイト チームを設立し、高度なデータ分析機能をサポートする全体的なデータ戦略とプラットフォーム アーキテクチャを開発しました。これは非常に難しい仕事です。

ウェルズ・ファーゴのデータ変換は、主に次の 4 つの部分で構成されます。

「今日では、データ分析と機械学習の威力、そして顧客のニーズを理解して顧客とのやり取りをパーソナライズするシステムを構築する方法を誰もが理解しているが、包括的なデータアプローチを確立している銀行はほとんどない」とウェルズ・ファーゴの戦略担当副社長パンカジ・ライ氏はインタビューで語った。 「ほとんどの企業がデータの問題を抱えている理由はいくつかありますが、その第一は、ほとんどの企業がITシステムを設計する際に、データがITシステムの重要な要素になることをあまり考慮していなかったことです。ITシステムはビッグデータ革命の到来を予期していなかったため、適切なデータアーキテクチャを設計することができませんでした。」[5]

これがデータ戦略の重要性です。ウェルズ・ファーゴは、銀行の現状と将来的にデータが何を可能にするかを研究するために、銀行全体のデータ戦略を確立しました。

ウェルズ・ファーゴは、データ戦略の構築と定期的な反復的な最適化を通じて、どのようなデータを保有しているか、そのデータがどこにあるのか、ビジネスの観点からどのような価値があるのか​​、将来どのようなデータが必要になるのか、そしてどのようなチャネルを通じてデータを取得するのかを明確に把握できるようになりました。その後、データ需要マップに基づいて後続のアプリケーション システムの構築のためのデータ戦略を改善し、最初からデータを統合して、後続のアプリケーション システムでのデータ サイロを回避できます。

ウェルズ・ファーゴのデータ戦略開発には主に以下のものが含まれます。

ウェルズ・ファーゴは、データガバナンスの分野で非常に包括的かつ詳細な取り組みを行ってきました。

ウェルズ・ファーゴのデータガバナンス戦略は最高データ室が主導しており、エンタープライズデータガバナンス戦略、エンタープライズデータ標準などが含まれます。これらの標準は、重要なデータ資産を管理および維持するための効果的な方法をさらに定義および文書化し、他の企業コラボレーション、融資、情報セキュリティ、記録管理、データ保護、プライバシー関連のポリシーと整合させます。データ ガバナンスは、Wells Fargo のビジョン、価値観、目標に沿った運用効率と顧客エクスペリエンスの向上を実現するために不可欠であり、それによって Wells Fargo のデータを適切に活用し、適用される法律や規制の要件に準拠します。 [11]

エンタープライズ レベルのデータ ガバナンスの重要な目標は次のとおりです。

  1. 企業向けのデータ資産カタログを整理して構築し、必要な人がいつでもどのデータやデータ製品、サービスをどこで入手できるかを明確に把握できるようにします。
  2. 銀行のリスク データに一貫した定義 (メタデータ) があり、記録システムに追跡可能であることを確認します。この方法では、計算方法に関係なく、データ転送プロセスが明確に記録されます。
  3. 最も頻繁に使用するデータを単一のデータ バージョンに統合します。規制当局や銀行員が特定の数字を尋ねた場合、データ チームは、複数のソースから異なる回答が得られないように、1 か所からのみデータを取得できるようにする必要があります。
  4. 社内外のさまざまな事業ラインが一貫したデータを取得できるように、相互運用可能なデータ通信言語を確立します。

これらのデータ ガバナンス タスクを実行することで、銀行はリスクをより適切に管理できます。データを活用して銀行の事業全体にわたる問題を解決し、機会を発見します。

ウェルズ・ファーゴのデータガバナンスには、戦略的な標準とプロセスの策定だけでなく、データインフラストラクチャ、統合と交換の技術標準などの技術戦略の管理も含まれており、データガバナンスが理論レベルにとどまらず、技術的な手段を通じて具体的なプロジェクト実装レベルまで実装されることを保証します。

2017年、ウェルズ・ファーゴは自社の金融データ環境を分析し[12]、メインフレームからデータレイク、運用データの分析、価格戦略データ、ユーザーログデータに至るまで、エンタープライズレベルのデータ資産管理のライフサイクルプロセス全体を開発しました。データソース、データタイプ、データ分析方法、技術的手段が統一的に分析および設計され、エンタープライズレベルのデータ処理の標準化とトップレベルの設計の一貫性が確保されました。

ウェルズ・ファーゴには、データ管理&インサイト(DMI)[13]と呼ばれるデータ部門がある。 LinkedIn の職務記述書によると、この職種の主な機能は、ビジネス目標に関するデータを使用および管理し、顧客に洞察を提供し、規制要件を満たすことです。さまざまな事業ラインには、対応する DMI コンサルタントがいます。

そのため、ウェルズ・ファーゴのデータ管理は、純粋に技術的な職種ではなく、ビジネスとデータを統合する職種であることが分かります。ビジネス目標に向けられたデータ応用の仕事です。

ウェルズ・ファーゴ銀行は、データの技術戦略管理をデータ戦略システムに組み込み、銀行レベルでのデータの収集、保存、処理、分析に関する技術戦略の選択を統一的に策定し、技術の一貫性と標準化を確保して、データシステムのアップグレード、反復、統合コラボレーションを促進しています。

ウェルズ・ファーゴのデータ戦略の非常に重要な部分の 1 つは、現在のデータ状況を分析するだけでなく、将来のビジネス シナリオを設計し、データ アプリケーションの青写真を計画することです。ウェルズ・ファーゴ銀行の戦略担当副社長であるパンカジ・ライ氏はインタビューで「データアーキテクチャと設計はITシステム設計よりも優先されるべきだ」と述べています[5]。

Wells Fargo の採用 Web サイトを見ると、最も一般的なデータ職種はデータ統合コンサルタントであることがわかります。データ統合は基本的なタスクであると同時に、最も多くの作業負荷を必要とする細心の注意を要するタスクでもあります。しかし、7,000 万人のユーザーのデータはますます豊富な次元を持っています。他のデータと組み合わせると、順列と組み合わせの数は天文学的な数になります。データ統合コンサルタントは、ソース データを迅速かつ標準化された方法で処理して、価値のある一般的なデータ サービスを作成するにはどうすればよいでしょうか。

アジャイルなエンタープライズ データ統合戦略を策定することは、非常に重要なトップレベルの設計です。ウェルズ・ファーゴのデータ戦略には、エンタープライズ データ統合の標準とプロトコルが含まれており、データ統合コンサルタントが共通の言語、方法、ツールを使用して作業し、データ サイロが作成される可能性を最小限に抑えることができます。

ウェルズ・ファーゴは、データを最も早く活用した銀行の一つであり、データから中核的な競争力を獲得しました。同時に、ウェルズ・ファーゴでも複数のデータ漏洩が発生しました[14]。したがって、ウェルズ・ファーゴのデータ戦略では、データセキュリティ管理は企業ガバナンスの高いレベルで管理されています。特にデータ認証に関しては、ビジネスデータのさまざまなカテゴリに対して、階層的かつタイプベースのデータ認証ポイントと検証・承認メカニズムが確立されています[6]。

ウェルズ・ファーゴは 1983 年に独自のエンタープライズ データ ウェアハウスを設立し、SAS、Teradata、Oracle などさまざまなデータ プラットフォームを保有しています。このデータ変換プロジェクトでは、Hadoop に代表される統合データ インフラストラクチャと最新のデータ プラットフォームを構築し、ビジネス アプリケーションでより統合された方法でデータを使用および消費できるようにしたいと考えています。

Wells Fargo が実装したものは、基本的に私たちがデータ センターと呼んでいるものと一致していることがわかったため、この部分の作業を Wells Fargo のエンタープライズ レベルのデータ センターの構築としてまとめました。これには主に次の内容が含まれます。

ウェルズ・ファーゴ銀行は、従来のモノリシック・データ・プラットフォーム(Teradata、Oracle、SASなど)をクラウドまたはHadoop[7]に基づくオープン・データ・アーキテクチャに移行することで、レガシー・データ・システムを継続的に近代化し、会社のデータを統合・統一しています。このようなプロジェクトの間接的な利益として、ウェルズ・ファーゴは100以上のデータセンターを閉鎖した[8]。

Wells Fargo のデータはもともとさまざまな企業、部門、事業ラインに分散していたため、エンタープライズ データ ウェアハウス全体の移行は全体的なデータ戦略計画に基づいて行われ、移行されたデータが接続され、全体的なトップレベルの設計に基づいていることが保証されました。

ウェルズ・ファーゴには、次のような種類のデータを含む膨大な量の内部データがあります。

内部データ: 顧客アカウントや資金支払取引などの構造化データ。顧客サービス音声、支店ビデオ、オンラインバンキング記録、電子商取引モール記録などの非構造化データ

外部データ:米国の3大信用調査機関からの各顧客の信用スコアおよび信用報告書情報、格付け機関から提供される情報、商工裁判所から提供される情報、顧客の社会的関係情報、顧客の消費情報など。

ポール・カオ(ウェルズ・ファーゴのキャピタル・マーケット事業のデータサービス担当ディレクター)は、「さまざまなビッグデータソリューションに関する過去の経験と最新のテクノロジートレンドを踏まえ、彼と彼のチームは、従来のリレーショナルデータベースの限界をよく理解していました。その結果、彼らはNoSQLとHadoopをサポートするソリューションに注目しました」と述べています[16]。 Wells Fargo は、Hadoop をベースとした集中管理型の分散データ ストレージ アーキテクチャを確立し、多様なテクノロジーと統一された統合標準を通じてエンタープライズ レベルのデータ レイクを管理しています。

ウェルズ・ファーゴ銀行は、顧客を取り巻くさまざまな事業ラインのデータを結び付け、「水平顧客ビュー」を確立しました。これを顧客データプラットフォーム[15]と呼んでいます。ユーザー データ プラットフォームにより、ビジネス担当者はユーザーに関する包括的かつ一貫した情報を入手し、最も正確でリアルタイムのビジネス上の意思決定を行うことができます。

ウェルズ・ファーゴは、メタデータの統一された定義と管理を通じて、企業全体で一貫性のあるデータを記述するための言語を確立し、ボトムアップのデータガバナンスシステムを確立し、高速な変化下でもデータの一意性と一貫性を確保しています。

ウェルズ・ファーゴは、データレイクを基盤として、ビジネス価値重視のデータマートを構築しました。すべてのデータ サービス (データ API) はデータ マートに基づいて生成され、ビジネスにデータ サポートをより迅速かつリアルタイムで提供できます。

Pankaj Rai 氏は、「API はコラボレーションを実現する最良の方法の 1 つであり、企業の将来は API によって推進される」と述べています。 Wells Fargo は、社内外での使用のためにデータを API に変換するための独自の API ゲートウェイ ポータルを構築し、独自の動的なエコシステムを構築しました。

ウェルズ・ファーゴでは、データは「視覚化された」形式で提示されるだけではありません。データAPIはビジネスシステムに組み込まれ、ビジネスオペレーションにリアルタイムで影響を与え、ビジネスをよりインテリジェントにします[17]。

2018年、ウェルズ・ファーゴは、機械学習などの人工知能技術をビジネスのさまざまな分野に適用するための独自のAIエンタープライズソリューションチームの設立を発表しました[18]。 AI ベースの予測銀行サービスは、2018 年 2 月にすべての消費者顧客向けに開始されました。顧客の銀行取引を分析し、アラートや推奨事項を送信することで、顧客は貯蓄を増やすなどの前向きな財務戦略を実現し、当座貸越などの損失を回避するための行動をとることができます。

キーボードで入力するのではなく、音声を使用してデジタル デバイスを操作することを好む人が増えています。このように、AI は私たちの声帯とシステムやテクノロジーの間の架け橋として機能します。銀行業務では、音声認証はパスワードよりもシンプルで安全、そしてシームレスです。また、請求書の支払い、送金、その他の取引を行う際に、人々により多くの選択肢と利便性を提供することもできます。ウェルズ・ファーゴは、データ分野に自然言語処理を適用した最初の金融会社の 1 つです。彼らは、NLP テクノロジーに基づいたインテリジェントな顧客サービス システムを構築しました。

AI は、時間の経過とともに同じ場所と形式で表示されるデータを収集、整理、解釈する方法を学習できるため、人が反復的なタスクに時間を費やす必要性が減ります。ウェルズ・ファーゴの AI イノベーション ラボでは、研究者たちが AI によって銀行員とのリアルタイムのやり取りをどのように実現できるかを研究しています。一例として、AI を活用して顧客の口座開設承認を自動化することが挙げられます。これまで、ビジネスパーソンは数十もの文書やシステムにアクセスするために多くの時間を費やす必要がありましたが、AI ソリューションを導入することで、AI システムが適切な質問や確認すべき事項をすべて提示してくれるため、ビジネスパーソンは顧客とそのニーズに集中できるようになります。

ウェルズ・ファーゴは、データ戦略と最新化されたデータ・プラットフォームに加えて、すべての事業部門にデータ・インテリジェンス機能を提供する分析ターゲット運用モデルも構築しています。現在、優先度が高い3つの領域は、ユーザーエクスペリエンスの向上、ユーザーと市場の洞察、コンプライアンスリスク管理です[4]。

ウェルズ・ファーゴの顧客インサイトチームは、7,000 万人のユーザーからのデータを統合して分析し、さまざまなデータを信頼できるインサイトに変換して、商業銀行のポータルを再設計しました。

一般的なシナリオ: ユーザーの行動データを分析して、ポータル Web サイトのデザインを最適化します。

ウェルズ・ファーゴの最高マーケティング責任者(CMO)ジャミン氏は別のインタビューで、データ、人工知能、機械学習技術を通じて、複数のチャネルからのユーザー行動データと取引データを統合し、顧客の好み、希望、ウェルズ・ファーゴのサービスの利用方法をより包括的かつ詳細に理解していると述べました。これを基に、ポータル Web サイトのデザインをより最適化し、よりパーソナライズされた効率的なユーザー エクスペリエンスをユーザーに提供できるようになります。

訪問数、アクセス経路、滞在時間、各種機能の利用状況など、ウェブサイト上のユーザー行動データを総合的に収集し、取引・売上・収益データをもとに総合的に分析し、ウェブサイト全体の再設計を行いました。

ウェルズ・ファーゴ銀行は、マネーロンダリング防止やクレジットカード詐欺防止などのコンプライアンス、リスク管理、自動監査にデータとインテリジェントテクノロジーを広範に適用しています[20][21]。ウェルズ・ファーゴは、潜在的な詐欺事件の可能性を検出し、継続的にテストできる AI モデルを開発しました。これにより、調査のために従業員に引き渡される高リスクの事件の数が大幅に削減されます。

典型的なシナリオ: AI を活用した銀行カード不正検出

銀行カードの不正防止は典型的なビジネスシナリオです。小売銀行と商業銀行はどちらも、借り手が契約上の義務を履行できなかったために生じる損失を軽減するために、破産、債務不履行、前払い、ローン再編などの高リスク事象を特定したいと考えています。

ウェルズ・ファーゴは、従来の統計分析やデータマイニング手法では、膨大なデータセットの下で複雑なモデルを処理することが難しく、リアルタイムのデータ分析を実行できないため、ビジネスにおける人工知能/機械学習技術の応用にますます力を入れています。

ウェルズ・ファーゴは、1,500 万回以上のテストと 50 以上の独立した特徴変数を使用して、勾配降下法、ブースティング、ランダム フォレストなどの統合アルゴリズムを通じて不正監視モデルを構築し、従来の論理予測アルゴリズムよりも優れたパフォーマンスを発揮しました。

https://bigdata.wayne.edu/2018_presentations/joel_vaughan-wells_fargo.pdf

顧客に関するアクティブな情報を統合することで、Wells Fargo は顧客のインタラクション履歴を理解し、過去の取引を分析して顧客が特定のアクションを取った理由を判断できます。つまり、特定のタイプの顧客や支店が異なる結果を示し、パターンに従う理由を理解できるのです。そして、顧客のプロファイル、セグメント、過去の行動に基づいて行動を予測し、製品を処方することさえできるようになります。

現在、ウェルズ・ファーゴの AI エンタープライズ ソリューション チームは、さまざまな分野で高度なデータ分析を通じてビジネスを支援しています。インタビューの中で、ウェルズ・ファーゴのような従業員 26 万人、7,000 以上のオフィス、13,000 台以上の ATM を擁する大企業でデータ インテリジェンス テクノロジーを適用し、推進する上での課題について言及しました。

「部門や機関が多すぎますし、リーダーも多すぎます。誰もがビジネスについて異なるアイデア、意見、関心、理解を持っています。データや人工知能について何を言っているのか分からない人がたくさんいます。」

「モデルを作るためにCNN(畳み込みニューラルネットワーク)を使うことを提案したとき、なぜ論理モデルを使わないのかと尋ねられたのです。」

「AIの活用には不確定要素が多い。経営陣にAIの本当の価値を認識・受け入れさせ、過度な期待を抱かないようにすることが重要だ」

上記の一般的な問題に対するウェルズ・ファーゴの経験は次のとおりです。

    • データと対話することに慣れているデータ担当者に、ビジネス担当者とのコミュニケーションを指導し、ビジネスの観点から考え、モデル自体の精度だけでなく、これらのデータとモデルがビジネスにもたらす価値について考えられるようにする必要があります。
    • CNNと従来のロジックモデルを同時に使用して同じモデルを構築し、比較を通じて機械学習の差別化された利点を示し、直感的な結果を得て支持を獲得します(A/Bテスト)
    • ビジネス マネージャーをプロジェクトの重要なプロセスに参加させ、データ変換プロジェクトの特徴を直接体験できるようにします。

ウェルズ・ファーゴの高度なデータ分析アプリケーションに関するインタビュー

https://www.youtube.com/watch?v=lGjuLXquCgI

ウェルズ・ファーゴは、テクノロジーとデータを中核競争力とする金融機関として、CDO(最高データ責任者)を設置した最初の銀行です(2014年)。最高データ責任者オフィスのリーダーシップの下、ウェルズ・ファーゴのデータ変換機能の要となる 5,000 人を超えるデータ技術者が在籍しています。

ウェルズ・ファーゴの公式採用ウェブサイトを分析して、カイはウェルズ・ファーゴのデータチームの重要な役割をリストアップしました[10]。

(1)ウェルズ・ファーゴのデータチームの主な役割

  • 最高データ責任者
  • データストラテジスト
  • データガバナンススペシャリスト
  • データ整合性コンサルタント
  • データプライバシー責任者
  • AI/MLデータエンジニア/人工知能アルゴリズムエンジニア
  • データサイエンティスト
  • ビッグデータセンターエンジニア/ビッグデータセンターエンジニア(データプラットフォームエンジニア)
  • データプロフェッション事務員/データ処理スペシャリスト(時給労働者)
  • テストデータ管理開発者/テストデータエンジニア
  • データ管理とインサイト(DMI) /データ管理とインサイトコンサルタント
  • アプリケーションビジネスデータオーナー
  • データ モデラー/データ モデリング コンサルタント
  • マスターデータ管理
  • データ分析コンサルタント
  • エンタープライズ侵害データチーム

(2)ビジネスと深く融合したデータインテリジェンスチーム体制

カイ兄弟は、ウェルズ・ファーゴのデータチームとビジネスチームが統合されており、各ビジネス部門にはそれをサポートする対応するデータチームがあることを発見しました。

エンタープライズ分析およびデータ サイエンス チームを例​​に挙げてみましょう。 EADS チームは次の 3 つの部分で構成されています。

    • 集中型データサイエンスチーム
    • LOB データ サイエンティストおよびアナリストと連携するチーム
    • さまざまなビジネスプロジェクトに取り組むチーム

この構造はデータ機能ミドルプラットフォームに似ており、ビジネスチームと深く迅速に連携して、より高速で実用的なデータ サービスを提供できます。

カイ兄弟はウェルズ・ファーゴのデータ変革の過程を描きました。

付録: ウェルズ・ファーゴ銀行 2016-2019 年度業績

ウェルズ・ファーゴの総資産は着実に増加している(2014年~2019年)

付録: ウェルズ・ファーゴの主要数値

付録: ウェルズ・ファーゴ銀行が受けた栄誉

「最も革新的な銀行」

参考文献

終わり

Kaigeが提供するトレーニング:

企業のデジタル変革のためのエグゼクティブトレーニング

リーンデータトレーニングキャンプ/ソリューションアーキテクトトレーニングキャンプ

データから価値へ: リーンデータワークショップ


Kai Geが提供するデジタルコンサルティングコーチングサービス:

デジタル変革計画 |トップレベルのデザイン |企業のイノベーションと運営

IT戦略計画 | IT サービス管理システム |データガバナンス


<<:  運行統計(2022年都市鉄道運行データ速報)

>>:  ユーザーが不満を訴える10の問題はすべて致命的である

推薦する

12 月のマーケティング プラン (率直に言って、これらの 6 つのプランで 12 月のマーケティング活動が実現します!)

率直に言って、これら 6 つの計画で 12 月のマーケティング活動は完了します。導入: 12 月は祝...

Elementor Cloud Website は使いやすいですか?主な機能

Elemento Cloud Website は使いやすいですか? Elemento Cloud W...

Eコマースブランドマーケティング(オンラインで企業ブランドマーケティングを行うには?企業ブランドイメージを構築し、ユーザーエクスペリエンスに重点を置く)

オンラインで企業ブランドマーケティングを行うにはどうすればいいですか?企業ブランドイメージを構築し、...

オンラインプロモーション手法(オンラインプロモーションのチャネルと方法、正確なトラフィックの継続的な獲得)

継続的に正確なトラフィックを獲得するためのオンラインプロモーションチャネルと方法継続的に正確なトラ...

アプリ情報フロー広告アクセス(アプリに情報フロー広告を配置するには?ソーシャル、電子商取引、教育アプリの方法論をあなたに!)

APPに情報フロー広告を配置するにはどうすればいいですか?ソーシャル、eコマース、教育のアプリ方法...

モバイルビジネス運営内容(モバイルビジネス管理資格の申請方法は?申請条件は?就職の見通しは?)

モバイルビジネス管理証明書を申請するにはどうすればよいですか?応募要件は何ですか?雇用の見通しはどう...

お茶のブランドプロモーション戦略(お茶のブランドを強化する方法)

お茶のブランドを強化する方法消費者ブランディングは大きなトレンドです。最近、中国農業科学院茶葉研究所...

ブランド共同ブランディングマーケティング(2023年、国境を越えた共同ブランディングの5つの活用方法)

2023年、国境を越えたコラボレーションを実現する5つの方法今日では、共同ブランディングはブランド...

製品運用と電子商取引運用(分析:電子商取引運用の方が信頼性が高いのか、ブランド運用の方が効率的か)

分析:電子商取引の運営は信頼できるのか、ブランド運営は効率的か?最近、越境電子商取引はどのくらい人気...

充電スタンドのマーケティングプロモーション計画(充電スタンド市場の熾烈な競争をどう打破するか?これらの戦略は学ぶ価値があります!)

充電スタンド市場の激しい競争をどうやって突破するか?これらの戦略は学ぶ価値があります!電気自動車の普...

茶葉市場におけるブランドマーケティング(新茶飲料市場にダークホース出現:寧吉が「3つの技」で輝く!)

新しい茶飲料市場にダークホース登場:寧吉が「3つの技」で輝く!今年の「618」は静かです。かつて激し...

データ運用システムの構築(運用データ指標システムの構築戦略)

運用データ指標システムを構築するための戦略#ヘッドライン作成チャレンジ#データインジケーターシステム...

Linux サーバーで NFS ファイルシステムをマウントできない理由と解決策

以前、一部のネットユーザーは、Alibaba Cloud Linux サーバーを使用して NFS フ...

景勝地のブランドマーケティング(ブランドの独自性の創出)

ブランドの独自性を構築する社会の進歩と人々の旅行体験の継続的な向上に伴い、文化観光産業は徐々に変化し...