(35連休)15日目：IoTの世界にこれからどう関われるのか：「ソフトからハードへ」で目指していること

これまで私は、いわゆる「ハードウェア」に関わるような経験はありませんでした。社会人になって以来、これまでずっと肩書きとしてはコンサルタントであり、サプライチェーンという領域からスタートしたために、組織設計（組織間連携）・業務設計が肝でありつつも、OR(Operations Research)をベースにした数理モデルを活用したコンサルテーションを得意領域としていました。そんななかでビッグデータブームみたいなのが気がついたら始まっていて、「作って語れるコンサルタント」ということを武器に、SCM以外の領域についても様々な案件に関わることができたわけです。

「では、これから何をしようとしているのか」については大きく２つあり、それは並列というよりは段階的に進んでいくことになるのではないかと想像しています。

これまではなにをしてきたのか（＝ビジネス・アナリティクスという領域）

これまでやってきたことを簡単にいうと、「データを活用して既存業務のPDCAサイクルを確立する」ということです。サプライチェーンでもMD（マーチャンダイジング）でもマーケティングでも、B2Bのリアルビジネスにおいてデータを活用することで劇的に利益が向上するようなことはほとんど期待できません。どんなに高度な予測モデルを使って需要予測精度をあげたとしても、その効果はそこまで大きくはありません。効果があるのは、データに基づいた予測を、その限界とともに理解したうえで、例えば適正な在庫量や適正な販売計画が立案できて、その立案プロセスを既存業務のPDCAサイクルに埋め込むことで、組織のメンバーが同じイメージをもつことです。これは定量的にいえないところが常にもどかしいところでもありますが、いわゆるビジネスの"構造"について、クライアントのなかで現場レベルまでが同じ認識をもつことの効果は極めて大きいです。この辺のデータ活用の効果発現のメカニズムから、こういった領域ではデータ・ビジュアライゼーションが非常に有効だったりします。その結果として、d3.jsというjavascriptのライブラリやRのggplot2,GoogleVisなどに精通するようになりました。
※データ・ビジュアライゼーションのイメージがわかないかたはこれがおすすめ。

そんななかで、「ハード」を意識するようになったのは「M2M(Machine to Machine)」という領域に関わるようになってからです。M2Mといっても結構領域に幅があるのですが、ビッグデータ時代のM2M最新動向 | IT Leadersなんかがイメージつきやすいかと思います。
これまでSCMなんかの領域では、相手にするデータというのは基本的には受注明細、出荷明細、在庫実績・・みたいないわゆる基幹システムがもっているようなトランザクションデータと、人口動態のようなマクロデータの組み合わせであり、「業務」を相手に「データ活用」を推進してきました。
一方で、M2Mという領域では、データを取得しているのはマシンに取り付けられたセンサーであり、そのセンサーが取得しているデータを分析するときの分析手法はマーケティングにおける分析なんかと大きく変わるものではないですが、データ活用の効果発現メカニズムが少し違うように感じています。国内の製造業だと、小松製作所のKOMTRAXなんかが非常に有名です。2014年4月に開催されたビッグデータ・カンファレンスでも小松製作所の役員の方が直々に講演されていました。

最近TEDでGEの偉い方がIndustrial Internetについて話していたので、これが一番わかりやすい動画かな。

新規事業につながるマシンデータ活用

自分が仕事で関わったものについては当然一切記載できないのですが、M2Mという領域に面白さを感じているのは、「既存業務の改善」ではなく、データを中心とした「新規事業」が立ち上げられる可能性が大きいからです。マシンデータを新規事業に仕立てるには、大きく２つの道にわかれると思います。
１つは、B2Cの世界で「つながり」を価値とするようなモデルで、下記の本に記載されているような世界です。fitbitなんかが有名な例で、私も購入してみましたが、もともと腕時計をする習慣もなかったため、煩わしくなってやめてしまいました。

ソーシャルマシン　M2MからIoTへ つながりが生む新ビジネス (角川ＥＰＵＢ選書)

もう１つはB2Bの世界ですが、おそらく"異業種企業間連携"がポイントになってくると思います。自動車メーカーが保持するプローブデータだとか、ドコモのような会社がもつ回線のデータだとか、欲しがっている企業はいくらでもいるわけですが、単純なデータ売りではなく、一緒になって新規事業を立ち上げるような可能性は非常に大きくなっています。クライアントを第三者的に支援するコンサルとしての役割も徐々に変わっていく（既に徐々に変わってきてますが）はずで、構想設計だとか事業計画みたいなきれいなプランを大上段に構えることの価値は薄れ、一緒に事業を作って、その規模とか利益にコミットする、商社的なやり方がフィットするような時代になってきていると感じています。

ハードウェア自体の設計まで含めたIoT

そしてやりたいこともうひとつは、データを取得するハードウェア自体の設計にも踏み込みたい、ということです。
これはMITメディアラボ所長の伊藤穰一さんのTEDでの講演です。

前半の、「MBAホルダーが計画立案→資金調達→実装」という流れから、インターネットが生まれてからはfacebookのように「実装してしまって市場の反応をみてからMBAホルダーを雇って事業計画をつくる」というようになった、というような話はまさに上でしたようなことですが、これはソフトウェアの世界ではかなり前から当たり前になってきた流れであり、それがハードウェアの世界にも起きている、ということが後半で語られているところで、面白いところです。それを可能にしたのは3Dプリンタのような技術です。

正直、この領域については私はこれまで非常に鈍感で、いまだにキャッチアップできていません。有休消化にはいってからRaspberry Piを触りだしたのはこういった経緯からです。

そして、実装に関する技術的なことを調べる一方で、Fablabという大きな動きがあることも最近知りました。そのきっかけとなったのは下記の書籍です。

FabLife ―デジタルファブリケーションから生まれる「つくりかたの未来」 (Make: Japan Books)

私の認識は完全に出遅れましたが、これは国内の大手製造業にとっても大きな変化であり、コンサルを続ける以上はキャッチアップしていくことが必須だと感じ（キャッチアップすべき、というより、面白そうというほうが大きいですが）、Fabricationに関してほんとに初心者ではありますが、目下の活動としては、下記のようなことをしています。

• Raspberry Piを用いた電子工作系の試行
• 3Dプリンタ含め、最近のモノづくりについての動向調査
• Fablab渋谷にいってみて3Dプリンタとか使えるようになる（予定）

かなり出遅れているのは認識しているので、これからIoT（といっていいのかわからないけど）の世界にどう関わっていけるのか、産業構造のマクロ視点ももちつつ考えていきたいと思います。

(35連休)14日目：Raspberry Pi（超音波距離センサーをつけてみた）

前回、LEDの制御をやってみたことで、Raspberry PiのGPIOについて少し理解できてきました。

• http://hsuetsugu.hatenablog.com/entry/2014/08/27/104134
• http://hsuetsugu.hatenablog.com/entry/2014/08/27/005149

今回は、超音波距離センサーをつけてみます。使ったのは"HC-SR04"というセンサーです。

HC-SR04 超音波距離センサーモジュール For Arduino

配線

for Arduinoと書いてますが、特に難しいところはありませんでした。
Byte Creationに従って、こんな感じで配線してます。

• VCCを5Vへ
• TrigとEchoはGPIOへ
• GNDをGNDへ

(35連休)13日目：Raspberry Pi（はじめての電子工作②:WEBIOPi、ApacheとphpでLEDを制御）

前回の続きです。*1
http://hsuetsugu.hatenablog.com/entry/2014/08/27/005149

前回やったことと今回やりたいこと

前回は、下記の流れでRaspberry Piに接続したLEDを制御してみました。
　①LEDをただただ光らせる
　②LEDの点灯をRaspberry Piで制御してみる。
　　１）コマンドラインでLEDを制御
　　２）WiringPiでLEDを制御する
　　３）RubyでLEDを制御してみる（プログラムでチカチカさせる）
　③PWMでLEDの明るさを制御してみる
　④スマートフォンでGPIOを制御してみる

④でWEBIOPiというフレームワークを使って用意されている画面を使って、スマホからLEDを制御するところまできました。
今回はWEBIOPiのREST APIを用いて画面を自分で作って、そこから制御したいと思います。
ちなみに、WEBIOPiの公式ドキュメントには、「Internet of Things framework」と書かれています。なんかかっこいい・・・。

*1:RStanの計算はまだ終わりません。

(35連休)12日目：Raspberry Pi（はじめての電子工作①:WEBIOPiでスマートフォンでLEDを点灯させるところまで）

ジャンパワイヤとか、LEDとか少し部品を揃えたので、電子工作を始めました。*1
本日は、定番のLEDを光らせるというのをやってみました。ほんとに初歩的なところから始めて、WEBIOPiでスマホでLEDを制御するところまでいけました。楽しい・・・！
そのうち赤外線モーションセンサとかを接続してみる予定です。

*1:前回のRStanの計算が終わらないという理由もありますが・・。

(35連休)11日目：ARIMAモデルとdlm（動的線形モデル）による販売量予測モデルの検証④ ＋データサイエンティストという胡散臭い肩書きについて（余談）

これまでやってきたこと

下記の記事通り、Rのdlmとforecastパッケージを使って、BJsalesという150日間の日次販売データを用いて、週次の予測ローリングをやってみています。
http://hsuetsugu.hatenablog.com/entry/2014/08/25/152818
http://hsuetsugu.hatenablog.com/entry/2014/08/23/125238
http://hsuetsugu.hatenablog.com/entry/2014/08/22/164140

本日やりたいこと

「予測にいかす統計モデリングの基本」をぱらっと見返していたら、あるレストランでの２年間の日次販売金額データをインプットにしてモデリングしているのですが、欠損値のある期間についても推定されたトレンド成分が欠損値にふられずに算出されていたので、ちょっとトレースしてみることにしました。

予測にいかす統計モデリングの基本―ベイズ統計入門から応用まで (ＫＳ理工学専門書)

下記のサイトを主に参考にさせていただきましたので、正確にはトレースのトレースですが・・。（コードはここのを参照したので、この記事には貼付けません。）
RStanで『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた

(35連休)10日目：ARIMAモデルとdlm（動的線形モデル）による販売量予測モデルの検証③

前回（http://hsuetsugu.hatenablog.com/entry/2014/08/23/125238）の続きです。

前回のおさらいと訂正

前回、RのBJsalesというデータに対して意図的に欠損値をいれて、dlmとARIMAでの予測結果を比較しました。動機は、繰り返しになりますが、「状態」を推定するdlmでは欠損値に強い、というのを検証することです。
前回計算した結果は下記ですが、設定したパラメータに問題があることがわかりましたので今回はその訂正の記事を書きます。

(35連休)9日目：ARIMAモデルとdlm（動的線形モデル）による販売量予測モデルの検証②

前回(http://hsuetsugu.hatenablog.com/entry/2014/08/22/164140)の続きです。

前回のおさらいと予測誤差(RMSE)の算出

前回のおさらい

前回、RのBJsalesという150日間の日次販売量データを用いて、ARIMAとdlmにて、直近98日間(14週間)のデータでの翌週7日間の日次販売量予測を7週間ローリングして予測値を算出しました。その結果が下記です。

上記の予測誤差を計算していきます。