まずは相談してみる
「課題の解決方法がわからない」「リネアでできることを知りたい」などお気軽にご相談ください。
意思決定支援
市場動向やお客様社内のデータを基に、売上やコスト、成長可能性などを予測。経営・組織・投資の意思決定を支援します。
このような課題をお持ちではないですか？
- データはあるのに、意思決定に活かせていない
- 投資や施策の根拠が弱く、社内説明や合意形成に苦労している
- 毎年似たような予算計画を立てているが、精度に不安がある
- 感覚や経験に頼った判断が多く、本当に最適なのか確信が持てない
データを活用した予測で、経営・組織の判断を後押しします。
例えば、リネアでは以下のような支援が可能です。これまでに行った支援事例の一部をご紹介します。
-
産業連関表の作成｜旅行業
市区町村ごとの産業・最終需要間の取引経済データを整理し、市区町村ごとの産業連関表を作成。これにより、地域経済への影響が定量的に把握・評価可能に。
-
営業・予算作成支援｜水インフラ業
人口動態や自治体財務データを分析し、地域ニーズを踏まえた営業計画や予算作成を支援。
-
価格算出モデルの開発｜ホテル業
宿泊施設や各種チケットの価格データを基に、時期や需要の変動に応じた価格を算出するモデルを開発。汎用的なダイナミックプライシングの手法を用い、価格設定の精度向上を支援。
-
売上・コスト超過予測｜水インフラ業
会計・業務データを活用し、売上予測・コスト超過予測・人員調達計画支援モデルを構築。計画策定に活用できる仕組みを整備。
特長
リネアの4つの強みを通し、多くのお客様から選ばれる理由を紹介します。
- POINT 01
数理分野の知見と支援実績を活かしたご提案
プロジェクトに参加する社員の多くは博士課程を修了した数理分野のプロフェッショナルです。金融・農業・物流など幅広い業界での支援経験を活かし、最適な打ち手を提案します。
- POINT 02
業界理解から始まる堅実なプロジェクト進行
業界や業務理解を徹底しており、商談段階からデータ分析や現地調査を実施した例もあります。また、詳細にワークフローを整備することで炎上リスクの少ないプロジェクト進行を実現しています。
- POINT 03
開発や分析を担う技術者が商談段階からサポート
商談段階から技術者が同席し、技術や理論を踏まえた実現可能性の高い施策をご提案します。課題整理や方向性の検討からご支援できるので、課題が漠然としている段階でもご相談いただけます。
- POINT 04
金融業界で20年以上の実績が保証する取引安全性
金融業界において20年以上、業界問わず600社以上の支援実績があります。金融機関の厳格な審査基準をクリアしてきた経験があるため、安心して当社とお取引いただけます。
これまでの実績
金融業界に限らず、医療、農業、地方創生分野などでAI・DXを推進しています。支援会社との協業・サービス改善実績も豊富です。
-
過去の事故を“活きた知見”に。意思決定を支える検索システムの構築
- 業種
- 環境事業
- 相談部署
- IT企画部
- 企業形態
- 法人
- 従業員数
- 3,500～4,000人
- 予算
- 200～250万円/月（ラボ契約）
- 実施期間
- 2024年6月～2024年12月
ご支援内容
相談背景
- 社内に蓄積された多数の事故事例データを有効活用できていない
- 事故に関する情報は文章が似通っており、単語検索では意図した事故の抽出が難しい
- ITやAI技術を活用し、事故の整理・検索や再発防止策の評価を実現したい
実施内容
- ヒアリングを行い、文脈を考慮した事故データ検索システムの実現に取り組む
- 検索結果の確認・評価を効率化するため、社内クラウドに簡易ウェブアプリを構築
- あわせて、有識者が各検索手法の妥当性を評価できる体制も整備
- 検索者の意図を汲み取った検索を目指し、ベクトル検索や生成AIなど複数の手法をPoCで検証
- 検索速度と精度を両立するため、高速検索で候補を絞り、生成AIで精査する多段階検索を採用
- 将来拡張を考慮し、プロンプト編集やチャット機能の検証も行った
結果
- 実用性の高い事故事例検索システムを構築
- 全社展開され、日々使用されるシステムとして定着
- データドリブンな意思決定に貢献
担当者
金城 智弘
データ事業開拓部 部長 / 博士（工学）
株式会社リネア入社後、非金融業界を中心にデータドリブンなアプローチによる分析業務を担当し、営業からデータ分析まで幅広く携わっている。ラボ契約など多様な契約形態の経験を通じて業務理解とドメイン知識を深めながら、課題解決に向けた提案を行っている。業務理解を起点に、構造的なデータ設計・分析を得意とする。
瀧本 真裕
データ事業開拓部 副部長 / 博士（理学）
東京大学大学院理学系研究科物理学専攻にて博士号を取得後、国内外の研究機関にて素粒子論的宇宙論の研究に従事。株式会社リネアに入社後は、非金融業界を中心にデータ分析業務に携わる。データ分析からAIモデル開発までを一貫して行える技術力を強みとしている。
林 憲作
アプリケーション開発部 システムエンジニア / 博士（コンピュータ理工学）
会津大学大学院コンピュータ理工学研究科 コンピュータ・情報システム学専攻にて博士号を取得後、株式会社リネアに入社。高い技術力を活かし、アプリケーション開発を中心に、データ分析やAI開発まで幅広く担当。プロジェクトマネジメントにも携わり、技術領域だけでなくお客様とのコミュニケーションや折衝にも強みを持っている。
-
ESG戦略の意思決定を支える数理分析を実現
- 業種
- 環境事業
- 相談部署
- IT企画部
- 企業形態
- 法人
- 従業員数
- 3,500～4,000人
- 予算
- 200～250万円/月（ラボ契約）
- 実施期間
- 2023年6月～2023年11月
ご支援内容
相談背景
- ESG（環境・社会・ガバナンス）への社会的関心が高く、企業としても対応を検討中
- 社内ではESG施策に対する反発や懐疑的な声があり、推進が困難
- 社内の理解と納得を得るための定量的な分析結果が必要
- ESGへの取り組みを促進するために、有効なESG施策を明らかにし次の一手を導きたい
実施内容
- ESG関連の国内外のレポート・論文を調査し、非財務指標が企業価値に与える影響を検証
- 定量的な分析のために、財務・非財務を含む数百の指標データを収集
- DML（Double Machine Learning）を用いた因果推論により、非財務指標の企業価値への影響を定量評価
- 数百の非財務指標を網羅的に検証し、指標ごとの影響度とその信頼区間を算出
結果
- 分析により、影響の大きな非財務指標が特定され、ESG戦略に重要な判断材料を提供
- 特に、情報開示に関するある指標が、PBR向上に寄与することが示唆された
- ESG施策の有効性を定量的に示すことで社内への説明力が向上し、関心が高まった
- 社内での次のアクションが明確になり、データ収集・開示に向けた準備が加速
担当者
金城 智弘
データ事業開拓部 部長 / 博士（工学）
株式会社リネア入社後、非金融業界を中心にデータドリブンなアプローチによる分析業務を担当し、営業からデータ分析まで幅広く携わっている。ラボ契約など多様な契約形態の経験を通じて業務理解とドメイン知識を深めながら、課題解決に向けた提案を行っている。業務理解を起点に、構造的なデータ設計・分析を得意とする。
瀧本 真裕
データ事業開拓部 副部長 / 博士（理学）
東京大学大学院理学系研究科物理学専攻にて博士号を取得後、国内外の研究機関にて素粒子論的宇宙論の研究に従事。株式会社リネアに入社後は、非金融業界を中心にデータ分析業務に携わる。データ分析からAIモデル開発までを一貫して行える技術力を強みとしている。
林 憲作
アプリケーション開発部 システムエンジニア / 博士（コンピュータ理工学）
会津大学大学院コンピュータ理工学研究科 コンピュータ・情報システム学専攻にて博士号を取得後、株式会社リネアに入社。高い技術力を活かし、アプリケーション開発を中心に、データ分析やAI開発まで幅広く担当。プロジェクトマネジメントにも携わり、技術領域だけでなくお客様とのコミュニケーションや折衝にも強みを持っている。
-
収穫量の予測誤差を約10％→約2.6％へ低減。調達コスト削減に貢献
- 業種
- 農作物調達・販売
- 相談部署
- 研究開発部門
- 企業形態
- 法人
- 従業員数
- 200～250人
- 実施期間
- 2014年～2016年
ご支援内容
相談背景
- 従来手法では農作物の生産量・収穫量の精緻な予測ができない
- 収穫量の予測精度が高くないと、追加調達などでコストが増加してしまう
- 収穫量予測に活用できるデータ量が限定されており、品質もそれほどよくない
- データ分析ができる人材が不足している
実施内容
- 収穫量予測現場のヒアリングとデータ収集
- 天候・圃場データ・収穫実績などを活用した収穫量予測モデルの開発・評価
結果
- 従来予測では10%前後（最大20%以上）だった予測誤差を平均約2.6%（最大10%）まで低減
- 高精度な収穫量予測に基づき追加調達計画を立てることが可能となり、コスト削減に貢献
- データ分析作業から、精度向上に有効な特徴量の発見とその効果についての知見を獲得・提供
担当者
久須見 健弘
経営戦略本部 ビジネスデザイナー
広島大学大学院理学研究科地球惑星システム学専攻を修了後、システムコンサルティング会社に入社。株式会社リネア入社後は、金融市場系パッケージの開発に従事。経験を活かし複数のビジネスデザインを手がける。その後は農業関連のプロジェクトを経て、近年ではSociety5.0をはじめとした国の研究開発プロジェクトに携わり、新領域での事業開拓を推進している。
金城 智弘
データ事業開拓部 部長 / 博士（工学）
株式会社リネア入社後、非金融業界を中心にデータドリブンなアプローチによる分析業務を担当し、営業からデータ分析まで幅広く携わっている。ラボ契約など多様な契約形態の経験を通じて業務理解とドメイン知識を深めながら、課題解決に向けた提案を行っている。業務理解を起点に、構造的なデータ設計・分析を得意とする。
ご支援の流れ
支援工程を細かなタスクに分けて管理し、プロジェクトをスムーズに完遂するためのワークフローを整えています。
お問い合わせ～課題把握
-
01
お問い合わせ
資料請求やお問い合わせフォームよりご連絡いただきます。 -
02
打ち合わせ
（約1～3回）当社のサービス紹介を行い、お客様の業務特性や経営状況を詳しく確認したうえで、課題を把握します。- ※詳細な提案や見積もりが必要な場合は、簡単なデータ分析や現地視察を実施し、課題整理を行うこともあります。
-
03
進め方の決定
AI導入の場合は「AIモデル構築」、業務プロセスDXの場合は「DX支援」など、課題に応じて進め方を決めます。 -
04
本契約の締結
ご提案内容にご同意いただけましたら、本契約を締結のうえ、プロジェクトを開始します。
- ※各ステップで必要に応じてNDAを結ぶ場合がございます。
プロジェクト開始後
打ち合わせで決定した方針に沿って、プロジェクトを進行します。以下は進め方の一例です。
case1：AIモデル構築の場合
-
01
現状分析・課題の明確化
課題を明確化し、AI適用の目的・条件・KPIなどについて、取り組み対象を具体化します。 -
02
データ収集・前処理
業務に関連するデータの確認や、不足データの補完方法を検討し、適切なデータを収集します。 -
03
簡易AIモデルの構築
データ収集後、前処理したデータを用いて仮説検証のための簡易AIモデルを構築します。 -
04
AIモデル構築・評価および改善
構築した手法で実際の業務データに適用したAIモデルを構築し、精度と実用性を評価します。 -
05
フィードバック・改良
得られた評価を基にAIモデルの改善を行います。継続的な監視・管理体制の構築も合わせて検討します。 -
06
本格導入・運用方法の検討
導入形態や運用の方法を選定します。モデルをシステムに組み込む場合、API化やクラウド展開なども検討します。
case2：DX支援の場合
-
01
現状把握と課題の明確化
業務プロセスやIT環境を整理・可視化し、課題を明確化してDX推進の方向性を定めます。 -
02
DX戦略と実行計画の策定
現状分析を基にDX戦略を策定、実行計画を立案。また、プロジェクトにおけるKPIを定義します。 -
03
デジタル化の実行と業務プロセスの改善
デジタル技術を活用し、業務プロセスの再設計、ITツールの選定・導入、それらの説明会を実施します。 -
04
データのさらなる活用と意思決定の高度化
BIツールなどの導入による活用支援、AI・機械学習などによる高度化実装、データに基づく意思決定を支援します。 -
05
成果報告・評価
KPIに基づく成果評価とフィードバックを実施し、今後のDX推進計画へ反映・提案を行います。
費用について
お問い合わせいただいた後、ヒアリングのうえ、案件規模やお客様の業界特性に合わせて詳細な見積もりを作成します。
-
case1
経営データ分析と人材育成
- 業種・業態
- 水インフラ業
- 従業員規模
- 3,000～5,000人
- 契約形態
- チーム常駐契約（ラボ・パッケージ型）
2,000～3,000 万円/年
- 対応内容
- 経営データ分析支援
- データサイエンティストの育成
-
case2
市区町村別産業連関表の作成
- 業種・業態
- 旅行業
- 従業員規模
- 10,000～12,000人
- 契約形態
- スポット支援契約（人月単価型）
400～500 万円/月
- 対応内容
- 市区町村別産業連関表モデル構築
-
case3
企業財務悪化の早期検知
- 業種・業態
- 金融機関
- 従業員規模
- 8,000～10,000人
- 契約形態
- スポット支援契約（人月単価型）
450～500 万円/月
- 対応内容
- 融資先企業の財務状態変動の早期検知モデル
よくある質問
-
Q1.
社内にAIやDXに詳しい担当者がいなくても問題ありませんか？
全く問題ございません。専門知識がなくてもわかりやすくご説明し、実行まで伴走します。
-
Q2.
まだ課題が明確になっていないのですが、相談可能ですか？
はい、もちろん可能です。初期の打ち合わせでは、お客様の状況を丁寧にヒアリングしながら、課題の整理からサポートします。
-
Q3.
どのような業種でも対応可能ですか？
金融・物流・インフラ・観光業など、さまざまな業種の支援実績があります。業界特有の事情を踏まえて最適な支援をご提案します。
-
Q4.
AI導入とDX支援の違いは何ですか？
AI導入は予測や最適化などを目的としたモデル構築が中心で、DX支援は業務プロセスの見直しや自動化を目的としています。課題に応じて両者の併用も含む最適なアプローチをご提案します。
-
Q5.
どのようなデータが必要になりますか？
売上・コスト・顧客データなど、業務に関連する定量データが中心です。また、必要に応じてアンケートや現場ヒアリングなども活用します。
-
Q6.
データがあまり整っていないのですが、支援してもらえますか？
データ収集や前処理の段階から支援しますので、ご安心ください。
-
Q7.
既存のシステムやツールと連携できますか？
可能です。既存の業務システムやBIツールなどとの連携を前提に、AIモデルやDX施策を設計・構築します。
-
Q8.
プロジェクトの期間はどのくらいですか？
簡易分析は1〜2カ月、本格的なAI導入やDX支援の場合は3〜6カ月が一般的です。目的に応じて柔軟に対応します。
-
Q9.
プロジェクトの途中で内容変更は可能ですか？
柔軟に対応可能です。進行中でも定期的にレビューを行い、方針の見直しを行います。
-
Q10.
予算の目安を教えてください。
プロジェクト内容や規模によって異なりますので、まずはご相談ください。なお、初期相談や簡易分析の段階では大きなコストは発生しません。
