ID:5952さん

家計簿アプリマネーフォワードMEのユーザーの消費データを用いて2020年の新型コロナウイルス感染症の緊急経済対策として行われた特別定額給付金に対する反応を分析した。 この分析は、他の経済学者2名との共同論文として発表している。 参考URL: https://link.springer.com/article/10.1007/s42973-021-00080-0 大学の経済学者の方たちとの共同論文ではあるが、実際のデータ分析に関してはすべて私が行っている。 この論文は国内の様々なメディアでも取り上げられ、日経のWeb版の記事では一時的にアクセス一位を獲得している。 会社として少なくとも近年では最も広くメディアに取り上げられた事例となった。 経済学としても高く評価され、発表後複数のセミナーや会議に招待され発表を行った。 社内のデータは複数のサービスに紐づくため、非常に複雑な構成をしており、 これまでこれを統一して分析するようなことをできる人物がいなかった。 これに対して、全体のデータ構造を把握し、上記の論文に必要な情報を集め、社会的にも意義のある情報へと変換した。 具体的には特別給付金の支給者を特定し、回帰分析を用いて給付金に対する支払いの反応を調べた。 ここでも特定方法、またデータクリーニング等の手法を開発し、正しい結果を出した。

R&ACが提供しているV-Oneクラウドの中の機能である、自動消込の大幅な機能向上を実現した。 参考URL: https://www.r-ac.co.jp/topics/2530/ 自動消込機能とは、請求項目が複数あり、そのうち一部の請求額分だけの入金があった場合、 その入金額がどの請求項目にあたるか、様々な項目の組み合わせの合計金額と比べることで 求める機能である。 もともとこの機能は単純探索で項目の数の少ないものから探索していたが、それだと項目数が多くなると計算量が急激に増え（項目数Nに対してO(N*2^N)の計算量）、これまでだと20項目程度の請求項目数が限界であった。 この機能を向上させるための相談を受け、私が遺伝的アルゴリズムを用いた手法を提案した。 これによりO(N)の計算量で探索ができる。 提案後、私がPoCとしてPythonを用いてアルゴリズムを特別なライブラリなどを利用せずにスクラッチで組み上げ、従来方法に比べて、同様の計算時間で二桁ほど多くの組み合わせに対応できることを示した。 ここまでで2週間ほどで、その後、V-Oneクラウドのエンジニアが実際に製品に組み込みを行った。 この間、アルゴリズムの実装に関するレビューを行った。 その後、他のアップデートも含めて半年ほどで新機能のリリースに至った。 本件に関してはUI/UXとアルゴリズムを含めた形で特許を申請中である。

参考URL: https://www.itmedia.co.jp/business/articles/2103/22/news107.html 上記の記事にある「マネーフォワードFintechプラットフォーム」は今開発中のものであるが、 この中で言及されている複数の金融機関から残高や入出金明細などの情報から個人顧客のライフイベントの検出に関するデータ分析はすべて私が担当し、結果を出してきたものである。 記事中のロジックやパターンの図などは私がデータ分析をして作ったものである。 それまではデータからロジックを作ることはせず、顧客からのヒアリングや市場調査から ターゲットとなる可能性のある顧客の収支データなどを予測し検出を行っていた。 それに対して、私は実際にデータを分析し、上記の記事にあるようなキーワードやパターンの検出を行った。 データ分析に際し、これまで十分に活用できなかったデータに関して、会社が持っている情報全体を理解し、必要なデータをセキュアな分析環境へ持ち込み分析を行えるよう、分析環境の整備にも関わった。 具体的にはTerraformを用いたAWSでの分析環境の構築、改善を行った。 このプロジェクトの中で、別途供給しているリコメンデーションシステムで、それまで予測で作っていたロジックから データ分析結果を使ったロジックに変更した結果、CTRの前月比70%増加を達成した。

学術実験で使われている世界規模のグリッドコンピューティングシステムに参加している計算機センターにおいてそのシステムの運用、保守を行った。 センターは1万CPUコア, 10PBのディスクを持つ規模でこれらのシステムにおいて外部から送られてくるタスクを処理しデータの管理を行っている。 このシステムに於いて、これまでもAnsibleやPuppetを用いたシステムのインストールが行われていたが統一されたものではなく、その都度システムのために用意するような悲惨な状態であった。 これに対してセンター全体で使えるフレームワークを作成し、その中でPuppetなどを統一的に扱い見通しの良いシステムに作り変えた。 また、これに伴い各システムの監視、テストなども整備しなおし安定性を大幅に向上させた。 このシステムに対して外部リソースであるGoogle Cloud Platformのリソースを追加しリソースの増加を簡単に出来るシステムを構築した。 これにより、物理的にオンプレミス施設だけでは不可能な量のタスクを処理出来るようになった。 参考URL: https://www.epj-conferences.org/articles/epjconf/abs/2020/21/epjconf_chep2020_07034/epjconf_chep2020_07034.html

物理実験のオペレーションシステムはリアルタイム性が重要であり、またセキュアな接続が必要なことから Webベースのシステムは物理実験領域ではほとんど使われてこなかった。 これに対し、WebSocketを用いたリアルタイムオペレーションシステムを開発した。 WebSocketがInternetExplorerにも対応し、一般的に誰でも使える環境がすぐに手に入る時期であったため、 これまでのJavaベースのGUIを用いたオペレーションシステムをWebSocketを用いたブラウザベースのシステムに移植した。 具体的に必要な要素は * システム管理機能(各実験機器、サービスの稼働状況の管理) * 実験オペレーション管理機能(データ取得を開始、終了。キャリブレーションを実施、など) * モニタリング機能(データ取得レートや様々な実験中の情報をグラフなどでモニタリングできるようにする機能) * メッセージ管理機能(実験状況を把握するためのメッセージの管理、メッセージの転送の管理) である。システム管理やオペレーション管理はこれまで、 Javaベースのクライアントから直接実験機器とSocket通信を行い管理していたが、 中継サーバーを作り、そのサーバー上で実験機器とのSocket通信を行い、そこからWebSocketを通してブラウザへと中継するシステムを作った。 これにより、ブラウザ側の一時的な切断などが起こった場合でも安定した稼働が実現できた。 モニタリングとしてはGoogle Chartを用いてグラフなどを実装した。 データはWebSocketを通してリアルタイムで取得し、画面上でもリアルタイムで変化する様子が見られるようにした。 WebサーバーはPython製のDjangoを用いて作成した。 その中で実験機器とのSocket通信の機能も実装した。 Web側の実装にはBootstrapを用い、スマホでもきれいに表示できるようなレスポンシブなデザインを実現した。 それまでのものはJavaを用いたGUIで、動作させるにはJavaが必要だったりなど面倒が多かった。 これをWebブラウザから操作できるようにしたことでどのようなパソコンからでも 簡単に操作ができるようになり、 また、スマホからも操作できるようになった。 モニタリング機能にかんしてもスマホからでも十分リアルタイムで動作が確認出来る様になり、 これまで難しかった電車などの移動中などでの確認も容易になった。 これらの実装は、移植に関しては発案から設計、実際の実装に至るまですべて一人で行った。 参考URL: https://kds.kek.jp/event/24043/contributions/73946/attachments/59118/70160/18pK34-07.pdf