Logian：因果分析を主軸とする意思決定支援ツール

施策の効果を“因果”で⾒える化する 意思決定⽀援ツール Logianは、販促‧⼈員配置‧政策などの施策が、 実際にどんな影響を及ぼしたかを“統計的に正しく 効果検証”できる意思決定⽀援ツールです。 ⾃治体‧⾏政機関 観光‧地域振興団体 商品サービス開発部⾨ 公的研究シンクタンク ※画像はイメージです。 © Logian, Inc. 1

メンバーについて データサイエンティスト 納富 崇 (Takashi NOTOMI) 1999年福岡県⼤野城市⽣まれ。宮崎⼤学教育学部数学科卒。九州⼤学⼤学院数 理学府修⼠課程在籍。専⾨は統計的因果推論。Logian株式会社代表取締役。⼤ 学時代から個⼈事業主としてデータ分析受託‧マーケティング⽀援の事業を開 始し、これまでに⼤⼿⼩売店/卸売/メディア/⾏政/都市解析会社等様々な分野で のデータ分析PJ、データ分析講師、リサーチ等、多岐に渡り従事。 エンジニア / データサイエンティスト 村本 祐樹 (Yuki MURAMOTO) データエンジニア カタパルト 2001年徳島県吉野川市⽣まれ。九州⼤学理学部数学科卒。九州⼤学⼤学院数理 学府修⼠課程在籍。教育現場での実習‧指導経験あり。経済学のマーケットデ ザインや最適化を軸に学びつつ、修⼠課程ではWebアプリ開発にも取り組む。 学内外で研究‧開発‧教育の各分野に携わり、幅広い経験を積んでいる。 © Logian, Inc. 2

Logian株式会社について 因果分析技術を主軸とした、 九州⼤学発データサイエンスベンチャーです。 因果分析ソリューション 「勘と経験」に頼らない数理的な因果分析を実 施し、施策の本当の効果を明らかにします。 マーケティング施策から業務改善まで、「何が 効いたのか」を証明し、次のアクションに直結 するインサイトを提供します。 意思決定⽀援ツール『Logian』 因果推論を組み込んだ独⾃の意思決定⽀援プ ラットフォームです。データをアップロードす るだけで、因果構造を⾃動で探索し、経営や現 場の判断を数理で後押しします。「意思決定を 資産化する」新しい基盤を実現します。 © Logian, Inc. アンケートツール『LoginSurvey』 データ分析で⼀番時間がかかる「前処理」を 不要にするアンケートツール。 これにより、分析にかかる時間の⼤幅短縮 や、データ分析会社に委託していた⾦額の⼤ 幅削減に繋がります。 データサイエンス研修 ⼤学や企業での講義実績をもとに、初学者か ら実務レベルまで幅広く対応する研修を提供 します。基礎統計から因果推論‧機械学習ま で体系的に学べる内容で、「現場で活きる データ⼈材」を育成します。実際に九州⼤学 ‧宮崎⼤学‧企業研修などで導⼊され、⾼い 評価を得ています。 3

Logianは勘と経験の意思決定から科学的な意思決定の差分を埋めるサービスを展開 「勘と経験の意思決定」と「科学的な意思決定」の 差分を埋める必要がある 勘と経験で 意思決定 問いの設計と 因果理解 α版 仕組み化と⽇常運⽤ 科学的な意思決定 の社会実装 意思決定⽀援ツール Logian 提供中 因果分析ソリューション 提供中 データサイエンス研修 © Logian, Inc. 福岡未踏での 開発対象 4

サービス紹介｜因果分析ソリューション 本当の施策の効果を検証する。 ⽬的整理及び指標設計 データに基づく意思決定の基盤を整えます。 ⽬的を明確にし、それを定量的に観測できるデータ構造を設計します。 将来的な分析を⾒据えて必要な情報を計画的に蓄積し、後から「データがないから分 析できない」という事態を防ぎます。これにより、施策のPDCAを循環的に実⾏でき る体制を構築し、指標の数値化と継続的な改善を実現します。 データ収集設計 データ収集 子供向け施策 因果関係を前提に真の効果を定量的に算出します。 ⽬的変数に対して、何が寄与しているのかをノードとエッジを⽤いて、可視化しま す。これにより、⽬的変数に対して最も影響を与えている変数とその効果量を算出す ることができます。 子育て施策 季節 © Logian, Inc. 知りたいのは ココのみ 市民満足度 性別

サービス紹介｜LogianSurvey 驚くほど簡単に分析前提のアンケートが実施できる。 アンケート後、分析前の前処理が不要になります。 アンケートの分析をしようとすると、前処理に多⼤な時間がかかり、これがデータ分析会 社に委託した時に⾦額が跳ね上がる要因でもあります。LogianSurveyでは、アンケートの 設計段階から誰でも簡単に前処理の設定ができるので、アンケート収集後の前処理が不要 になり、アンケート作成〜分析にかかる作業の時間を⼤幅に短縮することができます。 従来のアンケート調査 前処理設計(3分) アンケート作成(30分) アンケート作成(30分) アンケート回収 アンケート回収 データ前処理(3時間) データ前処理確認(3分) データ分析(1時間) データ分析(1時間) 合計：4時間30分 合計：1時間36分 © Logian, Inc. 🎉

サービス紹介｜データサイエンス研修 専⾨家に⾼度な分析を依頼できるようになる。 専⾨家に対して、適切な要望を出すことができるようになります。 ⾮専⾨家と専⾨家であまりにも知識に乖離がありすぎると、要望もうまく伝わりません。弊社が提案しているの は、専⾨家に対して⾼度な分析を依頼できるようになるレベル感を⽬指したデータサイエンス研修です。 過去に⼤学等でも実施したデータサイエンス講義の内容をビジネス現場に落とし込んだものになります。 © Logian, Inc.

社会課題 データはあるのに、意思決定は勘と経験。 ビッグデータブームもあり、近年ではデータを蓄積している 企業や⾃治体も少しずつ増えてきた。 だが⼀⽅で、“統計的に正しい”データの活⽤はできておらず、 結局のところ意思決定は担当者の勘と経験に委ねられている。 Next. 具体例で紹介 © Logian, Inc. 8

具体例：⾏政における意思決定 ⾏政の⽥中さん ● ⾏政の戦略担当者 ● 近年はEBPM(確かな根拠に基づく政策⽴案, Evidence-Based Policy Making) に⼒を⼊れる⾵潮がきているが、どうして良いのか正 直よくわからない ● とりあえず施策評価委員制度のような第三者に公正に 判断して貰うように設計すると良いかな…？ ※特定の⼈物や団体を指すものではありません。 © Logian, Inc. 9

具体例：⾏政における意思決定 【⾏政の施策効果検証の例】 上位のKPIを事業や細かい要因まで分解して、この中で より上位KPIに対して貢献度が⾼いものを洗い出す。 上位施策のKPI 悩みや不安を 相談できる⼈がいる 事業A 要因① 家族等から⼗分な サポートを受けられる 要因② 要因③ 孤⽴しにくい 実際に貢献度を測るのは、施策評価委員会。 ● ● ※特定の⼈物や団体を指すものではありません。 ● 第三者が公平に勘と経験で貢献度を判断 各部署の担当者が主観で⼊⼒した達成度等の数値 (データ？)を第三者が独⾃のフレームワークに落 とし込み主観で評価(数値化) 結局実際に⾏政が蓄積しているデータを使うの は、貢献度を構成する達成度の⼀部のみ。 アプローチは間違っていないが、効果検証に⼈の主観を混ぜてしまっている。 © Logian, Inc. 10

具体例：⾏政における意思決定 問題点①：⼈の主観を挟んでしまっている ⼈の主観による次元削減(複数の要因をまとめてシンプルにすること)を ⾏うことで、数値に対する信頼度が低くなってしまう。 子供向け施策 子育て施策 知りたいのは ココのみ 市民満足度 問題点②：複雑な因果関係を把握することが⼈間のみでは困難 季節 性別 そもそも現実世界は因果関係が複雑に絡み合っているため、それを⼈間 のみで明らかにすることはドメイン知識が豊富であったとしても⾄難の 業。 問題点③：真の効果を算出する⾼度な統計の専⾨家が不在 真の効果を算出するには⾼度な統計解析の技術が必要だがそんな専⾨家 が周りにいない。 © Logian, Inc. 11

具体例：⾏政における意思決定 ● 効果が⾒えない‧再現できない 施策の実施後に、どの要因が成果につながったのかが明確でなく、評価が感覚 的になりやすい。結果として、成功や失敗の要因が組織に蓄積されず、同様の 施策を繰り返す傾向がある。 ● 意思決定の根拠が曖昧 データよりも慣例や担当者の経験、上層の判断に依存するケースが多く、意思 決定プロセスがブラックボックス化。説明責任や合意形成に時間がかかる。 その結果、 ● 部局間‧年度間で知⾒が分断される 各課が独⾃にデータ収集や分析を⾏うため、組織横断的な知識共有が進まな い。結果として、同様の調査‧施策が重複し、全体最適が困難になる。 ● 短期適正化が優先され、構造的な改善が進まない 年度単位の実績評価が中⼼となり、中⻑期的な効果や因果構造の分析が後回し にされる。そのため持続的な政策改善の仕組みが定着しない。 © Logian, Inc. 12

具体例：⾏政における意思決定 理想を⾔えば… ● データに基づいて施策の真の効果を明らかにしたい ● 意思決定の根拠を透明化し、市⺠に説明できるようにしたい ● 部署や年度を超えて知⾒を共有し、継続的に改善したい ● 再現性のある「⾏政知」を蓄積し、持続的な政策⽴案を⾏いたい だけど、そんな魔法みたいなことできないし この問題は⾒なかったことにするしかないのか…？ © Logian, Inc. 13

具体例：⾏政における意思決定 理想を⾔えば… ● データに基づいて施策の真の効果を明らかにしたい ● 意思決定の根拠を透明化し、市⺠に説明できるようにしたい ● 部署や年度を超えて知⾒を共有し、継続的に改善したい ● 再現性のある「⾏政知」を蓄積し、持続的な政策⽴案を⾏いたい 。 ば れ あ gianが Lo 。 す ま でき だけど、そんな魔法みたいなことできないし この問題は⾒なかったことにするしかないのか…？ © Logian, Inc. 14

解決⽅法：意思決定⽀援ツール「Logian」 施策の効果を“因果”で⾒える化する 意思決定⽀援ツール Logianは、広告‧販促‧⼈員配置などの施策が、 実際にどんな影響を及ぼしたかを“統計的に正しく効果検 証”しエビデンスに基づいた再現性のある意思決定が可能 になるツールです。 多くのツールは相関ベースですが、Logianは因果分析を⽤いること で「どの打ち⼿がどれだけ効いたか」を明確にし、再現可能な判断 を⽀援します。 広告効果 ：どの施策が本当に CVに効いたのかを可視化したい 人事評価 ：評価指標と成果の因果を明確にしたい 施策効果 ：成功施策の “なぜ効いたか ”を構造的に残したい ※画像はイメージです。 © Logian, Inc. 15

Logianの主要な機能内容 1. 施策の実施 2. ログに残す 現場での施策を起点に、実際のデータ や成果を取得。 “何をしたか”だけでな く、“どんな条件で実施されたか”も記 録し、効果検証の基礎データを作る。 ＞＞＞ 施策と成果の因果関係を蓄積し、再現 性ある意思決定を循環させることがで きます。 施策内容‧背景‧⽬的を、因果構造と ともにログとして可視化。意思決定の “なぜ”を残すことで、属⼈的な経験を 組織の知へと変える。 ＞＞＞ Logianが⽣む循環 ＞＞＞ 不⾜データは LogianSurveyによる 補完も可能。 ※Logianとは別サービス 3. 良質なデータが蓄積 4. 再現性のある施策をAIが提案 © Logian, Inc. ＞＞＞ 蓄積データをもとに、AIが過去の成功 ‧失敗から因果構造を学習。再現性の ⾼い施策案を⾃動提⽰し、担当者の意 思決定をサポートする。 各⾃治体‧企業独⾃の意思決定ログが 蓄積され、“現場での判断”と “統計的 な裏付け” がひとつのデータ資産に。 これが次の施策設計の“⼟台”となる。 16

Logianの主要な機能内容 ①③ 意思決定を自然言語で入力 ① 「施策意図」と「定量化された結果を元にどのように意思決 定を行うのか」をユーザーが自然言語で入力する。 ② 因果分析を用いて効果を定量化 ② 独自の因果分析アルゴリズ ムにより、各施策の介入効 果を定量化します。 また、残存交絡リスク （未観 測交絡が存在する可能性） をスコア化し、可視化するこ とで、推定の信頼性を把握 できる設計 にしています。 ③ © Logian, Inc. 17

Logianの主要な機能内容：ログに残す 仮説：若年層は情報を素早く取得できると満⾜度が上がるのでは？ 年齢層 2.0 居住年数 市民満足度 ⾏政の⽥中さん -2.1 1.3 情報取得チャネル数 2.1 情報提供スピード 職員対応品質 0.8 0.2 行政信頼度 2.4 地域住民との関わり 1.0 2.7 イベント認知率 2.2 3.1 市民参加率 ※⽮印の数値は寄与度を表す。 ● 情報発信チャネル数を増やすことも最終的には満⾜度に起因しているが、直接的な因果関係が最も強 かったのは「地域住⺠との関わりをどれだけ⾏っているか」であった。 ● 若年層でも地域住⺠との関わりが⽣まれやすいようなイベントを企画実施することが若年層の市⺠満 ⾜度につながる。次年度は「地域住⺠との関わり」がキーワード © Logian, Inc. 18

Logianの主要な機能内容：良質なデータが蓄積 ⽥中さんの⾏政の【仮説+因果分析結果+意思決定】という良質なデータを蓄積していく ※まとめて「意思決定ログ」と呼びます。 いつでも過去の意思決定ログを確認可能 © Logian, Inc. 19

Logianの主要な機能内容：再現性のある施策をAIが提案 使えば使うほど、⽥中さんの⾏政にあっ た施策を提案してくれるようになる。 若年層の満⾜度が低いからインスタとかで発信しようと思うんだけどどう思う？ 別担当者 【Logianの回答】 ⽥中さんの⾏政では、過去に若年層の満⾜度を上げる要因としてメディア チャネルより地域住⺠との関わりが効果的でした。若年層向けに情報発信 チャネルを増やすのではなく、まずは地域住⺠との関わりを増やすための コミュニティ施策がおすすめです。 ※画像はイメージです。 © Logian, Inc. 20

社会課題 ⾏政の⽥中さん ● データに基づいて施策の真の効果を明らかにできる ● 意思決定の根拠を透明化し、市⺠に説明が可能に ● 部署や年度を超えて知⾒を共有し、継続的に改善が可能に ● 再現性のある「⾏政知」を蓄積し持続的な政策⽴案が可能に ※特定の⼈物や団体を指すものではありません。 © Logian, Inc. 21

既存の分析ツールとの違い Logianは、既存の分析ツールとは⼀線を画します。 ⽐較軸 既存の分析ツール Logian 分析の質 相関ベース 「AとBが⼀緒に動く」レベルで⽌ま る。 因果分析ベース 「AがBをどれだけ動かしたか」を定量的に算出。 残存交絡リスクもスコア化して信頼性を明⽰。 ⽬的 結果の説明や報告 意思決定の再現性向上 施策ログ×因果構造を蓄積し、「なぜその判断をしたか」を 未来に残す。 AIの位置付 け ⼀般的な予測AI 過去データにフィットする最適解を出 すのみ。 個別最適AI 組織や⾃治体ごとの施策ログを学習し、最適な再現施策を提 案。 ⼈の関与 担当者の主観が⼤きく、ブラックボッ クス化。 ⼈とAIが共に進化する 担当者の「仮説＋意思決定」をデータとして蓄積。AIが学び続 ける循環設計。 © Logian, Inc. 22

使えるのは⾏政だけじゃない 商品開発の⾼橋さん：なんとなくの開発から脱却 ■ Before：勘と前例の継ぎ接ぎ 高橋さんは新任の商品企画。アンケートは集計しているが、 「なぜ売れたのか／なぜ刺さらないのか」が分からない。 成分や価格にばかり注目し、“顧客の本音”が見えなかった。 ■ Turning Point：Logian導入 過去の意思決定ログと販売データを構造化。 因果探索により、購買の決定因子は匂いの“高級感”とパッケージデザイン だと判 明。 ■ After：勘が科学に変わる 見た目を刷新した新商品がネット・店舗で完売。 上層部から「次も頼む」と任され、開発部のスタンダードが“因果ベース”に。 © Logian, Inc. 23

使えるのは⾏政だけじゃない 経営企画の佐藤さん：戦略会議の空中戦 ■ Before：KPIは整っているが、戦略が繋がらない 佐藤さんは経営企画室。各部門がKPIを掲げているものの、 「どの施策が業績を牽引しているのか」誰も答えられない。 会議では数字の羅列だけが並び、“戦略”が存在しない状態。 ■ Turning Point：Logian導入 全社施策ログを投入。施策間の因果構造を可視化し、 LTV向上に寄与する真のボトルネックがカスタマーサポート対応速度 であると特定。 ■ After：戦略が一本に繋がる サポート部門強化を優先施策に変更。半年で解約率が15％減。 以降、全社の意思決定が「因果に基づく議論」へと進化した。 © Logian, Inc. 24

使えるのは⾏政だけじゃない 店舗マネージャーの⼭本さん：現場の感覚とデータの溝 ■ Before：現場経験に頼る意思決定 山本さんは全国チェーンの店舗マネージャー。 “現場の肌感”で発注や販促を決める文化が根強く、 データ分析部門との会話も噛み合わない。 ■ Turning Point：Logian導入 POSデータと販促履歴をDAG化し、来店数への因果構造を解析。 結果、“曜日×気温×POP配置”が売上に大きく効いていた。 ■ After：勘が裏付けに変わる 現場の判断を数値で補強し、上層部への説明もスムーズに。 「感覚とデータの融合」が文化として根づいた。 © Logian, Inc. 25

使えるのは⾏政だけじゃない ⼈事の中村さん：離職率改善の闇 ■ Before：アンケートはあるが、改善策が空回り 中村さんは人事課長。社員満足度調査を毎年実施しているが、 “何が離職に効くのか”が見えず、対策は手探り。 ■ Turning Point：Logian導入 満足度・勤続年数・上司評価・残業時間などのデータを投入し、 因果構造を可視化。離職に直結していたのは成長実感の欠如 だった。 ■ After：研修制度の設計を刷新 研修を「成長実感」中心に再設計。離職率が前年比で20％減少。 データが“人の心”を見抜く時代を実感した。 © Logian, Inc. 26

正直めっちゃモチベ上がります Logianの開発状況や情報を 定期的に発信しています。 ● ● ● Logianの開発状況 具体的なユースケースとその効果 初期無料ユーザー募集 ※登録してもらえると、めちゃくちゃモチベ上がります。 © Logian, Inc. 27

© Logian, Inc. 28