代表者プロフィール

代表取締役　関沼 達司　1961年８月生まれ　東京都文京区出身

1985年4月、オリエント・リース株式会社（現 オリックス株式会社） に入社。製造設備・OA機器のリース営業を通じて 企業与信の基礎を学ぶ と同時に、タックスリースを活用した企業の財務改善提案を通じて ファイナンスの基礎を多角的に習得。

1990年代前半には、米国ニュージャージー州プリンストンの ヘッジファンド COMMODITIES CORPORATION (U.S.A) との提携 により、デリバティブ・プロダクツのマーケティングや商品企画 に携わる。その後、都市銀行・商社を担当し、海外自動車メーカー向けのクロスボーダーファイナンスをはじめ、多様なファイナンス案件を実行。

1990年代後半からは、クレジットデリバティブや戦略的M&Aに従事 した後、プライベート・エクイティ投資を手掛ける投資銀行本部へ異動。

2003年、オリックス自動車株式会社にて、統計学を活用したビジネス・プロセス・リエンジニアリング（BPR）をプロジェクト・マネジャーとして推進。メンテナンスリースの要となる 自動車整備工場との提携体系を大幅に再構築 し、さらには レンタカー店舗の立地スコアリングシステムを開発。北海道千歳、沖縄あしびなにおける国内最大級のレンタカーステーションの開発責任者を務め、現場オペレーションの円滑化と顧客利便性の向上に注力。

また、地域の自動車需要とレンタカー市場の相関分析を主導 し、ビジネスドメインを リテールマーケティング領域へと拡張。さらに、自動車関連の店舗開発において、土地所有者との複雑な交渉を不動産ファイナンスの知見を活かして遂行し、多くの難解案件を実現。現在も旗艦店舗として稼働中。

2008年秋、オリックス野球クラブ株式会社（オリックス・バファローズ運営会社）にて事業本部副本部長を務め、球団営業に尽力。翌年、生命保険の銀行窓販（窓口販売）の全面解禁を受け、オリックス生命保険株式会社にてメガバンクとの提携業務を担当。

2017年春からは、オリックス・ファシリティーズ株式会社のビルメンテナンス事業の拡大を目的としたM&A、提携、新規事業開発を推進。なお、同社は2001年、オリックス株式会社がTOB（公開買付）により友好的買収を行った 旧・株式会社関西メンテナンス であり、当時 投資銀行本部にて買収交渉およびPMI（買収後の統合プロセス）を主導。

2021年以降、ファシリティマネジメント業界におけるDX（デジタルトランスフォーメーション）の重要性に着目。DX専門企業との事業提携を検討する中で、データサイエンティストの役割と可能性に強く感銘を受け、データサイエンスの世界へと進む契機となった。

2023年9月、オリックス株式会社を早期退職。

 

2023年９月～2024年4月　『データサイエンティスト育成講座』受講

主催　：　（株）データミックス（現　（株）ピープルドット）　

資格認定　：　経済産業大臣認定　第四次産業革命スキル習得講座認定

卒業制作モデル　：　

【主題】『プロ野球球団主催ゲームにおける観客動員数予測モデル』　

【副題】チーム状態（勝率、戦い方等）からのショートタームレンジの予測は可能か

モデル制作の背景　：

◆観客動員数と球団経営

観客動員数は、球団にとっての経営指標であると同時に、スポンサーにとっての広告価値を測る重要な要素 である。そのため、球団経営において、動員数の予測と最適化は極めて重要な課題 となる。

◆動員マーケティングの課題

球場内のイベント演出によって、観客に"異空間的なわくわく感"を提供することが動員マーケティングの鍵となる。しかし、その準備には最低でも数週間のリードタイムが必要であり、事前の観客数予測ができれば、スポンサーを巻き込んだイベント施策や動員施策をより戦略的に実施できる。

◆分析アプローチ

プロスポーツの本質的な魅力は、エキサイティングなプレーと試合展開にある。そこで、投手力・守備力・攻撃力などの公開データを用いた多角的かつ多面的な分析により、観客動員数と試合展開（戦い方）の関係性を追求した（EDA:Exploratory Data Analysis )。

◆モデル開発の手法

本分析では、チーム状態を示す複数の指数を時系列的に捉え、その移動平均値を特徴量として最適化（特徴量エンジニアリング）しながら、複数の機械学習アルゴリズムを試行錯誤した。その結果、最も精度が高く適合したアルゴリズムとしてSupport Vector Machine(SVM)を採用した。

◆今後の展望

スコアブックレベルでの試合展開データや、過去の蓄積データをより長期的に活用 することで、さらなる精度向上の可能性が十分にある と考えている。

 

2024年5月～2025年2月　『生成AI機械学習エンジニア育成講座』第一期生受講

主催　：　同上

主な履修内容　：

  • 数学・プログラミング基礎 ：線形代数、Python（線形回帰の実装）
  • 機械学習アルゴリズム ：理論解説および実装演習
  • コンピュータサイエンス ：Pythonの最適化・高速化、高度な機械学習アルゴリズム
  • 自然言語処理（NLP）・大規模データ解析 ：NLP基礎、レコメンドアルゴリズム、Hugging Face Spacesを活用したデモ開発
  • ディープラーニング ：
    • PyTorchを用いた画像処理・物体検出
    • 自然言語処理（Word2Vec, Seq2Seq, Attention）
    • 生成AI（Transformer, Hugging Faceを活用したLLM）
    • ディープフェイク・画像生成
  • MLOpsとモデルデプロイ ：概論および実装
  • テキスト生成の学習・評価指標
  • 生成AIの先端技術と応用 ：RAG、各社モデルの比較、API活用
  • AIプロジェクトの企画・マネジメント ：AIのビジネス応用

卒業制作モデル　：　『ストレス耐性トレーニング  アプリケーション』　Web アプリ

モデル制作の背景　：

  • 人間関係や対立は、多くの場面で「ストレス」の要因となり、回避したくなるもの。
  • しかし、レジリエンス（精神的回復力）が高い人は、しなやかなユーモアを活用し、対立を緩和できる。
  • そこで、「ユーモアの力（ちから）」を鍛え、ストレス耐性を向上させるアプリケーションを開発。

アプリの流れ　：

  1. 写真画像を取り込む
    • システムが自動的に ネガティブなコメントを生成（嫌悪感を抱かせる内容）。
  2. ユーザーがユーモアで切り返す
    • しなやかなユーモア、コミカルな返し（テキスト入力） で応答。
  3. 著名人がフィードバック
    • 事前に選択した著名人のプロフィール・特性・口癖をプロンプトエンジニアリング で再現。
    • 著名人風のフィードバックコメントをAIが生成。
    • ※OpenAI GPTが1年数カ月前までの公開データ を基に学習済みのため、各著名人の情報を一定範囲で活用可能。

テクノロジーの活用　：

  • プログラミング ：Python（Chainlit）
  • AI・NLP技術：
    • OpenAI GPT
    • Hugging Face（文章生成AI、画像説明AI）
  • コンテナ技術 ：Docker
  • クラウド環境 ：Google Cloud Platform（GCP）

 

◆ 株式会社ピープルドット　エグゼクティブフェロー