企画書作成.COM

科学技術とビジネスの統合は、現代の産業構造のトレンドといえます。このテーマについてのレポートが、経営共創基盤（IGPI）が作成した『科学技術とビジネスの統合化がもたらす変革』です。

経営共創基盤（IGPI）は、ハンズオン（出資者が経営に参画）型コンサルティング企業です。Vorkers（ヴォーカーズ）が実施した『中途入社社員からの評価が高い企業ランキング』で1位を獲得するほど、今や人気のコンサルティングファームです。

経営共創基盤は元産業再生機構最高執行責任者冨山和彦氏を中心に、事業会社の元役員や投資ファンド、金融機関、会計士、弁護士などで構成されています。主な出資先企業としては、知的財産ネットワークやぴあ、池貝があり、100％子会社としてはみちのりホールディングスがあります。

みちのりホールディングスは発足後すぐに経営破綻し再建中だった福島交通と茨城交通を子会社化し、「貨客混載事業」など従来の路線バスの既成概念を覆すような施策を積極的に展開しています。

超高齢化と少子化が急速に進む日本において、利益だけではない地域貢献性もある案件も積極的にプロデュースする経営共創基盤の企業体と提案企画書を考察していきたいと思います。

1. 科学技術とビジネスの統合化がもたらす変革から学ぶ

では、実際に経営共創基盤が作成した企画書を見ていきましょう。今回は、科学技術とビジネスの統合化がもたらす変革～全産業領域でのプラットフォーマー化の可能性とその衝撃～です。

1-1. 科学技術とビジネスの統合化がもたらす変革～全産業領域でのプラットフォーマー化の可能性とその衝撃～

1-2. 従来型のベンチャー政策問題を超えて

■ どれを政策（立法と予算措置）の対象領域として考えるのか？
■ 既存の市場メカニズム、民間プレーヤー（金の出し手、事業の担い手）の機能状況にかなりの差が存在するので、政策的には異なるアプローチが必要
・Ⅲ、Ⅳは民間市場機能（バイアウトファンド、既存の日本型VCと銀行のデット金融など）ですでにかなりカバーできている（後述するDCFの世界）
・Ⅰ、Ⅱ、特にⅠにおいて問題は深刻であり、「エコシステム」はほとんど存在しない
・AIビックデータ時代到来の中で、その先のプラットフォーマー（統合化システム力で優位に立つビジネスモデルの勝者）への展開をどう後押しするか？

1-3. データ量の爆発的増加

■ インターネット上だけでなく、実世界（自然現象、生体現象など）のデータも収集・利用可能に
◇20年で約6,500倍に
2000年のデータ量／6EB　※EB＝エクサバイト→2020年のデータ量　40,000EB／
【インターネット上に加え、実社会のデジタルデータが増大】
＜要因＞
① センサが小型化・低廉化
② あらゆるモノが、インターネットの接続
【技術的ブレークスルー】
① 新たなコンピューティング技術
② 人工知能
【新たな知見の獲得、各種予測精度の向上などに活用】
【幅広く応用され、経済活動・社会システムが変革】
（経済産業省 第7回日本の「稼ぐ力」創出研究会資料より抜粋

1-4. 新たなコンピューティング技術の登場:クラウドコンピューティング

【従来の形態】
1. 利用者がITシステムを保有・管理（※面倒・高コスト）
2. データ処理能力に限界
・保有できる情報量に限度
・情報の処理速度に限度
→大量に扱える情報の種類が限定的
（大量の様々な種類の情報の処遇には、時間とコストがかかる）
【クラウドコンピューティング】
1. 利用者はITシステムを保有せず、ネットワークを通じて機能を利用（※手軽・低コスト）
2. データを分散処理し、大容量化・高速化
・大量のデータを保有できる（Volume）
・高速（リアルタイム）にデータを処理できる（Velocity）
→多種多様なデータを大量に扱える（Variety）

1-5. （参考）クラウド・コンピューティングの利用事例

【VISA】
・730億件の取引データの処理時間を、1ヶ月から13分に短縮→約3,300倍
【楽天】
・楽天市場での商品レコメンデーションや売上ランキング集計、ユーザーの行動解析などに活用。処理時間を26時間から、4.5時間に短縮→約6倍
【リクルート】
・情報サイトのログの過去1年半分のログの処理を、5～6時間で完了（1週間分約4分相当。クラウド利用前は、1週間分10時間）→約140倍
【ディー・エヌ・エー】
・1日20億件以上の利用者の行動情報を分析。顧客が夢中になるようなゲーム難易度のチューニング、不正行為の検出などに活用
【New York Times】
・過去100年分の新聞記事のPDF化処理を、24時間、1,240ドルで完了

1-6. 人工知能のブレークスルー

◆機械自身が、ビックデータを教材に学習し、人間の知見・知識を超えていく
【従来の人工知能の限界】
① 人間が決めて教えた、データ処理の「ルール」の範囲でしか動かない
② 現実社会で人間並みに振る舞うための「ルール」の数は膨大で、数えきれない。【ルールの「量」の問題】
③ 教えた「ルール」が数千、数万に増えると、予期せぬ相互干渉・矛盾が生じ、期待通りに機能しなくなる。【ルールの「決め方」・「管理」の問題】
→多様な事象が複雑に絡み合う現実社会では、利用範囲は限定的

1-7. 起きつつブレークスルー

【起きつつあるブレークスルー】
①「ディープラーニング」など「機械学習」と呼ばれる、自ら学習する人工知能が登場
②「ルール」ではなく、事例（データ）を教材として「パターンの抽象化・抽出」をし、自ら学習
③人間が教えずとも、（人間にとって未知のことも含め）新たな知識を身につけていく
→ビックデータを教材として、自ら学習。複雑な現実社会でも幅広く応用される可能性　

1-8. 生産・販売活動への応用（将来のイメージ）

【人工知能で大量のデータを処理】
＜顧客情報＞
過去の購買、服装データ、ツイート情報、身体情報、流行や友人の購買データ、使用商品の耐久性や利用状況等
＜販売実績情報＞
販売、欠品、売れ残り、販売日時、販売地域、正規価格、値引き等
＜製造情報＞
製品の設計データ、生産設備の稼働状況、部品の位置データ、製品の流通動向や利用状況等
【高確度で需要を予測して開発・生産】
①顧客が商品を必要とするタイミングを予測し、事前に顧客の欲する「世界に1つしかない商品」を設計（設計のリードタイムゼロ）
②顧客の購入予想時期に合わせ、最適な部品・生産ライン・生産スケジュールを決定し、部品調達・製品生産（在庫ゼロ）
③無人配送ヘリコプターが迅速に配達（待ち時間ゼロ、物流コスト最小化）

1-9. 生産・販売活動の将来イメージ

【生産・販売活動の将来イメージ】
①生産の主流が、「規格品」からテーラーメード品」へ変化
個人向けテーラーメイドが主流となり、個別の顧客ニーズに応えていない規格品の大量生産方式では、稼ぐことが難しくなる
②設計のリードタイムゼロ
顧客情報（過去の購買履歴、購入商品の利用状況など）から、顧客が商品を必要とするタイミングを予測し、顧客からの発注前に顧客の欲する商品をテーラーメードで設計。顧客情報から顧客自身も意識していなかった好みを発見し、それに合った思いもよらない商品・サービスの提供も可能に
③在庫ゼロ
②の設計情報と顧客の購入予測時期に合わせた生産スケジュールを部品メーカー・最終製品メーカーが共有し、部品を供給、製品を生産し、予測通りの顧客の発注に応じて出荷

1-10. 交通システムの将来イメージ

【交通システムの将来イメージ】
①自動車の価値が、「操作性能」から「安全・快適な移動ツール」へと変化
「安全・快適な移動サービス」の提供には、運行データの収集・分析・活用が必要に
②「移動時間」が「自由時間」へと変化
運転作業が不要になり、車中で娯楽を楽しんだり、勉強や仕事をすることが可能に
③社会全体での自動車の共有化
一台の車を多人数で共有して利用することで、自動車の稼働率が向上。社会全体で保有する自動車の台数は減少
④その他
交通事故の減少（交通事故の9割は人為的ミス）、渋滞の緩和（国内での渋滞による損失を貨幣換算すると年間約12兆円）

1-11. 科学技術/アメリカの動き①（ビックデータへの積極投資）

【ビックデータ・イニシアティブ】
●アメリカ政府は、ビックデータ利活用に向けて、2憶ドル以上の研究開発投資を実施（2012年発表）
◆国防高等研究計画局（DARPA）
・軍隊の意思決定を支援するため、防衛システム上で得られる膨大かつ複雑なデータを整理・分析・可視化するソフトウェアを開発（1憶ドル）
◆国立衛生研究所（NIH）
・遺伝子変異と疾患の相談調査のため、多数の個人の遺伝子情報を収集し、データを公開（イギリス・中国と共同研究）
◆国立科学技術財団（NSF）
・データサイエンティストを養成するための大学院プログラムを開設
・カリフォルニア大学を拠点とし、機械学習・クラウドコンピューティング・クラウドソーシングに関わる研究開発を実施（1,000万ドル）
◆エネルギー省（DOE）
・スーパーコンピュータを活用したシミュレーション（気候モデリングや物質探求等）によって生成されるデータを効率的に利用するためのツールを開発するため、新たな研究所を設立（2,500万ドル）

1-12. 科学技術/アメリカの動き②（人工知能への積極投資）

1-13. 科学技術/ドイツの動き（製造業の高度化）

1-14. アメリカVSドイツ プラットフォーム獲得競争の構図

1-15. 日本の課題

◆課題1 企業経営に関する課題
1. 稼げるビジネスモデルの創出

◆課題2 他者データ取得に関する課題
1. パーソナルデータの取り扱い
2. 日本では、データ流出市場の広がりが限定的
3. 新たな技術の登場による著作権法など既存ルールの整理
4. 工場設備などの互換性や周波数などに関する通信規格が共通化されていない
5. オープンデータの推進とビジネス活用

◆課題3 データ分析に関する課題
1. AIをはじめとするデータ処理技術の研究動向
2. 不足するデータ・IT活用人材

◆課題4 その他
1. 流通・取引慣行ガイドラインの見直し
2. 守りに偏った日本企業のIT投資
3. 遅れをとる日本のサイバーセキュリティ対策
4. 大量データを有するデジタルプラットフォーマーが市場に与える影響等に関する課題整理

1-16. 本格テッキーベンチャーの「重い」世界のリアリティ

① 極めてハイリスク（かつ通常はローリターン）でまとまった資金量も必要な世界
② リアルオプション的価値評価
→シングルヒットに関心はなく、ダブルプレーでも構わないからバットを思い切り振ってホームランを狙うゲーム
③ VCとしてやる以上は、数十億／案件を出す覚悟を決めて始めるゲーム
④ VCとして、いざとなったら自ら暫定CEOをやるゲーム
⑤ VCとして、担当パートナーが自ら決めて責任を持つ前提でやるゲーム
⑥ 資本コストの高い民間のリスクマネーだけでは、絶対に成り立たないゲーム
⑦ 加えて、今後はAI・ビックデータイノベーションで、ヘビーサイエンス系の産業領域（自動車、産業機械、医療機器、ライフサイエンスなど）にも統合化システムを有するプラットフォーマーに富が集中するゲーム
▼
『キラーコンポーネントレベルのイノベーション力』×『プラットフォーマーレベルのイノベーション力』

1-17. リアルオプション的な価値評価とは？

1-18. 産業開発資金としての基礎研究資金（「重い世界」の世界的トレンド）

■ 政府資金
通常の科学研究助成に加え、軍事大国においては防衛技術研究予算が今でも大きな役割（政府系研究機関、大学への委託研究など）

■ 民間資金
① 大企業の基礎研究開発機関は次々と閉鎖（現代の資本市場の圧力下では、上場大企業における本格的な基礎研究機関の維持は、長期的に困難）
② 他方、大学の産学連携の深化が進んでいる米国などの先進国では、基礎研究は大学が事実上肩代わり（その典型がシリコンバレーモデル）
③ また、こうした機関の資金を寄付や財団といった巨大な非営利資金が支えている

1-19. 科学技術/他方、日本では

■ 政府資金
① 防衛向けの基礎研究予算は、米国などとは比較にならない規模
② かつての電電公社の長期的・本格的には基礎研究が可能な企業体は、民営化

■ 民間資金
① 大企業の置かれている状況は同様
② オフバラ、オフPL要請が厳しい中、巨大な予算、長い時間が必要な基礎研究開発プロジェクトは非常に絞り込まれる、あるいは破棄される傾向（この傾向は、昨今の四半期決算の導入などでますます強まる）
③ さらに日本は産業分野ごとの企業集約が遅れているため、研究開発予算が企業単位で拡散・重複する傾向もある（この問題をかつては官主導のコンソシアム方式で補っていたが、今の時代はなかなか機能しない）
④ 産学連携も、まだまだ初期的な段階

1-20. 科学技術シーズの産業化、資本集約化に関わる金融資本市場プレーヤー

① 基礎研究ステージ
② 移行ステージ（超ハイリスク）
③ 事業化ステージ（ハイリスク～ミドルリスク）
④ 産業化ステージ
▼
① 欧米に比べて、産業化のあらゆるステージにおいてリスクマネープレーヤーの質と量の両方が、未成熟、未整備
② その背景として、市場制度（資本市場ルール、税制、ファンド規制）などの問題
▼
① 政策課題の存在（公的資金のアロケーションについては、手は打たれつつあるが…）
② 潜在的な収益機会の存在

1-21. 経済学的、経営学的、財務理論的な観点からみた産業開発資金

1-22. 本格テッキーベンチャー育成（キラーコンポーネントのイノベーション力）に係る今政策上の重要な観点（1）:公的資金の役割と課題

1-23. 民間VCの役割と課題

1-24. ベンチャービジネスの担い手の役割と課題

1-25. プログラムマネージャー型の「つなぎ人材」のキャリアパスの構築

1-26. 今後の政策上の重要な観点（2）:大企業の役割と課題（プラットフォーマーイノベーション力）

2018.10.09

【2022年版】ビジネスワードはこれでOK！情報力の高い企画書へ

ビジネスワードは、ビジネス会話やメール、企画書作成などに必要です。特に時事性の高いビジネスワードは、早めにキャッチして理解しておくのが理想です。 特に世の中のビジネスパーソンにとって、ビジネストレンドは大きな関心事です。次に来る大きな流れを知っておくことは、自分自身の価値向上にもつな...

2. 経営共創基盤に見るコンサルの特徴

2-1. 経営共創基盤の企業風土

経営共創基盤の強みはどこにあるのでしょうか。具体的なポイントを、以下に記します。

① 経営共創基盤は、世の中で唯一無二の会社になることを目指している
② クライアントにとって、経営共創基盤のコンサルタントは唯一無二の存在を目指している
③ 自分の専門分野を使って、社内のプロジェクトで活躍できる
④ 専門外の分野に挑戦し、知識や考え方を吸収できる仕組みが整っており、その体験が働きがいを感じる背景になっている
⑤ クライアントの悩みに対してどういったスタンスで対峙するか、組織としてサポートするために年2回合宿を実施
⑥ IGPIは1年あるいは2～3年の長期プロジェクトが多く、そこで働くことで転職に近い多様な経験を積める
⑦ IGPIは客先常駐が多いが、一度IGPIを退職してクライアントの役員として数年働き、戻ってくる事例もある
⑧ 社員証の裏に思考と行動に関わる8つの質問を明記し、意識付けを行っている

1. 心は自由でいるか？
2. 逃げていないか？
3. 当事者・最高責任者の頭と心で考え、行動しているか？
4. 現実の成果に固執しているか？
5. 本質的な使命は何か？使命に忠実か？
6. 家族、友人、社会に対して誇れるか？
7. 仲間、顧客、ステークホルダーに対してフェアか？
8. 多様性と異質性に対して寛容か？

2-2. 経営共創基盤の取り組みに見るビジネストレンド

経営共創基盤は、どのようなサービスを展開しているのでしょうか。そのキーワードを、以下にピックアップしてみました。

・大手航空会社・大手エネルギー会社の再建計画策定
・人事制度の設計構築
・グローバル戦略立案、実行支援、クロスボーダーM&Aの支援
・情報通信業に対する戦略策定、新規事業開発、実行支援、戦略実行、持続的成長を目指した組織・人事制度設計、人材育成支援
・大手消費財メーカーの営業改革に向けた戦略立案及び具体的な実行計画の策定
・事業再生ADRを活用した百貨店の再生
・各種製造業の短期的な収益性改善
・買収戦略の立案・推進・買収後の統合支援
・小売・飲食チェーンの経営改善計画の策定
・事業・財務DDから事業計画立案
・ものづくり改革による中長期的な競争力強化、海外展開における戦略策定と実行支援統括