--- title: "約1,000倍の人流データを数時間で解析できる基盤を構築 | grasys（グラシス）" url: "https://www.grasys.io/case-studies/svi-lab-people-flow-data" description: "人流データの可視化を通じてデータ駆動型社会の実現に向けた事業を展開する株式会社SVI研究所。grasys（グラシス） が選ばれた決め手や、現在の運用状況についてご紹介します。" --- 株式会社SVI研究所 # 約1,000倍の人流データを数時間で解析できる基盤を構築 人流データの可視化を通じてデータ駆動型社会の実現に向けた事業を展開する株式会社SVI研究所。grasys（グラシス） が選ばれた決め手や、現在の運用状況についてご紹介します。 ![約1,000倍の人流データを数時間で解析できる基盤を構築](/_astro/original-scaled.D2RF091f_1phl8A.webp) 公開日 2022年6月7日 更新日 2026年8月8日 著者 株式会社 grasys ## 導入事例の要約 課題 人流データ量が従来の約1,000倍となり、オンプレミスでは処理に1カ月以上かかると見込まれる中、独自の解析ロジックを維持する必要がありました。 支援 約1,000台のGCEハイメモリインスタンスによる並列処理を構築し、アジャイルな処理フローの改善とWebGLによる可視化を進めました。 成果 大規模な人流データを数時間で解析できるようになり、大都市の鉄道路線別混雑率など、従来は難しかった分析も可能になりました。 ## 事例の概要 ### ■まず、御社の事業概要を教えてください。 船本氏（以下、船本）：株式会社SVI研究所は人流データの解析技術を活かしたサービスを提供しており、スマートシティやMaaSに代表されるデータ駆動型社会の実現に向けた事業を展開しています。様々なデータを可視化し、客観データという強いエビデンスを武器に日々の仕事をよりよい方向に進めるサポートをするツール、[「Fracti」](https://www.fukuyamaconsul.co.jp/img/db/file1_628479992029.pdf)の展開も進めています。 私たちがサービスを提供している領域のひとつに都市交通分野があります。当分野でよく用いるデータ形式のひとつに、A地区からB地区へ何人が移動したかを示すOD表（Origin：出発地 Destination：目的地 の略）という形式があります。人流データを簡単にOD表に変換して可視化することで、データからインサイトを導くスピードを上げるための支援をしています。 また、こうしたデータの扱い方はマーケティング等の他分野にも応用できるので、商業ポテンシャルの計測など人流データから統計的に意味のある情報を抽出することにも取り組んでいます。 人流データを活用したビジネスは以前からありましたが、弊社はデータホルダーではないので、様々なデータホルダーの方々と連携しながら、柔軟にデータを組み合わせて顧客の課題解決を図るアプローチを取っているのが特徴です。 ![行動ビッグデータと保有データを可視化・予測へつなぐデータインテリジェンスツールFracti](/_astro/S__27115560.zccZ1cVv_Z1pB6vF.webp) データ インテリジェンス ツール 「Fracti」 ### ■オンプレミスから Google Cloud（GCP） へ移行した背景は？ 中谷氏（以下、中谷）：今回grasys（グラシス）さんにお願いしたのは、人流ビッグデータを高速に処理するシステムの開発です。これまでは自社のオンプレミス環境でデータを取り扱っていましたが、データの規模が圧倒的に大きくなってきたため、サービス運営が難しくなってきていました。従来のオンプレミス環境では、数百MBもしくは1~2GBほどを読み込んで数時間で処理していましたが、現在一番多く使用しているスマートフォンのGPSデータだと東京都のみで1ヶ月で1TBほどの量になり、単純に計算すると数台のPCで同時に計算しても1ヶ月以上かかってしまいます。扱うデータが今までの1,000倍ほどになったことが、クラウド環境が必要となった大きな理由です。 ![ノートパソコンを前に話すSVI研究所の担当者](/_astro/S__27115559.D-jwy8T__1d7Lp6.webp) 船本：もうひとつの理由が、独自の解析手法の実装です。SVI研究所は建設系のコンサルティング会社からスピンアウトした会社なので、Excel文化が強く、ExcelやVBA（Visual Basic for Applications）でデータ処理することが主流でした。それらで扱えるボリュームのデータが多かったという背景もあります。 そこで独自の解析ロジックを築いてきましたが、それらはビッグデータ処理に合わせて設計されたものではありません。ビッグデータ処理に適用させる場合はロジックを簡素化して対応することが多いと思います。しかし、弊社にとってはサービス上このロジックが欠かせず、なんとか大量のデータにもそのまま適用させたいと思い、それを実現するためにはクラウド環境が必要だという結論に至りました。 ### ■システムに求めたスペックや grasys（グラシス） を選択した背景は？ 中谷：私たちの実現したい解析が1日以内に処理が終わるという処理速度と、開発と運用の両面でリーズナブルなコストに抑えるという条件がありました。5社ほどにお話を伺いましたが、grasys（グラシス）さんは特に丁寧に状況をヒアリングしてくださりました。はじめはどのクラウドが最適かわからなかったので、そこも含めての相談でしたが、grasys（グラシス）さんは私たちがやりたいことをよく理解していただいたうえで提案してくださりました。 ![インタビューで説明するプロジェクト担当者](/_astro/S__27115558.BhvUdCB7_O7Scu.webp) 船本：初回の打ち合わせにエンジニアの方が同席して、システム構成のイメージ図を一枚作って来てくださったことも良かったです。大量のデータを処理するための構成の素案をはじめから持ってきてくださったことでイメージが湧きました。 当時クラウドを使っていなかったので、実現したいことを言葉でうまく表現できない部分もありましたが、そのイメージ図によって共通の言語を持てたので会話がスムーズに進みました。私たち自身も技術者なので、中身がわからないと安心できないということもあり、このようなアプローチと相性が良かったのだと思います。 ### ■プロジェクトでどのような困難を乗り越えましたか？ 船本：大量データに対して弊社の解析ロジックをどう適用させるかというのが最大の課題でした。例えばある移動体端末が建物に入って1時間そこに滞在している場合は、同じ場所に位置情報データが連続して溜まっていきますが、”建物に1時間いた”という情報だけで充分なので、そのような判別をして不要なデータを削除するというステップがあります。 このステップについても処理に時間がかかりすぎてしまうという課題が生じたのですが、grasys（グラシス）さんが1,000台ほどのGoogle Compute Engine（GCE）ハイメモリインスタンスを起動してデータを並列処理することで解決してくださりました。 ![人流データの並列処理について話すSVI研究所の担当者](/_astro/S__27115557.DYPVEoRg_G996t.webp) 中谷：データ量が想定以上に多かったため、すべてのデータを一気にインプットするとシステムエラーが発生するという課題も途中で生じました。アジャイル開発でデータ処理の流れを組み替えていただいたり、何度かトライアルを繰り返しながら進めていただきました。また、処理スピードとコストの落とし所をどこにするかを見極めるのにも苦労しました。 grasys（グラシス）：やはり人口が多い首都圏は人流データの情報量が非常に多く、その処理のコストや手順をどうするかは特に工夫した点です。また、一般的なWebブラウザで大量のデータを表示することはできないため、WebGLの技術を利用しています。 ### ■現在のシステム運用状況は？ 中谷：2019年にGoogle Cloud（GCP）を導入し、2020年4月にシステム開発を依頼して同年9月に開発が完了しており、現在は運用フェーズにあります。 現在はクライアントから依頼をいただいたら、grasys（グラシス）さんに作っていただいたシステムに人流データをインプットして数時間で解析処理を行い、そこから我々がレポートやダッシュボードなどのアウトプットを作成して納品するといった流れで運用しています。 あるプロジェクトで、ビッグデータを用いて大都市の鉄道の路線別混雑率を可視化する取り組みがあったのですが、そこでも今回のシステムを使用しました。新型コロナウイルスの影響で混雑具合がどのように減ったかを把握することが目的でしたが、開発したシステムがなければ膨大なデータ量を有するエリアでこうした解析を行うことは不可能だったかもしれません。 このように実際のプロジェクトで運用しつつ、まだまだ実装したいことはあるので今後もバージョンアップしていこうと考えています。 ### ■今後の展望は？ 船本：新型コロナウイルスの影響で人流データがメディアに取り上げられる機会も増えており、弊社が強みとする人流データ活用に対する認知度が社会的に高まってきていると感じています。 人流データの用途は多岐に渡りますが、ベースとなるインフラができたのでこれまで弊社がアプローチできていなかった領域に事業を広げていきたいと考えています。 ひとつの事例として、商業ビル内の人の動きを知りたいという依頼をいただいています。来館者がどのフロアに立ち寄って、その後レストランに行って、最終的にどのフロアに行きました、というような人の動きの特性を見たいという内容です。さらに、エリアレベルの人流分析から得られる特性を加えて解釈を行い、例えば自社のビルだと滞在時間が短かったが、違うロケーションではもっと滞在しているという情報を得られると、マーケティング施策のヒントを得ることができます。このような人流データを活用した施設やエリアのマネジメントにも今後携わっていきたいと思います。 ![今後の人流データ活用について話すSVI研究所の担当者](/_astro/S__27115556.Bc20UwVq_HCDTt.webp) ### ■grasys（グラシス） に期待することは？ 中谷：現在、全国で様々なスマートシティ関連のプロジェクトが立ち上がっており、弊社もいくつかのプロジェクトに参画していますが、スマートシティの実現にはデータや解析技術だけではなくITインフラも必須なので、我々だけでは十分に価値を出すことができません。解析技術を持つ我々とITインフラ技術を持つgrasys（グラシス）さんはとても相性が良いと考えており、今後事業を拡大していくうえでのパートナーとして、ぜひ連携を深めていけたらと考えています。 grasys（グラシス）：今回のプロジェクトでは企画をお預かりしてシステム開発をしましたが、今後は弊社からソリューションやアプローチの提案もできればと思います。スマートシティはやはり1社2社というより行政や様々な団体を巻き込んで実現するものなので、SVI研究所さんを様々な団体にお誘いして一緒にアクションをとっていければと思います。 ### プロジェクト情報 #### 業種 IT・デジタルサービス #### 支援領域 データ分析・AIクラウド基盤・移行 Discover ## この内容に関連する課題・目標・技術 同じ文脈にあるサービスや実績を、別の視点から探せます。 ### 課題 - [データを集約・可視化・活用したい](/problems/data-integration-analytics/) - [性能・コストを最適化したい](/problems/performance-cost-optimization/) ### 実現したいこと - [DWH・分析基盤を構築または移行したい](/outcomes/build-modern-data-platform/) - [高負荷でも安定して動く構成にしたい](/outcomes/improve-performance-scalability/) - [指標を可視化し、判断を早めたい](/outcomes/accelerate-decisions-with-data/) ### 技術 - [Google Cloud（GCP）](/technologies/google-cloud/) - [Compute Engine（GCE）](/technologies/compute-engine/) ## 同じような課題をお持ちではありませんか？ クラウドインフラやデータ活用について、grasys（グラシス）の専門チームが課題を伺い、最適な進め方をご提案します。 [資料請求](/document-request/)[お問い合わせ](/contact/) ## その他の事例 業種や支援領域の近い事例から順にご紹介します。 ![LLMによるログ分析で毎月数時間の作業をほぼ自動化](/_astro/ea1635237_et260317_capy01_02.B9wVCDZ6_Znj0CE.webp) Capy株式会社 ### [LLMによるログ分析で毎月数時間の作業をほぼ自動化](/case-studies/capy-llm-log-analysis/) 業界 IT・デジタルサービス サービス データ分析・AI / 運用・最適化 / セキュリティ 課題 大量のセキュリティログを十分に活用できず、Shodanの専門データを読み解く分析作業も担当者に依存していました。 支援 BigQuery（bq）、Shodan、Geminiを組み合わせ、分析対象を絞ることでコンテキスト量とコストを最適化し、要件整理から運用まで一貫して伴走しました。 成果 毎月数時間かかっていた分析をほぼ自動化でき、能動的な提案を含む分かりやすいレポートの作成につながりました。 ![Google Cloud（GCP）移行で不正ログイン対策サービスの安定運用を実現](/_astro/S__27115553.BbGdc_6i_Z1Os9Fa.webp) Capy株式会社 ### [Google Cloud（GCP）移行で不正ログイン対策サービスの安定運用を実現](/case-studies/capy-google-cloud-operations/) 業界 IT・デジタルサービス サービス クラウド基盤・移行 / 運用・最適化 / セキュリティ 課題 顧客の急増に伴い、サービスの安定性と運用リソースが課題となっていました。停止を許容できないサービスのため、旧OSやソフトウェアも安全に更新する必要がありました。 支援 Google Cloud（GCP）への移行とスケールアウト可能な構成への刷新を進め、検証環境を使った段階的な更新や、監視・スクリプトによる運用を支援しました。 成果 アクセスが増えた際も安定してサービスを提供でき、最小限の停止でアップデートを進められる柔軟な運用基盤が整いました。 ![BigQuery（bq）移行でインフラコストを約20％削減](/_astro/24.GyB_i_GV_49gaY.webp) 株式会社インティメート・マージャー ### [BigQuery（bq）移行でインフラコストを約20％削減](/case-studies/intimate-merger-bigquery-migration/) 業界 広告・マーケティング サービス データ分析・AI / クラウド基盤・移行 課題 データ活用が広がる中で従来基盤のコスト体系が見合わなくなり、新しいデータプラットフォームへ移行する必要がありました。 支援 BigQuery（bq）への移行に加え、プロジェクトやデータセットを適切な単位に分け、コストを最適化できる構成づくりを支援しました。 成果 安定した処理性能を保ちながらインフラコストを約20％削減でき、今後のさらなるデータ活用に向けた基盤が整いました。 ![限られた下水データから感染症を予測し行政の意思決定を支援](/_astro/7966bae78213db11914ad7af893f8431.BBBHo-QY_Z1I3BmG.webp) 八千代エンジニヤリング ### [限られた下水データから感染症を予測し行政の意思決定を支援](/case-studies/yachiyo-engineering-infectious-disease-prediction/) 業界 建設・社会インフラ サービス データ分析・AI 課題 4カ所で週2回採取する限られた下水データから感染症を予測し、形式の異なるPCR検査データも現地運用に合わせて扱う必要がありました。 支援 アイデア段階から必要なデータを整理し、予測モデルの種類・設定・対象期間を最適化したうえで、CSV形式の差異を吸収するシステムと調整用UIを構築しました。 成果 限られたデータでも地域ごとの感染拡大パターンを捉え、誤差を許容範囲に収めた予測によって、行政の事前準備を支援できる基盤が整いました。 ![生成AI検索で資料探索時間を半分以下に短縮](/_astro/4c4b6293-4f80-4046-898f-2117fa90434a.CUhkYQd3_U9vWK.webp) 株式会社島津製作所 ### [生成AI検索で資料探索時間を半分以下に短縮](/case-studies/shimadzu-generative-ai-search/) 業界 製造 サービス データ分析・AI 課題 350種類以上の社内資料を中身まで検索できず、必要な資料を探す作業が事業部全体で月100時間を超えていました。 支援 Agent Search(旧Vertex AI Search)を活用し、社内固有の略語・用語や回答言語を調整するとともに、閉域網とSSO認証を備えた検索システムを構築しました。 成果 1回約70秒かかっていた検索時間が半分以下になり、利用者満足度の平均も導入前の42.5から導入後は75.2まで向上しました。 [導入事例一覧を見る](/case-studies/)