株式会社ＧＡ　ｔｅｃｈｎｏｌｏｇｉｅｓ 事業の内容 (2018年10月期)

当社は、「テクノロジー×イノベーションで、人々に感動を。」という経営理念のもと、中古不動産に特化した流通プラットフォーム「Renosy(リノシー)」の運営を行っております。当社では、“現状”や“常識”にとらわれることなく「ユーザーが未だ体験したことがない、世界を変えるようなサービスを常に創造し、ユーザーに新しい価値を提供する」ことを目指して企業活動を行っております。

あらゆるものがネットワークに繋がり、それを通じて収集・蓄積されるデータがリアルタイムで解析され、結果としてこれまでに無かった新しいサービスやビジネスが出現する時代が本格到来しつつある中、政府は2016年に発表した「名目GDP600兆円に向けた成長戦略」において、IoT・AI・ビッグデータ等の活用を通じた第4次産業革命の実現で30兆円の付加価値創出を目指すことを示しています。
そのような大きな時代の転換点にあって、2017年のわが国の住宅市場は、96.4万戸の新規住宅着工戸数(国土交通省「2018年版 住宅着工統計」)に対して中古住宅の成約件数は18.0万戸(不動産流通推進センター「指定流通機構の活用状況について」)と、新築に大きく偏った市場構造となっています。一方で、少子高齢化、人口飽和、核家族化、所得の伸び悩み、都市部への人口集中等、様々な社会構造的要因により、中古住宅の有効活用が果たす役割は今後より一層大きくなることが期待されています。2016年に閣議決定された「住生活基本計画」においては、既存住宅流通・リフォームの市場規模を11兆円(2013年)から20兆円(2025年)へと増大させることが目標として掲げられています。
また、住宅の購入層に目を向けると、住宅取得適齢期とされる30～40代は、これまでITリテラシー(注1)が限定的な層が主な構成員でしたが、今後はいわゆるデジタルネイティブ世代(注2)が占める割合が一気に上昇することが予見されています。
換言すれば、IT活用が最も遅れている市場のひとつと言われる不動産市場において、今後はIT活用が必須となる、あるいはIT活用が競争上の大きな優位性を持ち得る状況となることが予想されます。当社は、こうした大きなパラダイムシフトがまさに起こりつつある巨大な中古不動産流通市場において事業展開をしております。

(1)事業の具体的内容
当社が手掛ける中古不動産流通プラットフォーム「Renosy(リノシー)」事業の具体的な内容は以下のとおりです。なお、当社の事業セグメントは「Renosy(リノシー)」事業の単一セグメントであるため、セグメントに関連付けた記載はしておりません。

セグメント名称	主たる事業内容
「Renosy(リノシー)」事業	・中古不動産のマッチング・ポータルサイトを通じた中古不動産の売買 及び仲介 ・賃貸物件の契約、集金代行等の管理業務 ・リノベーションの企画・設計・施工管理 ・会員向け情報提供・資産管理アプリの開発・運営

「Renosy(リノシー)」事業では、中古不動産を自社にて仕入れ、それらを一定期間内に販売することによる売買収入や不動産の売買に係る仲介収入、販売後の物件の集金代行等による手数料収入を得ております。ただし、リノベーションに関しては自社にて中古不動産の仕入れは行わず、お客様の保有物件に対して企画・設計・施工管理を請負っております。
当社が運営するプラットフォームには、当社が自ら仕入れた物件を含む豊富なマンション情報を掲載しており、これらの物件と物件購入を希望する買い手との取引を速やかに成立させる仕組み(マッチング機能)を提供しております。さらに当社は、物件のマッチングに留まらず、顧客が満足度の高い取引を実際に成立させるまでを顧客の「成功」と定義し、顧客毎に異なる成功の実現に至る一連のプロセスにおいて自社のエージェント(販売担当者)を介在させたエンド・トゥー・エンド(注3)のサービス提供を行っております。これにより、ウェブ・ポータル運営に特化した企業では獲得し得ない顧客情報(ラスト・ワンマイル情報(注4))を蓄積し、当該データを顧客属性に応じた物件情報の取得・推薦、マーケティング、サービス設計といった様々な局面に活用しています。当社は、このようにテクノロジーとエージェントによるサービス提供とを有機的に融合させることを通じて、顧客目線に立脚した事業モデルを構築している点に独自性を見出しております。





自社開発のスマートフォン向けアプリ「Renosy Insight(リノシー インサイト)」は、顧客接点として重要な役割を担っております。例えば所有物件情報確認、契約書類の一元管理、入退去把握、キャッシュ・フロー確認や収支シミュレーション等を可能とする各種機能を備えており、不動産所有に係る様々な手間の簡素化と不動産所有者の利便性の向上に寄与しています。

(2)事業の特徴
当社が手掛ける「Renosy(リノシー)」事業の特徴として、AI/RPA(注5)活用による高効率かつ科学的な業務運営が挙げられます。
当社は、アプリやウェブ・ポータル、インターネット広告、接客面談等の様々な顧客接点を通じて得られるデータを、自社開発システム「Tech Series(テック シリーズ)」(注6)に集約し活用することで、不動産売買に係る一連の業務を自動化・効率化しております。
例えば、自社開発CRM(注7)である「Tech Consul(テック コンサル)」においては、過去の取引実績から各銀行のローン審査基準を設定し、登録された顧客属性から最適な金融機関と与信枠を自動的にシミュレーションしたり、手間を要する提案書類・契約書類を登録済みデータから自動出力したりすることで1契約当たりの業務時間を大幅に短縮し、結果としてARPA(注8)を着実に上昇させております。
また、自社開発した仕入物件管理システム「Tech Supplier(テック サプライヤー)」においては、当該システムが仕入から売却に至る期間の短い過去の取扱物件情報等を教師データ(注9)として学習し、日々大量に発生する物件情報の中から、優良物件を推薦することで効率よく仕入れを行ったり、深層学習(注10)を用いたマイソク(注11)の自動識別や画像認識技術による文字情報の自動読み取りにおいてRPA活用を行ったりしています。
当社はこうした取り組みを通じて、人の手を介して行われていた物件情報の取得を自動化することで大幅に業務効率を改善したことに加え、優良物件の取りこぼしの低減による業績拡大や各種エラーを未然に防ぐことにも成功しております。



(注)1.ITを活用する能力。
2.インターネットやPCが日常に存在する環境で生まれ育った世代。
3.物件やそれに付随する情報の収集から契約締結、購入後のアフターフォローまで。すなわち、「端から端まで」の意味。
4.実際に顧客対応することを通じて得られる情報。具体的には顧客の属性や嗜好、購入に係る意思決定情報等を指す。
5.Robotic Process Automation(ロボティック プロセス オートメーション)の略。人の手を介して行われている業務をルールエンジンや機械学習等の技術を活用したソフトウエアやシステムを通じて自動化する仕組みや取り組み。
6.当社が自社開発した不動産業務支援ツール。現在、「Tech Marketing(テック マーケティング。マーケティング支援ツール)」、「Tech Consul(テック コンサル。CRM)」、「Tech Supplier(テック サプライヤー。仕入物件管理支援ツール)」、「Tech Management(テック マネジメント。賃貸管理支援ツール)」が稼働中。
7.Customer Relationship Management(カスタマー リレーションシップ マネジメント)の略。情報システムを用いて顧客の属性や接触履歴を記録・管理し、それぞれの顧客に応じた対応を行うことで顧客満足度を向上させるために用いられる情報システム。
8.Average Revenue Per Agent(アベレージ レベニュー パー エージェント)の略。エージェント1人当たりの売上高。
9.入力されたデータに対して適切な回答を出力できるよう、人工知能を訓練するためのデータ。
10.脳神経回路を模して開発された機械学習アルゴリズムであるニューラルネットワークの中でも、特に回路を構成するニューロンの数が大規模なものを指す。
11.物件概要、物件写真、間取り図、地図等をまとめた資料。

	項目	機能
1	価格・家賃推定モジュール	物件や地域の属性、取引履歴、金利等の時系列データに対し、ヘドニックアプローチ(注12)に基づいた回帰分析を行うことで過去から現在までの価格・家賃を推定。購入者の意思決定を支援。
2	物件レコメンドモジュール	当社エージェントの検索操作履歴に対してランキング学習(注13)を行い、エージェントがお客様への提案に用いる傾向の高い物件を上位に表示。検索の効率化と提案品質のばらつきを低減。
3	自動読取・画像解析モジュール	OCR(注14)を活用した不動産広告の文字情報自動読取りや、CNN(注15)を用いた物件写真・間取り図の良し悪しの自動判定等を行うことで、様々な角度から物件情報をデジタル化。
4	優良物件スクリーニング モジュール	当社の過去の取引履歴を含む大量のデータを入力情報として、Semi-supervised learning(注16)を用いた学習を行うことで、比較的早期に取引が成立する蓋然性の高い物件のスクリーニングを実現。仕入れ業務の効率化や品質のばらつき低減に寄与。

(注)12.財(当社の場合は物件)がいくつかの属性(例えば立地・建物・販売方法等)の集合で説明されるという考え方に基づいて価格を予測する方法。
13.教師あり機械学習の一手法。検索結果のランキングを最適化する。
14.Optical Character Recognition(オプティカル キャラクター レコグニション)の略。手書き文字・印刷された文字をイメージスキャナ等で読みとり、コンピュータが利用できるデジタルの文字コードに変換する技術。
15.Convolutional Neural Network(コンヴォリューショナル ニューラル ネットワーク)の略。画像処理の世界で広く使われる畳み込み積分(Convolution)を取り扱えるようにした深層学習の一手法。
16.半教師あり学習のこと。通常の学習では全ての学習データに対してそのデータがどのクラスに属するかというラベルが付されているが、半教師あり学習では一部のデータにラベルが付されていない。

[事業系統図]
以上述べた事項を事業系統図によって示すと次のとおりであります。