Kento Toriumi

中古車販売店向け統合プラットフォームに追加される、データ分析・AI価格推定モジュールの立ち上げに参画しました。既存の価格算出はルールベースで、これをAIによる推定へ移行したいという要望に対し、データ理解、価格へ影響する属性の分析設計、再利用可能な分析ハーネスの構築を担当しました。 ■ 課題設定 「どの変数が価格にどれだけ影響するか」を明らかにすることが起点でした。それまでは単一カラムごとの推測にとどまっており、複数変数が絡む推定へ進めたいという要望があったこと、また車種によって変数の効き方が変わる（走行距離は一般に価格を押し下げるが、長距離走行が前提の車種では下がりにくい）という前提があり、車種ごとの特性を踏まえた設計が必要でした。 ■ 担当したこと ・クラウドDWH上のデータ構造と品質を調査し、価格へ影響する属性を段階的に分析する設計を作成 ・車種別、車種横断、ボディタイプ別、国産／輸入別の粒度で分析し、データ量に応じたフォールバック階層を設計（車種固有値を優先し、不足時はより広い集計へ段階的に落とす） ・車両仕様や利用状況など複数の属性について、価格補正値の算出、レア仕様の判定、補正値の加法性、信頼度区分を検証 ・異常値・欠損を除外し、サンプル件数に応じた信頼度を付与する分析フローを実装 ・分析依頼をフェーズに分割し、SQL、Python、CSV、チャート、レポートとして再利用可能な成果物に整理 ・レポートは「エグゼクティブサマリー」と「分析詳細」の2部構成とし、意思決定者が先にサマリーだけを読める形に。追加分析の候補も自ら提案 ・対象を初期の上位数車種から200車種規模へ拡大 ■ 分析AIハーネス ・AIコーディングツールのMCP接続でクラウドDWHへ直接つなぎ、自然言語からクエリ・分析・出力までを回せる環境を構築 ・車種入力からDWHクエリ、品質確認、補正値集計、CSV出力、要約までをカスタムコマンドとして定型化 ・ドメイン知識、DB設計、AI仕様をドキュメントに切り出し、分析依頼ごとの作業ログとあわせてリポジトリに蓄積 ※ 分析・設計支援までを担当しており、本番AIモデルの学習・サービス実装・運用は担当範囲外です。 使用技術: SQL、Amazon Redshift（MCP接続）、Python（分析・可視化・PDF生成）、CSV、Git、Markdown、AIコーディングツール