PR TIMES

AOSデータ社、データコマースDataMart.jpに防犯オープンデータを公開

AOSデータ株式会社

~Data to AI(R)仕事術で防犯業界の生産性向上~ 2024年2月16日 物流テックデータフォーラム開催

「企業データとAIの利活用カンパニー」AOSデータ株式会社(本社:東京都港区、代表取締役社長 吉田 宣也 以下 AOS データ社)は、防犯関連の事業者や関係者および一般市民の方々において、犯罪の予防策を講じ、地域社会との連携を強化し、コミュニティにおける安全の向上に貢献する上で極めて重要な防犯オープンデータを、AI学習用データコマースプラットフォーム「DataMart.jp」( https://datamart.jp/ )で公開したことをお知らせします。


■防犯データの高まり
現代の警察活動では、犯罪予防と公共の安全の確保において、データの活用がますます重要になっています。犯罪データを活用することで、法執行機関は犯罪の傾向を把握し、予防策を講じることが可能になります。また、データに基づくアプローチは、地域社会との連携を強化し、コミュニティにおける安全の向上に貢献します。こうした背景を踏まえ、データ駆動型の警察活動がどのように犯罪予防と公共の安全に寄与しているか、以下に述べます。

これらのアプローチは、犯罪を予測し、予防するためのデータの活用と、地域社会との連携を重視しています。データを効果的に活用することで、犯罪の減少に貢献し、公共の安全を確保するための重要なステップとなります。

■防犯データとは
防犯オープンデータの活用は、犯罪予防と公共の安全において重要な役割を果たします。これらのデータは、犯罪の傾向を把握し、効果的な予防策を講じるための基盤を提供します。また、コミュニティとの協力を促進し、地域に根ざした防犯活動を強化するための重要な情報源となります。防犯のオープンデータが提供する具体的な情報の範囲を説明します。これらの分野は、犯罪の特徴から防犯技術の使用、コミュニティとの連携に至るまで、広範囲にわたる情報をカバーしています。

これらの分野は、防犯オープンデータの範囲と多様性を示しており、犯罪の予防と対策において重要な役割を果たしています。

■防犯データの特性
防犯分野のオープンデータは、犯罪の時空間的パターンや種類、発生地点、被害者情報などの詳細を提供し、法執行機関や研究者がより効果的な犯罪防止策を講じるのに役立ちます。これらのデータの特性ついて説明します。

これらの特性は、防犯オープンデータが犯罪と場所に関する研究にどのように役立つか、またその制限は何かを理解するために重要です。

■ユーザーは防犯データの品質をどのように評価できるか?
防犯分野のオープンデータは、犯罪予防と公共の安全に対する理解を深めるための貴重な情報源です。しかし、データの品質がその有効性を大きく左右するため、ユーザーはその品質を慎重に評価する必要があります。品質の高いデータは、より正確で信頼性のある洞察を提供し、防犯策の策定において重要な役割を果たします。以下に、防犯分野のオープンデータの品質を評価するための具体的な手順を説明します。これらの手順は、データの代表性、収集方法、そしてデータ属性の3つの重要な側面に焦点を当てています。

防犯分野のオープンデータの品質を評価するために、以下の3つの手順を踏むことができます。

1. データセットをサンプリングする:
– 防犯データセットの品質を評価する際には、まずデータをサンプリングして、対象となる母集団を代表しているかを確認することが重要です。このプロセスには、データセットからサブセットを選択し、その正確さと完全性を詳細にレビューする作業が含まれます。
2. データ収集方法を確認する:
– データが信頼性があり、有効であることを確認するためには、データ収集に使用された方法を検証することが必要です。これには、使用された調査の質問、サンプリング方法、データ分析の手法など、データ収集プロセスの全体を検討する作業が含まれます。
3. データの属性を評価する:
– 最後に、データの属性を評価し、データが研究課題やビジネス目標に関連していることを確認します。これは、犯罪発生率、犯罪の種類、被害者情報、犯罪予防活動などのデータ属性を検証し、それらが意図した目的に適しているかどうかを判断することによって行います。
             ユーザーは防犯データの品質をどのように評価できるか

これらのステップを踏むことで、ユーザーは防犯データセットの品質を効果的に評価し、そのデータが特定のニーズに適しているかどうかを判断することができます。特に防犯分野では、データの正確性と信頼性が極めて重要であり、これらの手順はその品質保証に不可欠です。

AI学習用データコマースプラットフォーム「DataMart.jp」とData to AI仕事術
防犯分野のオープンデータを活用することで、さまざまな職業や業界での仕事術が大きく変化しています。犯罪の予防、公共の安全の確保、効率的なリソースの配分など、多岐にわたる分野でデータが利用されています。防犯分野のオープンデータを利用した具体的な仕事術の例を紹介します。これらの例では、使用されるデータの種類やその活用方法、そしてデータを利用することで得られる具体的な効果について説明します。

1. 犯罪傾向分析
– データ: 犯罪発生地点、時間帯、犯罪種類、被害者情報、地域別犯罪傾向
– 効果: 犯罪が多発する地域の特定、予防策の強化、警察のパトロール効率化
2. 治安改善計画
– データ: 地域別治安評価、犯罪発生率、地域コミュニティの反応、警察の介入結果、防犯活動の効果
– 効果: 安全対策の最適化、コミュニティの協力促進、治安の持続的改善
3. リスクマネジメント
– データ: 犯罪発生率、地域別リスク評価、防犯設備の状況、警察の対応時間、被害者の報告
– 効果: リスクの正確な評価、防犯対策の効率化、安全リスクの低減
4. 警察資源の最適化
– データ: 犯罪発生地点、事件の種類、警察の対応時間、人員配置、地域住民のフィードバック
– 効果: 資源の効果的な配分、迅速な対応、地域ごとの安全確保
5. 防犯教育プログラムの開発
– データ: 犯罪発生率、地域別の治安認識、教育のニーズ、防犯活動の成果、住民の関心度
– 効果: 効果的な教育プログラムの提供、防犯意識の向上、犯罪予防
6. 都市計画の安全設計
– データ: 犯罪発生地点、治安の評価、地域別の社会経済状況、公共の場所の安全性、地域コミュニティのニーズ
– 効果: 安全を考慮した都市計画の策定、住民の安全と快適性の向上
7. 保険料率の設定
– データ: 犯罪発生率、地域別の治安状況、被害届の統計、犯罪による損害額、保険申請の頻度
– 効果: リスクに基づいた保険料率の適正化、保険業界のリスク管理
8. セキュリティ会社の戦略立案
– データ: 犯罪発生率、地域別治安情報、防犯設備の需要、顧客の安全意識、市場動向
– 効果: ターゲット市場の特定、セキュリティサービスの需要
9. 不動産価値の評価
– データ: 地域別犯罪発生率、治安の評価、近隣の犯罪傾向、警察の存在感、防犯設備
– 効果: 不動産の価値評価の精度向上、投資家や購入者への正確な情報提供
10. 小売業の立地選定
– データ: 犯罪発生地点、商業施設周辺の治安状況、窃盗犯罪の発生率、地域別顧客層、地域の安全性評価
– 効果: 犯罪リスクの少ない立地選定、顧客の安全確保、ビジネスのリスク軽減
11. コミュニティ防犯プログラム開発
– データ: 地域別犯罪発生率、住民の防犯意識、既存の防犯プログラムの効果、犯罪予防教育の需要、住民のフィードバック
– 効果: 地域に合わせた防犯プログラムの提供、住民の安全意識の向上
12. 犯罪予防策の開発
– データ: 犯罪発生率、犯罪のパターン、地域別の治安情報、歴史的犯罪データ、住民の安全に対する懸念
– 効果: 効果的な犯罪予防策の開発、コミュニティの安全性向上、防犯意識の高揚
13. 市民参加型防犯活動
– データ: 地域別犯罪発生情報、住民の安全意識、地域防犯団体の活動、治安改善の提案、防犯活動への住民参加率
– 効 果: 市民の安全意識の向上、地域コミュニティの強化、防犯活動への参加促進
14. 法執行機関の効率化
– データ: 犯罪発生率、犯罪種類、検挙率、法執行に関する市民のフィードバック、警察活動の効果
– 効果: 法執行機関の業務効率向上、公平な法執行の促進、市民の信頼構築
15. 犯罪リスク予測
– データ: 歴史的犯罪発生データ、地域別治安情報、犯罪パターン、社会経済的要因、季節的変動
– 効果: 犯罪リスクの事前予測、犯罪予防策の計画、リスク管理の向上
16. 公共施設の安全評価
– データ: 施設周辺の犯罪発生率、犯罪種類、警察の対応状況、防犯設備の状況、利用者の安全意識
– 効果: 公共施設の安全性評価、必要なセキュリティ強化、利用者の安心感向上
17. 学校の安全計画策定
– データ: 学校周辺の犯罪発生率、犯罪タイプ、通学路の安全性、地域コミュニティの協力体制、防犯教育の需要
– 効果: 生徒の安全を確保する計画の策定、防犯意識の啓蒙

■データの共有・活用から、資産として売買されるDXの推進へ
AOSデータ社は、『Data to AI(R) 』というキャッチフレーズを掲げ、AI・DX時代のAI&データドリブン経営のためのデータワンストップサービスを展開しています。具体的には、紙などのアナログ情報をデジタル化するプラットフォーム「aipapyrus.com」、企業内のデータを安全に共有・集積するプラットフォーム「aosidx.jp」、損失したデータを復旧するデータリカバリーセンター「data119.jp」、データを活用するためのAIデータ加工センター(データアノテーションサービス) 「aidata.jp」など、データのライフサイクル全体を一気通貫で管理するための各種ソリューションを、ワンストップで運営および提供しています。

「DataMart.jp」は、データ化、データ共有と保存、データ活用のデータライフサイクルの次に位置付けられる、企業間のデータ売買マーケットプレイスであり、企業データが資産として売買されるDXを推進いたします。

■AI学習用データコマース「DataMart.jp」を支える各賞受賞実績の技術
「DataMart.jp」は、経済産業大臣賞に輝くAOSグループのリーガルテックの技術、ITreview Grid Awardの3部門で17期連続受賞、2020年11月ITreview Customer Voice Leaders受賞の「AOSBOX」のクラウドバックアップ技術、BCN AWARD システムメンテナンスソフト部門最優秀賞を15年連続受賞したデータ管理技術、経済産業大臣賞を受賞したグループ企業のリーガルテック社のVDR技術を融合し、安全なデータのやりとりと共有および保管システムを基盤とするインテリジェントなDXソリューション「AOS IDX」を支えるソリューションとして開発されました。

■AI学習用データコマース「DataMart.jp」概要 ( https://datamart.jp/ )
・目的:
ビッグデータ、オープンデータ、マイデータを蓄積しAI学習用データの加工を支援。AI学習用データの収集の効率を上げAIシステムの構築に専念できるよう、各企業のAIシステム開発の生産性向上をサポートします。
・対象データ:
位置データ、財務データ、eコマースデータ、会社データ、企業統計データ、技術データ、シンセテイックデータなどオープンデータ(法人のビッグデータ、個人のマイデータを購入、販売、取引が可能)
・DataMart.jpのメリット:
(1)データ販売者:自社で蓄積したデータをマネタイズし、更新データ提供などを通して継続的なロイヤリティの獲得
(2)データ利用者:必要なデータを手間をかけずに入手でき、購入後すぐ活用できるよう加工された高付加価値データを自社のAIに効果的な学習用データとして提供できる
・DataMart.jpの特徴:
マッチング表示:登録情報や希望条件にマッチするデータセット を優先して表示
メッセージ機能:データセット提供者と直接コンタクトし、データに関する質問などスピーディに情報交換可能
いいね機能:興味のあるデータセットに「いいね!」をしておくと、該当データセットの最新の状況を常に確認できる
・DataMart.jpの利用料金:
販売者様からの手数料:10% 
購入者様からの手数料:データ販売額の0% *オープンデータの場合無償

■防犯データプロバイダーの募集
最近の防犯分野は、テクノロジーの進展と社会の変化に伴い、急速に進化しています。特にデジタル化の波と、犯罪傾向の変化が、防犯データの需要を高めています。データに基づいた意思決定や戦略的アプローチは、社会の安全と犯罪防止における持続可能な成長の鍵となっています。DataMart.jpでは、この変化の中で新たなデータコマースの構築を目指しており、そのための一歩として、質の高い防犯データを提供していただけるデータプロバイダーを募集しています。防犯データを活用し、より安全な社会の実現に向けた新しい未来を共に築くパートナーとしての提携を希望しております。

AOSデータ社では、以下のフォーラムを開催いたしますので、ご都合がよろしければ、是非、ご参加ください。

■「物流テックxAI/DXフォーラム」開催概要
(1)日時:2024年2月16日(木)13:30~17:35(受付開始 13:15)
(2)会場:日経ホール&カンファレンスルーム https://www.nikkei-hall.com/access/ 
     東京都千代田区大手町1-3-7 日経ビル6F *当日は、オンラインとハイブリッドで開催予定です。
(3)お申し込み先: https://form.aosdata.co.jp/corporate/aidx2402-input/

■データやAI、ロボティクス活用による最新Logistics DX事例
2024年4月、法令上ドライバーの時間外労働の上限が年間960時間に規制され、売上への影響や運賃アップ、人手不足などが予測される「2024年問題」が迫っています。物流領域のプロセスの効率化や生産性向などの改革に取り組むことが、企業の喫緊の課題となっています。その課題解決に貢献するのが、「LogisticsTech(物流テック)です。

「LogisticsTech(物流テック)」は、Logistics(物流)とTech(テクノロジー)を組み合わせた造語で、製品やサービスの運送、配送、在庫管理、需要予測、サプライチェーン管理などの物流プロセスを効率化、自動化、または最適化するための技術のことを指します。運送の計画や最適化をサポートする運送管理システム(TMS)や、在庫管理や倉庫内の操作を効率化するウェアハウス管理システム(WMS)、在庫の追跡と管理を自動化し、過剰在庫や在庫切れを防ぐ在庫管理システム、また大量のデータから有用な洞察を引き出すデータ分析ツールや、需要予測、在庫管理、配送の最適化などの分野で利用されているAIや機械学習などの技術が物流テックを支えています。

このような物流テックを活用した事業を支えているのは、膨大なデジタルデータです。データのライフサイクルマネジメントと品質向上、リスク管理の重要性の啓発を行い、日本のDX推進に貢献するため、AOSデータは各業種の先進企業のDX推進やAIデータ活用事例、リスクマネジメント事例等を紹介する「産業DX/AIデータフォーラム」を企画しています。2024年2月は最先端の物流テック事業や取り組みを推進されるスピーカーにご登壇いただきお届けします。 

*本アジェンダは予告なく変更される場合がございます。予めご了承ください。

【AOSデータ株式会社について】
名 称:AOSデータ株式会社 代表者:吉田 宣也
設 立:2015年4月 所在地:東京都港区虎ノ門5-1-5 メトロシティ神谷町ビル4F
資本金:1億円(資本準備金15億2500万円) 
URL: https://www.aosdata.co.jp/
AOSデータ株式会社は、クラウドバックアップのAOSBOXを初めとしたソフトウェアの導入からパソコンやスマートフォンの廃棄まで、ライフサイクルに合わせた様々な製品を提供し、2020年8月に「リーガルデータ事業」をグループ会社から事業承継しました。これにより、下記のラインナップで「データ管理」の製品とサービスをご提供しております。

・データトラブル予防対策の「クラウドバックアップ」
・データメンテナンスの「データ復元」「データ抹消」「データ移行」
・データトラブル事後対策の「データ復旧サービス」
・データをトラブルから守る「データセキュリティ」
・証拠データの復元調査や証拠データ作成を行う「リーガルデータサービス」

さらに2021年4月よりAOSグループのAI・DX事業部門を「データアセット マネジメント」ソリューションと融合し、産業DXのキーになるデータの利活用、特にAIのためのデータ利活用を最大にするデータプラットフォームの会社へと進化して参ります。
企業プレスリリース詳細へ
PR TIMESトップへ