回次 |
第1期 |
第2期 |
第3期 |
第4期 |
第5期 |
|
決算年月 |
平成26年3月 |
平成27年3月 |
平成28年3月 |
平成29年3月 |
平成30年3月 |
|
売上高 |
(千円) |
|
|
|
|
|
経常利益又は経常損失(△) |
(千円) |
△ |
|
|
|
|
当期純利益又は当期純損失(△) |
(千円) |
△ |
|
|
|
|
持分法を適用した場合 |
(千円) |
|
|
|
|
|
資本金 |
(千円) |
|
|
|
|
|
発行済株式総数 |
(株) |
|
|
|
|
|
純資産額 |
(千円) |
|
|
|
|
|
総資産額 |
(千円) |
|
|
|
|
|
1株当たり純資産額 |
(円) |
|
|
|
|
|
1株当たり配当額 |
(円) |
|
|
|
|
|
( |
( |
( |
( |
( |
||
1株当たり当期純利益金額又は当期純損失金額(△) |
(円) |
△ |
|
|
|
|
潜在株式調整後 |
(円) |
|
|
|
|
|
自己資本比率 |
(%) |
|
|
|
|
|
自己資本利益率 |
(%) |
|
|
|
|
|
株価収益率 |
(倍) |
|
|
|
|
|
配当性向 |
(%) |
|
|
|
|
|
営業活動による |
(千円) |
|
|
|
|
|
投資活動による |
(千円) |
|
|
|
△ |
△ |
財務活動による |
(千円) |
|
|
|
△ |
|
現金及び現金同等物 |
(千円) |
|
|
|
|
|
従業員数 |
(名) |
|
|
|
|
|
〔 |
〔 |
〔 |
〔 |
〔 |
(注) 1.当社は連結財務諸表を作成しておりませんので、連結会計年度に係る主要な経営指標等の推移については記載しておりません。
2.売上高には、消費税等は含まれておりません。
3.潜在株式調整後1株当たり当期純利益金額については、潜在株式が存在しないため記載しておりません。
4.第1期の自己資本利益率は、当期純損失のため記載しておりません。
5.株価収益率は当社株式が非上場であるため記載しておりません。
6.持分法を適用した場合の投資利益については、関連会社がないため記載しておりません。
7.第4期及び第5期の財務諸表については、「財務諸表等の用語、様式及び作成方法に関する規則」(昭和38年大蔵省令第59号。以下、「財務諸表等規則」という。)に基づいて作成しており、金融商品取引法第193条の2第1項の規定に基づき、太陽有限責任監査法人により監査を受けております。
なお、第1期、第2期及び第3期の財務諸表については、「会社計算規則」(平成18年法務省令第13号)の規定に基づき算出した各数値を記載しております。また、当該各数値については、金融商品取引法第193条の2第1項の規定に基づく太陽有限責任監査法人の監査を受けておりません。
8.第1期、第2期及び第3期については、キャッシュ・フロー計算書を作成しておりませんので、キャッシュ・フローに係る各項目については記載しておりません。
9.平成30年2月13日付で普通株式1株につき100株の株式分割、平成30年11月6日付で普通株式1株につき2株の株式分割を行っております。第4期の期首に当該株式分割が行われたと仮定し、1株当たり純資産額及び1株当たり当期純利益金額又は当期純損失金額を算定しております。
10.平成30年2月13日付で普通株式1株につき100株の株式分割、平成30年11月6日付で普通株式1株につき2株の株式分割を行っております。そこで、東京証券取引所自主規制法人(現 日本取引所自主規制法人)の引受担当者宛通知「『新規上場申請のための有価証券報告書(Ⅰの部)』の作成上の留意点について」(平成24年8月21日付東証上審第133号)に基づき、第1期の期首に当該株式分割が行われたと仮定して算出した場合の1株当たり指標の推移を参考までに掲げると、以下のとおりとなります。
なお、第1期、第2期及び第3期の数値(1株当たり配当額についてはすべての数値)については、太陽有限責任監査法人の監査を受けておりません。
回次 |
第1期 |
第2期 |
第3期 |
第4期 |
第5期 |
|
決算年月 |
平成26年3月 |
平成27年3月 |
平成28年3月 |
平成29年3月 |
平成30年3月 |
|
1株当たり純資産額 |
(円) |
180.75 |
255.68 |
271.34 |
311.37 |
349.09 |
1株当たり当期純利益金額又は当期純損失金額(△) |
(円) |
△69.25 |
74.93 |
84.78 |
52.53 |
44.55 |
潜在株式調整後 |
(円) |
― |
― |
― |
― |
― |
1株当たり配当額 |
(円) |
― |
― |
12.5 |
12.5 |
2.5 |
(―) |
(―) |
(―) |
(―) |
(―) |
11.従業員数は就業人数(嘱託社員及び社外から当社への出向者を含み、当社から社外への出向者を除いております。)であり、従業員数の〔 〕外書きは、臨時従業員(人材派遣会社からの派遣社員を含んでおります。)の年間の平均雇用人数(1日8時間換算)であります。
当社は、平成25年10月に東京都渋谷区初台において、ビッグデータ事業を開始するため、ビッグデータ活用に不可欠なデータサイエンティスト(注)1集団を擁する会社として設立されました。
当社設立以降の経緯は、次のとおりであります。
年月 |
概要 |
平成25年10月 |
ビッグデータ事業を開始するため、東京都渋谷区初台にテクノス・データ・サイエンス・マーケティング㈱(㈱テクノスジャパン出資比率100%)を資本金50,000千円で設立。 |
平成25年12月 |
トレジャーデータ㈱とビッグデータビジネスで協業。 |
平成25年12月 |
早稲田大学とのビッグデータ活用研究に関する産学連携開始。 |
平成26年4月 |
早稲田大学マーケティング・コミュニケーション研究所とクラシエホールディングス㈱と共同研究「クラシエ社のヘアケア・スキンケア商品関連データ」について解析実施。 |
平成26年6月 |
本社を東京都新宿区西新宿に移転し、商号をテクノスデータサイエンス・マーケティング㈱に変更。 |
平成26年9月 |
NetBase Solutions,Inc.と業務提携、グローバル規模のソーシャルデータ分析サービスを開始するため、同社のAI製品「Netbase」取扱い開始。 |
平成27年1月 |
統計アルゴリズム(注)2を活用したAI(注)3製品「scorobo」販売開始。 |
平成27年3月 |
統計アルゴリズムを活用したAI製品、全業務対応型「Omni-scorobo」展開。 |
平成27年4月 |
㈱ZMPが資本参加し(資本金62,000千円へ増資)、ビッグデータ解析サービスで業務提携。 |
平成27年8月 |
SCSK㈱とビッグデータ事業で協業し、当社が取り扱うAI製品「Netbase」の販売代理店として契約締結。 |
平成27年8月 |
㈱セールスフォース・ドットコムとIoT (注)4分野ソリューション充実に向けSalesforce1 IoTジャンプスタートプログラムに協力。 |
平成27年9月 |
日本マイクロソフト㈱とMicrosoft Azure を利用したIoT分野で協業。 |
平成27年12月 |
マーケティング事業を営むCreema㈱の全株式を取得し、子会社化。 |
平成28年2月 |
経営体質強化と新規ビジネスのための研究開発及び事業化に向けて第三者割当増資(主な割当先:㈱ZMPや㈱テクノスジャパン)を実施(資本金375,000千円)。 |
平成28年4月 |
Creema㈱を吸収合併し、エンジニアリング強化の目的からテクノスデータサイエンス・エンジニアリング㈱に社名変更。 |
平成28年8月 |
㈱フィスコとFinTech(注)5分野での業務提携、クラウド型人工知能金融市況サービス研究開始。 |
平成28年9月 |
㈱ZMPとの協業による自動車業界での新ビジネス、インテリジェント車両センサー解析サービス提供開始。 |
平成28年12月 |
㈱フィスコとFinTech業務提携第1弾、AI製品「scorobo for Fintech」による銘柄選択レポート提供開始。 |
平成29年3月 |
AI分野の革新企業としてエヌビディア合同会社「Inception Program」のパートナー企業に認定。 |
平成29年4月 |
㈱フィスコとFinTech業務提携第2弾、AI製品「scorobo for Fintech」による経済指標予測AI提供開始。 |
平成29年6月 |
SNS上の大量データを分析することで精度の高いターゲティングを可能にするディープラーニング技術を活用したAI製品「scorobo for SNS」を提供開始。 |
平成29年9月 |
㈱エヌ・ティ・ティ・データとあいおいニッセイ同和損害保険㈱が資本参加し(資本金553,500千円へ増資)、AIビジネス拡大にむけて両社と業務提携。 ㈱ZMPと資本業務提携解消し、㈱ZMP保有の当社株式を自己株式として取得。 |
平成29年11月 |
東京電力パワーグリッド㈱とディープラーニング技術を活用した架空送電線診断システムの共同開発開始。 |
(注) 1.データサイエンティストとは、企業内外を取り巻く大量のデータを分析し、そこからビジネス的価値を生み出す役割を担う専門職種であり、経営や事業開発等に関するビジネスノウハウ、数理統計等分析技術に関する深い見識、基盤やプログラミングスキル等幅広い知識が必要とされる職種をいいます。
2.統計アルゴリズムとは、膨大な観測データの背後に潜むルール・規則を統計的に記述し、データから自動的に獲得する機械学習手法をいいます。
3.AI(Artificial Intelligence、人工知能)とは、人工的にコンピュータ上等で人間と同様の知能を実現させようという試み、あるいはそのための一連の基礎技術をいいます。
4.IoT(Internet of Things)とは、様々な「モノ(物)」がインターネットに接続され(単に繋がるだけではなく、モノがインターネットのように繋がる)、情報交換することにより相互に制御する仕組をいいます。
5.FinTech(Financial Technology)とは、金融(Finance)と技術(Technology)を組合せた造語で、ITを活用して金融、決済、財務サービスなどの世界にもたらされるイノベーションのことをいいます。
より高度なAI技術の獲得を目指し、「ビッグデータ・AIソリューション事業」を推進する当社は、「新しい価値を創造し、変化をもたらす次世代のチャレンジャー」を経営ビジョンとして定めております。
インターネットやセンサー機器を通じて蓄積されるビッグデータは、製造業における故障予知や消耗品消費予測、金融におけるFintechによる技術革新、デジタルマーケティング領域における消費者行動分析、業務用途に応じたパフォーマンス解析など、新市場の創出のみに活用されるだけでなく、企業経営全般にわたって改革を生み出します。これら企業活動に大きな影響を及ぼすビッグデータに潜む価値を見出すためには、「ビッグデータ活用技術」及び「AI技術」が必要であり、双方ともに専門技術を保有する人材が不可欠となります。
当社は、AI技術をコアバリュー(注)とするデータサイエンティストや、様々な業界・業務に精通した知識及びビッグデータ活用技術を保有するエンジニアをはじめとするプロフェッショナル集団であり、デジタルイノベーションを推進し、データ経営を目指す企業の業務改革や新事業創造を支援することで、産業界の発展に貢献することを志向しております。
(注) コアバリューとは、企業がビジネスを推進するにあたり、中核として重要視するもの、または価値観をいいます。
当社の事業は単一セグメントであるため、セグメント別の記載は省略していますが、以下、当社が提供する主たるサービスについては「ビッグデータ・AIソリューションサービス」と「AI製品等によるロイヤリティサービス」の2つに分類され、その特徴は以下の通りです。
図:サービス体系図
(ビッグデータ・AIソリューションサービス)
当社はデータ経営を目指す企業向けに総合的なソリューションサービスを提供しております。企業のデジタルイノベーションを共に創出していくため、顧客企業が進める事業戦略に沿う形で新サービスの開発、業務改革の推進など協創型ビジネスを推進しております。
顧客企業がビッグデータを活用し、経営課題が解決できるよう、上流のコンサルティング領域からアプローチし、データ経営実現にむけた戦略立案を行います。デジタル戦略領域に長けた当社の担当者を通じて、当該企業の現状及び問題を整理し、「データ経営方針」・「データ経営ロードマップ」・「デジタル戦略組立て」・「デジタル戦略人材の確保」・「解析方針策定」など課題及び対策を明確にし、必要なノウハウを提供します。
当社データサイエンティストが、①のコンサルティングサービスにより抽出された顧客企業のビジネス課題を把握の上、数理課題に置き換えて分析を実施し、分析結果をフィードバックします。
この分析結果等に基づき、ビジネス課題の解決を目的としたデータの解析運用を支援しております。
図:データ解析支援サービスの流れ
顧客企業の様々な業態・要望に合わせ、データサイエンティストやビジネスインテリジェンスツールを活用するデータ活用人材の候補者を育成するための教育プログラムを提供しています。
さらに実務担当者のみならず、決定権限を有する経営者層へも教育も行っており、データ分析をビジネスから経営判断への応用に至るまで内製化することを目指す企業向けに組織組成を支援しております。
企業経営においては、ITと経営をつなぎ合わせる領域に課題を抱えていることが多く見られます。当社では、様々な業界・業務に関する知識・ノウハウを有するエンジニアが顧客企業の進める事業戦略に沿う形で新サービスの開発、業務改革の推進などの事業参加型ビジネスを推進しております。
当社のサービスでは、ビッグデータを活用する技術を用いることで、顧客企業のシステム構想・企画支援を始め、セキュリティ・パフォーマンスなどを考慮した最適なプラットフォーム選定、システム設計を行います。
集計、可視化、分析、予測、最適化、シミュレーションなどを目的とする仕組みとして、以下のようなステップでデジタル戦略システムを構築し、顧客企業が求める高度で複雑な経営課題解決を支援しております。
・企業内外に散在しているデータを集約・統合し、有益なビッグデータとして活用するためのデータウェアハウス(DWH)
・現場の見える化、経営の見える化を実現するためのビジネスインテリジェンス(BI)
・蓄積された大量データを高速に分析することで、データに埋もれている新たな気づきをもたらすためのビジネスアナリティクス(BA)など
図:デジタル戦略システムのステージ別イメージ
当社独自AI製品「scorobo」シリーズや他社AI製品などの製品販売、または業務特有のAIモジュール(注)を顧客企業向けに提供し、使用料及び運用保守料を受領するストック型サービスを推進しています。当該サービスは収益基盤を築き上げるサービスとして最も注力しています。
(注) AIモジュールとは、AIシステムを構成する機能となるツールであり、それ単体で活用するよりも業務システムやアプリケーション等と組み合わせて動かすものをいいます。
当社は、ディープラーニング(注)技術など機械学習等を活用した独自のAI製品「scorobo」を提供しております。現在、業界特有の経営課題を解決するため、株価予想や経済指標予測を行うフィンテック領域向け製品「scorobo for Fintech」や、デジタルマーケティング領域向け製品「scorobo for Marketing」や「scorobo for SNS」を提供しています。今後、様々な業務に対応する「scorobo」シリーズを展開していきます。顧客購買行動分析を通じた需要予測、製造業完成品での故障検知・予測、工場製造ラインにおける異常検知、人事採用業務におけるマッチング、人事管理業務における離職予測、株価トレンド予測、経済指標・市場予測、与信業務(貸し倒れ予防)、異常検知を目的とした画像解析など、顧客企業のビジネス要件に応じて提供する業務特有のAIモジュールの充実を図っております。
(注) ディープラーニングとは、従来よりも多くの層を持ったニューラルネットワークを用いる機械学習のアルゴリズムです。従来、研究者が手動で設定していた特徴抽出に代わって、大量のデータから学習させ自己組織化させるアプローチ方法です。
ニューラルネットワークは、人間の脳のしくみ(ニューロン(*1)間のあらゆる相互接続)から着想を得たもので、脳機能の特性のいくつかをコンピュータ上で表現するために作られた数学モデルです。
(*1)ニューロンとは神経細胞のこと。脳には数多くの神経細胞が存在しており、その結びつきにより情報が伝達され、記憶が定着します。神経細胞は細胞体、軸索、樹状突起からなり、ニューロン(神経単位)とは、細胞体と軸索と樹状突起で一つの単位として考えたときの呼び方です。
図:ニューロンモデル
当社は自社製品展開にとどまらず、他社AI製品を活用したサービスも展開しています。具体的には、アナリティクス統合ソフトウェア領域で世界でも高いシェアを占めるSAS製品(注)や、ソーシャルネットワーク分析ツールであり、MIT(マサチューセッツ工科大学)のメディアラボから誕生したAI製品「Netbase」、またChatBotや音声アシスタント等の対話サービスに対して、自動応答機能を提供するAI製品「COGNIGY」が挙げられます。
当社は、米国シリコンバレーや欧州・アジアを始めとして、国内外にあるベンチャー企業のリサーチを進めており、当該企業が持つテクノロジー及びプロダクトが、当社の新たなソリューションサービスとして適用できるかどうかの妥当性を調査し、導入が相応しいと判断した場合は、ビジネス化を図ることとしております。なお、米国シリコンバレーにおけるベンチャー企業調査については、株式会社テクノスジャパンのグループ会社であるTGCA(Tecnos Global Company of America)から製品等の調査結果の報告を受ける等の協力体制を構築しております。
(注) SAS製品とは、SAS Institute Japan 株式会社が提供するデータ解析ソフトウェア製品群の総称をいいます。
図:当社ロイヤリティサービスの展開イメージ
当社がビッグデータ・AI市場でビジネスを推進するに当たり、以下の点で優位性があると考えております。
素粒子・宇宙物理・航空工学など専門的に科学教育を受け、先進国の研究所で解析技術・知識を得た多彩なデータサイエンティストや、様々な業界・業務に関する知識とビッグデータ活用技術を保有するエンジニアが在籍しております。
図:当社のデータサイエンティストが所属していた研究機関
これらの研究機関に所属していた社員は、国際的な共同プロジェクトとして、例えば高エネルギー陽子反陽子衝突加速器を用いた素粒子物理学の研究、宇宙誕生直後の状態を再現するなど、ビッグデータを活用した物理法則の解明を始め、数々の研究プロジェクトに参画してきました。当社では、当該社員が有する数学に関する能力や知識の水準は、ビッグデータ・AIソリューションサービスの提供及びAI製品の開発に必要不可欠であると考えております。
創業以来、蓄積してきた解析技術は個人レベルにとどめることなく、当社の知的財産として活用し、解析ノウハウ・サービスレベルの高度化・効率化を図る運営を推進しています。当社は、様々な業界、業種で経験した200を超えるライブラリーを有しており、これらを経験の浅い技術社員も活用できるビジネスモデルが確立しています。
自社リソースに限らず、協業企業や研究機関・大学等、協業先等の経験値・専門知識を活かし、新規事業開発に向けた研究・開発を推進しています。
図:コアコンピタンス
(注) 1.ベイジアンネットワークとは、複数の変数の確率的な因果関係をネットワーク構造で表わし、ある変数の状態を条件として与えたときの他の変数の条件付確率を推論することができる手法です。目的変数と説明変数の区別がなく、様々な方向から変数の確率シミュレーションができることも特徴です。
2.状態空間モデルとは、時系列予測をさまざまな要因分解の結果として行なえるため、時変パラメータの解釈や可視化が容易で、売上に対する広告影響の構造把握などができるモデルをいいます。
当社は、様々な業界での解析経験やノウハウを有するデータサイエンティストとエンジニアを擁しており、以下a~fの6つの領域に注力し、事業を推進しております。
具体的には、2~5年の中期的スパンにおいて、各々領域における市場の成長性、社会問題解決に対するAIへの期待の深さ(ニーズ)を調査し、業界特有の課題や法規制、業界の垣根等、事業推進上制約となるものを理解し、その上でデータ分析を核とした新たなビジネスモデルへの転換のための方策を導くこととしております。この実現のために、企業・産業の壁を越えた他社との連携、業界団体への参加等、迅速かつ柔軟な事業運営を行っております。
当社は金融サービス構築支援にむけた与信解析、ビッグデータ解析を通じた新保険サービス構築支援等、多岐にわたり金融機関やその関連企業との連携を進めております。
具体的には、あいおいニッセイ同和損害保険株式会社とのテレマティクス(注)分野での新たなサービス構築推進やデータ活用人材の教育支援、その他大手金融機関に対するデジタル戦略組織支援など、様々なサービスを展開しています。
また、金融情報サービスを手掛ける株式会社フィスコとAI製品「scorobo for Fintech」第1弾として株価予測AIを構築し、投資家向けサービスとしてレポート配信を実施しております。「scorobo for Fintech」第2弾として経済指標予測AIを構築し、テレビ東京「モーニングサテライト」番組内や「Yahoo!Finance」において、原油価格やドル円等の経済指標予測の提供をしておりました。
(注) テレマティクスとは、テレコミュニケーション(通信)とインフォマティクス(情報工学)を組み合わせた用語です。自動車に車載情報端末を設置し、カー・ナビゲーションと携帯電話を連動させることで、リアルタイムに様々な情報のやりとりを可能にする技術のことをいいます。具体的には、電子メールの送受信、交通情報、天気予報、ナビゲーション、故障や事故などのトラブル時の自動通報、近辺にある店舗案内などのコンテンツを提供しております。
当社はWEBやスマートフォンのアクセスログ、顧客企業の社内実績データ及びオープンデータ等を解析し、各種指標、経費最適化といったAIサービス提供により、当該企業の課題解決に取り組んでおります。株式会社リクルートホールディングスをはじめとするデジタルマーケティングを推進する企業に対し、様々な解析ノウハウを提供しております。
また、自社AI製品として、デジタルマーケティング領域向け製品「scorobo for Marketing」や「scorobo for SNS」や、NetBase Solutions,Inc.のAI製品「Netbase」を通じて、企業でのソーシャルメディア分析サービスを提供しております。
当社は少子高齢化に伴う医療・福祉問題などの社会的要請のあるテーマを解決すべくヘルスケアビジネスを推し進める企業に対し、現状サービスの高度化や新たなサービス構築を進めるための支援を進めております。
具体的には、医療機関で取得できる患者の体温や血圧、血中酸素濃度などのバイタルデータやレセプトデータ、医療施設に設置されるセンサーから取得する各種デバイスデータなどの医療ビッグデータを活用した解析支援を行い、入院患者の体調変化や特定の行動を起こした際に知らせる検知機能やそうなる前に通知する予兆機能など、医療現場の事業効率化につながるサービス検証及び構築支援を行っております。
当社はインフラ設備から得られるIoTデータ解析プロジェクトの支援や、故障予知を可能とするディープラーニング技術を活用したAIサービス構築支援を進めております。
具体的には、東京電力パワーグリッド株式会社とディープラーニング技術を活用した架空送電線診断システムの共同開発を進め、今まで作業員が確認していたVTRによる点検作業をAIが行うことで、異常検知の精度と点検作業の効率性が大きく向上しています。
当社は製造業の顧客企業に対し、データ解析による生産の効率化支援を行っており、部品交換の最適化やコールセンターのコール履歴分析等60種類以上の分析モデルを構築した実績を有しております。このノウハウを活用し、機械学習等の高度な分析手法を駆使した分析モデルの構築、検品工程における自動不良品判定や生産設備の故障予知を可能とするAIサービスの構築を進めております。
当社はデータ解析やAIサービス構築支援を通じて、自動運転・運転補助システム等、自動車メーカー、車両関連企業との複数の解析プロジェクト支援を行っております。また世界的なGPU(注)メーカーであるエヌビディア合同会社と技術連携を進めております。
(注) GPU(Graphics Processing Unit)とは、パーソナルコンピュータやワークステーション等の画像処理を担当する主要な部品です。
図:様々な領域におけるサービス展開
[事業系統図]
名称 |
住所 |
資本金 |
主要な事業 |
議決権の所有 |
関係内容 |
(その他の関係会社) |
|
|
|
|
|
㈱テクノスジャパン (注)1、2 |
東京都新宿区 |
562,520 |
情報システムソリューションサービス |
被所有 43.3 |
商品の提供、施設の賃貸、従業員の出向等 |
(注) 1.有価証券報告書の提出会社であります。
2.平成29年9月27日付で第三者割当を実施したことにより、当社の親会社ではなくなりました。
平成30年10月31日現在
従業員数(名) |
平均年齢(歳) |
平均勤続年数(年) |
平均年間給与(千円) |
97(5) |
34.5 |
2.4 |
5,427 |
(注) 1.従業員は、就業人員(当社への出向者を含む。)であります。
2.平均年間給与は、賞与及び基準外賃金を含んでおります。
3.従業員数は就業人数(嘱託社員及び社外から当社への出向者を含み、当社から社外への出向者を除いております。)であり、従業員数の( )外書きは、臨時従業員(人材派遣会社からの派遣社員を含んでおります。)の年間の平均雇用人数(1日8時間換算)であります。
4.当社は、ビッグデータ・AIソリューション事業の単一セグメントであるため、セグメント別の記載は省略しております。
当社には労働組合は結成されておりませんが、労使関係は円満に推移しております。