回次 |
第8期 |
第9期 |
第10期 |
第11期 |
第12期 |
|
決算年月 |
2016年7月 |
2017年7月 |
2018年7月 |
2019年7月 |
2020年7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の投資利益 |
(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) |
|
|
|
|
|
(うち1株当たり中間配当額) |
( |
( |
( |
( |
( |
|
1株当たり当期純利益又は1株当たり当期純損失(△) |
(円) |
△ |
△ |
|
|
|
潜在株式調整後1株当たり当期純利益 |
(円) |
|
|
|
|
|
自己資本比率 |
(%) |
△ |
△ |
△ |
|
|
自己資本利益率 |
(%) |
|
|
|
|
|
株価収益率 |
(倍) |
|
|
|
|
|
配当性向 |
(%) |
|
|
|
|
|
営業活動によるキャッシュ・フロー |
(千円) |
|
|
|
|
|
投資活動によるキャッシュ・フロー |
(千円) |
|
|
|
△ |
△ |
財務活動によるキャッシュ・フロー |
(千円) |
|
|
|
|
|
現金及び現金同等物の期末残高 |
(千円) |
|
|
|
|
|
従業員数 |
(人) |
|
|
|
|
|
(外、平均臨時雇用者数) |
( |
( |
( |
( |
( |
(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.第8期及び第9期の消費税等の会計処理は税込方式によっております。第10期以降の売上高には消費税等は含まれておりません。
3.持分法を適用した場合の投資利益については、関連会社を有しておりませんので記載しておりません。
4.1株当たり配当額及び配当性向については、配当を実施していないため記載しておりません。
5.第8期及び第9期の潜在株式調整後1株当たり当期純利益については、潜在株式は存在するものの、当社株式は非上場であり、期中平均株価が把握できないため、また、1株当たり当期純損失であるため、記載しておりません。第10期、第11期及び第12期の潜在株式調整後1株当たり当期純利益については、潜在株式は存在するものの、当社株式は非上場であり、期中平均株価が把握できないため記載しておりません。
6.第8期及び第9期の自己資本利益率については、当期純損失が計上されているため、第10期及び第11期の自己資本利益率については、期中平均自己資本がマイナスのため記載しておりません。
7.株価収益率については、当社株式は非上場であるため、記載しておりません。
8.第8期、第9期及び第10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.従業員数は就業人員であり、平均臨時雇用者数(パートタイマー、人材会社からの派遣社員含む)は年間平均人員を( )内にて外数で記載しております。
10.第11期及び第12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」(1963年大蔵省令第59号)に基づき作成しており、金融商品取引法第193条の2第1項の規定に基づき、EY新日本有限責任監査法人により監査を受けております。
なお、第8期、第9期及び第10期については、「会社計算規則」(2006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が、金融商品取引法第193条の2第1項の規定に基づく監査を受けておりません。
11.当社は2017年10月16日付で普通株式1株につき100株の割合で株式分割を行っておりますが、第10期の期首に当該株式分割が行われたと仮定して、1株当たり純資産額及び1株当たり当期純利益を算定しております。2021年3月12日付で普通株式1株につき100株の割合で株式分割を行っておりますが、第11期の期首に当該株式分割が行われたと仮定して、1株当たり純資産額及び1株当たり当期純利益を算定しております。
12.当社は2017年10月16日付で普通株式1株につき100株の割合で株式分割を、また、2021年3月12日付で普通株式1株につき100株の割合で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」(2012年8月21日付東証上審第133号)に基づき、第8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株当たりの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8期、第9期及び第10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、EY新日本有限責任監査法人の監査を受けておりません。
回次 |
第8期 |
第9期 |
第10期 |
第11期 |
第12期 |
|
決算年月 |
2016年7月 |
2017年7月 |
2018年7月 |
2019年7月 |
2020年7月 |
|
1株当たり純資産額 |
(円) |
△5.72 |
△11.72 |
△8.06 |
0.35 |
16.96 |
1株当たり当期純利益又は1株当たり当期純損失(△) |
(円) |
△14.55 |
△6.00 |
3.67 |
8.41 |
16.61 |
潜在株式調整後1株当たり当期純利益 |
(円) |
― |
― |
― |
― |
― |
1株当たり配当額 (うち1株当たり中間配当額) |
(円) |
― (―) |
― (―) |
― (―) |
― (―) |
― (―) |
当社は、「明るい未来を創造する技術者集団」として、先端技術を活用した実用的なサービスを創り続け、「企業活動の継続性と生産性の劇的な向上に貢献すること」をミッションに、2008年に設立いたしました。その後、現在に至るまでの沿革は、以下のとおりであります。
2008年8月 |
東京都江東区にブレインズテクノロジー株式会社設立 |
2012年3月 |
企業内検索エンジン「Neuron Enterprise Search」をリリース |
2013年2月 |
ファイルサーバー分析エンジン「Neuron Smart Repository」をリリース |
2014年2月 |
大規模データ分析プラットフォーム「Impulse」(注1)をリリース |
2014年8月 |
AWS(注2)の「APN(注3)テクノロジーパートナー」に認定 |
2015年6月 |
本社を東京都港区に移転 |
2015年7月 |
「Impulse」に機械学習(注4)エンジンを搭載し、リアルタイム予測・分析機能を強化してリリース |
2016年6月 |
「Impulse」がInterop Tokyo 2016「Best of Show Award」特別賞を受賞 |
2018年4月 |
機械学習を活用した異常検知モデルの自動構築に関する特許を取得 |
2018年5月 |
ガートナーの「Cool Vendors in Performance Analysis, AIOps Focus, 2018」に選定(注5) |
2018年9月 |
AWSの「APN アドバンスドテクノロジーパートナー」に認定、同「APN 産業用ソフトウエアコンピテンシーパートナー(注6)」に認定 |
2019年8月 |
「Impulse」に業務に特化したモジュール(注7)と学習モデルの解釈を支援する機能をリリース |
2019年9月 |
「Neuron Enterprise Search」にオンラインストレージ(注8)に対応した接続機能をリリース |
2020年2月 |
株式会社竹中工務店のロボットの自律走行と遠隔管理を担う「建設ロボットプラットフォーム」を開発、共同発表 |
2020年4月 |
AWSの「APN Partner of the Year(注9)-Industrial Software-」を受賞 |
2020年6月 |
株式会社NTTドコモの5G対応ソリューション「FAAP(製造機器一括分析)」の共同発表、提供を開始 |
(注)1.Impulseは、2014年2月時点では「大規模データ分析プラットフォーム」としてリリースしており、2019年8月の機能強化を経て以降、「異常検知ソリューション」として提供しています。
2.AWSとは、Amazon.com,Inc.の子会社 Amazon Web Services, Inc.が提供する、Webサービスを通じてアクセスできるよう整備されたクラウドコンピューティングサービス群の総称です。
3.APN(Amazon Partner Network)とは、AWSを活用して顧客向けのソリューションとサービスを構築しているテクノロジー及びコンサルティング企業向けのグローバルパートナープログラムの総称です。
4.機械学習とは、人間が有する学習能力に類似した機能をコンピューターシステム(機械)に持たせることにより、コンピューターシステムが自動的に学習し進化するための統計手法です。
5.ガートナーが2018年5月4日に発行した「Cool Vendors in Performance Analysis, AIOps Focus, 2018」(Padraig Byrne 他共著)レポートの「注目ベンダー」リストに掲載、世界で4社が選定されています。
6.AWS コンピテンシープログラムはAWSに関する技術的な専門知識・カスタマーサクセスを実証されたAWS パートナーネットワーク(APN)のアドバンスト・プレミアパートナーに提供されるプログラムです。産業用ソフトウエアの分野では日本で当社のみが認定されています(2021年5月末現在)。
7.モジュールとは、システムの一部を構成する、ひとまとまりの機能を持った部品です。
8.オンラインストレージとは、クラウドストレージとも呼ばれる、インターネット上にデータを保管するサービスです。
9.APN Partner of the Yearは、1年間を通じて特に顕著な功績を残したAPNパートナーを表彰する制度です。
当社は、「企業活動の継続性と生産性の劇的な向上に貢献すること」をミッションに掲げ、企業がデジタル技術による業務やビジネスの変革(DX)を加速するためのAIを実装する、エンタープライズAIソフトウエア事業を展開しております。
近年あらゆる産業において、デジタル技術を駆使してこれまでにない革新的なビジネスモデルを展開する企業が台頭し、ビジネス環境が大きく変化しております(注1)。日本においては、生産年齢人口の減少(注2)による労働力不足や技術継承が問題となっており、企業は事業継続性と競争優位性の確立に向けて早急にデジタル変革を進める必要に迫られていると当社は考えております。
これらの社会的課題解決とミッションの追求のために、当社は機械学習やAIを企業の内部に組み込み日常業務に実装し「データ活動の機動性を獲得」することがこれまでになく重要と捉え、業務の高度化・省人化を目指す、異常検知ソリューション「Impulse」と、企業内データの利活用の促進に資する、企業内検索エンジン「Neuron Enterprise Search」という2つのソフトウエアをエンタープライズAIソフトウエアとして提供しております。
当社のエンタープライズAIソフトウエアは、開発スピードと価格競争力の確保を目的に、共通化されたプラットフォーム(AIフレームワーク「Enterprise AI FW」と基盤技術「Enterprise AI Core」)を活用したアプリケーション(Enterprise AI Apps)として開発しております。
(注)1.出所 経済産業省「デジタルトランスフォーメーションを推進するためのガイドライン Ver1.0」
2.出所 国立社会保障・人口問題研究所「日本の将来推計人口(2017年集計)報告書」
1.ビジネスモデル
(1)ソフトウエア提供形態と売上構成
当社のエンタープライズAIソフトウエアは、顧客ニーズに併せてクラウド型とオンプレミス型を併用して提供しております。ソフトウエアの提供形態に関わらず、売上はソフトウエア売上と作業売上で構成されます。ソフトウエア売上は、サブスクリプションモデルの場合の利用料と、買取モデルの場合のソフトウエア使用ライセンス料及びソフトウエア保守ライセンス料で構成され、これらは労働集約型ではない(人に依存しない)売上となります。作業売上は、製品の導入支援やトレーニングに係る売上となります。
お客様の業務課題を当社のソフトウエアで課題解決することが、結果として当社の事業成長を速めると理解し、ソフトウエア売上(利用料、ライセンス料及び保守ライセンス料)を意識した事業推進を行なっており、2020年7月期におけるソフトウエア売上比率は59%となっております。なお、ソフトウエア売上の内、利用料と保守ライセンス費は、継続的な売上が見込めるストック(固定)売上と捉えており、2020年7月期のストック売上比率は34%となっております。
また、これらのソフトウエア売上を支えるライセンスの販売本数は、2020年7月期末で224本(内ストックライセンス数183本、新規買取ライセンス41本)となり、2018年7期から2020年7期の3ヵ年におけるライセンス販売数の年平均成長率は、50%となっております。
(2)顧客基盤
2020年7月期におけるソフトウエア利用顧客の業界構成比は製造業が45.6%、情報通信業が25.6%、建設業が13.0%となっており、3業界で当社売上の84.2%を占めており、特にものづくり(製造業及び建設業)でのデジタル変革のニーズが高いものと理解しています。
顧客規模別売上構成比は、売上高1兆円以上が47.8%、5,000億円以上1兆円未満が1.9%、1,000億円以上5,000億円未満が24.1%となっており、売上高1,000億円以上の企業が当社売上の73.8%を占めています。データの取得やシステムとの接続など、企業がデジタル変革を推し進めるための準備が整っている企業での利用が多い状況です。
今後は新しい産業への参入や中小企業への展開をはかることで、事業拡大に繋げてまいります。
(3)事業系統図
当社の事業系統図は、次のとおりであります。
(注)1.パートナーは、当社のソフトウエア製品・サービスをユーザー企業に販売する販売店です。
2.サーバー事業者は、当社が契約するクラウドコンピューティングサービスを提供する事業者です。
2.サービス内容
当社は、エンタープライズAIソフトウエア事業の単一セグメントではありますが、提供するサービス別に事業の内容を記載いたします。
(1)異常検知ソリューション「Impulse」
企業活動に係る複雑で膨大なデータ(多種多様な機器データ、センサーデータ、動画像データなど)を収集し、加工、整理、モデル構築、モデル運用に至る、AI分析の一連のプロセスをサポートする、オールインワンのAIプラットフォームです。
「Impulse」により実装されたAIは、企業内のシステムとして組み込まれることで、予知保全(注3)や品質管理などの業務の高度化や省人化に貢献しています。2014年に製品提供を開始し、製造業・建設業・IT業を中心に21,000を超える機械学習のモデル運用(注4)を支えております。
(注)3.予知保全とは、機械や設備の不具合や故障の兆候を事前に予知し、あらかじめ対処する保全方法を指します。
4.機械学習のモデルとは、機械学習の中心的な役割を担う頭脳(コンピュータが分かる形の入力値を
受け取り、何かしらの評価・判定をして出力値を出すもの)を指しており、モデル運用数とは実際
に現場で利活用されている当該頭脳数を指します。
①主な利用シーン
「Impulse」は、ものづくり(製造業・建設業)の業務やプロセスの高度化・省人化、インフラ監視による安心・安全の確保を目的として、様々な業種のお客様に導入いただいております。
a.製造業
生産ラインの高度化に向けた、現在把握できていない不良品の検出や人間による外観チェックの機械化のために利用(生産ラインの状態監視により「いつもと違う状態」を自動検出)されています。
b.建設業
建設現場の稼働監視や安全性向上に向けた、タワークレーンや工事用エレベーターの故障予兆検知のために利用(建設機械の故障予兆を検知するシステムとして、実際の施工現場に適用)されています。
c.プラント
稼働率向上に向けた設備の異常検知や予知保全のための要因分析に利用(プラント保守・運用に必要な異常予兆検知技術として、データ解析システムに適用)されています。
d.AI/IoT
データ分析プロジェクトの効率化に向け、各部署から依頼のある多様な事業データの分析に利用(分析専門部署がデータ分析業務の高度化・効率化のための、予知保全プラットフォームに適用)されています。
e.通信業
ネットワークサイレント障害(注5)回避に向けた、ネットワーク設備監視に利用されています。
(注)5.ネットワークサイレント障害とは、ネットワークシステムにおける、コンピューターシステム上にあらかじめ用意した自律診断機能で検知できない障害のことを指します。性能劣化の症状から始まり、早急に検知できない場合大規模な障害につながりやすいとされています。
②製品の特長
「Impulse」は、企業が「データ活動の機動性を獲得」するためには、自社でAIを導入し運用することが重要であると考え、多くのお客様からのフィードバックに基づき進化してまいりました。
企業におけるデジタル変革が注目される一方で、デジタルデータの収集・解析等のためにIoTやAI等のシステム・サービスを導入している企業の割合は14.1%、導入予定の企業を含めても23.9%に留まっており、実際には導入が進んでいない状況となっております。導入しない理由としては「使いこなす人材がいないから」(43.7%)、「導入コスト、適用コストがかかるから」(33%)などが挙げられています(注6)。
企業活動にAI導入が進まないという課題を解決するために、「Impulse」は高度な分析技術を持ったデータサイエンティスト(注7)に限らず、より幅広いユーザーが利用できるための機能や、AI技術の導入・運用のハードルを下げるためのアーキテクチャや機能を整えてまいりました。
(注)6.出所 総務省「令和2年情報通信白書」
7.データサイエンティストとは、データにもとづいた合理的な判断を行うため、統計解析やITのスキル、業務知識を元にデータ分析を行う専門家を指します。
a. 幅広いユーザーにご利用いただくためのAutoML機能(注8)
異常検知のオートモデリング機能(特許第6315528号 (注9))では、複雑で膨大なデータの特性を自動的に分類し、標準アルゴリズムを用いたシミュレーションを行うことで、正解に近しい初期分析モデルを自動で導き出すことができるため、高度な分析スキルに依存せずにデータ分析が可能となっています。また、アルゴリズムによる判断基準の見える化により、お客様自身がAI技術を理解してご利用いただけます。
b. AI技術の導入・運用のハードルを下げるためのアーキテクチャと機能
多様なデータ(センサー、音声、画像、動画)に対して、AIモデルの作成・運用が可能なため、業務分析のためのデータを限定する必要がありません。また、一連の操作は設定(プログラミングレス)で行うことができるため、ITスキルに依存せずに利用可能となっております。
AI導入を行うためには、既存の業務システムや産業機器などへの接続や組み込みが必要となります。「Impulse」は、拡張性の高いコンポーネント設計(注10)により短納期(最短で45日)でのシステム導入を可能にしています。また、公開されたAPI/SDKにより、顧客自身で自社の環境に「Impulse」を組み込み、拡張することができるなど、顧客環境に柔軟な構成となっております。
AI運用に必要となる、AIモデルの精度向上のためのチューニング作業においては、データや精度状況に応じて、当社の案件実績に基づいたチューニング方法を推薦する機能を提供しています。また、分析のノウハウを組織で共有する機能により、新しい課題をより高速・高精度に分析可能となり、企業がAIを資産として保有し再利用することを可能としています。
一連のデータ分析プロセスにおける利用のハードルを下げる機能の提供により、2016年の本番稼働以降、顧客による「Impulse」の完全運用を実現しております。また、国内の予兆検知ソリューション市場(注11)においては、2019年度と2020年度、2年連続で解析サービス部門シェア1位を獲得しております(注12)。
(注)8.AutoML(Automated Machine Learning)とは、機械学習モデルの設計・構築を自動化するための手法全
般、又はその概念を指します。
9.特許第6315528号「異常検知モデル構築装置、 異常検知モデル構築方法及びプログラム」
10.コンポーネント設計とは、ソフトウエア工学の一分野で、システムを独立した結合の弱い再利用可能な
ソフトウエアコンポーネント群で構成する設計技法を指します。
11.予兆検知ソリューション市場とは、AIによる予兆検知の手法を用いたソリューションを対象とした市場
です。その中の解析サービス市場とは、クラウドで提供される機械学習エンジンやディープラーニング
エンジンを使った予測モデルの作成、さらにその予測モデルを使ったサービス市場を指します。
12.デロイト トーマツ ミック経済研究所「予兆検知ソリューション市場の実態と将来展望」2019年度版・
2020年度版。
(2)企業内検索エンジン「Neuron Enterprise Search」
企業内のファイルサーバーやポータルサイト、オンラインストレージなど様々な環境に保存されている文書ファイルやデータを、その保存環境に関わらず横断的に一括検索を可能とする企業内検索エンジンです。2012年、大容量データを迅速に検索したいというお客様の声から生まれました。企業のあらゆるビジネスシーンで定常的に行われる「探す」という業務の効率化により、ホワイトカラーの生産性向上を支援しています。製造業・建設業・IT業を中心に導入いただいております。
①主な利用シーン
導入目的の多くは、働き方改革やデジタル変革をテーマに、検索時間短縮や記憶に依存しない新たな情報の発見によるホワイトカラーの生産性の向上に集約されます。採用パターンは主に以下のパターンに分類されます。
a.全社統一検索プラットフォームとしての採用
b.業務上検索が多い部門(研究開発、システム開発、保全)での採用
c.日本語検索に課題を持つ外国製ソフトウエアの検索機能の代替
②製品の特長
企業において「探す」という行為は、業務を問わず日常で多くの利用が見込まれることから、利用者の利便性を最優先に考え開発されています。
「Neuron Enterprise Search」は特別な研修を受けなくとも迷わず使用することが可能となるよう設計しているため、マニュアルを必要としません。また、企業内の検索履歴を活用したキーワードリコメンドによる検索補助機能や、ファイルを開かずに文書が参照できるサムネイル機能、ロケーションを問わずに利用可能なモバイル画面など、一層の検索時間の短縮を目指しております。
加えて、検索利用状況の分析結果の提供にも力を入れております。企業内でのキーワードトレンドやヘビーユーザーの傾向など、検索環境の改善に留まらず更なる業務改善への貢献に努めております。
新型コロナウイルス感染症の影響によりリモートワークが進む中で、SharePoint OnlineやBOXなどのオンラインストレージの検索も可能になりました。文書の所在を気軽に聞く環境が少なくなる中、新しい働き方を支えるべく進化を続けております。
該当事項はありません。
(1)提出会社の状況
|
|
|
|
2021年5月31日現在 |
従業員数(人) |
平均年齢(歳) |
平均勤続年数(年) |
平均年間給与(千円) |
|
|
( |
|
|
|
(注)1.従業員数は就業人員であり、臨時雇用者数(パートタイマー、人材会社からの派遣社員含む)は、最近1年間の平均人員を( )内にて外数で記載しております。
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.当社の事業セグメントはエンタープライズAIソフトウエア事業の単一セグメントであるため、セグメント別の従業員数の記載はしておりません。
(2)労働組合の状況
当社において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。