秘匿クロス統計技術特集 ―企業横断の統計的なデータ活用による社会課題解決―
秘匿クロス統計技術を用いた企業横断の統計的なデータ活用事例
―顧客体験価値向上と社会課題の解決に向けた取組み―

現在，あらゆる分野でデータ活用が活発化し，それに伴い新たな価値の創出に向けた検討が加速している．これまでは，単独企業が保有するデータの活用が中心であったが，今後は，企業の垣根を超えてデータを活用していくことが期待される．こうした傾向においてドコモは，関連法令を遵守し，かつプライバシー情報を保護した上で企業横断での統計的なデータ活用を可能とする「秘匿クロス統計技術」を開発した[1]．秘匿クロス統計技術を用いることで，複数の企業が保有するデータを，各社において，個人を識別できない状態（個人情報ではない状態）に加工した上で，データを相互に明かすことなく，すなわち，一連の処理を人の目に触れることなく機械が行うことを技術的に保証して，統計情報を作成することが可能となる．

ただし，データ活用の観点からは，秘匿クロス統計技術により得られる統計情報が，単に安全なだけではなく，実際の課題解決に有効に活用可能であることが求められる．そこで，ドコモとドコモのパートナー企業である日本航空株式会社（以下，日本航空），および株式会社ジャルカード（以下，ジャルカード）は，スムーズな航空利用の実現を通じて顧客体験価値向上と社会課題の解決に取り組む実証実験[2]（以下，本実証実験）を実施し，秘匿クロス統計技術の有用性検証を行なっている．本稿では，本実証実験で実施した企業横断の統計的データ活用での分析のステップとその結果について解説し，秘匿クロス統計技術による企業横断での統計的データ活用の有用性を示す．

本実証実験では，空港を利用するすべての人の，居住地域周辺から空港に向かい，航空機に搭乗するまでのスムーズな移動の実現を目標として，秘匿クロス統計技術を用いた，航空機搭乗前の搭乗者の移動状況に関する統計的データ分析を実施する．搭乗者のスムーズな移動を実現するためには，空港内での移動や手続きのみならず，空港に至るまでの移動状況に関して分析することが重要である．ドコモが保有する携帯電話ネットワークの運用データ^*1※（以下，ドコモ保有データ）は，携帯電話の位置データを含む．このため，秘匿クロス統計技術を用いることで，日本航空が保有する国内線航空券の予約データの搭乗に関する情報（以下，日本航空保有データ）とドコモ保有データを各社において，個人を識別できない状態（個人情報ではない状態）に加工した上で，データを相互に明かすことなく，すなわち，一連の処理を人の目に触れることなく機械が行うことを技術的に保証して，搭乗者の空港に至るまでの移動状況に関する統計情報を作成することができる．この統計情報から得られる人口推移傾向に基づき，スムーズな移動の実現に向けた施策の選定が可能となると考えられる．その結果，航空便の定時出発率の向上などにより，顧客体験価値の向上をはじめとする社会価値の創造が期待される．

ただし，本実証実験では，データ分析のステップを工夫し設計することが肝心となる．なぜならば，秘匿クロス統計技術を用いた分析は，従来のデータ分析で行われているような，同一のデータセットに対する類似条件による分析が繰り返される探索的なデータ分析が困難な特性を有するためである．この特性は，以下の2点の理由に基づく．

• 秘匿クロス統計技術は，非識別化処理（個人を識別できない状態（個人情報ではない状態）に加工する処理）において暗号化が行われ，データを保護した状態で，集計処理および秘匿処理が行われる[3]ため，処理にかかる計算コストが大きいことが挙げられる．特に大規模データを繰り返し分析するには，長い処理時間を要するため，実用的な実行時間に収まらない可能性がある．
• 複数回の集計に対する安全性の保証が挙げられる．秘匿クロス統計技術では，集計結果に対して差分プライバシー^*2基準に基づくノイズを付加することで，安全性を保証している．安全性の水準は，定めるプライバシーパラメータに応じて決定されるが，同一のデータセットを用いて秘匿クロス統計技術による集計を複数回実行する場合においては，複数回の集計処理全体で一定の水準以上の安全性を満たす必要性があるため，実行回数が制限される．

1. 携帯電話ネットワークの運用データ：電気通信サービスを提供する過程で発生するデータの総称．
2. 差分プライバシー：特定の背景知識や攻撃能力をもつ攻撃者に対しても安全性を保証できることを目的として作成されたプライバシー保護の強度を定量的に測る指標．なお，米国国勢調査においても，「差分プライバシー」を用いた保護手法が採用されている．

• 電気通信サービスを提供する過程で発生するデータの総称であり，モバイル空間統計®でも利用されている．運用データは，お客さまがご利用の携帯電話の位置データおよびお客さまの属性データを含むものであり，それぞれの定義についてはモバイル空間統計ガイドライン（以下のリンク）を参照．
  https://www.docomo.ne.jp/corporate/disclosure/mobile_spatial_statistics/guideline/

本実証実験におけるデータ分析のステップを図1に示す．本実証実験は，①仮説検討，②統計情報作成，③仮説検証という3ステップからなる．以降，各ステップの詳細を述べる．

図1　データ分析のステップ

3.2　統計情報作成

次に，秘匿クロス統計技術を用いて，搭乗者の移動状況に関する統計情報を作成する．秘匿クロス統計技術で作成される統計情報は，クロス集計表の形式で出力される．本実証実験におけるクロス集計表は，図2に示すように，表側（図中赤）に日本航空が定めた分析軸，表頭（図中青）にドコモが定めた分析軸をもつ．それぞれの分析軸が交差する部分をセルといい，それぞれのセルは両社の分析軸の各項目に該当する搭乗者の人数を表す統計量である．ただし，セルの統計量には，差分プライバシー基準に基づくノイズが付加されている．

図2　本実証実験におけるクロス集計表イメージ

日本航空が定める表側の分析軸として，仮説検証への有用性が見込まれる複数の項目を設定する．例えば，前述の仮説を検証するためには，保安検査場から搭乗ゲートまでの距離や搭乗者の航空便への搭乗時刻を項目として設定し，クロス集計表を作成する．ここで，搭乗時刻を搭乗者のスムーズな移動を表す指標として採用する．

他方，ドコモが定める表頭の分析軸として，移動状況3区分（居住地域周辺に滞在，空港周辺に滞在，移動中を含むその他のエリアに滞在）を設定する．これは，一般に往路における搭乗者の移動は，自宅を出発した後，自宅・空港以外のエリアを通過し，空港に到着する，という流れが想定されるためである．また，移動状況の推移を分析するため，航空便の出発時刻から遡って複数の時点のデータを利用し，各時点におけるクロス集計表を作成する．

本稿では，秘匿クロス統計技術による企業横断での統計的データ活用の有用性を解説した．具体的には，3社共同の本実証実験における秘匿クロス統計技術を用いたデータ分析方法について述べ，企業横断的な統計情報を用いることで，スムーズな航空利用の実現を目的とした施策の選定において，従来得られなかった新たな観点の分析結果を示すことができた．よって，単独企業のデータでは得られない価値を創出する秘匿クロス統計技術の有用性が示された．

今後は，得られた検証結果を日本航空とジャルカードの施策に活かし，施策の効果を定量的に評価することを通して，秘匿クロス統計技術がもたらす価値のさらなる具体化や明確化に取り組む．ドコモは，パートナー企業との協業により，企業や組織の垣根を超えた統計的データ活用を促進することで，社会課題解決の実現に挑戦していく．

最後に，本実証実験および本稿執筆に協力いただいた日本航空株式会社，株式会社ジャルカードに感謝の意を表する．

• [1] 野澤，ほか：“企業横断の統計的なデータ活用による社会課題の解決―秘匿クロス統計技術の概要―,” 本誌, Vol.31, No.1, Apr. 2023.
• [2] 日本航空株式会社，株式会社ジャルカード，NTTドコモ：“JAL，JAL カード，ドコモが，顧客体験価値向上と社会課題の解決に向けて， 「秘匿クロス統計技術」を用いた企業横断でのデータ活用の実証実験を開始〜各社が保有するデータを相互に開示せず作成した統計情報を活用する国内初の取り組み〜， ”Oct. 2022.
  

  https://www.docomo.ne.jp/binary/pdf/info/news_release/topics_221020_00.pdf（PDF形式：0）PDF

• [3] 野澤，ほか：“企業横断の統計的なデータ活用における安全性を達成する手法,” 本誌, Vol.31, No.1, Apr. 2023.
• [4] 国友直人：“応用をめざす 数理統計学，”初版，p.222，2015，朝倉書店．
• [5] M. Gaboardi, H. Lim, R. Rogers and S. P. Vadhan：“Differentially Private Chi-Squared Hypothesis Testing: Goodness of Fit and Independence Testing，” International Conference on Machine Learning, PMLR, May 2016.