回次 |
第7期 |
第8期 |
第9期 |
第10期 |
第11期 |
|
決算年月 |
2019年6月 |
2020年6月 |
2021年6月 |
2022年6月 |
2023年6月 |
|
売上高 |
(千円) |
|
|
|
|
|
経常利益 |
(千円) |
|
|
|
|
|
当期純利益 |
(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) |
|
|
|
|
|
普通株式 |
|
|
|
|
|
|
A種優先株式 |
|
|
|
|
|
|
B種優先株式 |
|
|
|
|
|
|
C種優先株式 |
|
|
|
|
|
|
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 |
(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) |
( |
( |
( |
( |
( |
|
株主総利回り |
(%) |
|
|
|
|
|
(比較指標:東証グロース市場指数) |
(%) |
( |
( |
( |
( |
( |
最高株価 |
(円) |
- |
- |
- |
1,777 |
3,330 |
最低株価 |
(円) |
- |
- |
- |
673 |
720 |
(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.持分法を適用した場合の投資利益については、関連会社が存在しないため、記載しておりません。
3.2021年11月15日開催の取締役会決議により、2021年12月1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、発行済株式総数は5,193,400株となっております。
4.第7期から第9期までの潜在株式調整後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るため、期中平均株価が把握できませんので記載しておりません。
5.当社は、2022年3月30日に東京証券取引所マザーズに上場したため、第10期の潜在株式調整後1株当たり当期純利益は、新規上場日から第10期の末日までの平均株価を期中平均株価とみなして算定しております。
6.第7期から第9期までの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。
7.1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。
8.第7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・フローにかかる項目については記載しておりません。
9.第8期、第10期及び第11期は従業員の増加に伴い当社から従業員へ貸与するPCを多く取得しましたため、有形固定資産の取得による支出として投資活動によるキャッシュ・フローがマイナスとなっております。なお、第9期も同様に従業員の増加に伴う貸与PC取得がございますが、定期預金の払戻による収入と相殺され投資活動によるキャッシュ・フローはプラスとなっております。第9期は売上債権の増加が大きいため、営業活動によるキャッシュ・フローはマイナスとなっております。
10.従業員数は就業人員(当社から社外への出向者を除き、社外から当社への出向者を含む。)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、季節工を含む。)は、年間の平均人員を( )外数で記載しております。
11.当社は、2021年11月15日開催の取締役会決議により、2021年12月1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。第8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、1株当たり当期純利益及び潜在株式調整後1株当たり当期純利益を算定しております。
12.第8期以降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)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、有限責任監査法人トーマツの監査を受けております。
なお、第7期については、「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項の規定に基づく有限責任監査法人トーマツの監査を受けておりません。
13.2022年3月30日付をもって東京証券取引所マザーズに株式を上場いたしましたので、第7期から第10期までの株主総利回り及び比較指標については記載しておりません。
14.最高株価及び最低株価は、2022年4月4日より東京証券取引所グロース市場におけるものであり、それ以前については東京証券取引所マザーズにおけるものであります。
なお、2022年3月30日付をもって同取引所に株式を上場いたしましたので、それ以前の株価については記載しておりません。
15.「収益認識に関する会計基準」(企業会計基準第29号 2020年3月31日)等を第10期の期首から適用しており、第10期以降に係る主要な経営指標等については、当該会計基準等を適用した後の指標等となっております。
年月 |
事業の変遷 |
2012年12月 |
東京都渋谷区にて、人間の思考を補強するためのデータ活用を実現することを目的と定め、「あらゆる判断を、Data-Informedに。」をパーパスに掲げた株式会社ギックスを創業 (資本金9,990千円) |
2013年1月 |
東京都港区六本木へ本社移転 |
2013年1月 |
データ分析業務をベースとしたCMO(注)業務の代行を開始 |
2013年8月 |
東京都港区赤坂へ本社移転 |
2014年8月 |
東京都港区三田へ本社移転 |
2018年12月 |
日本ユニシス株式会社(現 BIPROGY株式会社)と業務提携契約を締結 |
2018年12月 |
西日本旅客鉄道株式会社と資本業務提携契約を締結 |
2019年1月 |
一般社団法人 日本情報システム・ユーザー協会(JUAS)より「プライバシーマーク」を取得 |
2019年8月 |
大阪市北区に大阪オフィスを設立 |
2019年8月 |
株式会社ローランド・ベルガーと協業契約(相互の事業発展に資する協業の覚書)を締結 |
2020年1月 |
個客選択型スタンプラリー「マイグル」の提供を開始 |
2020年5月 |
日本ユニシス株式会社(現 BIPROGY株式会社)と業務提携契約を更新締結 |
2021年4月 |
日本ユニシス株式会社(現 BIPROGY株式会社)と資本業務提携契約を再締結 |
2021年4月 |
西日本旅客鉄道株式会社と資本業務提携契約を再締結 |
2022年3月 |
東京証券取引所マザーズに株式を上場 |
2022年4月 |
東京証券取引所グロース市場へ移行 |
2022年4月 |
株式会社電通コンサルティングと業務提携契約を締結 |
2022年5月 |
株式会社ベーシックと業務提携契約を締結 |
2023年3月 |
Beyondge株式会社と業務提携契約を締結 |
2023年8月 |
株式会社ギディア(連結子会社)を設立し、Lab&Design株式会社のブランディングデザイン事業を譲受(これにより連結決算へ移行) |
(注)CMO・・・Chief Marketing Officer/チーフマーケティングオフィサーの略称であり、最高マーケティング責任者のことです。
当社は、戦略コンサルティングの“データを用いて考える”という思考法と“データを考える材料に昇華する”高度なアナリティクス能力を組み合わせた、新しいタイプのプロフェッショナルサービス集団です。クライアント企業の経営課題解決、競争力強化のために、データを用いて物事を理解・判断する「データインフォームド」を推進しています。
データインフォームド、すなわち、DI/Data-Informedは、データを用いて考える思考態度です。Data-Driven(データドリブン)という言葉が広く知られていますが、この用語には「データによって(自動的に)答えが導かれる」という期待が込められています。当社は、データ“だけ”で物事を判断するのではなく、人間の思考にデータ“も”加えることによって、その判断がより一層高度なものになることが理想であると考えています。当社は「あらゆる判断を、Data-Informedに。」をパーパス(企業の目的)として掲げ、クライアント企業の判断業務の変革を支援しています。
昨今、DXという単語も非常に注目を集めていますが、その定義は曖昧です。Digital Transformationという言葉を字義通りに捉えれば、デジタル技術による変革、ということになります。ここで変革すべき対象はUX(User experience)です。ユーザーの体験、経験を、デジタル技術を用いることで変化させていくことが、DXの本質であると当社は考えます。しかしながら、UXに影響を与えない単なるデジタル化も、DXと呼ばれてしまっているのが実情です。当社の提唱するDIは、人間が判断を行うというシーンにおけるUXを大きく変化させます。デジタルは強力なツールです。しかし、あくまでも手段にすぎません。当社は、デジタルという手段・手法に目を向けるのではなく、AIやクラウド技術などの最新のデジタル技術を活用しながら人間の思考能力を拡張し、より高度で精度の高い判断を可能とする環境を築き上げたいと考えています。
当社は、クライアント企業の事業課題を理解し、競争力強化の道筋を検討する「Strategy」、膨大なデータを用いて網羅的体系分析や高度な予測、数理最適化を行う「Analytics」、仕組みに実装していく「Technology」、の3つのケイパビリティ(能力)を保有しています。これらを有機的に連携させ、各業界の東証一部上場企業をはじめとする大手企業のDI変革を支援しています。また、その中で得られた課題への深い理解、解決のためのノウハウや独自開発されたツール群を活用することで、幅広いお客様に活用いただけるプロダクトを開発し、DIの思想の浸透を加速させていると考えております。
当社事業はData-Informed事業の単一セグメントであるため、事業セグメントを開示しておりませんが、提供するサービスの特徴から大きく「個別課題解決」と「共通課題解決」に分類しております。また、「個別課題解決」は、個別の企業・事業の状況に応じた、データを活用した判断の在り方を検討する「DIコンサルティング」と、その判断を継続的に行うために必要な、データ活用の仕組み(基盤)を構築・運用する「DIプラットフォーム」の2つのサービスで構成されます。「共通課題解決」は、先述したDIコンサルティング、DIプラットフォームの中で得られたノウハウや独自のツール群を活用し、ソフトウェア・サービスである「DIプロダクト」を提供しています。
当社の提供する「DIコンサルティング」「DIプラットフォーム」「DIプロダクト」の詳細は、以下の通りです。
「個別課題解決」
(DIコンサルティング)
データインフォームドな判断を行う、と一口に言っても、各社各人の置かれた状況は千差万別で、取り組むべき課題も様々です。単一の方法論や、単一のソリューションによって、簡単に解決することはできません。クライアント企業の成長戦略や経営課題、経営方針を深く理解し、クライアント企業が抱える解決したい経営課題をヒアリングし、この最初の課題に対し関連する全件・全量・全粒度のデータをお預かりするところから我々のサービスは始まります。受領した全件・全量・全粒度のデータを分析ができる状態にクレンジングを行い、データを様々な角度から分析していきます。網羅的な事象の可視化をするというこの分析をプロジェクト開始後間もない段階で行い、その可視化結果をもってクライアント企業と対話し、クライアント企業の課題を再定義していきます。
企業の抱える課題は、定性的で、概念的であるケースが多いため、データを用いて論理的・合理的に判断を行うためには、事前の検討が重要です。そこで最も大切なのは「課題を、計算可能な問いとして再定義する」ことです。データという客観的事実を通じて課題を俯瞰し、構造的に課題をとらえなおすことが「計算可能な問い」を導き出すための最良の方策です。当社の豊富なプロジェクト実績を元にしたデータ活用の適用範囲・方法の知見により、複数種類のデータを整形・結合し分析可能な構造にし、また、各クライアント企業の様々な状況に合わせた「人と機械の役割分担」を定めることができます。DIの根幹である「人間が判断する」という思想に基づき、機械(AI/アルゴリズム)が、どういう情報加工を行い、どういうアウトプットを提供するべきか、を定義すると共に、機械の担うべき役割の実現性を実際のデータを用いて検証していきます。
検証に際しては、機械学習、数理最適化等の分析の方法論を適用します。起きている現象の裏に潜むメカニズムを機械学習の結果を通じて把握したり、機械によって提示された最適解に業務的な解釈を加えたりすることで、課題に対する「解法」を導き出し、その事業への適応余地(課題の解決策)を見極めます。当然ながら、このステップも一度で済むものではありません。実データを用いて分析結果を確認可能なツールを作成したうえで、クライアント企業との議論を重ね、可視化、分析、解釈のサイクルを繰り返すアジャイル型のアプローチで実施しております。
また、当社が独自に開発した体系的な分析手法やアルゴリズム、プログラム群などが、再利用可能な形で当社内に蓄積されています。これらの分析ノウハウ、ツール群を様々なプロジェクトに転用可能な状態に準備することで、高品質かつ高速なプロジェクトの推進を目指しています。また、プロジェクト終了時にこれらのノウハウ・ツール群はアップデートされ、次なるプロジェクトに活かすために追加・更新されていきます。
(DIプラットフォーム)
上述した通り、DIコンサルティングサービスでは、クライアント企業及びその企業の営む事業それぞれの状況に応じたData-Informedな業務の在り方が定義され、また、その業務を実現するための一連のアルゴリズムや簡易ツールが生成されます。いわゆる「プロトタイプ」と呼ばれるものが利用可能な状態になります。その上で、当該業務をクライアント企業が自ら実行できるように環境を整備するステップに移ります。DIプラットフォームは、DIコンサルティングによって生成されたプロトタイプ(アルゴリズムや分析手法、分析結果レポート等)を、クライアント企業が日常の判断に用いることができる仕組みとして構築していくサービスです。
DIコンサルティングにおいてはインプットデータとして人間の手を介した非定型な作業で抽出・加工されたデータを用いるケースも多いのですが、DIプラットフォームでは、クライアント企業の保有する各種システムに接続し、直接的に、また自動的にデータ取得を行う仕組みを設計・構築します。自動的に連携されたデータを分析アルゴリズムに流し込むことで、「人間の判断材料」となる情報をタイムリーに提供できるようになります。
機械学習アルゴリズムをはじめとした、経営課題の“解法”の実装は、一度の開発で完成するものではありません。その“解法”を織り込んだ業務が果たしてどうあるべきかは、実際に業務変革を推進していく中で初めて見えてくることも多く、かつ最適な“解法”そのものが進化していくことも多くあります。そのため、プロジェクト開始時にすべての要件を定義し、それを作り上げることを目指すウォーターフォール型開発では、期待された成果を得ることは困難です。その状況を踏まえ、当社は、DIコンサルティングと同様、DIプラットフォームにおいても、アジャイル型アプローチを採用しております。クライアント企業の業務変革を推し進めるにあたっては、「業務」の変化に合わせて、「システム・機能」も柔軟に変化していくことが求められます。そうした柔軟性を担保するためには、中長期目線で考えられたアーキテクチャ(基本的なシステムの設計構造)が重要となります。当社では、将来的な業務ニーズ変化を見据え、先端的な最新のクラウド技術も含めた、最適な技術選定を行い、メンテナンス性と拡張性を両立させたデータ基盤を設計します。
上記方針で基盤構築を行うにあたり、当社では、以下のように「本当に業務で使えるかどうか」を確認しながら開発を進めていくことで、役立つ仕組み・使える仕組みを実現しています。
‐DIコンサルティングで作成したプロトタイプを基に、日々の業務への適用方針を検討する
‐業務上の判断に対して、インプット情報の更新タイミングなどの制約の有無を確認する
‐システムとの接続方針を検討し、データの重要度や開発難易度の観点で、開発順序を定める
‐接続されたデータを用いてアウトプットを生成し、業務に組み込む
‐実際の業務の中で、どのように判断が高度化・効率化されたかを確認し、次の開発方針を定める
こうして作り上げられたデータ基盤は、クライアント企業の判断の礎として日々の業務の中に組み込まれ、データを用いて考えるというビヘイビアを、クライアント企業内部に浸透させます。
上記2つのサービスは、事業上の課題を理解し、最適な分析手法を見定め、それを実装するための最適な技術を選定することによって初めて成立します。そのため、先に述べた当社のコアケイパビリティである「Strategy」「Analytics」そして「Technology」のいずれが欠けても実現できません。この3つの能力が有機的に連携していることが、「データに基づく判断(=Data-Informedな判断)」をクライアント企業に提供するための鍵であり、競合企業との差別性の源泉であると考えております。
「共通課題解決」
(DIプロダクト)
個別課題解決を提供する中で、新たに創造された解法やアルゴリズム、ツール、ノウハウを活用し、特定業界、あるいは、より広く社会一般に共通する課題に対する解決策として提供可能な「プロダクト(製品)」を複数開発しています。これらのプロダクトは、対応する課題の性質に応じて、クライアント企業のサービス内にエンジンとして組み込まれるケースもあれば、独立したサービスとして広く提供されるケースもあります。
プロダクト名称 |
プロダクトの概要 |
成果獲得の実現例 |
加盟店マスタ |
クレジットカード会社向けに、カード利用明細書に記載された企業名の業種やブランド等の情報を付加するサービスです。顧客が購入した店舗では、店舗とカード会社との契約により、店舗情報の不均一性(表記ゆれ等)が存在します。そのため、顧客購買行動分析に必要な均一表記のマスタを当社が独自の手法で作成し、そのマスタにさらに分析に必要な情報を独自データベースにより補うことで、カード会社が正しく分析し、自社の顧客に商品やサービスをより正確にレコメンドできるようになります。
|
自社顧客理解、利用拡大課題の正確な把握、正しい顧客への商品・サービスの提案等 |
プロダクト名称 |
プロダクトの概要 |
成果獲得の実現例 |
マイグル |
多くのテナント店舗を擁する商業施設での施設内回遊や、観光エリアの観光名所・飲食店などのエリア内回遊を促進するスタンプラリーの提供サービスです。商業施設の運用事業者、観光エリアを抱える地方自治体、鉄道やバスなどの公共交通事業者が主要顧客です。一般的なスタンプラリーでは全員が同じ内容で周遊しますが、当サービスでは利用者自身が利用施設やサービスを選択して独自のスタンプシートを作ることが可能なため、参加者の達成率を引き上げる効果が見込まれます。加えて、参加状況をデータで捕捉可能であることから結果分析の高度化も実現されます。また、購買履歴データやアンケート結果などを用いて、嗜好・利用意向を類推し、個々人に合わせたスタンプシートを自動生成する機能も実装しています。
|
商業施設内スタンプラリー、コングロマリット企業における業態横断スタンプラリー、地域活性化スタンプラリー等 |
用語の解説
・全件・全量・全粒度のデータ
分析対象のデータを一部サンプルとして抜粋したものではなく、課題解決に関連した全ての期間、単位、種類のデータのことです。
・クレンジング
機器から取得されたデータやカードの決済ログデータはそのままでは分析可能な状態にないため、ノイズの除去やエラー値の排除、空白データの調整等を行い分析用のデータに加工修正することです。
・アジャイル型のアプローチ
従来の最初に全体の機能設計・計画を決定し、この計画に従って開発・実装していくウォーターフォール型と呼ばれるソフトウェア開発手法とは異なり、計画段階で厳密な仕様を決めずに、おおよその仕様と要求だけを決め、小さな単位に分けられた開発を「計画」→「設計」→「実装」→「テスト」と行いながら、機能のリリースを繰り返す手法のことです。
・ビヘイビア
行動規範、行動原理。思想に基づいた習慣的な行動のことです。
[事業系統図]
事業の系統図は次のとおりであります。
用語の解説
・販売パートナー
当社プロダクトの代理販売を行う企業です。
・協業パートナー
当社とプロジェクトを共同で行う企業です。
該当事項はありません。
(1) 提出会社の状況
|
|
|
|
2023年6月30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) |
|
|
( |
|
|
|
当社はData-Informed事業の単一セグメントであるため、事業部門別に記載しております。
事業部門の名称 |
従業員数(人) |
|
Data-Informed事業本部 |
31 |
(1) |
全社(共通) |
10 |
(0) |
合計 |
|
( |
(注)1.従業員数は就業人員(当社から社外への出向者を除き、社外から当社への出向者を含む。)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、季節工を含む。)は、年間の平均人員を( )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。
(2) 労働組合の状況
労働組合は結成されておりませんが、労使関係は良好であります。
(3) 管理職に占める女性従業員の割合、男性従業員の育児休業取得率及び従業員の男女の賃金の差異
管理職に占める 女性労働者の割合(%) |
男性従業員の 育児休業取得率(%) |
従業員の男女の 賃金の差異(%) |
25.0 |
33.3 |
76.0 |
(注)「女性の職業生活における活躍の推進に関する法律」(平成27年法律第64号)の規定に基づき算出したものであります。