ぐりろぐ

変化を楽しむ気分屋ぐりの役立ちノート

分析リーダーズトーク!今を時めくITベンチャーのすごい人たちが登壇!

分析リーダーズトーク!今を時めくITベンチャーのすごい人たちが登壇!

分析リーダーズトーク,データサイエンティスト,データアナリスト



先月、突然SQL(データを操作したり、弄ったりする言語)を使う必要が出てきて、土日で「Progate」と「10年戦えるデータ分析入門」を2日で終わらせた、はやとです。

 

今回僕が参加したのは、こちら。

 

Data Analyst Leaders Talk! #2

 

です。

 

それも、「ブログ枠」なんていうたいそうな枠で笑

 

今回は、イベントの内容を写真付きで詳しく紹介していきます。

 

  • ITベンチャーのデータ分析
  • データアナリスト組織

 

など知りたい方は必見です!

 

今回のイベントのハッシュタグは、 #分析リーダーズトーク

 

分析リーダーズトークってなに?!どんな人が登壇するの?

f:id:grisoluto8810:20181018081946j:plain

そもそも、なぜ僕がこのイベントに参加しようと思ったかを簡単に説明します。

 

理由は2つ。

 

1つ目は、冒頭でも述べた通り、いきなりデータ分析?の入門でもあるSQLを利用する機会があり、その時にデータの面白さに惹かれたこと

 

2つ目は、樫田 光(Mercari, Inc.)のお話を聞きたいこと

 

この2点で、イベントの開催が決定した瞬間に応募しました。

 

では、そのイベントの内容とはなんぞや?!と。

分析リーダーズトークは、「分析とデータアナリスト組織」について語る

「Data Analyst Leaders Talk!」は、データ分析の力を最大限に活用し成長を続けている注目のIT企業の分析チーム責任者たち4名が、 「分析とデータアナリスト組織」について語る会です。 

 

実はこのイベント、「Data Analyst Leaders Talk! #2」の「#2」からも分かる通り、2回目です。

 

前回のイベントでは、

  • 株式会社メルカリ データアナリスト/ マネージャー 樫田光 氏
  • グリー株式会社 開発本部 アナリシスチーム マネージャー 五十嵐航 氏
  • 株式会社ディー・エヌ・エー ゲーム事業部 分析部 部長 小東祥 氏
  • 楽天株式会社 執行役員 CDO(チーフデータオフィサー) グローバルデータ統括部 ディレクター 北川拓也 氏

の4名が登壇しています。

 

また詳しい内容は、「データはお客さんの声なき声」メルカリ、DeNA、グリー、楽天のアナリストが語る分析手法」で語られています。

 

第2回の今回は、

第2回となる今回は、LINE、CyberAgent、メルカリ、Eureka の4社それぞれの分析チームのマネージャが、自社のデータ分析の活用と組織について、パネルトーク形式で切り込んでお話をします。

って感じで、話題のITベンチャーが今回も登場です。

登壇者1: 樫田 光(Mercari, Inc.)

f:id:grisoluto8810:20181018022701j:plain

一人目の登壇者はこちら!
株式会社メルカリ データアナリスト / マネージャの樫田 光さんです。

 

僕がこのイベントに参加したいと思ったきっかけの方です。

 

2016年に中途でメルカリ入社。データ分析を通して国内/米国の両事業の企画支援・戦略立案を行う一方、BIチームのマネージャを務める。

メルカリへのジョイン以前は、外資系戦略コンサル、スタートアップ取締役などでのビジネス経験を経たのち、データサイエンスに興味を持ち30歳でプログラミングの勉強を始めてデータの世界に転身。好きな言語はPython。

 30歳からPythonですよ!

それでメルカリのBIチームのマネージャ。。。

 

ぜひ話を聞いてみたいですね〜!

 

最近では、Twitterを運用してブランディングを成功させています。

登壇者2: 鉄本 環(eureka, Inc.)

f:id:grisoluto8810:20181018022724j:plain

二人目の登壇者はこちら!

 

株式会社エウレカ CTO管轄BIチーム責任者 の鉄本 環です。

エンジニアインターンを経て株式会社エウレカへ2013年新卒入社。オンラインデーティングサービス「Pairs」のアルゴリズム改善や施策分析を経験し、2017年より全社横断のBIチームの立ち上げ責任者に就任。

BIの評価制度を作成し、キャリアパスの開拓を進行中。業務では分析基盤の設計構築、組織・事業のKPI設計に従事。

Pairsのアルゴリズム改善や分析施策はめっちゃ楽しそうですね!

 

デーティングサービスの分析...ワクワク!

登壇者3: 牟田 博和(LINE corp.)

f:id:grisoluto8810:20181018022745j:plain

三人目の登壇者はこちら!

 

LINE株式会社 Data Labs Data Analysisチーム データサイエンティスト/マネージャーの牟田 博和さんです。

 

京都大学大学院 情報学研究科を卒業後、ソニー株式会社にて半導体エンジニアとして勤務。その後有限責任監査法人トーマツに入社し、データ分析を活用した経営コンサルティングに従事。 現在はLINE株式会社にて、サービスのグロース、マーケティング最適化など、社内のデータ活用に関わる様々なプロジェクトの推進およびデータ分析を担当している

LINEにも膨大なデータが溜まっており、絶対に楽しいですよね〜!

 

あのタイムラインはどうにかならないかと、もっぱら僕の周りでは不評です。

 

この辺はどう考えているのでしょうか笑

モデレーター: 備前 光隆(CyberAgent, Inc.)

f:id:grisoluto8810:20181018022811j:plain

そして今回のモデレーターは、株式会社サイバーエージェント メディアマーケティング本部 本部長の備前 光隆さんです。

2006年サイバーエージェントに新卒入社。広告代理事業の営業部門局長・スタッフ部門局長を経て、2014年よりアドテク事業・Dynalystの事業責任者として立ち上げに従事。 2017年より現職。「データを武器に事業を成功に導く」を組織ミッションに、全メディアサービスを対象とした横断組織を統括。

早速イベントスタート!気になる内容はこちら!

f:id:grisoluto8810:20181018082121j:plain

冒頭で今回のイベントの注目度の高さが簡単に説明されました。

 

なんと倍率でいうと3倍
このイベント自体にも100名以上が参加してます。

f:id:grisoluto8810:20181018015638j:plain

 

今回は2部構成で、

第1部: スキルやキャリアに関するパネルトーク

第2部: 質問ツールを利用したインタラクティブなトーク

となっていました。

第1部: スキルやキャリアに関するパネルトーク

まずは、

 

各社分析チームは、会社から何を求められているのか

 

という話題からスタートです。

分析チームは、会社から何を期待・求められているのか

f:id:grisoluto8810:20181018022612p:plain

メルカリの場合、サービスローンチから5年弱であり、分析チームは設立から2年ほど。

 

  • 社内の物事を整理
  • 整理した枠組みの中で分析

 

をすることが求められるフェーズだそうです。

 

もともと樫田さんをはじめ、メルカリの分析チーム(BIチーム)には、外資系戦略ファームのコンサルタントだった人などもおり、より上流の仕事も増えてきているそうです。

 

pairsの場合、

 

  • データを利用し、意思決定する
  • 収集・整理・可視化
  • 他部門との架け橋になるような活動

 

LINEの場合は、

 

  • データをきっちりと分析すること(規模が人・サービス共に多いから)
  • データを活かす仕組み作りをすること

 

また部門の在り方として、分析チームはどうしても、他の部署の分析の下請けなどになってしまう場合もあります。

 

そのようなことを防ぐためにどのようなより組みが行われているのでしょうか。

分析チームのブランディング(無駄遣いを防ぐための取り組み)

f:id:grisoluto8810:20181018103148p:plain

メルカリの場合は、それらを防ぐために

 

  • デモクラタイズ(プロデューサーは簡単なSQLは書けるように促す)
  • ツールの力を利用する looker
  • 強く断る

 

ことをしているそうです。

looker.com


 プロデューサー全員がSQLを書くことは実現が難しいので、分析チームの周りに、*準分析チームのような役割を担う人たちを育成しているそうです。(部署というよりも、立ち位置として)

 

*準分析チームとは

  • 分析に興味がある分析チーム以外の人が、分析チームほどではないが、簡単な分析は行える人々のこと
  • 分析の興味がある人は、自然とslack# yurufuwa_BI と呼ばれるチャンネルに参加し、わからない点などを質問するので、その人たちを指導することである程度SQLが書ける人などが増加する

 

また、不必要に全ての分析を請け負うのではなく、ある程度断ることで、分析チームに引き受けてもらえてラッキー!のようなブランディングも行なっているそうです。

 

またpairsでは、プロデューサーなどがSQLでクエリを書かなくても分析できるような環境構築を進めており、こちらは

 

 

などを利用しているそうです。

 

www.tableau.com

redash.io

 

またpairsmercariに似ている部分があり、# BI_all というチャンネルが存在し、興味がある人は自ら入ってくるので、その人たちには積極的に権限を渡して、利用してもらっているそうです。

 

LINEの場合もpairsに似ており、

 

  • SQLなどを書かなくても簡単な分析はできる環境を構築
  • 業務フローの仕組み化

 

などを進めているそうです。

 

そのような各社SQLによるクエリの利用を、各個人のレベルまで落とし込んでいるそうですが、車内全体の数字・データへのリテラシーはどのように高めているのでしょうか。

データの民主化の進め方!社内全体のデータ・数字へのリテラシーをあげるために

f:id:grisoluto8810:20181018024556p:plain

メルカリの場合は、

 

  • デ班(デモクラタイズ班)
  • レ班(レインフォース班)

 

が分析チームの中で別れており、

 

「デ班」= 分析チーム以外のデータリテラシーをどのように向上させるか

 

「レ班」= 分析チーム自体をどのように強くするか

 

を考えているそうです。

 

上記で登場した#yurufuwa_BIチャンネルは、デ班の活動の一環だそうです。

 

 

またpairsも似ており、こちらも上記で登場した#BI_allが教育・指導の1つの場所となっているそうです。

 

またpairsの場合は、組織的にデータの重要性を経営陣も理解しているため、かなり環境としては整っているそうです。

 

そのような環境の中でも意識しているのが、データの定義・重要視している点を明確にすることとのことで、解釈の違いなどで誤解を生まないためには必要な活動ですね。

 

LINEは個人情報がより身近に存在しているため、データを触れる人は一部だそうです。

 

しかし、自社専用の分析ツール「oasis」「yanagishima」などを作成し、分析を誰でも行えるようにしているそうです。

 

さてここで、先ほどの「分析チームは、会社から何を期待・求められているのか」の質問に関連する次の質問が登場します。

分析チーム全体の評価とは

f:id:grisoluto8810:20181018025329p:plain

分析チームのパフォーマンスを客観的に判断するために、どのようなことを意識しているのか

 

これは新たに分析チームを組織内に作ろうとしている会社や、すでに作っているがどのように分析チームの仕事を評価すれば良いのかわからないという疑問から生まれました。

 

LINEの場合は、「人をどれだけ動かしたかを意識」しているそうです。

 

社外の場合は、

  • DAU
  • 売上

 

社内の場合は、

  • 分析チームの結果によって、各事業舞踏の意識変容をどの程度起こしたか

 

が分析チームの評価軸となっているそうです。

 

pairsの場合も、「意思決定にどれだけ影響を与えたか」ということで、

 

  • どれだけ他のチームから必要とされたか
  • どれだけ他のチームからBIチームの名前が上がるか
  • プロジェクト化できたか

 

が判断基準だそうです。

 

mercariの場合は、

  • STEP1: 求められている分析ができる
  • STEP2: 求められている以上(想像を上回ったり、新たな視点の提供)の分析ができる
  • STEP3: 分析官じゃないことをしている

 

という3つのフェーズがあるそうで、最近はもっぱらSTEP3が増えているそうです。

 

しかし、STEP3自体は、分析チームの本来の役割を飛び出しているため、有難いような、辛いような感じらしいです笑(良い意味で)

 

さらにメルカリでは、経営陣から分析チームに以下のようなお願いもされるそうです。

 

  • 人と人を繋げる
  • 成果責任を負う
  • データ価値の伝播

 

といった、分析を超えた行動が求められているそうです。

 

また樫田さん自身は、BIチームのメンバーを評価するときに、2つの軸で判断しているそうです。

 

  1. 評価フレームワークに当てはめて客観的に評価
  2. 社内の雰囲気

 

だそうです。

speakerdeck.com

特に2の社内の雰囲気は、100人のメンバーがいるとすると、top10人はだいたいわかるそうです。(周りからの評価で大体分かる)

BIチームのマネジメントとは

f:id:grisoluto8810:20181018080322p:plain

1部の最後は、BIチームをどのようにまとめ、マネジメントしているかということです。

 

BIチームはどうしても、各事業部ごとにバラバラの分析をしていたりすることが多く、一堂に会すことがないため、マネジメントが難しいとの悩みが多いです。

 

CyberAgentの場合、「かなりの頻度で、強制的に各自のアウトプットを共有する機会」を作っているそうです。

 

それによって、経営陣へのプレゼンの練習も兼ねているそうです。

 

LINEの場合も、

 

  • 分析内容の共有
  • 分析手法の横展開
  • 気づき

 

などをプレゼンテーション形式で発表し、こちらもスキルアップや自己成長を図っているそうです。

 

pairsの場合は、事業が1つであることと、チームが6人であることから、比較的マネジメントはしやすいとのことでしたが、

 

  • 外部からの分析依頼の窓口の一元化

 

を図ったことで、

 

  • 依頼の仕方の統一化
  • 知見の蓄積

 

が実現できたそうです。

 

mercariの場合は、

 

  • チームとしては、社内・社外問わずブランディング活動を行ったり、クエリの管理などを行っているそうです。

第2部: 質問ツールを利用したインタラクティブなトーク

第2部では、TwitterとSli.doという公開質問サービスを使った、会場一体型のトークセッションとなりました。

 

まずはこのイベントの概要にもあった、「データドリブンの組織をどのように作るか」ということです。 

データドリブンな組織を作成する方法

 LINEの牟田さんは、「経験則や勘による判断が悪いものではなく、寧ろ適切にデータを理解した上での直感や勘に従うのが正しい」ということで、最後の意思決定までをスムーズに運ぶための1つの手段として分析を捉えられていました。

 

またそのような理解を促進するために、どこまではデータ分析が得意で、どこが不得意かなどもしっかりと伝えることが大事だそうです。

 

pairsの鉄本さんの場合は、pairsではデータ分析の重要性が早い段階から認められていたので、データドリブンな組織構築にはあまり苦労はしなかったそうです。

 

もしデータドリブンな組織を作る・経営陣に重要性を理解してもらう手っ取り早い方法として、マーケティングからデータ分析に入っていくのがオススメとのことです。

 

理由としては、マーケティング分析は

 

  • お金がかかっている
  • 効果が理解しやすい

 

という2つの理由から、オススメだそうです。

それによって、プレゼンスを発揮し、上司に成功体験を積ませることで、データドリブンな考え方を理解してもらうのが良いそうです。

 

また、エンジニアを味方につけることで、分析ツールの開発なども一気にスピードが上がるそうなので、エンジニアとの交流も必要不可欠だとのこと。

 

メルカリの樫田さんの場合は、あまりデータドリブンな考え方に理解がない人に対しては、割り切った方が精神衛生上良いと笑

 

しかし、しっかりと解決方法も3つ提案してくださいました。

 

  • 自分が思っている以上にしつこく意見を主張
  • 交渉・理解してもらえる人を変更
  • 多面的なアプローチにより、間接的に分析の重要性を伝達

 

が良いとのことでした。特に、なんども自分の意見を主張することで、徐々に相手に考えを理解してもらえたり、相手はどのようなポイントに反応するのかが理解できるようになるそうです。

 

CyberAgentの備前さんは、どのように相手に伝えることで、相手がどのようにその情報をインプットするのかまで想像して、プレゼンなどを行い、部下にもそのようなことを意識させているそうです。

採用・育成・教育など、チームメンバーへのフォローは?

f:id:grisoluto8810:20181018081224p:plain

組織を作り上げるためには、徐々にチームメンバーが重要になってきます。

 

各社では、どれくらいの期間で分析チームの戦力として活躍してもらっているのでしょうか

 

LINEの場合は、現在のフェーズではまだ未経験を取る時期ではないので、基本的に入社されるのは中途採用の経験者のみとのこと。

 

そのため教育などはせず、実戦に投入しOJTを通して、徐々にLINEにおけるデータ分析を学んでいってもらうそうです。

 

pairsの場合も同じく、基本的には中途をメインに採用しているそうです。pairsの場合は、ドメインナレッジを溜めてもらうことがもっとも重要との考えから、まずはSQLなどのデータベースで、データが煩雑になってしまっているもの整理などを行ってもらうそうです。

 

そのような中で、どんなデータが存在し、どこに保管されているのかを理解してもらうそうです。

 

mercariの場合も、自走力がある中途採用をメインとして行っているそうです。

mercariの樫田さんは特に、アサインを重要視しており、アサインを考え抜くことで、その人が最もmercari内で活躍できることをサポートしているそうです。

 

また戦力になるまでの目安としては、3ヶ月〜6ヶ月程度だそうで、ドメイン知識・プロデューサーとの関係構築・新人気分を捨てた現場への積極的な介入が、SQLをガツガツ叩ける以上に重要になってくるそうです。

 

CyberAgentの場合は、新卒採用が中心の会社のため、去年育成環境をがっつりと作ったそうです。

 

特にエクセル・パワポ・SQLなどは徹底的に指導するそうです。

 

それにより、結果としてコストが下がるそうです。

ナレッジの蓄積・仕組みに関して

分析チームがより効率よく仕事をしていくために、ナレッジの蓄積・仕組みかも重要になってきます。

 

ここは各会社のやり方がそれぞれあるのですが、

 

  • github
  • re:dash
  • QueryRecipi(wikiのような)
  • 社内wiki(分析レポートと紐付け) 

など、使いやすさに応じて様々なようですね。

まとめ: データドリブンが当たり前!どのようにデータを扱い、組織の意思決定をするか!

f:id:grisoluto8810:20181018082350j:plain

いかがでしたか?

 

各分析チームの共通点は、

 

  • 分析の目的を、明確にし、意思決定をサポート
  • 分析をより多くの人に利用してもらう仕組み化

 

の2点でした。

 

また定性と定量のバランスを保ちながら、データと向き合うだけに留まらず、各部署を繋ぎ、大きなうねりを生み出すことが役割としてあげられるでしょう。

 

まさに、データ・ドリブンな組織のあるべき姿だと感じました。

 

P.S. メルカリの樫田さんは、SQLでアウトプット(グラフ等の作成)まで行っているそうです。

僕もpythonと同時並行で、SQLも進めていきたいと思います!