Simple Data Analytics Leads impact

Presentation at 2018.11.14 Web Person's Summit in Tokyo
https://webtan.impress.co.jp/events/201811

こちらにスライドの内容の解説記事があります
https://note.mu/notes/n854ff66b2621

Author :
https://twitter.com/hik0107
Hikaru Kashida (data analyst manager in mercari)
樫田 光 (データアナリスト/マネージャ, メルカリ)

Transcript

1. ”Simple Data Analysis” で成果を出す Hikaru Kashida Data Analyst / Manager 2018.11.14 Web担当者 Forum
2. はじめに
3. メモや写真などは必要ありません スライド全公開してます
4. 言いたいことは次の3点です
5. 3行サマリ 1 『Simple』な顧客セグメントを作ろう 2 セグメントによってKPI監視と施策を強化しよう 3 分析と分析者を活かそう
6. 本日のお話は大体コレで全部
7. 宣伝 こちらの本出版中
8. ☺☺ ってことで、あとは リラックスしてお聞きください
9. 自己紹介 Let me introduce myself
10. • Mercari, Inc. • Data Analyst / Manager ◦ Service Growth ◦ Team Management • Data界隈のイベントを 複数主催 • Twitter ⇢ @hik0107 樫田 光 Hikaru Kashida
11. 2016-20171st half Mercari USの戦略 / 分析 20172nd half - 国内メルカリのGrowth戦略 ◦ 顧客セグメント戦略 ◦ KPI / モニタリング体制 ◦ 分析からの施策提案 ◦ 予算策定 Works in Mercari
12. 2016-20171st half Mercari USの戦略 / 分析 20172nd half - 国内メルカリのGrowth戦略 ◦ 顧客セグメント戦略 ◦ KPI / モニタリング体制 ◦ 分析からの施策提案 ◦ 予算策定 今日のお話
13. メルカリのセグメントについて Customer Segment in Mercari
14. みなさん、セグメント切ってますか
15. 3.0 C R M
16. CRMとセグメントの軌跡 - in case of Mercari 0 No CRM セグメントなし 全ユーザに 同じ施策を打つ 僕がメルカリの グロースを担当し始めた時
17. CRMとセグメントの軌跡 - in case of Mercari 0 No CRM セグメントなし 全ユーザに 同じ施策を打つ 1 CRM 1.0 3セグメントに分類 よちよち歩きでも まず始めてみる 施策担当者と一緒に まず最初にやったこと
18. CRMとセグメントの軌跡 - in case of Mercari 0 No CRM セグメントなし 全ユーザに 同じ施策を打つ 1 CRM 1.0 3セグメントに分類 よちよち歩きでも まず始めてみる 2 CRM 2.0 一部セグメントを もう一歩分解 施策を打たない群 CRM1.0 を4ヶ月ほど 運用してから漸進的進化
19. CRMとセグメントの軌跡 - in case of Mercari 0 No CRM セグメントなし 全ユーザに 同じ施策を打つ 1 CRM 1.0 3セグメントに分類 よちよち歩きでも まず始めてみる 2 CRM 2.0 一部セグメントを もう一歩分解 施策を打たない群 3 CRM 3.0 セグメントを詳細化 自動化 チューニング 現在
20. これだけは覚えて帰ってほしいこと The most important message in this presentation
21. CRMとセグメントの軌跡 - in case of Mercari 0 No CRM セグメントなし 全ユーザに 同じ施策を打つ 1 CRM 1.0 3セグメントに分類 よちよち歩きでも まず始めてみる このフェーズでは特に “Simple” が何より大事 複雑にしない • 『過度な正確さ』は捨てる • まず始めてみる
22. よくないケース 1 Too Late to Start 『できるだけ正確にちゃんと切りたい』『みんなが納得するものを』など 志を変に高く持ちすぎて、半年たっても決まらずグダる
23. よくないケース 1 Too Late to Start 『できるだけ正確にちゃんと切りたい』『みんなが納得するものを』など 志を変に高く持ちすぎて、半年たっても決まらずグダる 2 Too Hard to Operate セグメントの数が多すぎるなどで運用がまわらない
24. よくないケース 1 Too Late to Start 『できるだけ正確にちゃんと切りたい』『みんなが納得するものを』など 志を変に高く持ちすぎて、半年たっても決まらずグダる 2 Too Hard to Operate セグメントの数が多すぎるなどで運用がまわらない 3 Too Difficult to Understand 切り方やコンセプトが複雑でごく一部の人しか理解できない 特に上位レイヤーのひとが理解を諦めるレベルだと致命傷になる
25. 1 2 3 つらい
26. ふたつの大事なこと 1 Simple is better than Accurate. 精緻さにこだわらない 『まず最初はsimpleに』 この勇気が前頁の問題をすべて解決する 2 Start with Simple. Sophisticate Later. 心配せずとも、Simple Startで成功すれば精緻化はあとからできる また、なにごともやってみてわかることがたくさんある
27. CRM1.0はSimpleにはじめよう 0 No CRM 1 CRM 1.0 2 CRM 2.0 3 CRM 3.0 To be Simple
28. CRM1.0はSimpleにはじめよう 0 No CRM 1 CRM 1.0 2 CRM 2.0 3 CRM 3.0 Segment = 3 case of mercari
29. Simple Segmentを始めるための４Step How to Step forward at first
30. 0 Simpleにすると固く心に誓う 複雑だと、先に上げた『 3種類の地獄』に陥ることは直感的にわかっていた 僕がまずやった4つのこと phase0
31. おまじない 『複雑化』の欲求に囚われたときには
32. • セグメントを作ろう！と頑張っていると、 どうしても周囲からいろいろと言う人も出てくる • 大体において、そういう人の意見が『もっと複雑に』したいというもの → もっと細く、もっと正確に = 複雑さを生む • そんなときに思い出してほしい呪文 『複雑化の誘惑』
34. “Intelligent fool, you tend to complicate things. In order to proceed in the opposite direction from that, it requires a lot of courage and a little bit of talent.” 知的な馬鹿は物事を複雑にする傾向がある。 それとは反対の方向に進むためには、 少しの才能と多くの勇気が必要になる。 - Albert Einstein
35. “Simple can be harder than complex. You have to work hard to get your thinking clean to make it simple.” シンプルであることは複雑であることよりもむずか しいときがある。 物事をシンプルにするためには懸命に努力して思 考を明瞭にしなければならないからだ。 - Steve Jobs
36. “A wise man considers a complicated thing simply.” 賢者は複雑なことをシンプルに考える。 - Socrates (ソクラテス)
37. 賢者 or 知的なバカ?
38. 1 これまでの知見から仮説を考える 既にある程度わかっていること × 簡単な分析 をベースに考え出してみる 僕がまずやった4つのこと phase1-3
39. 1 これまでの知見から仮説を考える 既にある程度わかっていること × 簡単な分析 をベースに考え出してみる 2 考え方を目に見える形に落とす いろんなひとと話すために、自分の整理のために、可視化は重要 僕がまずやった4つのこと phase1-3
40. 1 これまでの知見から仮説を考える 既にある程度わかっていること × 簡単な分析 をベースに考え出してみる 2 考え方を目に見える形に落とす いろんなひとと話すために、自分の整理のために、可視化は重要 3 ある程度の複雑さレベルで分析しつつ、まとめる 実は、最初に作った segmentの素案は 10 だった 僕がまずやった4つのこと phase1-3
41. 1 これまでの知見から仮説を考える 既にある程度わかっていること × 簡単な分析 をベースに考え出してみる 2 考え方を目に見える形に落とす いろんなひとと話すために、自分の整理のために、可視化は重要 3 ある程度の複雑さレベルで分析しつつ、まとめる 実は、最初に作った segmentの素案は 10 だった 僕がまずやった4つのこと phase1-3
42. これまでの知見から仮説を考える 1 メルカリで買ったことがある人と無い人 がいる 総合的なアクションの数よりも、直近アクティブ性が大事 DL数が〇〇で、MAUが△△。それに対して月間のActive Buyerが □□ 月間の購買数は人によって かなり広がりがある 非アクティブな人にはPushが届かない
43. これまでの知見から仮説を考える - 有効と思われた仮説 1 メルカリでこれまで買っ たことがあるか 直近で購買が あるか 直近でアクセスが あるか 新規登録 Or 既存 • 自分の過去の分析の知見から考える • 施策担当者とブレストしながらアイディアを出していく
44. これまでの知見から仮説を考える - 有効と思われた仮説 1 メルカリでこれまで買っ たことがあるか 直近で購買が あるか 直近でアクセスが あるか 新規登録 Or 既存 • この時点では、『直近』とはどれくらいかとか、『購買』がいくつくらいかとか 難しいことは余り考えないほうがよい
45. 直近購買あり “元” 顧客 購買ないまま 離脱 まだ購買の 経験なし これまでの知見から仮説を考える 1 色々あるけど 一旦2軸で整理 • 購買経験の有無 • 直近購買あるか ある程度の分析と、 あとは決めの問題 過去に購買経験あるか Yes No 直 近 購 買 あ る か Yes No A B A B
46. ココが大事 必ず『この軸でも考えたほうがいいんじゃない?』と言う意見が出てきます Simpleさを死守してください 3次元以上になると人間の認知がなかなか追いつきません。 最初の切り口は2軸に留められると吉。 !
47. 貴方が負けた先に待っているもの 1 Too Late to Start 『できるだけ正確にちゃんと切りたい』『みんなが納得するものを』など 志を変に高く持ちすぎて、半年たっても決まらずグダる 2 Too Hard to Operate セグメントの数が多すぎるなどで運用がまわらない 3 Too Difficult to Understand 切り方やコンセプトが複雑でごく一部の人しか理解できない 特に上位レイヤーのひとが理解を諦めるレベルだと致命傷になる
48. こうなる ….つらい
49. • 直感的にわかりやすいか • 結局のところこれがなにより大事 • 周囲にぱっと入ってない人が2人以上いたら危険信号 • セグメントごとの人数が極端に非均衡でないか • 極端にボリュームの少ないセグメントなどは作るだけムダ • 例) 4セグメントで、人数比率が 『70 : 20 : 7 : 3』 など 軸の条件をチェックするための項目
50. • データによる分離が容易か • セグメント分割のためのデータが簡単に手に入るものか • 例) “満足度の高さ”みたいな、アンケートしないといけないような 項目を使うのはつらそう • その軸で分けたユーザ群が、別の生態系となるか • 別のセグメントには施策が全く異なる、というイメージがあるか？ • 年齢や性別などの静的情報もよいが、行動情報の方がおすすめ 軸の条件をチェックするための項目
51. 1 これまでの知見から仮説を考える 既にある程度わかっていること × 簡単な分析 をベースに考え出してみる 2 考え方を目に見える形に落とす いろんなひとと話すために、自分の整理のために、可視化は重要 3 ある程度の複雑さレベルで分析しつつ、まとめる 実は、最初に作った segmentの素案は 10 だった 僕がまずやった4つのこと phase1-3
52. 考え方を目に見える形に落とす- 当時実際に作っていた資料 2 この仮説の切り口をベースに、 情報を付加して絵に落としていく。 • セグメント内セグメント • 各群のボリューム感、売上寄与など
53. Pre- Buying Active Buyer Dead wood Dormant 1 3 4 過去に購買経験あるか Yes No 直 近 ア ク テ ィ ブ か Yes No 購買経験なし 直近購買あり 購買ないまま離脱 “元” 顧客 考え方を目に見える形に落とす- 当時実際に作っていた資料 新規 DL 2 購買数も月に1個から >10個など幅がある 2
54. 考え方を目に見える形に落とす- 当時実際に作っていた資料 2 • 施策のイメージをつけるために、セグメント間の意味合いも付加
55. 考え方を目に見える形に落とす 2 樫田 マーケター マーケター • すっと理解できるか • 施策のイメージ • 注力どころ
56. 1 これまでの知見から仮説を考える 既にある程度わかっていること × 簡単な分析 をベースに考え出してみる 2 考え方を目に見える形に落とす いろんなひとと話すために、自分の整理のために、可視化は重要 3 ある程度の複雑さレベルで分析しつつ、まとめる 実は、最初に作った segmentの素案は 10 だった 僕がまずやった4つのこと phase1-3
57. ある程度の複雑さレベルで分析しつつ、まとめる 3 ☺朗報☺ 過去全体向けに打った施策も後から分解して振り返れる (もしできない場合は、セグメントの切り方が苦しい可能性が高い )
58. ある程度の複雑さレベルで分析しつつ、まとめる 3 全体向けに打った施策：反応率 30% 過去にNo Segmentationで打った施策も 『あの時、いま考えたSegmentで分けていたら..』と考えて見てみる
59. ある程度の複雑さレベルで分析しつつ、まとめる 3 Segment 1 80% Segment 2 50% Segment 3 20% Segment 4 0.5% 全体向けに打った施策：反応率 30% 仮説のセグメントで分解してみてみると ...
60. セグメントがSimple ➞ ここでの手法自体は 簡単なクロス集計でいい ある程度の複雑さレベルで分析しつつ、まとめる 3
61. ㊙ ㊙ ある程度の複雑さレベルで分析しつつ、まとめる 3 ※ 当時実際に作った、セグメントごとの特徴の分析シート → とりあえず8セグメントに切って、いろんな KPIを見てみた（実際には過去の施策の反応率なども分析）
62. ある程度の複雑さレベルで分析しつつ、まとめる 3 ここから、施策担当者と話しながら、Simpleに削いでいく ☑ 打つべき手が変わらない群はまとめる → 逆に明らかに変わってくる場合は、絶対に独立させる ☑ 人数が小さすぎるセグメントはまとめてしまう ☑ データ的に分割が容易かを考慮する ☑ 過去の反応率やKPIなどを見て傾向が同じような場合はまとめる ☑ 分割に寄って直感的にわかりづらくなる場合はまとめる
63. ある程度の複雑さレベルで分析しつつ、まとめる 3 ここから、施策担当者と話しながら、Simpleに削いでいく ☑ 打つべき手が変わらない群はまとめる → 逆に明らかに変わってくる場合は、絶対に独立させる ☑ 人数が小さすぎるセグメントはまとめてしまう （★要分析） ☑ データ的に分割が容易かを考慮する （★要データ知識） ☑ 過去の反応率やKPIなどを見て傾向が同じような場合はまとめる （★要分析） ☑ 分割に寄って直感的にわかりづらくなる場合はまとめる
64. 樫田 マーケター マーケター あれやこれや話す ある程度の複雑さレベルで分析しつつ、まとめる 3
65. Keep Comeback New A B 過去に購買経験あるか Yes No 直 近 購 買 あ る か Yes No 最終的なセグメントはこうなった 3 C CRM 1.0 最終的には Segment = only 3 めちゃsimple
66. Too Simple? Don’t worry, they’re beside you.
67. 1 Simple is better than Accurate. 精緻さにこだわらない 『まず最初はsimpleに』 この勇気がすべてを解決する 2 Start with Simple. Sophisticate Later. 心配せずとも、Simple Startで成功すれば精緻化はあとからできる また、なにごともやってみてわかることがたくさんある
68. Segmentが何に活きるか How to leverage “simple segment”
69. A KPIを分けて考える セグメントごとにメインで追う指標を分けることができる 数字自体も層ごとに分けてみることで、より施策の効果などが鮮明に見える B 施策を分けて考える セグメントごとに有効な施策は異なるはずなので、出し分ける C 目標数値の精緻化 セグメントごとの重要 KPIなどを深く知ることで、目標数値や予算などが精緻に計画できる
70. Keep 継続既存顧客 Comeback 復帰既存顧客 New 新規顧客 KPIを分けて考える セグメントごとにみるものを変える A 全体：KPI = 売上 セグメントごとに、メインで追う KPIを最適化する それぞれのセグメントに最も期待するものをちゃんと KPIとして置く
71. Keep 継続既存顧客 Comeback 復帰既存顧客 New 新規顧客 KPIを分けて考える セグメントごとにみるものを変える A 全体：KPI = 売上 売上 獲得数 CPA vs. LTV キャンペーン ROI 復帰Buyer数
72. Keep 継続既存顧客 Comeback 復帰既存顧客 New 新規顧客 KPIを分けて考える セグメントごとにみるものを変える A 全体：KPI = 売上 売上 獲得数 キャンペーン ROI 復帰Buyer数 当然モニタリングもセグメントごとに分けて行う 数字の好調・不調の理由が桁違いに理解しやすくなる CPA vs. LTV
73. Brandnewへの 施策ブースト 別セグメントに は影響なし KPIを分けて考える 実際に見ていたダッシュボード A 特定セグメントへの施策の反応が、セグメント別に見るとビビッドに現れる 目標値もセグメント別に管理すると非常に捗る
74. 施策を分けて考える セグメントごとに打つ施策を変える B 全体 全体向けに共通の施策を打っている状況 = 非効率
75. Keep 継続既存顧客 Comeback 復帰既存顧客 New 新規顧客 施策を分けて考える セグメントごとに打つ施策を変える B 全体 • クーポン • キャンペーン • App内中心 • コミュニケーション • Pre-buy コンテンツ • Adなど外部施策 • 初購入特典 • 大きめのPoint施策 やること、できること、書けられるコストなどが結構違う
76. さらに言えば KPIが明確に分かれている / 施策が分かれている = 担当者を明確に分割して考えることも可能になるということ !
77. 目標数値の精緻化（グラフは完全に適当です / Chart is just illustrative） C keep 10月 11月 継続率 x% Keep : 成熟しているサービスなら継続率はPredictable ( + 継続施策どれくらいやるか）
78. 目標数値の精緻化（グラフは完全に適当です / Chart is just illustrative） C keep CB BN 10月 11月 継続率 x% Brandnew : 新規獲得系なので広告費などが影響 Keep : 成熟しているサービスなら継続率はPredictable Comeback : 復帰系施策やRe-Engagement系などが影響 ( + 継続施策どれくらいやるか）
79. 目標数値の精緻化（グラフは完全に適当です / Chart is just illustrative） C keep CB BN Total 10月 11月 継続率 x% keep 12月 継続率 y%
80. 目標数値の精緻化（グラフは完全に適当です / Chart is just illustrative） C keep CB BN Total 10月 11月 継続率 x% keep CB BN 12月 継続率 y% 12月は広告で新規獲得に注力する計画の場合
81. 目標数値の精緻化 C メリット① 施策計画を加味した目標計画 （YoYよりも可変性が高い） メリット② N月の施策のN+1月への 積み上がり影響を加味 メリット③ セグメントごとの計画が立つ
82. Simple Segmentの運用と分析 How to leverage “simple segment”
83. 前提：特にKPIに響く、インセンティブ系の施策を重視
84. 運用サイクルに分析をきちんと組み込む Scrap & Build 良い施策は定期化 ダメな施策はRefine Test セグメントごとに 施策を考え小さく実行 (事前分析なども) Analysis - 打った施策を分析 Segmentの 運用サイクル 1 2 3
85. Segmentの運用において大事なこと Segmentの 運用サイクル テッパン施策を見極めて恒例化する 必要なら予算化を行う ダメダメ施策を理解して知見とする 二度と同じ愚を繰り返さない A C 施策の反応率を知見化する 施策あたりのコスト感を掴む B
86. ちゃんと分析を組み込まないとこうなる テッパン施策かどうかわからない ずっといろんな施策を試す羽目に ダメダメ施策が繰り返される 手数を打ってるのに上がらないKPI 施策の反応率の加減がわからない 突然訪れる予算オーバー “勘で運用”の悪魔 俺の感覚は あたるんだ！
87. 分析チームとして気をつけていたこと 施策担当 （当時はマーケチーム） 分析チーム 1 施策チームと分析チームは密接に 週1-2回は施策のプランについて定期的に話す MTG 施策チームで分析強い人を巻き込む 2 施策の設計・実施に深く関わる A/Bテストできる設計を提案して実行していく 試算などは分析チーム主導で行う （ので絶対に相談くる） 3 数字の見える化、ダッシュボード KPIを可能な限り見える化して、施策チームに浸透させる
88. 運用サイクルに分析をきちんと組み込む 具体的なプロセスフロー やりながらこんな感じに固まっていった
89. 運用サイクルに分析をきちんと組み込む 施策 チーム 分析 チーム 施策素案 予算計画 定例MTG （週1-2） 一緒に検討 施策のKPIや予算感の確認、期待効果、筋が良いかなどのブレスト
90. 運用サイクルに分析をきちんと組み込む 施策 チーム 分析 チーム 施策素案 予算計画 定例MTG （週1-2） 一緒に検討 ・期待した効果が出そうかの詳細な試算 ・反応率などの予測からの消化予算などを分析 ・場合によっては、対象層の絞り込みなど 対象抽出 分析・試算
91. 対象抽出 運用サイクルに分析をきちんと組み込む 施策 チーム 分析 チーム 施策素案 予算計画 定例MTG （週1-2） 一緒に検討 分析・試算 施策実施 モニタリング (ダッシュボードなど) ・Dailyくらいで見れる仕組み ・Slackなどで都度議論 ・顔合わせた時に会話
92. 対象抽出 運用サイクルに分析をきちんと組み込む 施策 チーム 分析 チーム 施策素案 予算計画 定例MTG （週1-2） 一緒に検討 分析・試算 施策実施 モニタリング (ダッシュボードなど) 効果分析 ・サクッとSheet1枚程度 ・全施策の結果をWikiに掲載
93. 対象抽出 運用サイクルに分析をきちんと組み込む 施策 チーム 分析 チーム 施策素案 予算計画 定例MTG （週1-2） 一緒に検討 分析・試算 施策実施 モニタリング (ダッシュボードなど) 結果 振り返り 効果分析 重要なのはコンセンサスづくり
94. 対象抽出 運用サイクルに分析をきちんと組み込む 施策 チーム 分析 チーム 施策素案 予算計画 定例MTG （週1-2） 一緒に検討 分析・試算 施策実施 モニタリング (ダッシュボードなど) 結果 振り返り 効果分析 テッパン 施策 知見 (失敗含む)
95. チームワークが大事 分析担当者はやや外れた存在になりがち？ でも本当は戦略の中心にいるべき。
96. みんなで数字を達成するのは楽しい
97. Q終了直前で 目標ギリギリ達成グラフ (データの内容は秘密) セグメント戦略を導入した４半期の “Last 1.5 hour” ※ 当時のSlackより 僕 財務担当者 マーケ責任者 担当執行役員
98. Simple Segmentからの進化 Evolution of Segment
99. CRM1.0の運用にも慣れてきた
100. CRMとセグメントの軌跡 - メルカリの場合 0 No CRM 1 CRM 1.0 3 CRM 3.0 2 CRM 2.0 Segment = 5
101. Keep (直近購買あり) Comeback (直近購買なし) A B New 購買経験あり 購買経験なし C 1.0 → 2.0 の update CRM 1.0
102. Keep (直近購買あり) Comeback (直近購買なし) A B New 購買経験あり 購買経験なし C Comeback (直近購買なし) Star Weak Brandnew Delay CRM 2.0 CRM 1.0 購買の強さで 2つに分離 登録時期で 2つに分離 そのまま 1.0 → 2.0 の update
103. あくまで漸進的な変化
104. 小さいことを積み重ねるのが、 とんでもないところへ行くただひとつの 道だと思っています。 - 鈴木一朗（イチロー）
105. “If you want to go fast, go alone. If you want to go far, go together.” 早く行きたければ、ひとりで行け。 遠くまで行きたいのなら、みんなで進め。 - アフリカのことわざ
106. チームで進みたいなら焦ってはダメ
107. 1.0 → 2.0 の update • 施策の頻度を落とす セグメントなども作る • 新しい施策も試してみる • 別の分割の切り口も 考えてみる機運 よりメリハリをつけた施策の出し分けなどにシフトしていく
108. CRM3.0と、4.0に向けて
109. 現在進行形なので詳しくは話せませんが... CRM3.0 (現在) 特に注力するセグメントをさらに 細く割って、条件のトリガーベースで 施策を自動化 その際の分割の軸は 分析 × ある程度ヒューリスティック CRM4.0 (Next) 機械学習の導入 Simpleセグメント ➞ 多数の行動特徴を 機械学習モデルで複合判定する Complexセグメントへ （一部実験中）
110. 機械学習は銀の弾丸か? + 納得感 ヒューリスティックな仮説ベースでやっていると、いろんな意見が出る 分析から数字で示しても、自分の感覚にこだわる人は絶対に反論をしたがる そういうオールドファッションな人ほど、なぜか『 AIでやってます』で納得する（と思う。） + 個別化 & 正解に近い 単純な2軸~3軸の分解だと、多数の例外が発生する 5セグメントに区切ったところで、同じセグメントのなかにも実はいろんなユーザが存在する 機械学習は、実質的には大量（有効な特徴量の数）の軸でセグメントしているに等しい 一人ひとりを個別のセグメントに分類している状態に近い
111. 機械学習は銀の弾丸か? - 人的リソースはかかる 座組として、MLエンジニア × プランナー × データアナリスト（ML/数字/ビジネスをブリッジできる ) が必要 オーナーシップの所在をどこに置くかが結構難しい感覚 さらに実用化の場合は SysMLなど
112. おさらい
113. • Simpleにすると固く心に誓う ➞ もうできるはず。今日の話と偉人の言葉を思い出してください。。。 • これまでの知見から仮説を考える ➞ みなさんの社内にもうあるはず。 • 考え方を目に見える形に落とす ➞ 図表化が上手そうな人を見つけましょう。 • ある程度の複雑さレベルで分析しつつ、まとめる ➞ いまこそ分析者を活かしましょう。いなければなんとか育てましょう。 分析者なんて雇っていられない？それで本当に大丈夫ですか？ もしSimple Segmentを始めようと思ったら
114. • Simpleにすると固く心に誓う ➞ もうできるはず。今日の話と偉人の言葉を思い出してください。。。 • これまでの知見から仮説を考える ➞ みなさんの社内にもうあるはず。 • 考え方を目に見える形に落とす ➞ 図表化が上手そうな人を見つけましょう。 • ある程度の複雑さレベルで分析しつつ、まとめる ➞ いまこそ分析者を活かしましょう。いなければなんとか育てましょう。 分析者なんて雇っていられない？それで本当に大丈夫ですか？ もしSimple Segmentを始めようと思ったら
115. • Simpleにすると固く心に誓う ➞ もうできるはず。今日の話と偉人の言葉を思い出してください。。。 • これまでの知見から仮説を考える ➞ みなさんの社内にもうあるはず。 • 考え方を目に見える形に落とす ➞ 図表化が上手そうな人を見つけましょう。 • ある程度の複雑さレベルで分析しつつ、まとめる ➞ いまこそ分析者を活かしましょう。 分析者なんて雇っていられない？今は21世紀、それで本当に大丈夫ですか？ もしSimple Segmentを始めようと思ったら
116. おわりに
118. Simple is better than Accurate. 精緻さにこだわらない 『まず最初はsimpleに』 この勇気がすべてを解決する - Hikaru Kashida
120. 実はMarkの発言ではないらしい....? FacebookのCEO Markは “Done is better than perfect” といった simple Facebookの壁には “Done is better than perfect” と書かれている。 創業者のMarkの言だという説もあるが 実際に彼が言ったという証拠は無く 元が誰の発言であるかは諸説ある Accurate どちらを使うべきかは場合に寄るだろうが、 わかりやすさを重視して、多少の不正確さを許容することで得るものもある。
121. “If you want to go fast, go alone. If you want to go far, go together.” 早く行きたければ、ひとりで行け。 遠くまで行きたいのなら、みんなで進め。 - アフリカのことわざ
122. Hikaru Kashida @hik0107 on Twitter / note / Qiita / Speakerdeck Thanks! Have a Better Segment, Better Life.