事業フェーズに応じた分析チーム体制の改善 / Improve analysis team structure to business phase

事業フェーズに応じた分析チーム体制の改善  Analyst Meet　- 事業成長をリードするアナリストとは -  平野雅也  2021/11/10  

自己紹介  • 名前：平野雅也（Hirano Masaya）  • SNS：retty, youtrust, twitter  •
所属：Retty株式会社データ分析チームMGR   • 職種：エンジニア→データアナリスト  • 食種：ステーキ（補足：Rettyには食の担当制度があります）  ▼過去の取り組みがわかる記事   Retty データ分析チーム 2020年の振り返り - 意思決定支援/分析民主化/データ基盤/ML  

Rettyについて 

ミッション 4 食を通じて世界中の人々を Happyに。世界に誇る日本の文化であり、世界中の人々の暮らしの中心でもある、「食」という分野で、お店を探す人とお店の人の双方がHappyになれる、そんな世界を実現したい。その為に、お店をオススメするというポジティブな感情で人をつなぐ事
がRettyの目標です。

あなたにBESTなお店が見つかるプロダクトビジョン

次世代の店舗づくりを支援するオーダーシステム新規事業：モバイルオーダー

ここから本題 

事業フェーズに応じた分析チーム体制の改善

Q）事業成長をリードするアナリストとは？    A）攻めも守り（DataOps）もできるアナリスト  本日は守りを焦点とした話  イベントテーマとの繋がり 

データの価値を高める仕組み作り     データ活用者にデータを届ける（データパイプラインの構築）   データ品質を高い状態にする（DWH開発）   データ活用のためのツール作り（BI開発）   2018年4月にチーム発足 
意思決定の最大化  組織で発生する意思決定の   「早さ・納得感・正しさ」を高める   組織の意思決定を最大化がミッション  メイン領域  意思決定支援  アナリストが、現場の意思決定を定量定性分析を用いて支援する   データを活用して、ユーザーさん/飲食店さん/クライアンさんに価値提供  データを活用する機能開発  (e.g お店のレコメンド, 人気店アルゴリズム)  分析の民主化  事業部の方々が、自分たちでデータ分析をできるように、支援する   サブ  領域  / 今後強化  したい 

分析チームの体制  派遣型で各派遣先の意思決定を支援する形  データ分析チームそれ以外プロダクト部門営業部門その他部門
プロジェクトチーム横断チームデータ基盤派遣先チーム① 派遣先チーム② 派遣先チーム③

立ち上がりは良好、どんどん支援範囲を拡大  プロダクト部門の全体、営業部門と事業サイドはほぼカバー      データ分析チームその他プロダクト部門営業部門
その他部門プロジェクトチーム横断チームデータ基盤チームA チームB チームC 拡大していく支援対象

しかし  2年くらい経ったタイミングで  問題が発生した 

慢性的な多忙 

業務が日に日に増えて常に忙しく余裕がない      • 夜遅くまで働くのが慢性的に続いていた    • メンバーからは成長実感はあるものの、長期では保たないと悲鳴   

守り（DataOps）が回らず、  事業側の分析需要に応えずらくなってきた  ツール・DWHの保守に手が回らない  忙しさが悪循環を生む  忙しい  ツール・DWHの負債化で依頼量増える 

いくつか打ち手を講じてみたものの効き目なし  打ち手①：人が増えれば解決するのではないか      打ち手②：役割の明文化をして、仕事の線引すればいいのではないか   

いくつか打ち手を講じてみたものの効き目なし    打ち手①：人が増えれば解決するのではないか  　→増えてもその分チーム全体としての仕事量がプラスされた    打ち手②：役割の明文化をして、仕事の線引すればいいのではないか   

いくつか打ち手を講じてみたものの効き目なし    打ち手①：人が増えれば解決するのではないか  　→増えてもその分チーム全体としての仕事量がプラスされた    打ち手②：役割の明文化をして、仕事の線引すればいいのではないか  　→やるスコープは絞られたものの、減った分、役割内の仕事量がその分増えた 

表層課題にアプローチしてしまい  根本課題が解決されなかった    分析チームなのに分析ができていない・・  

システム思考  を使ってみてはどう？    by エンジニアMGR常松  

システム思考とは何か  問題解決のフレームワークの一つ  問題を単発の出来事として考えずに、パターンとして捉え、  そのパターンを生み出している構造を理解することで構造に働きかける  詳しいやり方は別資料で紹介されています  

実際に描いた因果ループ 

見えてきた構造  「仕事を断る」流れがなかった  • リードタイムを増やすことで、全てのタスクを対応していた   • 結果、膨大なタスクを自分の限界まで追い込んで消化していた   • 依頼者の待ち時間が増えて、信頼が落ちる不安感が高まっていた
  • 「不要な仕事は依頼されないだろう」という無意識で生まれた前提も見えてきた     リードタイム  増える  忙しさ  増える  業務量  増える  成果  増える  支援先  増える  信頼低下の  不安感  「全て引き受けます！」   「依頼は全てやるもの」   「とにかく引き伸ばす」   「限界まで対応する」  

どのような対応をとったか  • 受ける分析タスクに上限を設け、きちんと断る。    • 個人だと断りづらいので、チームで取り組むようにする。      上記をやりやすくするために  スクラム体制を導入 

• スプリントを設け、スプリントごとに上限を設ける  ◦ 適正業務時間で取れる範囲に収めた  ◦ チームのルールだからと断ることができる仕組みにした    • 個人での優先度付けから、チームで優先度を管理  ◦
優先度を話し合う場を設けて、高いものに集中するようにした    • 毎週・毎期ごとに、チームで振り返りをする  ◦ 問題が大きくなる前に、小さい段階で発見と改善をするようにした    スクラムをどのようにやったのか  主要なものだけ抜粋すると以下の3つ 

スクラム導入の効果 

ツール・DWHの保守に手が回る  忙しさ問題が解消され、好循環が生まれた  忙しさが減る  ツール・DWHの充実で依頼数が減る  事業優先度の高い領域の支援に  集中できるようになった  守り（DataOps）が回ることで、  
現場で対応できることが増える  

• 適切な期日設定ができるようになり、分析の質に専念することができた    • 毎週振り返りをすることで、チームの問題に小さく改善を回す力が付いた  個人プレーからチームプレーになりチーム力が強化 

  やってみてわかった  派遣型と中央集権型（スクラム）の  メリデメ 

派遣型のメリデメ  メリット  • 成功事例を作りやすく、成功事例を作ることで役割の確立がしやすい  • 問いの設定の前段階から相談されるので、踏み込んだ事業貢献ができる     
デメリット  • ノウハウ・ナレッジが個人に閉じて、チームで提供品質が保ちにくい   • チーム全体でやることの優先順位が落ちて、事業貢献に悪影響が出やすい  • 担当範囲が広がると業務量や優先順の自己調整が難しくなり、業務過多に陥りやすい 

中央集権型（スクラム）のメリデメ  メリット  • 適切な業務量調整ができるため、時間的・心身的な余裕を作れる   • チームの振り返り力が高まり、DataOpsの改善から生産性を向上させやすい   •
チーム間での情報共有が進み、属人化を避けて、個人のスキル差分を補いやすい   • 上記のメリットにより、優先度が高い事業への支援に集中しやすくなる     デメリット  • 事業領域に深く踏み込みづらく、問いを立てる力が身に付きにくい   • 優先順位が明確になる反面、支援ができない事業領域が生まれる  

メリデメの気づきを踏まえて 

ハイブリッド型を検証中      ハイブリット型とは？  • 一部のアナリストを派遣型として、残りをスクラム対応する方式   • 攻めと守りを疎かにせず、事業成長をリードし続けられる比率  
◦ 例）派遣：スクラム = 80%：20％    中央集権型では足りない理由  • 事業観点：能動的に探索する動きが取りにくい   ◦ よりディスカバリー（イシュー特定）の動きを求められるフェーズ   • 育成観点：問いを立てる力が付きにくい  ◦ ジュニアアナリストを育成し、継続的に事業成長のリードするため  

本日のまとめ 

事業フェーズに合わせて  攻めだけでなく守りの体制も改善する 

Rettyの事業成長をリードする  データアナリスト 

宣伝！ 

積極採用中です！  中途データアナリスト募集要項  

ポッドキャスト #スタチャやってます 

ご清聴ありがとうございました！ 

事業フェーズに応じた分析チーム体制の改善 / Improve analysis team s...

事業フェーズに応じた分析チーム体制の改善 / Improve analysis team structure to business phase

More Decks by Masaya Hirano

Featured

Transcript