[2025-03-25] 初のホリゾンタル SaaS 領域で思うデータ分析職の価値

「コミュニケーションデータを扱う SaaS 企業が切り拓く、新たなビジネス機会」( https://ivry.connpass.com/event/346397/ ) での発表資料

Transcript

1. コミュニケーションデータを扱う SaaS 企業が切り拓く、新たなビジネス機会 - Lightning Talks 2025-03-25 株式会社 IVRy - 和⽥悠佑 初のホリゾンタル SaaS 領域で思う データ分析職の価値 #250325_ci_data
2. 2013 年: ヤフー（カーナビ、オークション） Android エンジニア、データサイエンティスト、etc, ... 2019 年: メルカリ（フリマ） 検索機能周りのデータアナリスト、エンジニア 2022 年: estie（不動産領域バーティカル SaaS） データ基盤エンジニアとして Snowflake や dbt の導⼊ 2024 年: IVRy（対話型⾳声AI SaaS） データアナリストとして⼊社 現在はアナリティクスエンジニアとして、 データ分析や各種データモデルの整備 ⾃⼰紹介 - 和⽥ 悠佑
3. toB ホリゾンタル SaaS 未経験の⾃分が感じた 今の IVRy での分析職の価値の発揮どころ 今⽇の LT テーマ
4. 対話型⾳声AI SaaS「IVRy（アイブリー）」とは 最短5分‧⽉2,980円から電話業務を⾃動化‧効率化することができるサービスで、 ボタンプッシュによる⾃動応答/SMS返信/電話転送に加えて、AI⾳声対話など様々な機能が利⽤可能
5. IVRy の分析状況に対する印象 個別のお客さまに対する解像度が⾼いが 全体像が微妙に定まっていない • toC サービスと⽐べて ◦ セールス担当がお客さまとコミュニケーションをとるため、解像度が⾼い ▪ IVRy で解決したい課題や使い⽅について個社レベルで知っている • toB バーティカル SaaS と⽐べて ◦ プロダクトの使い⽅が多種多様で、全体像を掴むのが難しい ▪ 「⾃動応答がしたい」「電話番号が欲しい」「FAX を受けたい」……
6. IVRy の分析状況に対する印象 • 会社全体としては、お客さまについての情報の解像度が⾼い • 個別の情報⾃体は各メンバーに散っている ⾃分に蓄積された情報を拠り所に全体像について話そうとすると ⼈によって微妙に全体像がズレる （集計の how もズレたりする）
7. 例: ⾃動応答の設定内容の分類 ⾃動応答をどのように使っているのかを調査 • 案内の内容を、キーワードベースで分類 1. 案内内容を形態素解析 2. Word2Vec でグルーピング 3. 頻出キーワードをピックアップ 4. 利⽤率を集計
8. 分類結果に対するリアクション 共通的な定義で、全体像を可視化してみると 「意外」というリアクションをもらうことが多い • 「SMS が⼀番多いの意外」 • 「意外と折り返し電話の需要あるんだな」 ⼈によって注⽬するポイントも異なる
9. 「意外」をなくして、意思決定速度を上げる • 個社レベルでの解像度は⾼いので、データから意外な事実を得られることは少なめ ◦ Data チームが社内で最も課題に対する解像度が荒いまである • 各メンバーが個々⼈で積み上げてきている認識の⽅に意外がある ◦ 社員数もまだ増加中なので、認識をあわせる重要性も⾼まる というわけで、データアナリストとして⼊社したものの、 今はアナリティクスエンジニアをやっています 「横断的に共通定義でデータを確認できる環境構築」のバリューが⾼そう！ これまでのキャリアのデータ分析の知識を展開
10. We are Hiring! 今⽇話してない観点についても 発信していますので是⾮！ (Note)