分析リーダーズトーク

Transcript

1. Data Analyst Leaders Talk! #2 サイバーエージェント、メルカリ、LINE、Eureka の分析チームの マネージャたちが語る会 2018/10/17(水) 19:00~22:00 Data Analyst Leaders Talk! #2
2. 分析リーダーズトーク＃2 今を時めくITベンチャーの ・データ分析 ・データアナリスト組織
3. 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
4. 登壇者 - 登壇者1: 樫田 光（Mercari, Inc.） - データアナリスト / マネージャ - 登壇者2: 鉄本 環（eureka, Inc.） - CTO管轄BIチーム責任者 - 登壇者3: 牟田 博和（LINE corp.）　 - Data Labs Data Analysisチーム　データサイエンティスト／マネージャー - モデレーター: 備前 光隆（CyberAgent, Inc.） - メディアマーケティング本部 本部長
5. 分析チームは、会社から何を期待・求められているのか
6. 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 ある
7. 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)
8. mercariの場合 - 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(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っている ) 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。（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の#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
9. pairsの場合 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 環境構築を進めている - tableau - Redash などを利用している pairsもmercariに似ている部分があり、#BI_allというチャネルが存在し、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
10. LINEの場合 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 - 業務フローの仕組化 などを進めている
11. 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
12. mercariの場合 ## 分析チームは大きく２つに分かれている - デ班（デモクラタイズ班） - 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（レインフォース班） - 分析チーム自体をどのように強くするか 上記で登場した#yurufuwa_BIチャネルは、デモクラタイズ班の活動の一環で ある
13. pairsの場合 - pairsもmercariと似ており、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 - 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 - 上記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 - 解釈の違いなどで誤解を生まないためには必要な活動
14. LINEの場合 - 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 - 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
15. 分析チーム全体の評価
16. LINEの分析チームの評価 - LINE - 「人をどれだけ動かしたかを意識」している - 社外の場合 - DAU - 売上 - 社内の場合 - 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
17. pairsの分析チームの評価 - Pairs - 「意思決定にどれだけ影響を与えたか」ということ - 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
18. mercariの分析チームの評価 - Mercari - 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 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 うな感じだそうです(部署というよりも、立ち位置として ) - 経営陣からは分析チームには以下のお願いもされている - 人と人を繋げる - 成果責任を負う - データ価値の伝播
19. BIチームのマネジメントとは
20. BIチームをどのようにまとめ、マネジメントしているか - CyberAgent - 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 - それによって、経営陣へのプレゼンの練習も兼ねている - LINE - 分析内容の共有 - 分析手法の横展開 - 気づき - プレゼンテーション形式で発表し、スキルアップや自己成長を図っている - pairs - 外部からの分析依頼の窓口の一元化 - 依頼の仕方の統一化 - 知見の蓄積 - mercari - 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
21. LINEのデータドリブンな組織を作成する方法 - LINE(牟田さん) - 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 - 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 を捉えていた - 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
22. pairsのデータドリブンな組織を作成する方法 - pairs(鉄本さん) - 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 リブンは組織構築には苦労しなかった - 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おススメ - 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 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よい
23. mercariのデータドリブンな組織を作成する方法 - mercari(樫田さん) - 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 - 解決方法３つを提案 - 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 　 　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かが理解できるようになる
24. cyberAgentのデータドリブンな組織を作成する方法 - cyberAgent(備前さん) - 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
25. 採用・育成・教育など、チームメンバーへのフォローは？
26. 各社、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か？ - LINE - 現在のフェーズ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 - 教育などはせず、実践に投入し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 - pairs - 基本的に中途採用をメインに採用 - 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の整理など行ってもらう - 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 - mercari - 自走力がある中途採用をメインとして行っている - 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 - 戦力になるまでの目安としては、3ヵ月～6ヵ月程度 - 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をガッツリ叩ける以上 に重要になってくる - cyberAgent - 新卒採用が中心の会社のため、去年育成環境ががっつりと作った - 特にエクセル・パワポ・SQLなどは徹底的に指導する - それによって、結果としてコストが下がる
27. 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・仕組みが重要となる - ナレッジの蓄積や仕組みとしてのツール - GitHub - BIツール(Re:dash,tableau等) - QueryRecipi(wikiのような) - 社内wiki(分析レポート紐づけ)
28. まとめ - 分析による意思決定をサポート - 仕組み化による分析の民主化