Upgrade to Pro — share decks privately, control downloads, hide ads and more …

ドメイン知識解説 2021/06/16

2b6640cb8408b3d1c9c954bdf97e4fcf?s=47 Grahamian
June 16, 2021

ドメイン知識解説 2021/06/16

下記URLにてYouTubeで配信したドメイン知識解説の資料です。
質問などありましたら動画へコメントお願いします。
https://youtu.be/RD6Fp0axd_w

2b6640cb8408b3d1c9c954bdf97e4fcf?s=128

Grahamian

June 16, 2021
Tweet

Transcript

  1. ドメイン知識 解説します

  2. この解説はなに?

  3. ドメイン知識がなにかわかる
 データ分析界隈でよく話題にあがる
 「ドメイン知識」がなにかわかり
 どのように身につければいいのか足がかりができる


  4. ドメイン知識とは?

  5. wikipediaより引用
 はっきり限定された、ある専門分野に特化した分野の知識であ り、一般知識またはドメイン独立の知識と対比される


  6. 自分なりの解釈
 データサイエンスやエンジニアリング以外で
 業務遂行に必要な知識
 - ビジネスモデル
 - ユーザの特徴
 - 法律・規則
 -

    慣習
 - システム上の制約
 ...etc

  7. なぜドメイン知識が必要なのか?
 よりよい仮説を建てたり検証をおこなう
 前提知識不足で誤った結論を導くことを防ぐ
 分析の過程で “ハマる”ことを防ぐ


  8. たとえば
 - 法律・規制・商習慣・システムの制約でデータに偏りがある
 - 法律や規制があるため推測のとき注意する必要がある
 - 現場の物理的な制約があるため作ったモデルが役に立た ない
 ...etc


  9. ドメイン知識を分解してみる

  10. ザックリと “ドメイン知識” を分解する
 1. ビジネスモデルと市場構造
 2. サービス領域の習慣や特性
 3. サービスのユーザやシステムの特性
 上にいくほど汎用的で


    下にいくほど企業やサービス固有の性質

  11. 1. ビジネスモデルと市場構造
 • サービスのビジネスが提供しているもの
 • 市場とサービスの関わり
 • 人・物・金・情報の動きや関係
 • それらを示す数字や関係


    • よく使われる指標

  12. ビジネスモデルを理解できると嬉しいこと
 • ビジネスと数字を関連付けて整理できる
 • ビジネスの特徴を数字で表現できる
 • よりドメインに特化した指標を考える土台になる


  13. なぜビジネスモデル?
 • ビジネスモデルの基本は大きく変わらないので典型例を 知っておくと汎用性が高い
 • ビジネス全体に関わる指標なので最初に分析すべきなので 優先度が高い
 • 個別のビジネス理解度が低くても分析に着手して示唆を生 み出しやすい


  14. 具体例1: BtoC SaaS
 • サービスは自社のクラウド上で展開し価値提供も情報もそ こに集まる
 • 代表的な指標としてCACやLTV、churn rate、ARR/MRRな ど


  15. 具体例2: EC
 • 商品やターゲットユーザによって指標の基準や重要度が変 わってくる
 • CACやLTVが重要で特にLTVのうち顧客単価とリピート率 が重要


  16. 2. サービス領域の習慣や特性
 • 法律
 • 規制
 • 倫理的にNGなこと
 • 商習慣やユーザの習性


  17. 習慣や特性を理解すると嬉しいこと
 • データの偏りを把握できる
 ◦ 習慣的に発生しやすい・しにくい傾向がわかる
 ◦ ドメイン由来で発生しないデータの存在に気がつく
 • 推測しても使えない領域を理解できる
 ◦

    倫理的に使えない方法で解いても意味がない
 

  18. 具体例1: 医療系SaaS
 • 法律や規制がたくさんある
 • 倫理的にNGというケース
 • 素人が想定できないオペレーションがたくさんある


  19. 具体例2: Fintechサービス
 • 法律や規制がたくさんある
 • 金融機関が絡むため多くのNGがある
 • 不正対策やユーザ層の偏り
 • お金とリスクが複雑に絡み合っている


  20. 法律・規制・慣習
 • 特に医療や金融は厳しいので理解していないと思いもよら ないところでハマる
 • 作業が遅れるだけなら良いが、場合によっては致命的な失 敗につながる(ヘタしたら会社が一発退場!)
 • 身につけるには複雑で幅広いので時間をかけて身につけて いく


  21. 3. サービス・ユーザ・システムの特性
 • 実際のサービスのユーザ層によるデータの偏り
 • 施策による非連続的な変化や偏り
 • システム起因のデータの偏り


  22. よくある問題
 • 一般的なサービスと異なるユーザ層なので業界のベンチ マークとデータの偏りが異なる
 • 広告を打ったので、そのタイミングだけデータが偏っている
 • システム上の問題でデータが取得できていなかったタイミン グがある
 •

    サービスの設計的に入力に偏りがある

  23. 具体例1: ECサービス
 • 大きな広告を打ったので普段と異なるユーザ層が流れ込ん でいるタイミングがある
 • アンケート形式を変えたので入力に差がある
 • 導線がわかりにくい機能があって使っている人に偏りがあ る


    • 高級路線にピボットしたのでユーザ層が変化している

  24. 具体例2: スマホゲーム
 • 障害があったのでログイン時間に偏りがある
 • 機能追加により導線が変更されファネルが変わった
 • SNSのバズでスパイクがある


  25. サービス・ユーザ・システムの特性
 • 社内のスペシャリスト(エンジニアやPMなど)に確認すること が大事。常に誰かにレビューしてもらう。
 • 知らないとハマるけど事前に知ることは難しい
 • 


  26. 身につけ方と順番

  27. 身につけるべき順番
 1. ビジネスモデルと市場構造
 2. サービス領域の習慣や特性
 3. サービスのユーザやシステムの特性


  28. ビジネスモデルと市場構造
 ビジネスがわかれば各サービスに
 詳しくなくても着手できる
 定番の指標を理解しておいて
 面談の前に検討をつけられるようになろう


  29. 身につけるには?
 • 定番を理解しておく
 ◦ リーンアナリティクスが最強
 • 事例をたくさん知る
 ◦ ネットでも大手サービスがみているKPIが紹介されています
 ◦

    株主向けの決算報告も参考になる
 • 普段からビジネスと数字の関係を考えてみる

  30. サービス領域の習慣や特性
 法律や規制は難しいので地道に理解していく
 同じ業界で仕事をしていると理解が深まるので
 可能であればそうしたほうがいい
 長期的には本などで勉強しながら
 現場ではスペシャリストに確認する


  31. 身につけるには?
 • 業界に関する書籍などでサーベイする
 • 公的な団体や大手企業の発表を随時チェックする
 ◦ 特に金融や医療はこれが読めると強い
 • 社内外のスペシャリストやユーザ、現場と話す
 ◦

    わからないことは聞く

  32. サービスのユーザやシステムの特性
 事前に知ることは無理なので仕事をしながら理解していく
 知らないでハマることが多いので誰かに
 確認してもらったり質問することが大事
 なんかうまくいかなかったら誰かに頼ろう


  33. 身につけるには?
 • 普段から社内の人に相談しておく
 ◦ いつでも相談できる関係をつくっておきましょう
 • エンジニアやマーケなど関係してきそうな人とコミュニケー ションを増やす
 • 困ったら質問する!


  34. ドメイン知識の身につけ方
 長期的にはビジネスモデルや業界知識を
 本などから学んでいく
 目の前のプロジェクトを上手くやるには
 専門家に頼る
 つまり
 知ったかぶりをせず学び、質問するという
 最も基礎的なスタンスが大事


  35. まとめ

  36. ドメイン知識
 ドメイン知識の3レイヤー
 • ビジネスモデルと市場構造
 • サービス領域の習慣や特性
 • サービスのユーザやシステムの特性
 身につけ方の指標
 •

    日頃からビジネスモデルや業界の理解を深める
 • 現場やユーザの声を聞く
 • システムや施策の特性を確認する

  37. ドメイン知識のファネル(イメージ)
 ビジネスの理解
 業界の知識
 サービスの知識
 汎用的
 影響範囲大きい
 専門・限定的
 知らずにハマりがち
 現場で質問・確認して理 解を深めていく


    書籍やレポート、経験を 
 とおして地道に身につける 

  38. FAQ

  39. Q: 質問・相談できる人がいません!
 A: 
 自分からつくりにいきましょう。それも仕事です。
 マネージャや現場で気軽に質問できる関係は大事。
 日頃から質問したりレビューをお願いしたり
 定期的に相談するスケジュールをつくるとよいです。
 


  40. Q: ドメイン・技術知識の境目がわからん
 A:
 技術不足が原因なのでがんばって勉強しましょう!
 あと瞬発的に検索したり気軽に質問できる人を事前につくりま しょう
 昨今は非専門家でもデータサイエンスを理解した人材が
 増えているのでスキルがないと一瞬でバレますよ…