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

“Business” and “Data” at DMM

“Business” and “Data” at DMM

DMMにおける「事業」と「データ」
2019/12/5 : データ活用、支える技術と生まれるビジネス 〜プロダクトグロースを支えるデータとの向き合い方〜

9df0566fad9c9ca3bf669917848878fe?s=128

Masato Ishigaki / 石垣雅人

December 05, 2019
Tweet

Transcript

  1. 1 石垣雅人 - DMM.com LLC 2019/12/05 「データ活用、支える技術と生まれるビジネス」 DMMにおける 「事業」と「データ」 「データ活用、支える技術と生まれるビジネス」

  2. 2 テーマ / ゴール About DMM.com DMMを支える 「事業」と「データ」の立ち位置とデータ活用をどのように捉えて いるか、その方法論について考えていきます。 Photo

    by people building structure during daytime on Unsplash
  3. 3 About me Masato Ishigaki Product Owner at DMM.com
 プラットフォーム事業本部

    2015年度 新卒入社 DMMにおけるアカウント(ID)、認証(Auth) 周りのプロダクト オーナーを経て、2018年7月にリードナーチャリング領域を 強化するチームの立ち上げを行う。現在は複数プロダクトの プロダクトオーナーに従事 i35-267 @i35_267 i35-267
  4. 4 Agenda About DMM.com 事業について 「事業」と「データ」の立ち位置 事業を科学して計測可能にする データドリブンによるイテレーティブな事業改善へ 「アジャイル x

    データ」による失敗許容性の担保 まとめ
  5. 5 Agenda About DMM.com 事業について 「事業」と「データ」の立ち位置 事業を科学して計測可能にする データドリブンによるイテレーティブな事業改善へ 「アジャイル x

    データ」による失敗許容性の担保 まとめ
  6. 6 事業について ゲーム エンターテインメント ・コンテンツ ハードウェア ・プロダクト 自然エネルギー Eコマース 40以上の

    サービスを展開 オンラインゲームや動画配信をはじめ としたエンタメコンテンツから、 DMMFX などの金融サービス、その他人材育成 事業といった様々な分野の事業・活動 に取り組んでいます。
  7. 40以上の サービスを展開 7 事業について オンラインゲームや動画配信をはじめ としたエンタメコンテンツから、 DMMFX などの金融サービス、その他人材育成 事業といった様々な分野の事業・活動 に取り組んでいます。

    金融 グローバル ビジネス 教育・ コミュニティ ミュージアム ・テーマパーク
  8. 8 事業について ライフスタイル アミューズメント その他、様々なサービスを展開&開発中 ↓↓ https://www.dmm.com/ 40以上の サービスを展開 オンラインゲームや動画配信をはじめ

    としたエンタメコンテンツから、 DMMFX などの金融サービス、その他人材育成 事業といった様々な分野の事業・活動 に取り組んでいます。
  9. 今年で創業から21周年の非上場企業 9 会社概要

  10. 10 Agenda About DMM.com 事業について 「事業」と「データ」の立ち位置 事業を科学して計測可能にする データドリブンによるイテレーティブな事業改善へ 「アジャイル x

    データ」による失敗許容性の担保 まとめ
  11. vb 11 「事業」と「データ」の立ち位置 vb 事業を科学して 正しく事業の状態を 計測可能にする データドリブンによる イテレーティブな 事業改善へ

    登壇時間配分 6 : 4
  12. 12 「事業」と「データ」の立ち位置 1. 事業を科学する = 「コード」で表現する 2. それをログデータをして出力すること。 3. 事業の健康状態を「データ」として蓄積するべき

    a. マクロ : 収益は上がっているのか。 PLとして黒字なのか b. ミクロ : 1ユーザーあたりの収益 4. どういう考え方で可視化していくか a. = システム理論的に事業を捉える b. = KPIマネジメント / ユニットエコノミクス vb 事業を科学して 正しく事業の状態を 計測可能にする
  13. 13 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って

    A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによる イテレーティブな 事業改善へ
  14. 14 Agenda About DMM.com 事業について 「事業」と「データ」の立ち位置 事業を科学して計測可能にする データドリブンによるイテレーティブな事業改善へ 「アジャイル x

    データ」による失敗許容性の担保 まとめ
  15. 事業をシステム理論で捉える 15

  16. 16 事業をシステム理論で捉える システム理論とは何か 1. 世の中のあらゆるものを「システム」として捉える 2. システムとは「相互に作用する諸要素」を指す 3. システムが稼働するには、各要素が大事なのではなく、そ れをインタラクティブにつなぐ関係性が大事

    例として「家族」をシステムとして捉える - 単独な人だけがいても「家族」にはならない。 - 夫婦、親子などの「インタラクティブさ」が大事 - インタラクティブが違えば異なる「システム」になる 私 父 母 兄 親子 夫婦 兄弟
  17. 17 事業をシステム理論で捉える システムの階層(サブシステム) 1. 1つの全体システムの中にサブシステムがぶら下がってい る。システムとしてつながっていることを表現 2. ミクロからマクロをつながっていることを可視化する 3. 上位下位システムをズームイン・ズームアウトできる

    「家族システム」 - 家族の集合体として見た時に - 上位システムは「日本」 下位システムは「人」 - どこ視点から見ても、階層やズームがわかるように マクロ ミクロ ズームイン ズームアウト 日本 東京在住 個々の集まり 家族
  18. 18 事業をシステム理論で捉える 事業をシステム理論で捉える 1. 事業をシステムとして捉えたときにシステムが稼働するための「相互作用する諸要素」を定義 2. それを「コード」で表現して、ソフトウェアの ログデータとして出力する。 a. トラッキングすることで、どこまで細かくても追跡可能にする。

    訪問 回遊 (検索・閲覧) 購入・利用 広告経由 ユーザーの行動
  19. 19 事業をシステム理論で捉える 事業をシステム理論で捉える 2. それを「コード」で表現して、ソフトウェアの ログデータとして出力する。 - それを「データ」として保存する。いわゆるそれがビッグデータ基盤( DWH) -

    DMMだと1日に数億レコードが蓄積されて行っている。 - 詳細なユーザーの行動が細かく蓄積していく DWH 累計 数千億レコード ログデータ
  20. 20 事業をシステム理論で捉える 事業をシステム理論で捉える 3. ミクロからマクロまで。ズームイン / ズームアウトしてもつながるようにする - 売上(マクロ)から1人のユーザーが出した売上(ミクロ)がつながる 2000億円

    1万円 100億円 30代 男性 私 深夜1~2時に購入するユーザー群 540億円 ズームイン ズームアウト 2000億がどのように 作られたものかがわかるように
  21. 事業をモデリングして 観測可能にする 21

  22. 22 事業をモデリングして観測可能にする 事業をモデリング(構造化)する - - 「サイバネティクス」という理論を用いる。制御工学 ※システム理論とほぼ同義語で扱われる - - システムをどう捉えるか

    入力 input 出力 output 開放システム システム処理 フィードバック 正( + ) / 負( - ) 正( + ) / 負( - )
  23. 23 事業をモデリングして観測可能にする 事業をモデリング(構造化)する - - 「サイバネティクス」という理論を用いる。制御工学 ※システム理論とほぼ同義語で扱われる - - システムをどう捉えるか

    入力 資本、ヒト、モノ 出力 売上 開放システム フィードバック 正( + ) / 負( - ) 製品 コンテンツ 利用料金 正( + ) / 負( - ) 事業モデル
  24. 24 事業をモデリングして観測可能にする 事業をモデリング(構造化)する - 売上とユーザー行動を紐付ける科学的手法として 「KPIマネジメント」がある。 - どんな入力値を入れれば、そんな出力がでるかを観測可能にする KGI KPI

    CSF CSF KPI KPI KPI
  25. 25 1日あたり 売上 DAU ARPU DL数 Retention Rate (N日継続率) ストア経由

    (自然流入) 広告経由 自社導線経由 プッシュ通知 開封率 + 平均購入数 コンテンツ 平均単価 x メールマガジン 開封率 クーポン利用率 1日あたりの 購入頻度 x x ・ ・・ Ex. ECサイトのアプリ
  26. 26 事業をモデリングして観測可能にする 事業をモデリング(構造化)する - 「KPIマネジメント」は作って終わりではない。 - きちんと運用するサイクルを作る 1. 変化させたいKPI選定 2.

    仮説立案 3. 検証(A/Bテスト、キャンペーン ,etc...) 4. 結果を計測→学習 KPI選定 (課題) 仮説 検証 計測
  27. ユニットエコノミクス 27 - 100 - - 500 - - 750

    - - 1,250 - - 2,500 - - 5,000 - コスト 利益 5,000 - 2,500 - 1,250 - 750 - 500 - 100 - 会員登録 ユーザー 獲得コスト 広告費 退会 購入・利用 収益 CAC LTV
  28. 28 Agenda About DMM.com 事業について 「事業」と「データ」の立ち位置 事業を科学して計測可能にする データドリブンによるイテレーティブな事業改善へ 「アジャイル x

    データ」による失敗許容性の担保 まとめ
  29. 29 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って

    A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによる イテレーティブな 事業改善へ
  30. 30 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って

    A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによる イテレーティブな 事業改善へ
  31. 31 データパイプラインの設計 データレイク (Data Lake) データウェアハウス (DWH) データマート (Data Mart)

    DMMサービス郡 ETL データ分析基盤 Re:dash
  32. 32 データドリブンによるイテレーティブな事業改善へ 課題と現実〜プラットフォーム編〜 - DMMにおける40以上のサービスが1つのDMM会員IDで統一されていることが理想 - そうすれば、ユーザーがどんな行動をしているかがトラッキング可能へ - DMM.comというプラットフォームの上にサービスが乗ることで クロスセル率向上やレコメンドアルゴ

    リズムが柔軟になり、売上向上が見込める - M&Aなどで新規にDMMへ入るサービスなどは、ある程度トップダウンな意思決定が必要 DMMサービス郡 ETL 柔軟なトラッキング(追跡)が可能へ ... where ID = xxxx ID ID ID ID 同一のID
  33. 33 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って

    A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによる イテレーティブな 事業改善へ
  34. 34 A B 20% コンバージョン 5% コンバージョン イテレーティブな事業改善 - 事業のあらゆる領域を「コード」で表現してデータストアにユーザー情報が蓄積すると

    - 細かい改善ができるようになる データドリブンによるイテレーティブな事業改善へ Ex. A/Bテスト
  35. 35 イテレーティブな事業改善 - 何が正解かなんてわからない - ユーザーも正解を知らない。 - そのため、小さく検証して探っていく。 Ex. 1.

    1,000人に機能を先行リリースしてみる 2. 駄目 → やめる or A/Bの差分がないため追加検証 3. 3,000人に増やして且つユーザー属性も絞ってみる 4. ,etc... A B A B A B 1,000 / 30,000,000 30代男性 特定サービスを 使っているユーザー データドリブンによるイテレーティブな事業改善へ
  36. 36 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って

    A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによる イテレーティブな 事業改善へ
  37. 37 R&D SRE CTO室 etc... アカウント 購入・決済 ログイン etc... etc...

    検索 ビッグデータ基盤 データ分析基盤 動画 レンタル 通販 オンラインサロン FX DMM GAMES 電子書籍 CS機能 SoE (B to C) Systems of Engagement SoR (B to B) Systems of Record BC, VR,etc... 「データに基づく意思決定」が組織戦略の中心へ
  38. 38 PO SM Dev PO SM Dev PO SM Dev

    SRE PO SM Dev PO SM Dev Scrum Team 「データに基づく意思決定」が組織戦略の中心へ ドメインごとに自己組織化 Data Analyst 横断組織
  39. 39 「データに基づく意思決定」が組織戦略の中心へ 目標 現状 課題 改善の知見 開発 Build 優先度の 高い仮説

    数値検証 measure リリース Product 仮説/施策A 仮説/施策B 仮説/施策C PO Scrum Team BMLループ バックログ 優先度を 決める KPIなどに紐づく 目標と現状の細分から課 題抽出
  40. KPIなどに紐づく 目標と現状の細分から課 題抽出 40 開発 Build 優先度の 高い仮説 リリース Product

    PO BMLループ バックログ 優先度を 決める 目標 現状 課題 改善の知見 Scrum Team 「データに基づく意思決定」が組織戦略の中心へ 仮説/施策A 仮説/施策B 仮説/施策C 数値検証 measure 1. 現状認識・目標設定 データアナリストとスクラムチームの連携  2. 課題分析 3. 施策提案 4. 効果検証
  41. 41 Agenda About DMM.com 事業について 「事業」と「データ」の立ち位置 事業を科学して計測可能にする データドリブンによるイテレーティブな事業改善へ 「アジャイル x

    データ」による失敗許容性の担保 まとめ
  42. 42 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って

    A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによる イテレーティブな 事業改善へ
  43. 43 「アジャイル x データ」による失敗許容性の担保 大きく作って、大きく失敗する 小さく作って、小さく失敗する 従来のウォーターフォール型の開発との違い アジャイル = イテレーションで小さく作る

    これを実現できる = 「アジャイル x データ」は相性が良い
  44. 44 「アジャイル x データ」による失敗許容性の担保 イテレーティブさの誤解 - アジャイル = イテレーティブ(反復) -

    上のように部品を作るのではなく、下のほうに 徐々に輪郭・クオリティーを向上させる - 上だと、結合したときに出戻りが発生した。 - ステークホルダーとの認識齟齬が最後の最後に 生まれる https://gojko.net/2007/12/04/waterfall-trap/
  45. 45 「アジャイル x データ」による失敗許容性の担保 商品を 検索する 商品が 購入できる カート に入れる

    アカウントを 登録・認証す る 支払い方法 を選択する 商品を 検索する 商品を 購入する 商品 ページを見る ジャンル で検索 商品名 で検索 価格 で検索 商品 レビューが 見れる レコメンドで おすすめを 表示する メールアドレ スで 登録する SNSアカウン トで登録でき る ゲストで 登録できる カート に入れる クレジット カード を登録する ポイントを配 る クーポンを配 る クーポン を使う 電子マネー で払う 優先度 アクティビティー ステップ ユーザーストーリーマッピング
  46. 46 「アジャイル x データ」による失敗許容性の担保 商品を 検索する 商品が 購入できる カート に入れる

    アカウントを 登録・認証す る 支払い方法 を選択する 商品を 検索する 商品を 購入する 商品 ページを見る ジャンル で検索 商品名 で検索 価格 で検索 商品 レビューが 見れる レコメンドで おすすめを 表示する メールアドレ スで 登録する SNSアカウン トで登録でき る ゲストで 登録できる カート に入れる クレジット カード を登録する ポイントを配 る クーポンを配 る クーポン を使う 電子マネー で払う 優先度 アクティビティー ステップ ユーザーストーリーマッピング 完成
  47. 47 「アジャイル x データ」による失敗許容性の担保 商品を 検索する 商品が 購入できる カート に入れる

    アカウントを 登録・認証す る 支払い方法 を選択する 商品を 検索する 商品を 購入する 商品 ページを見る ジャンル で検索 商品名 で検索 価格 で検索 商品 レビューが 見れる レコメンドで おすすめを 表示する メールアドレ スで 登録する SNSアカウン トで登録でき る ゲストで 登録できる カート に入れる クレジット カード を登録する ポイントを配 る クーポンを配 る クーポン を使う 電子マネー で払う 優先度 アクティビティー ステップ ユーザーストーリーマッピング MVP #1 MVP #2
  48. 48 「アジャイル x データ」による失敗許容性の担保 商品を 検索する 商品が 購入できる カート に入れる

    アカウントを 登録・認証す る 支払い方法 を選択する 商品を 検索する 商品を 購入する 商品 ページを見る ジャンル で検索 商品名 で検索 価格 で検索 商品 レビューが 見れる レコメンドで おすすめを 表示する メールアドレ スで 登録する SNSアカウン トで登録でき る ゲストで 登録できる カート に入れる クレジット カード を登録する ポイントを配 る クーポンを配 る クーポン を使う 電子マネー で払う 優先度 アクティビティー ステップ ユーザーストーリーマッピング MVP #1 MVP #2
  49. 49 Agenda About DMM.com 事業について 「事業」と「データ」の立ち位置 事業を科学して計測可能にする データドリブンによるイテレーティブな事業改善へ 「アジャイル x

    データ」による失敗許容性の担保 まとめ
  50. 50 まとめ 失敗を「仕組み」で許容する - コミュニケーションで失敗を許容するでは心理的安全性は生まれない。 - 事業モデルを構造化して観測可能にする - 小さく失敗できる環境を準備する。誰もヒットするサービスなんてわからない -

    小さい失敗を積み重ねると組織は成長する
  51. ご清聴ありがとうございました 51