Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
データ・コミュニケーションツールとしてのExploratoryの活用法
Search
Ikuya Murasato
November 12, 2021
Business
0
340
データ・コミュニケーションツールとしてのExploratoryの活用法
2021/11/12(金)に開催したExploratory データサイエンス勉強会#21の株式会社リクルート様のご登壇資料です。
Ikuya Murasato
November 12, 2021
Tweet
Share
More Decks by Ikuya Murasato
See All by Ikuya Murasato
トピックモデル分析を活用した問合せ業務の効率化
ikuyam
1
210
回帰分析の活用による新商品の販売力予測
ikuyam
0
150
生存分析モデルを利用したLineのブロック要因分析
ikuyam
0
96
自動車トラブルと気象条件などの探索的データ分析
ikuyam
0
68
データサイエンス「も」使えるチェンジメーカー輩出への挑戦
ikuyam
0
350
ExploratoryとRによる全学データサイエンス教育
ikuyam
0
490
エンゲージメント向上のための人事制度改革 - 管理部門におけるExploratoryの活用
ikuyam
0
1.6k
「学ぶ」分析技術から「使う」分析技術へ - Exploratoryによるドリル演習
ikuyam
0
370
データサイエンス入門教育の現場から - 46歳新任教員2年間の苦闘
ikuyam
0
460
Other Decks in Business
See All in Business
CENTRAGE CO., LTD. 会社説明資料
tsuji2021
0
250
i3DESIGN_Culture_Book / We-are-hiring
i3design
0
34k
PdM Days「組織と人をどう育てるか 〜プロダクトマネジメントエコシステムを紐解く〜」
muture
0
400
株式会社モバイルファクトリー 会社説明資料
mobilefactory
0
630
一般社団法人ディレクションサポート協会(DiSA)
masakisukeda
0
590
Eco-Pork Impact Report 2025.02.09 JP
ecopork
0
500
会社紹介資料
gtnako
2
66k
Cobe Associe: Who we are? /コンサル・市場調査・人材紹介のCobe Associe
nozomi
6
19k
Clarity for Product People
arnekittler
0
1.2k
採用案内2025年
hdn_tocci
0
3.8k
5分でわかる松鶴建設 | Shokaku Recruit
shokaku_recruit
0
720
2025.02_中途採用資料.pdf
superstudio
PRO
0
64k
Featured
See All Featured
Producing Creativity
orderedlist
PRO
344
40k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
11
1.3k
A better future with KSS
kneath
238
17k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
33
2.1k
Navigating Team Friction
lara
183
15k
The Power of CSS Pseudo Elements
geoffreycrofte
75
5.5k
The MySQL Ecosystem @ GitHub 2015
samlambert
250
12k
Building Adaptive Systems
keathley
40
2.4k
A designer walks into a library…
pauljervisheath
205
24k
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
100
18k
Java REST API Framework Comparison - PWX 2021
mraible
29
8.4k
4 Signs Your Business is Dying
shpigford
183
22k
Transcript
データ・コミュニケーションツール としてのExploratory活用法 株式会社リクルート まなびデータソリューション部 後藤真理絵
❖ 自己紹介 ❖ 会社紹介・業務の背景 ❖ ビジネス課題 ❖ 活用機能 ❖ 効果
アジェンダ
自己紹介
大学時代 社会人1−2年 社会人3-10年 社会人10年〜 慶應SFC デザイン思考 エスノグラフィ Flashプログラミング Web広告制作会社 ディレクター見習い
プロジェクト進行管理 マーケティングリサーチ会社 <データ収集> ・文献、各種統計情報 ・Webアンケート ・インタビュー調査 ・有識者インタビュー ・ビジネスエスノグラフィ <分析・報告> ・多変量解析、マイニング ・顧客向け報告会 ヤフー株式会社 <広告効果分析> ・広告効果分析 ・全社マーケティング最適化 <サービス利用状況分析> ・既存サービス分析支援 ・新規サービス立ち上げ伴走 2020〜 株式会社リクルート 『スタディサプリ』 サービス利用状況分析 自己紹介
大学時代 社会人1−2年 社会人3-10年 社会人10年〜 慶應SFC デザイン思考 エスノグラフィ Flashプログラミング Web広告制作会社 ディレクター見習い
プロジェクト進行管理 マーケティングリサーチ会社 <データ収集> ・文献、各種統計情報 ・Webアンケート ・インタビュー調査 ・有識者インタビュー ・ビジネスエスノグラフィ <分析・報告> ・多変量解析、マイニング ・顧客向け報告会 自己紹介 クリエイティブ系に憧れていた時期 営業・調査・分析の基礎 データサイエンスな世界 ヤフー株式会社 <広告効果分析> ・広告効果分析 ・全社マーケティング最適化 <サービス利用状況分析> ・既存サービス分析支援 ・新規サービス立ち上げ伴走 2020〜 株式会社リクルート 『スタディサプリ』 サービス利用状況分析
弊社のご紹介
スタディサプリ https://studysapuri.jp/
日本 インドネシア フィリピン 対象学年 小・中学校 高校 大学・社会人 高校 高校 オンラインビデオ
(B to C) オンラインビデオ& アセスメント (B to B to C) オンラインコーチング 各国で様々なサービスラインナップにて事業展開をしています パーソナルコーチプラン サービスラインナップ 広報資料より
営業 学校・先生 (クライアント) 生徒 (カスタマー) 年単位で導入・活用支援を行うコンサル型営業スタイル
2020年に直面したビジネス課題
学校の一斉休校 2020年3月
『スタディサプリ』のニーズが急上昇
顧客接点の数 = フォローする先生の人数 × 学校数
データでどう解決するか?
求められていたゴール • 合格点の対応品質の担保 • 継続率の維持
ソリューション • どの学校に優先フォローをすればいいかわかる • 瞬間理解できる • 誰が見ても納得できる 学校ごとの継続可能性を予測し、必要なフォロー内容を データからサジェストする
データ活用面での課題
乗り越えるべき壁 時間的制約 短期間でデータをかき集め、予測モデルを作るため、 試行錯誤期間が限られている 精度<明瞭 精度よりもわかりやすさ。誰もが瞬間で理解でき、 解釈の余地がないアウトプット 用途ドリブン 営業が納得感を持ち、アクションが打てるものに しなければならない
ドメイン知識の習得 ・業務フローの理解 ・事業課題の把握 初期問題定義 ・目的、ゴール ・前提条件の整理 ・実施する範囲の設定 データ調査&収集 ・ユーザー利用データ ・マーケティングデータ
・売上データ ・オープンデータ 現状把握分析 ・基礎統計 ・ユーザー利用状況 ・目的変数との関連性 ・企画者とのすり合わせ 問題定義完了 予測モデル検討 ・予測アルゴリズム選定 ・特徴量エンジアリング ・データセット追加 ・予測モデルでの 変数重要度算出 ・評価方法 ・予測結果のアウトプッ ト イメージ ・企画者とのすり合わせ ・予測モデル ブラッシュアップ ・データ追加 ・システム実装 ・システムリリース ・エンドユーザーへの コミュニケーション &フォローアップ 企画・構想 現状調査 施策検討 施策実装 リリース 必要な対応策 プロジェクト運営プロセス(一例) ここを特に綿密にやる
対応手段 ➢ 問題定義に関係者全員が関わり、ブレない方針を策定した ➢ 営業現場の人を巻き込み、データ分析でビジネス現場の状 況と課題を共有(営業とデータ人材の視点を揃える) ➢ 営業ヒアリングとデータ観点から、特徴量を選定(データ チーム内でも目線を揃える)
Exploratoryの利用
インプットデータの修正をしても 即、読み込める データインプット時
データインプット時 DBにない関連データもクラウド上 から取り込んで可視化
データチェック・クレンジング • データの質(欠損値、ばらつき)の確認 • かき集めたデータで予測できそうか一次確認
• サマリーデータから特に重要視しているデータにフォーカ スし、継続率への影響がありそうかを確認 データチェック・クレンジング
データに基づく議論 • 予測に特に影響してそうな特徴量候補のデータを、様々な 角度から検証(実数、割合、分布、クロス集計など)
手元での予測モデル作成 • 不均衡データの調整 • 全体サマリで一定の傾向が見えた特徴量を入れて予測 • 新たな特徴量をステップで作成 • 分岐の納得性を確認
手元での予測モデル作成 • 精度指標、変数重要度を確認 • 不必要なもの、アンコントローラブルなものは抜いて 精度にどう影響するかを試行錯誤
効果
データにフォーカスした議論によりスピーディーに進捗 時間的制約 PJチーム全体でシャープな問題定義ができた。モデル 構築や精度検証を早いサイクルで回せた。 精度<明瞭 データ可視化を通じて営業現場との壁打ちが可能に。 様々な現場の「肌感」を共有してもらえた 用途ドリブン 現場の声を取り入れたモノづくりができた。 シンプルなソリューション提供で、施策にすぐ直結。
次年度に向けた重要な知見も得られる結果に 定量 ・リピート率の維持 ・事業への貢献 定性 ・予測結果に関する質問から改善点の抽出 ・現場の「肌感」を表すデータの不足認識と収集対策
まとめ ➢ 現場の「肌感」を可視化結果に基づき引き出す ➢ PJメンバーとデータにフォーカスした議論を重ねる ➢ 時間的・データ的制約がある中で、問題定義を精度高く実施 すぐに有効活用されたことで、事業に貢献