データ組織の課題と コラボレーション・サーバー

2020/1/31(金) に開催したExploratory データサイエンス勉強会#12の株式会社リクルートマーケティングパートナーズ様のご登壇資料です。

Transcript

1. データ組織の課題と コラボレーション・サーバー データイノベーション推進部 データ分析グループ 林田 祐輝 株式会社リクルートマーケティングパートナーズ 2020.01.31 Exploratory データサイエンス勉強会 & ミートアップ
2. ソーシャルゲーム開発会社でデータ分析基盤の整 備や分析を担当した後、2017年に株式会社リク ルートマーケティングパートナーズに入社。 スタディサプリ全般に関わる分析、チームマネジメ ントを担当。 Exploratory歴は1年ちょい。 林田 祐輝 @yukihayashida Career Job
3. 今日話すこと • （弊社の）データ組織の課題 • コラボレーション・サーバーについての導入事例 見解 話さないこと • データ分析事例 • Exploratory デスクトップについてのHow to こんな使い方もあるよとか懇親会で教えてもらえる嬉しいです。 はじめに
4. Agenda | 01 02 03 弊社のご紹介 データ組織と課題 コラボレーション・サーバーを考える
5. 弊社のご紹介 01
6. 弊社のサービス 出会い・結婚・出産 自動車 学習・進路
7. 弊社のサービス 出会い・結婚・出産 自動車 学習・進路
8. 日本 インドネシア フィリピン メキシコ 対象学年 小・中学校 高校 大学・社会人 高校 高校 中学 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
9. データ組織と課題 02
10. 組織について 海外支店 Quipper Global(Indonesia, etc)　 ToC 日本支店 スタディサプリ ENGLISH 横断的技術 プロジェクト Data SRE 学校向け Web Mobile Design PM Web Design PM データ組織
11. 企画提案 研究開発 実証実験 性能改善 本番実装 本番運用 効果検証 要因分析 施策立案 データ分析 データサイエンティスト データプロダクト 開発 データエンジニア データプロダクト 企画 データリサーチエンジニア
12. 企画提案 研究開発 実証実験 性能改善 本番実装 本番運用 データ分析 データサイエンティスト データプロダクト 開発 データエンジニア データプロダクト 企画 データリサーチエンジニア Exploratory デスクトップを活用
13. 伴走分析 データ抽出 分 析 中学講座・小学講座 大学受験講座・高校講座 スタディサプリ 日常 英会話 TOEIC L&R TEST 対策 スタディサプリ ENGLISH モニタリング（Looker） 学校導入 ビジネス 英語 効果検証 事業KPI 学習効果 効果検証 事業KPI 学習効果 BizDev ・ PM マーケティング 高校営業 BizDev ・ PM マーケティング
14. 日常 英会話 TOEIC L&R TEST 対策 ビジネス 英語 伴走分析 データ抽出 分 析 スタディサプリ スタディサプリ ENGLISH モニタリング（Looker） 学校導入 効果検証 事業KPI 学習効果 効果検証 事業KPI 学習効果 BizDev ・ PM マーケティング 高校営業 BizDev ・ PM マーケティング サービス単位で アナリストを配置 事業の成り立ちや紐づくデータベー スが異なるため、チームが分かれて いる。 中学講座・小学講座 大学受験講座・高校講座
15. 抽出業務の比重が多く、そこに業務が 集中して探索的なデータ分析に割く時間 が取れない。 抽出が効率化する環境作りや、非アナリ ストによる抽出スキル育成など。 テーブルの定義、ドメイン知識、各指標 の定義・出し方など、分析をする上での 前提知識がまとまっていない。 知っている人からの口伝に依存してい る。 データ分析組織の課題 ナレッジ共有 データ知識 抽出業務の効率化 過去に行った分析結果の参照や、サー ビス間での分析結果のシェアを行えるこ と。 分析手法、流れ、クエリなどが追いづら い。
16. データ分析組織の課題 分析Handbookの作成 ドキュメント整備 SQL講習会の実施 抽出業務の比重が多く、そこに業務が 集中して探索的なデータ分析に割く時間 が取れない。 抽出が効率化する環境作りや、非アナリ ストによる抽出スキル育成など。 テーブルの定義、ドメイン知識、各指標 の定義・出し方など、分析をする上での 前提知識がまとまっていない。 知っている人からの口伝に依存してい る。 ナレッジ共有 データ知識 抽出業務の効率化 過去に行った分析結果の参照や、サー ビス間での分析結果のシェアを行えるこ と。 分析手法、流れ、クエリなどが追いづら い。
17. 【ナレッジ共有】分析Handbook
18. 【データ知識】ドキュメント整備 Github の Wiki Google スプレッドシート
19. 【抽出業務の効率化】SQL講習会
20. • ナレッジ共有 ☀ ◦ 分析Handbookには月1、2本のペースで追加。 ◦ タグ検索なども自分たちのお手製。（少しメンテナンスが必要） • ドキュメント整備 ☂ ◦ テーブル定義などはまとめたが、完全に網羅できてない。 ◦ いくつかのツールが乱立している。（スプレッドシート、 Github Wiki、Tettra） ◦ 作ったドキュメントがどこにあるか問題。 • SQL講習会 ☁ ◦ 実施直後の満足度は高い。 ◦ 業務要件によってデータに触れる機会に波があり、スキルが定着しない。 各改善策の実施状況
21. コラボレーション・サーバーを考える 03
22. コラボレーション・サーバー：インサイト
23. コラボレーション・サーバー：データカタログ
24. データカタログ • データ定義をデータカタログにする • みんな大好きサマリビューが使えるのも ◎ コラボレーション・サーバーに期待できること ナレッジ共有 データ知識 抽出業務の効率化 コラボレーション・サーバー Exploratory デスクトップ インサイト・ノート • ノートは弊社のHandbookと同じ Markdown構造。 • タグや検索が使えるので、アクセス性も 高い。 • View数やLike数などでエンゲージメント も確認できる。 • EDFのDownloadで、他の人の作業内 容を追随可能。 ツール教育 • SQL + データラングリング + 集計で、 データ抽出ができる人が増やせる。 データカタログ • よく使う便利なデータマート + スケジュー ル + Download機能で、SQL使わず Explroratoryだけでデータ出しが完結 するかも。
25. • ツールが増えること（ドキュメント管理ツールと捉えた時） ◦ 分析ツールまでなら、アナリスト個人で完結できる。 ◦ ドキュメントやナレッジ共有ツールなら、他の組織と統合するか？論があがる。 ▪ 既存のドキュメントとの統合。 ▪ 開発組織のドキュメントを混ぜるのか？会社のルールなども盛り込むか？ • 他分析ツールとの統合・棲み分け ◦ コラボレーション・サーバーへの編集には、 Exploratory（Desktop）を使うしかない。 ◦ R Studio / Jupyter Notebook / Tableauなど、使用している他ツールとの棲み分け。 ◦ メンバーによって業務での使用頻度が異なるので、 Exploratoryを同じ粒度で使用しない。 ▪ ノート編集だけで十分なユーザー → Exploratoryの機能はtoo much。 （一方で）コラボレーション・サーバーで検討が必要な点
26. まとめ 期待すること 良かったこと ➔ Exploratoryがないと始まらないので、他のツールとの併用できること。 ➔ パワポなど既存の分析報告をExploratoryのノートに楽に変換できる。 ➔ ドキュメント問題は組織全体の課題に及ぶので、分析ナレッジを超えた使い道。 ➔ コラボレーションサーバの一部だけ編集可のライセンスが欲しい。（ノートだけとか） ➔ インサイト（特にノート）などは、既にある分析ナレッジを共有するのに便利。 ➔ データカタログを使えば、定義書＋サマリビューでの確認で、データの理解が早そう。 ➔ EDFのDownloadで、他のラングリングやアナリティクスを追随できる。 ➔ インサイトやデータを整備する仕組みがない（ex. 立ち上げたばかり）では助かる。
27. コラボレーション・サーバーはExploratoryデスクトップと異なり、 今までの分析業務フローを大きく変えるものだと感じた。 組織内外での連携強化など、他の分析ツールにないメリットがあり、 導入に当たる障害・懸念などを今後解決していけるかに期待したい。 まとめ
28. ご静聴ありがとうございました