分析系依頼裁きマシンからの脱却 〜その工数減らします〜

Transcript

1. 分析系依頼裁きマシンからの脱却 〜その工数減らします〜 Date : 2025.05.29
2. Profile 三浦 謙樹 Miura Kenju 株式会社Asobica データ事業部 Data Managementグループ 某大学の経営システム工学科を卒業後に、2021年に新卒でSESの会社に入社。大手 通信会社のモバイル決済のダッシュボードの作成やデータマイグレーションの移行 対応を経験。2024年1月に株式会社Asobicaにデータアナリストとしてジョイン。業 務としてデータ抽出・質問の対応やBigqueryデータ処理のdbt移行など幅広く行っ ております。 所属 経歴 その他項目 ・X(@mmmonjunochie) ・note(https://note.com/asobica_analysis) 2
3. 3 目次 01. 会社&サービス概要 02. データ事業部への主な依頼内容と課題 03. 工数削減対策①:Python自動化更新 04. 工数削減対策②:botによる自動返信 05. まとめ
4. 会社&サービス概要 01
5. 社名 株式会社Asobica 設立 2018年2月 代表 今田 孝哉 従業員数 135名(2024年7月時点) 所在地 〒141-0031 東京都品川区西五反田二丁目27番3号 A-PLACE五反田ビル 8F/9F 取得認証 JIS Q 27001:2014 ( ISO/IEC 27001:2013 ) 認証基準 認証登録番号 JQA-IM1917 5 会社概要 Fast 50 2023 Japan 売上高成長率ランキング 736% エンタープライズ 企業のシェア No.1 業界 主要業界の エンタープライズシェア率 お客様口コミ No.1 口コミ数& 満足度
6. 6 Mission 我々は、豊かな顧客体験を提供する製品を、店舗を 一つでも多く増やしたい。 好きでたまらないほど熱狂させてくれるブランドを 一つでも多く増やしたい。 顧客と向き合い、理解する企業を世界に増やし そして企業の先にいる顧客の熱量・熱狂を 増やすことがAsobicaの使命です。 その熱がイノベーションとなり、 やがて世界を変えていくと信じて。 遊びのような熱狂で、 世界を彩る
7. 消費者の価値基準が変化し 事前の情報収集で 「指名買い」するように 人口減少に伴い 新規獲得よりLTVが重要に 一方通行のプロモーション ではなく口コミが 意思決定の起点に 良い商品・サービスでなければ 企業視点でも顧客体験の向上は必要不可欠 01 02 03 すべての鍵を握るのが 「顧客体験」 優れた顧客体験がなければ、人口減少や供給過多による激しい競争の中で長く愛用してもらうことが難しく 企業にとっても顧客体験の向上は必須といえます。 良い商品・サービスでなければ 良い商品・サービスでなければ 買ってもらえない 長く使ってくれない 拡めてくれない 7
8. 8 顧客体験向上に必要なのは「顧客理解」をすること 質を向上させるには顧客理解が重要に 何に満足しているのか 今の商品・サービスの どこを改善すべきなのか 今の商品・サービスの どこがイチオシ ポイントなのか 今の商品・サービスの
9. 9 coorumは顧客理解・顧客データにまつわる課題を解決 データの蓄積・分析・施策実行までワンストップで実現します。
10. 10 プロダクト一覧 データを統合・分析 本音データを収集 コミュニティで 顧客との接点を構築 本音データ×AIで 顧客軸での分析 体験データを取得し 顧客理解を深化 本音データ×AIで 商品サービス軸での分析 ホンネ AI ホンネ AI
11. データ事業部への主な依頼内容と課題 02
12. Mission データを起点に新たな価値の提供を目指します。 データを利用してAsobica社員の活動・意思決定を 加速化・高度化します。 Data Analytics インサイトを提供し事業上の意思決定の質と効率を向上す る Data Management 安定した信頼性の高いデータ活用基盤を提供しデータ活用 の質と効率を向上する Data Product データ活用による機能・サービスを提供し、UX/収益性を向 上させる Asobicaの事業成長を データでドライブする 12
13. 組織図 グループごとに各チームを持っており、それぞれに下記ミッションを設定しています。 データ事業部 Data Analytics コンサルティング 13 Data Management Data Product 分析 ガバナンス 分析基盤 PdM 開発 データを用いて 顧客における 「顧客中心の経営」 をリードする coorum事業上の 重要課題に対する 分析及び分析モデル の開発により、 意思決定を支援する 社内のデータ活用を 促進し、各人の業務 効率化及び意思決定 の質と効率の向上を 実現する 安定した信頼性の 高いデータ活用基盤 を提供する データ活用による 機能・サービス提供 によるUX/収益性の 向上を実現する 高いQCDで 機能提供をし、 機能の安定と信頼性 を担保する
14. 14 データ事業部への依頼内容と課題 データ周りに関するものが依頼としてくる。課題としては人力に頼ってしまう部分がある 抽出依頼 質問依頼 作業依頼 内容 課題 ◯サービス提供上必要な顧客向けの データ抽出・集計を行う ◯社内で利用するデータ抽出 や集計を行う ◯都度対応で工数がかかっている ・月次集計など定期的に同じ内容の 集計依頼がくる ・似たような集計対応がある ◯一般的な分析ツール、プロダクト のアナリティクス機能（集計レポー トやグラフなどのBI）に関する質問 ◯数値の見方や分析方法に関する質 問が多数 ◯質問者とのやりとりが多くなる ・質問の背景まで書いていない場合 がある ・抽象的な質問状態もあり、具体的 な内容に整理する必要がある ◯各種分析ツールのセッティング ◯CSMの分析代行など、データ事業 部対応した方が効率的な集計業務の 対応 ◯作業対応なのでシステム化できる が人が対応している
15. 15 データ事業部が今後取り組みたいこと データ事業部ではMissionを達成するために多くのことに取り組みを進められるように、削減可能な工数は積極的 に削減していきたい プロダクトの アップグレード データを起点としたプロダクト価 値の探索、提供など 分析基盤の アップグレード データ品質、開発効率、生産性の 向上をはかっていくためのデータ 分析基盤の最適化 組織のデータ利活用を あげる データを利用して、Asobica社員 の1人1人の意思決定を行いやすく する環境作り
16. 工数削減対策①:Python自動化更新 03
17. 17 抽出依頼の流れ Slackのワークフローを使用して依頼 依頼例：コミュニティのアワード対象のユーザーを抽出 依頼内容の確認や不明点のヒアリングを行い、抽出に必要な要件を明確に する。 確認事項例：集計対象とするユーザーの条件　 要件が確定後、担当者に振り分けをしてSQLでデータ抽出を行う 　 抽出されたデータが正確かどうかの確認を行う 依頼者がWFを提出 STEP 01 依頼者と要件の整理 STEP 02 作業者に依頼 STEP 03 コードレビュー STEP 04 納品 STEP 05 工数:0.5h 工数:0.5h 工数:1.5h 工数:0.5h 合計工数:3.0h SQLの内容を作業者以外がレビューする
18. 18 抽出依頼の流れ(従来の定期実行の場合) 依頼者がWFを提出 依頼者と要件の整理 作業者に依頼 コードレビュー 納品 2025/05(1回目) 依頼者がWFを提出 依頼者と要件の整理 作業者に依頼 コードレビュー 納品 2025/06(2回目) ・・・ 依頼者がWFを提出 依頼者と要件の整理 作業者に依頼 コードレビュー 納品 YYYY/MM(n回目)
19. 19 抽出依頼の流れ(自動の定期実行の場合) 依頼者がWFを提出 依頼者と要件の整理 作業者に依頼 コードレビュー 納品 2025/05(1回目) 2025/06以降(2回目以降) 月初に1回目で作成された ものが自動作成される 依頼者が アウトプットを確認 一度WFを投げて、定期実行の設定をすることによって、2回目以降はWFを投げずに指定のアウトプットを確認するだけ で済むようになった。依頼者と作業者両方の工数削減をすることができるようになった！
20. 20 抽出自動化アーキテクチャ図 1.定期実行: Cloud Schedulerが指定したタイミングにCloud Runを起動開始 2.認証: Cloud Run が GCS から認証情報を取得 3.データ処理: Pythonが事前設定された集計条件を参照して、 日付などの変数を取得〜挿入して、SQL実行 4.データ出力: SQL実行結果をGoogle スプレッドシートへ出力
21. 21 定期実行自動化による工数削減効果(手動運用との比較) 初回の対応時間が1.5hかかり、2回目以降の作業を0.5hかかると考えると月日が経てば経つほど、 工数時間に差分がおきる！将来的な工数に貢献することができる 定期実行対応:20件で、対応後3ヶ月たった場合 定期実行対応:20件で、対応後6ヶ月たった場合 ※：手動）1.5h*件数＋0.5h*件数*月数、自動）1.5h*件数
22. 工数削減対策②:botによる自動返信 04
23. 23 質問依頼の流れ Slackのワークフローを使用して依頼 質問例：GA4の測定値について、集計レポートの定義の確認について 事象を把握するために、データ事業部の担当者が確認をする アクション例：考えらる可能性を調査する→事象解消する 依頼者がWFを提出 STEP 01 質問内容の調査 STEP 02 回答終了 STEP 03 すべて人が対応しているため、工数がかかってしまう 工数:0.5h 工数:0.5~2h 合計工数:1~3h
24. 24 botアーキテクチャ図(初期設定の操作) GoogleDriveに過去にきた質問情報をドキュメント化してアップロードし、その情報をベクトル化して保存する。
25. 25 botアーキテクチャ図(チャットボットの操作) WFで提出された質問をトリガーに、関連するベクトルを検索し、該当する回答をSlack botで返答する。
26. 26 実際に質問してみると、、
27. 27 現状の質問依頼の流れ SlackのChatBotに質問をする 依頼者がWFを提出 解決した場合 質問内容の調査 回答終了 回答終了 解決しなかった場合 チャットボット回答でデータ事業部が対応する質問数が減少。また、解決しない場合も事前の質問対応があるので背景や 詳細の理解が容易になり対応工数が減少。
28. まとめ 05
29. 工数は繁忙期より約56h近くの削減をおこなえている 脅威の75%削減 29 個別依頼の対応時間の変化について 個別依頼の工数を減らしたとによって、他のタスクを行いやすくなった
30. 30 工数削減を行えた理由 抽出依頼 質問依頼 • botが回答することによって、データ事業部 への質問がくることが少なくなった • botで満足のいく回答がこなかったとして も、質問者が0ベースでなく質問をしてくれ るため回答がスムーズになる • 定期依頼を自動化にしたことによって、都 度コード実行やレビューの確認をする必要 がなくなり工数を削減することができた
31. 31 他の工数削減対応について-SlackのWFを使用したデータ集計機構の構築 更に工数を削減するための取り組みを継続しています。現在はSlackのWFでデータ集計ができるような機構を構築中で す。
32. Thank you