仁ノ平 将人 / Masato Ninohira LINE株式会社 Data Science Center ML&DS Planning team ※LabTech Talk vol.79での登壇資料です https://labtechtalk-event230123.peatix.com/view
.-1. %41.ͬͯͲΜͳࣄΛ͍ͯ͠Δͷʁ.BTBUP/JOPIJSB !.-%41MBOOJOH5FBO
View Slide
.- %4৫ͷऔΓΈ 1.৫ .-%41MBOOJOH5FBN .- %41.ͷ͓ࣄ .- %41.ͱ͍͏ΩϟϦΞ ͍͞͝ʹContents
.BTBUP/JOPIJSB !OJOP@QJSBσʔλαΠΤϯςΟετ !ϒϨΠϯύουɾd ৽ଔɾαΠΤϯεدΓͷҊ݅ɾ࠷ޙখنҊ݅ͷ1..-%41MBOOJOH!-*/&ɾdɾ .-1FSTPOB ଐੑਪఆ 'FBUVSF7FDUPS ԣஅಛྔ -*/&Ϊϑτ 3%ɾ %4-*/&1BZ˞ࠓͷؚΊͯ.- %41.ʹ͍ͭͯڵຯ͕͋Δํؾܰʹ5XJUUFSͰ͝࿈བྷ͍ͩ͘͞
.- %4৫ͷऔΓΈData Science Center / Data Engineering Center
.-৫ͷऔΓΈData Science Center / Data Engineering Center
.-৫Ͱ༷ʑͳϥΠϒϥϦɾιϦϡʔγϣϯΛ։ൃ3FDPNNFOEBUJPO&YTUJDLFST4UJDLFS"VUP5BHHJOH• スタンプ画像から 意味的なタグを推測し、⾃動付与• 2021年〜、深層学習モデルを更新（Efficient Net）6TFS1FSTPOB1SFEJDUJPO• サービス横断のユーザ⾏動ログを利⽤して、DNN系のロジックで推定（〜数億ユーザ）• 継続的にリファクタリングやロジック改善等を進めており、MLP Mixerなども利⽤LINE for Business 2022年10-2023年3⽉期 媒体資料よりhttps://www.linebiz.com/jp/download/出前館%SJWFS.FSDIBOU6TFS3FRGPSPSEFS3FRGPSEFMJWFSZ3FRGPSQSFQBSBUJPO QJDLVQEFMJWFSZ複数の機械学習のコンポーネントを提供し、オンライン予測のためのパイプラインも個別に構築For Users• 商品の推薦（≒ 何を注⽂すればよいか︖）For Demae-can (as a broker/仲介者)• オーダーの配達依頼（≒ 誰に配達を依頼すればよいか？）For Drivers• エリア単位での直近需要の予測（≒ どこで待てばよいか？）• レストランの準備時間予測（≒ いつ受け取りに⾏けばよいか？）4NBSU$IBOOFMトークリスト上部にコンテンツ・広告を表⽰• 2段構成で、ML室は下記の両⽅を提供1. 個別サービスのコンテンツ向けターゲティングロジック（様々な組織が供給）2. 最終的にコンテンツ or 広告を1つ選定-JCSB4VJUFMLの開発効率化 + DSの検証効率化のための内製ツール画⾯設計・デザインをUIのチームに依頼し、バックエンドをML室で開発CMS for A/B Test & Rollout Dashboard for A/B Test推薦結果の可視化$SPTT4FSWJDF6TFS$POUFOU'FBUVSFT• 事業横断でML向けのデータを整備し、社内の他ML組織に提供• 表現学習により、密ベクトル化したデータなども作成.-#BUDI"1*TMLプラットフォーム化により、開発したモデルの再利⽤性や開発効率などを⼤幅に向上0XO-JCTGPS%FW&GGJDJFODZ• cumin: データアクセスの抽象化• swimmy: RPC to k8s cluster• ghee: 分散並列処理（転送 & 演算）• ghee-models: MLモデル（python）• masala: MLモデル（yaml）
.-৫ͷྺ࢙2018• 3FMFBTFSFDPNNFOEFSTUPNVMUJQMFTFSWJDFT• *OJUJBMBEPQUJPOPG(16JOQSPEVDUJPO• -JCSBEFTJHOJNQM• 4NBSU$IBOOFM• -JCSBTVQQPSUJONVMUJQMFTFSWJDFTTFMEPNMZVTFEJO.-• (IFFNPEFMT FUDGPSNPEFMJNQM$PNNPOJ[BUJPO• %//CBTFESFDPNNFOEFSTJONPTUTFSWJDFT• %FNBFDBOXPOMJOFJOGFSFODJOH• .-"1*T• .-0QT• 0OMJOF.-• 0OEFWJDF.- -'-• .-1SJWBDZ• &UD2019 2020 2021'SPN.-NPEFMJOHUPQMBUGPSNEFWFMPQNFOU2022• ,TDMVTUFS• .-NPEFMJNQSPWFNFOUTWJB-JCSB
%4৫ͷऔΓΈData Science Center
୲ϓϩμΫτٴͼ-*/&ϓϥοτϑΥʔϜશମͷߩݙΛࢦ͢%BUB4DJFODFࣨͷϛογϣϯ σʔλੳʹΑ֤ͬͯ-*/&αʔϏεͷڝ૪ྗΛ࠷େԽ͢Δ• σʔλΛ׆༻ͨ͠ܧଓతվળͷΈͮ͘Γ• ॏཁ͔ͭқͷߴ͍՝ͷղܾ -*/&શମͷσʔλ׆༻ϨϕϧΛ্ͤ͞Δ• શͯͷ-*/&3ͷσʔλ׆༻Ϩϕϧͷఈ্͛ʗҾ্͖͛• ͘ద༻ՄೳͳσʔλੳͷΈʢϓϥοτϑΥʔϜɺϓϩηεɺํ๏ɺFUDʣͷఏڙ
جຊਓ1+ɺ1+ϝϯόʔಉ࢜ͰٞɾϨϏϡʔ͠߹͏ϓϩδΣΫτͷΞαΠϯํͱࣄͷਐΊํ事業部X 事業部Y プロジェクトZチームAチームBチームAチームB…Data Science室データサイエンティスト• σʔλཧղυϝΠϯ͕ࣝΞτϓοτͷྔɾ࣭ʹ݁ ˠ جຊ୯ҐͰΞαΠϯݻఆ• 1+νʔϜͰ͓ޓ͍ʹٞɾϨϏϡʔ• %4ࣨͰ4MBDLि࣍ఆྫΛ௨ͯ͠ࣄྫڞ༗ͳͲΛ࣮ࢪ分析サポート PJごとにチーム化
࠷ۙͷϓϩδΣΫτྫʢ݄࣌ʣ%BUB4DJFODFࣨଟ͘ͷॏཁͳϓϩδΣΫτʹؔΘ͍ͬͯΔ-*/&ΞϓϦ-*/&ϑΝϛϦʔαʔϏε-*/&ͷ๏ਓ͚αʔϏε-*/&'JOBODJBMαʔϏεԣஅϓϩδΣΫτ• )PNFUBC $IBUUBC -*/&700.ͷ6*69• -*/&ελϯϓ• -*/&Ϊϑτ• -*/& .64*$ɺͳͲ• -*/&ެࣜΞΧϯτ• -*/&ࠂ• -*/&1BZ• ͦͷଞۚ༥ܥαʔϏε• 4NBSU$IBOOFM• -*/&ίϯςϯπ αʔϏεϓϥοτϑΥʔϜ
事業側の協業相⼿と直接やり取りしながら、⾃⾝で判断しつつ業務を進める協業相⼿ 例えば主な協業相⼿協業の頻度サービス企画者（プロダクト担当、マーケティング担当、etc.）•新規リリースした機能の効果検証（A/Bテスト含む）•新機能開発時の基礎となる仮説の検証• KPIの整理とダッシュボード化⾼エンジニア •各種ログに関する質問・確認• A/Bテスト時の相談（ユーザー割当、UI出し分け等）中事業部DSC機械学習エンジニア低〜中 •担当サービスのレコメンドシステムの仕様に関する議論•レコメンド導⼊/改善時のA/Bテストその他情報セキュリティ・データマネジメント担当者中 •データの利⽤条件についてセキュリティ⽬線での確認•新規サービスの分析環境構築の相談データサイエンティスト⾼ •他サービスの事例について共有、ヒアリング•データ分析全般に関するディスカッション
ʮԿΛղ͖͔͘ʯʮԿʹ͏͖͔ʯ·ͰࣗΒߟ͑Δ分析業務において重要な3つのポイントアウトプットを活かすところまでしっかり関わる• 「分析結果を使って何をやるべきか？」の議論、および実⾏の⽀援・検証まで関わる• アウトプットはWikiにまとめて、対⾯で説明とネクストアクションに関する議論まで実施することを推奨（関係者が容易に理解できるケースではSlackで共有のみで済ませることも多々ある）解くべき課題はプロアクティブに発⾒・設定する• 過去の分析や普段のコミュニケーションをもとに、⾃ら課題を発⾒する• 依頼された業務でも、妥当でなければ⾃ら調整を加える（実施しない判断をすることもある）本質的に重要なことに集中する• 「なるほど、⾯⽩いね」で終わる分析はやらない• 逆に、重要であれば単純なデータ抽出にも関わる
.-ͱͷҧ͍%4৫ҎԼͷνʔϜ͔ΒΓཱ͓ͬͯΓ·͢ ࣌.-4PMνʔϜ-*/&ϚϯΨ-*/&(JGUͳͲͷϑΝϛϦʔαʔϏε͚ͷਪનϩδοΫͷ։ൃɻग़લ͚ؗͷ.-ͷ։ൃͰɺʮॴɾ࣌ؒผͰͷधཁͷ༧ଌʯʮୡ࣌ؒͷ༧ଌʯͳͲɺΦϯϥΠϯͷσʔλ&5-ਪ͕ඞཁͳ.-γεςϜͷ։ൃʹྗ.-4PMνʔϜ -*/&ެࣜΞΧϯτͷϝοηʔδ৴࠷దԽɺ֤छαʔϏε͚ͷਪનͳͲΛ࣮ࢪ%41.-νʔϜࠂ৴ʹ༻͍ΔಛྔΤϯδχΞϦϯάɺ֎෦ഔମ͚৴γεςϜʢ-*/&ࠂωοτϫʔΫʣ͚ͷ.-࠷దԽΛ࣮ࢪɻࠂΫϦΤΠςΟϒͷ৹ࠪΛߦ͏.-ج൫ͷ։ൃͳͲʹணख.-1SJWBDZνʔϜϓϥΠόγʔۀҬͷߴ͍ઐੑΛ͓࣋ͬͯΓɺ'FEFSBUFE-FBSOJOHͱݺΕΔٕज़ΛαʔϏεಋೖ͢ΔϓϩδΣΫτʹࢀըɻݚڀʹྗ͓ͯ͠ΓɺτοϓΧϯϑΝϨϯεʹଟจ͕࠾͞Ε͍ͯΔ.-%FWνʔϜେنσʔλΛѻ͏ͨΊͷɺಠࣗ.-Ϟσϧ܈ͷ࣮උɺαʔϏεԣஅಛྔΛ׆༻͚ͨࣾ͠ͷ.-"1*։ൃɺ.-0QT͚ͷ౷ܭྔऩूγεςϜͷઃܭɾ։ൃͳͲΛ࣮ࢪɻ'FEFSBUFE-FBSOJOHͷٕज़։ൃਐΊ͍ͯΔ.-*OGSBνʔϜػցֶशΤϯδχΞͷͨΊͷɺLT "JSGMPX $*$%ڥͳͲͷج൫උɺ͓Αͼ"1*ɾࢹγεςϜͳͲͷ։ൃӡ༻Λߦ͍ɺ৴པੑͷߴ͍αʔϏεΛఏڙɻۙͰɺػցֶश༻్ͷΦϯϥΠϯಛྔετΞɺ.-͚ͷ%BUBϦωʔδγεςϜͳͲ։ൃ.-4PMνʔϜ αʔϏεԣஅͷಛྔͷඋɾӡ༻͓ΑͼɺͦͷσʔλΛར༻ͨ͠ϢʔβଐੑͷਪఆͳͲΛ࣮ࢪɿ.-ΤϯδχΞਫ৭%4Data Science1室LINE のプラットフォーム機能に貢献する分析を⾏う• 複数の事業に関係する課題の定義と解決• プラットフォーム全体の⽅針の個別分析への反映LINEのファミリーサービスの成⻑に貢献する分析を⾏う• ユーザーとパートナー企業の満⾜に関係する課題の定義と解決• 個別⽬標が相反する時も最善の意思決定が⾏われるよう基準を提供Data Science2室具体的なプロジェクトの例• LINEアプリ（ホームタブ / トークタブ / LINEスタンプ / LINE VOOM / SmartCH など）• LINE公式アカウント• LINE広告（ホームタブ / SmartCH / LINE VOOM / LINE NEWS /LINE広告ネットワーク など）具体的なプロジェクトの例• LINE Gift / LINE MUSIC / LIVEBUY / 位置情報など• LINE Pay を中⼼とする⾦融系サービス
1.৫.-%41MBOOJOH5FBN
.-ɾ%4৫ҎԼͷνʔϜ͔ΒΓཱ͓ͬͯΓ·͢ ࣌ɿ.-ΤϯδχΞਫ৭%4Data Science1室LINE のプラットフォーム機能に貢献する分析を⾏う• 複数の事業に関係する課題の定義と解決• プラットフォーム全体の⽅針の個別分析への反映LINEのファミリーサービスの成⻑に貢献する分析を⾏う• ユーザーとパートナー企業の満⾜に関係する課題の定義と解決• 個別⽬標が相反する時も最善の意思決定が⾏われるよう基準を提供Data Science2室具体的なプロジェクトの例• LINEアプリ（ホームタブ / トークタブ / LINEスタンプ / LINE VOOM / Smart Channel など）• LINE公式アカウント• LINE広告（ホームタブ / Smart Channel/ LINE VOOM / LINE NEWS /LINE広告ネットワーク など）具体的なプロジェクトの例• LINE ギフト / LINE MUSIC / LIVEBUY / 位置情報など• LINE Pay を中⼼とする⾦融系サービスML Sol.1チームLINEマンガやLINE ギフトなどのファミリーサービス向けの推薦ロジックの開発。出前館向けのMLの開発では、「場所・時間別での需要の予測」や「配達時間の予測」など、オンラインのデータETLや推論が必要なMLシステムの開発にも注⼒。ML Sol.2チーム サービス横断の特徴量の整備・運⽤および、そのデータを利⽤したユーザ属性の推定などに取り組んでいる。LINE公式アカウント向けの配信最適化や推薦なども実施。DSP MLチーム 広告配信に⽤いる特徴量エンジニアリング、や外部媒体向け配信システム（LINE広告ネットワーク）向けのMLや最適化を実施。広告クリエイティブの審査を⾏うML基盤の開発などにも着⼿。ML Privacyチーム プライバシー業域の⾼い専⾨性を持っており、Federated Learningと呼ばれる技術をサービス導⼊するプロジェクトに参画。研究にも注⼒しており、トップカンファレンスにも多数論⽂が採択されている。ML Dev.チーム⼤規模データを扱うための、独⾃MLモデル群の実装や整備、サービス横断特徴量を活⽤した社内向けのML API開発、MLOps向けの統計量収集システムの設計・開発などを実施。Federated Learningの技術開発も進めている。ML Infra.チーム機械学習エンジニアのための、k8s, Airflow, CI/CD環境などの基盤整備、およびAPI・監視システムなどの周辺システムの開発運⽤を⾏い、信頼性の⾼いサービスを提供直近では、⾼スループット・低レイテンシな機械学習⽤途の特徴量ストア、ML向けのDataリネージシステムなども開発
.-ɾ%4৫ҎԼͷνʔϜ͔ΒΓཱ͓ͬͯΓ·͢ ࣌ɿ.-ΤϯδχΞਫ৭%4.-%41MBOOJOH5FBNͱʁData Science1室LINE のプラットフォーム機能に貢献する分析を⾏う• 複数の事業に関係する課題の定義と解決• プラットフォーム全体の⽅針の個別分析への反映LINEのファミリーサービスの成⻑に貢献する分析を⾏う• ユーザーとパートナー企業の満⾜に関係する課題の定義と解決• 個別⽬標が相反する時も最善の意思決定が⾏われるよう基準を提供Data Science2室具体的なプロジェクトの例• LINEアプリ（ホームタブ / トークタブ / LINEスタンプ / LINE VOOM / Smart Channel など）• LINE公式アカウント• LINE広告（ホームタブ / Smart Channel/ LINE VOOM / LINE NEWS /LINE広告ネットワーク など）具体的なプロジェクトの例• LINE ギフト / LINE MUSIC / LIVEBUY / 位置情報など• LINE Pay を中⼼とする⾦融系サービスML Sol.1チームLINEマンガやLINE ギフトなどのファミリーサービス向けの推薦ロジックの開発。出前館向けのMLの開発では、「場所・時間別での需要の予測」や「配達時間の予測」など、オンラインのデータETLや推論が必要なMLシステムの開発にも注⼒。ML Sol.2チーム サービス横断の特徴量の整備・運⽤および、そのデータを利⽤したユーザ属性の推定などに取り組んでいる。LINE公式アカウント向けの配信最適化や推薦なども実施。DSP MLチーム 広告配信に⽤いる特徴量エンジニアリング、や外部媒体向け配信システム（LINE広告ネットワーク）向けのMLや最適化を実施。広告クリエイティブの審査を⾏うML基盤の開発などにも着⼿。ML Privacyチーム プライバシー業域の⾼い専⾨性を持っており、Federated Learningと呼ばれる技術をサービス導⼊するプロジェクトに参画。研究にも注⼒しており、トップカンファレンスにも多数論⽂が採択されている。ML Dev.チーム⼤規模データを扱うための、独⾃MLモデル群の実装や整備、サービス横断特徴量を活⽤した社内向けのML API開発、MLOps向けの統計量収集システムの設計・開発などを実施。Federated Learningの技術開発も進めている。ML Infra.チーム機械学習エンジニアのための、k8s, Airflow, CI/CD環境などの基盤整備、およびAPI・監視システムなどの周辺システムの開発運⽤を⾏い、信頼性の⾼いサービスを提供直近では、⾼スループット・低レイテンシな機械学習⽤途の特徴量ストア、ML向けのDataリネージシステムなども開発
.-%41MBOOJOH5FBNR&R .-%4ͷྗͰ-*/&αʔϏεՁ্ʹ͚ͨ1SPKFDUͷਪਐΛߦ͏ ϑΣʔζʹΑͬͯSPMF͕ҟͳΔ͜ͱ͕ಛ1SPEVDU.BOBHFNFOU• .-%4ؔ࿈ͷԣஅతͳ1SPEVDUͷϩʔυϚοϓઃܭɺΰʔϧڞ༗ͳͲ1SPHSBN.BOBHFNFOU .-• αʔϏεଆʹ.- 1SPEVDUΛ׆༻ͨ͠Ձ্ࢪࡦΛఏҊ͠ɺಋೖʹ͚ͨλεΫઃܭͱਐཧɺಋೖޙͷӡ༻ཧ• .-ൃ1SPEVDUͷ։ൃཧɺޙͷӡ༻ཧ1SPHSBN.BOBHFNFOU %4• ੳґཔʹج͖ͮαʔϏεଆͷཁΛώΞϦϯά͠%BUB4DJFOUJTUͷλεΫઃܭͱਐཧ• %BUB4DJFOUJTUͱڞʹαʔϏεੳΛߦ͍ͭͭɺࣄۀଆʹํੑ৽نࢪࡦఏҊͷਪਐMembersɾ$34ɾ"VUPSFDPɾ/FXTɾ4NBSU$IBOOFMɾ %BUB.BOBHFNFOUɾ-JCSBɾ#BUDI"1*ɾ*OGSBɾ%FW1SPDFTɾ4IPQ TUJDLFSUIFNFɾ%FNBFDBOɾ1FSTPOBɾ'FBUVSF7FDUPSɾ-*/&Ϊϑτɾ-*/&1BZɾ#BJUPɾ3%ɾ-*/&0GGJDJBM"DDPVOU※他にも担当している案件は多数
ิ͜ͷࢿྉதͰͷ1.ͱ͍͏୯ޠͷҙຯʁ+PC%FTDSJQUJPOᐌ͘ 5FDIOJDBM1SPHSBN.BOBHFSͷུɾٕज़1.ͩͱೝ͍ࣝͯͩ͘͠͞ɾޙड़͠·͕͢ɺ.- %4 4PGUXBSF&OHJOFFSͱ͍ٕͬͨज़తͳݟΛ׆͔ͨ͠1.ݸਓͷҙݟݱͱͯ͠ɺ1SPHSBN.BOBHFSͱ͍͏ݞॻ͖ʹͩ͜ΘΓͳ͍ɾ1SPKFDU.BOBHFSͰ͍͍͠ɺ1SPEVDU.BOBHFSͰ͍͍ɾͳΜͩͬͨΒ1BSUZ.BOBHFSͰྑ͍ ݸਓతʹؾʹೖ͍ͬͯΔུޠͨͩ͠ɺٕज़ྗΛ׆͔ͨ͠1.Ͱ͋Δ͜ͱʹͩ͜ΘΓɾॴҦɺاը৬ͱগ͠ໟ৭͕ҟͳΔɾͪΖΜΤϯδχΞɺ%4ͱҟͳΔ
.- %41.ͷ͓ࣄ
.- %41.ͷҧ͍Λͬ͘͟Γ֓ཁ ΤϯδχΞྗ Ϗδωεྗ αΠΤϯεྗ ר͖ࠐΈྗ.- .-γεςϜΛ࡞͍ͬͯ͘1. ˕ ˛ ˛ ˕%4 %BUB4DJFODF "OBMZTJTͷྗͰϏδωεΛਪਐͯ͘͠1.˓ ˕ ˛ ˕.-.-QSPEVDUʹඥͮ͘.-FOHJOFFS.-1.MLProductServiceProductMLProductServiceProductMLProductServiceProduct4FSWJDFFOHJOFFS 4FSWJDF1.・・・%4ࣄۀ 4FSWJDFʹඥͮ͘%4%41.Service4FSWJDFFOHJOFFS4FSWJDF1MBOOFS4FSWJDF.BSLFUFS
.-1.ͷ͓ࣄ
ࢀߟ-*/&ͷ.- 1. ʹ͍ͭͯಉ྅͔Βͷίϝϯτ:PV5VCFͰެ։͞Ε͍ͯ·͢ʮ5FDI7FSTFʯͰݕࡧ͍ͯͨͩ͘͠ͱɺ͝ཡ͍ͨͩ͘͜ͱ͕Ͱ͖·͢
.-1.ͷى͜ΓνʔϜ֎ͷεςʔΫϗϧμʔ͕ࢁ͍Δ▶͞·͟·ͳෳࡶੑ͕ੜ͡ΔλεΫͷෳࡶੑ• ෳͷϓϩμΫτΛಉ࣌ฒߦͰ։ൃɾվળɾϝϯςφϯε৫ͷෳࡶੑ• σʔλ࿈ܞઌͷ։ൃऀͱͷΓͱΓ• ๏ؔ࿈ͷΓͱΓ• ηΩϡϦςΟؔ࿈ͷΓͱΓ• σʔλϚωδϝϯτؔ࿈ͷΓͱΓγεςϜͷෳࡶੑ• σʔλ࿈ܞͷଟ༷Խ• ෳγεςϜؒ࿈ܞ• .-ج൫ʢ൚༻Խɾڞ௨ԽʣϓϩμΫτͷෳࡶੑ• ϢʔβʹՁ͕ఏڙͰ͖͍ͯΔͷ͔ʁ.-FOHJOFFS .-JOGSBFOHJOFFS1SPEVDU"QMBOOFS1SPEVDU"EFWFMPQFS-FHBMUFBN4FDVSJUZUFBN%BUBNBOBHFNFOUUFBN1SPEVDU#QMBOOFS1SPEVDU#EFWFMPQFSJOUFSOBMFYUFSOBM
.-1.ͷى͜ΓνʔϜ֎ͷεςʔΫϗϧμʔ͕ࢁ͍Δ▶͞·͟·ͳෳࡶੑ͕ੜ͡ΔλεΫͷෳࡶੑ• ෳͷϓϩμΫτΛಉ࣌ฒߦͰ։ൃɾվળɾϝϯςφϯε৫ͷෳࡶੑ• σʔλ࿈ܞઌͷ։ൃऀͱͷΓͱΓ• ๏ؔ࿈ͷΓͱΓ• ηΩϡϦςΟؔ࿈ͷΓͱΓ• σʔλϚωδϝϯτؔ࿈ͷΓͱΓγεςϜͷෳࡶੑ• σʔλ࿈ܞͷଟ༷Խ• ෳγεςϜؒ࿈ܞ• .-ج൫ʢ൚༻Խɾڞ௨ԽʣϓϩμΫτͷෳࡶੑ• ϢʔβʹՁ͕ఏڙͰ͖͍ͯΔͷ͔ʁ.-FOHJOFFS .-JOGSBFOHJOFFS1SPEVDU"QMBOOFS1SPEVDU"EFWFMPQFS-FHBMUFBN4FDVSJUZUFBN%BUBNBOBHFNFOUUFBN1SPEVDU#QMBOOFS1SPEVDU#EFWFMPQFSJOUFSOBMFYUFSOBM͜ΕͬͯΤϯδχΞͷ33ʁγχΞΤϯδχΞʹظ͞Εͯ͠·͍͕ͪ
.-1.ͷى͜ΓνʔϜ֎ͷεςʔΫϗϧμʔ͕ࢁ͍Δ▶͞·͟·ͳෳࡶੑ͕ੜ͡ΔλεΫͷෳࡶੑ• ෳͷϓϩμΫτΛಉ࣌ฒߦͰ։ൃɾվળɾϝϯςφϯε৫ͷෳࡶੑ• σʔλ࿈ܞઌͷ։ൃऀͱͷΓͱΓ• ๏ؔ࿈ͷΓͱΓ• ηΩϡϦςΟؔ࿈ͷΓͱΓ• σʔλϚωδϝϯτؔ࿈ͷΓͱΓγεςϜͷෳࡶੑ• σʔλ࿈ܞͷଟ༷Խ• ෳγεςϜؒ࿈ܞ• .-ج൫ʢ൚༻Խɾڞ௨ԽʣϓϩμΫτͷෳࡶੑ• ϢʔβʹՁ͕ఏڙͰ͖͍ͯΔͷ͔ʁ.-FOHJOFFS .-JOGSBFOHJOFFS1SPEVDU"QMBOOFS1SPEVDU"EFWFMPQFS-FHBMUFBN4FDVSJUZUFBN%BUBNBOBHFNFOUUFBN1SPEVDU#QMBOOFS1SPEVDU#EFWFMPQFSJOUFSOBMFYUFSOBM͜ΕͬͯΤϯδχΞͷ33ʁγχΞΤϯδχΞʹظ͞Εͯ͠·͍͕ͪΤϯδχΞͷෛ୲૿λεΫͷภΓΉ33ʮͨΒ͍ʯ͕ճ·ΘͬͨΒ৽ϙδγϣϯͷ߹ਤIUUQTCMPHTIPKJNJZBUBDPNFOUSZ
.-1.ʹٻΊΒΕΔεΩϧηοτλεΫɾ৫ͷෳࡶੑʹରԠ͢Δ• ϓϩδΣΫτϚωδϝϯτɺͪΐͬͱΘ͔Δ• γεςϜ։ൃɺͪΐͬͱΘ͔Δ• .-։ൃɺͪΐͬͱΘ͔ΔγεςϜͷෳࡶੑʹରԠ͢Δ• γεςϜ։ൃɺͪΐͬͱΘ͔Δ• .-։ൃɺͪΐͬͱΘ͔ΔϓϩμΫτͷෳࡶੑʹରԠ͢Δ• ϓϩμΫτϚωδϝϯτɺͪΐͬͱΘ͔Δྲྀಈతͳঢ়گͱෆ࣮֬ੑʹରԠ͢Δ• ݱঢ়ೝࣝೳྗͱߦಈྗ͕͋Δ• తୡͷͨΊʹɺඞཁͳλεΫΛࣗΒݟ͚ͭͯɺղܾʹಋ͘ʢ՝ൃݟྗɾ՝ղܾྗʣ• ϓϩδΣΫτϝϯόʔʹΑͬͯɺ33ʹάϥσʔγϣϯ͕Ͱ͖ΔͨΊɺۀؒͷܺؒΛຒΊΔΑ͏ͳಈ͖͕Ͱ͖Δ
.-1.ʹٻΊΒΕΔεΩϧηοτλεΫɾ৫ͷෳࡶੑʹରԠ͢Δ• ϓϩδΣΫτϚωδϝϯτɺͪΐͬͱΘ͔Δ• γεςϜ։ൃɺͪΐͬͱΘ͔Δ• .-։ൃɺͪΐͬͱΘ͔ΔγεςϜͷෳࡶੑʹରԠ͢Δ• γεςϜ։ൃɺͪΐͬͱΘ͔Δ• .-։ൃɺͪΐͬͱΘ͔ΔϓϩμΫτͷෳࡶੑʹରԠ͢Δ• ϓϩμΫτϚωδϝϯτɺͪΐͬͱΘ͔Δྲྀಈతͳঢ়گͱෆ࣮֬ੑʹରԠ͢Δ• ݱঢ়ೝࣝೳྗͱߦಈྗ͕͋Δ• తୡͷͨΊʹɺඞཁͳλεΫΛࣗΒݟ͚ͭͯɺղܾʹಋ͘ʢ՝ൃݟྗɾ՝ղܾྗʣ• ϓϩδΣΫτϝϯόʔʹΑͬͯɺ33ʹάϥσʔγϣϯ͕Ͱ͖ΔͨΊɺۀؒͷܺؒΛຒΊΔΑ͏ͳಈ͖͕Ͱ͖Δͭ·Δͱ͜ΖɺγεςϜಋೖͷ1.
։ൃαΠΫϧͱ1.ͷؔΘΓํ1SPEVDUEJTDPWFSZ• ϓϩμΫτ՝ɾඪͷώΞϦϯάɾڞ༗• .-׆༻ͷ࣮ݱՄೳੑͱՁʹ͍ͭͯݕ౼%BUBJOHFTUVOEFSTUBOEJOH• ඞཁͳσʔλͷ࿈ܞਪਐ&YQFSJNFOU%FWFMPQNFOU• ࣮ݱՄೳੑͱՁʹ͍ͭͯ֬ೝɾ࠶ఆٛ"#ςετ• اըɾઃܭɾ࣮ࢪɾධՁ.POJUPSJOH• ධՁɾϑΟʔυόοΫ
։ൃαΠΫϧͱ1.ͷؔΘΓํ1SPEVDUEJTDPWFSZ• ϓϩμΫτ՝ɾඪͷώΞϦϯάɾڞ༗• .-׆༻ͷ࣮ݱՄೳੑͱՁʹ͍ͭͯݕ౼%BUBJOHFTUVOEFSTUBOEJOH• ඞཁͳσʔλͷ࿈ܞਪਐ&YQFSJNFOU%FWFMPQNFOU• ࣮ݱՄೳੑͱՁʹ͍ͭͯ֬ೝɾ࠶ఆٛ"#ςετ• اըɾઃܭɾ࣮ࢪɾධՁ.POJUPSJOH• ධՁɾϑΟʔυόοΫ• ֤ϓϩηεΛԁʹϚωδϝϯτ͠ɺϓϩμΫτϦϦʔεʹ͍࣋ͬͯ͘• Ձͷ͋ΔϓϩμΫτΛఏڙ͢Δ• ୭Ͱɺޮత͔ͭ҆ఆతʹ։ൃɾӡ༻Ͱ͖Δঢ়ଶʹ͢Δཁɺ࣮Ҏ֎ͷશͯΛ୲
دΓಓͲͷఔͷٕज़ࣝඞཁʁɾݩࢠͳ͍͕ɻɻɻɾΩϟϦΞઓུ࣍ୈɾ͋Δʹӽͨ͜͠ͱͳ͍ɾνʔϜશମͱͯ͠ɺ͔ͳΓߴ͍ɾશһԿ͔͠ΒͷΤϯδχΞܦݧ͕͋ΔɾεΩϧΞοϓͷ্৺ߴ͍ɾͪΐͬͱͨ͠42-ͳΒ୭Ͱॻ͚ΔɾγεςϜ࿈ܞͷγʔέϯεਤॻ͚Δɾٯʹ.-ͷࣝڧͰͰͳ͍ɾ·͊ίʔσΟϯά͠ͳ͍͠ɾͨͩ͠جૅతͳࣝे͋Δ
࣮ࡍͷࣄྫ
ελϯϓ(auto suggest)1SPEVDUEJTDPWFSZ• ΩʔϘʔυೖྗʹ͓͚ΔϢʔβ՝ͷղফ• Ծઆݕূํ๏Λݕ౼%BUBJOHFTUVOEFSTUBOEJOH• ՝ղܾɾԾઆݕূʹඞཁͳσʔλ֬ೝ• σʔλ׆༻ʹؔ͢Δ՝ղܾ&YQFSJNFOU%FWFMPQNFOU• ΦϑϥΠϯݕূɾ࣮ͷؾ͖͔ͮΒԾઆΛڧԽ• γεςϜؒͷσʔλ࿈ܞɾग़ྗ"#テスト• Ծઆݕূ.POJUPSJOH• Ϣʔβͷ՝͕ղܾͰ͖͍ͯΔͷ͔Λݟଓ͚Δ
1FSTPOB ଐੑਪఆ 1SPEVDUEJTDPWFSZ• どんな属性を推定したいかを広告チームなどと相談• 属性の定義をすり合わせ• (開発後)プロダクトの広報活動%BUBJOHFTUVOEFSTUBOEJOH• インサイトリサーチチームとアンケート設計• データ管理、権限管理についてすり合わせ&YQFSJNFOU%FWFMPQNFOU• 学習データの精度、予測分布の確認• 結果によっては属性の定義⾒直し• 書き出し先の検討、各種システムとのつなぎ合わせ"#テスト• ࠂจ຺ͰͷΦϑϥΠϯɺΦϯϥΠϯςετ• ݁Ռͷղऍ.POJUPSJOH• ֶशਫ਼ɺ༧ଌͷϞχλϦϯά• ༧ظ͠ͳ͍Τϥʔͷ௨ͱͦͷ࣌ͷࣗಈରԠ
Z-features(部署横断の特徴量)1SPEVDUEJTDPWFSZ• ͲΜͳಛྔΛઃܭͰ͖Δ͔%BUBJOHFTUVOEFSTUBOEJOH• ඞཁͳσʔλͷݖݶཧɺηΩϡϦςΟϨϏϡʔ• ઃܭͷυΩϡϝϯτԽ&YQFSJNFOU%FWFMPQNFOU• &5-ͷ࡞ .-ΤϯδχΞͷࣄ.POJUPSJOH• ༧ظ͠ͳ͍σʔλఆٛมߋͷݕ• ͓͍߹Θͤ࡞ۀ
%41.ͷ͓ࣄ
1+5͝ͱͷ%4νʔϜͷମ੍
1+5͝ͱͷ%4νʔϜͷମ੍ࣄۀ෦ʹ1.ͱͯ͠αϙʔτ ࣗ-*/&1BZ
1.ͷΔ͜ͱɺΒͳ͍͜ͱΔ͜ͱɾࣄۀ෦ͱͷҊ݅اըɾ֤छҊ݅ͷϑΝγϦςʔγϣϯɾ%4ͱੳ݁Ռʹ͍ͭͯนଧͪɾ%4ͷ։ൃڥඋΒͳ͍͜ͱ %4͕Δ͜ͱɾ࣮ࡍͷίʔσΟϯά ͪΐͬͱͨ͠ूܭͨ·ʹΓ·͢
࣋%41.ͱʁΛ·ͱΊΔͱϓϩμΫτΛཧղ͠ɾNJTTJPOWJTJPOWBMVFɾϏδωεߏɾσʔλߏࣄۀ෦ͷਓͱྑ͘ͳΓɺ͓ؾ࣋ͪΛཧղ͠ɾࣄۀ෦ͷਓԿʹ՝Λײ͍ͯ͡Δ͔σʔλੳͷྗͰղܾͰ͖Δ͜ͱͷڮ͠ɾٕज़ݟΛ׆͔ͨ͠ఏҊɾٕज़ݟΛ׆͔ͨ͠νʔϜϚωʔδϝϯτ ΔΒͷஅɺ݁Ռͷนଧͪɾਖ਼͍͠ߟΛࣄۀ෦ʹ͑ɺωΫετΞΫγϣϯΛఏҊ
Ҋ݅ྫ,1*ϩδοΫπϦʔ֓ཁɾαʔϏεάϩʔεΛاըͨ͠νʔϜͷൃɾݱঢ়֬ೝ ߈ΊॴͷѲɺ,1*ࡦఆͷͨΊʹϩδοΫπϦʔͷ࡞ΛఏҊɾࣄۀ෦ͱώΞϦϯάΛߦ͍,1*ࡦఆɾϢʔβηάϝϯτͷΓํ%4ͷݕূ݁Ռʹج͖ܾͮఆ ٳɺҭதͷఆٛɾϩδοΫπϦʔΛ༻͍ͨࢪࡦධՁํ๏ͷཱ֬ɾؔ࿈Ͱɺ/4.ͷࡦఆʹൃల1.ͷؔΘΓʁɾखΛಈ͔͢ͱ͜ΖҎ֎ͷશͯʹؔΘΔɾࣄۀ෦ͱͷNUHɾ,1*ͷࡦఆ ੳ؍Ͱͷҙݟग़͋͠Δɾ%4ϝϯόʔͷΞαΠϯͱܦաͷนଧͪɾใ׆ಈΑ͘ݟΔͱπϦʔͷΑ͏ͳܗΛͨ͠5BCMFBV
Ҋ݅ྫ ௨শ͓আ1+5֓ཁɾੳνʔϜͷ෦1+5ɾੳνʔϜ͕ఆظ࣮ߦ͍ͯ͠Δ+PCͷཧɾ։ൃΨΠυϥΠϯʹج͍ͮͨ։ൃମ੍ͷݟ͠ɾ֤छυΩϡϝϯτͷඋ1.ͷؔΘΓʁɾશମͷϨϏϡʔɾϞνϕʔλʔɾ༏ઌॱҐ͚%BJMZͰεϨουΛཱͯͯXBJXBJ͢Δ
Ҋ݅ྫͦͷଞݸผͷੳґཔ1.ͷؔΘΓɾґཔϑϩʔͷҰݩԽɾґཔഎܠͷώΞϦϯά ͜ΕͬͯຊʹඞཁͰ͔͢ʁΛฉ͘ͳͲɾґཔऀʹཁ݅ʹؔ͢Δ໌֬ͳݴޠԽΛଅ͢ σʔλఆٛɺظݶ֤छϢʔβΞϯέʔτͷఏҊ࣮ࢪ1.ͷؔΘΓɾࣄۀ෦ͱ՝ཧɺΞϯέʔτ࣮ࢪ֓ཁࡦఆɾৄࡉઃܭ ूܭ%4ͱࣄۀ෦͕୲ɾ࠷ۙɺࣄۀ෦ͷਓר͖ࠐΜͰ69Ϧαʔν1+5Λ্ཱͪ͛த
.- %41.ͷΩϟϦΞ
͋·ΓΒΕ͍ͯΔΩϟϦΞͰͳ͍ɾྺ࢙ઙ͍ۀքͳͷͰɺԿ͔ͱΩϟϦΞͷ͕͖ͳ͜ͷۀքɾ.- %4ͷٕज़ྗΛ׆͔ͨ͠1.·ͩϝδϟʔͳΩϟϦΞͰͳ͍ݸਓͷҙݟ.- %41.ͷࢢͱͯ͠ͷधཁࠓޙ૿͍͑ͯ͘ͱࢥΘΕΔɾ.- %4͕ͨΓલʹͳΓͭͭ͋Δࡢࠓɾ༷ʑͳاۀͰ.- %4৫͕ੜ·Ε͍ͯΔɾʮ.-1.ͷ͓͜ΓʯͰड़ͨΑ͏ʹɺ1.ͷඞཁੑ͕૿ͯ͘͠Δ͜ͱ૾Ͱ͖Δ1.1.Ͱઐ৬ɾ.-FOH %4ͷԆͰ1.ʹͳΔͱ͍͏ࣄྫΛݟΔɾ1.1.Ͱઐ৬Ͱ͋Δ͜ͱʹҙ ͖ෆ͖͋Δɾಛʹ.- %41.Ͱػցֶशɺ౷ܭɺιϑτΣΞͷࣝඞਢࠩผԽͷඞཁੑɾੜ͖ΔͨΊʹࠩผԽ͕ඞਢɾਓʹΑΓڧΈҟͳΔ FY࠷৽ͷ.-Ϟσϧʹৄ͍͠ɺΠϯϑϥʹڧ͍ɺίϛχϡέʔγϣϯೳྗɾࣗαΠΤϯεͷࣝͱ͓͠ΌΓͷೳྗΛڧΈͱ֮ࣗ.- %4ͷ࣍ͷΩϟϦΞͷબࢶͱͯ͠ͷ1.DSMLengWhat is Next Career?
࠷ޙʹ
ࠓͷൃද༰ɾ-*/&ͷ.-%41MBOOJOH5FBNʹ͓͚Δ.- %41.ͷ͓ࣄΛհɾΩϟϦΞͷબࢶͱͯ͠.- %41.Λհ࠷ޙͷ࠷ޙʹɾ.- %4։ൃʹؔΘΔօ༷ͷࢀߟʹͳΕ͍Ͱ͢ɾ-*/&ͱ͍͏αʔϏεΛʮ͞Βʹʯ͍ͯ͘͠ΕΔͱخ͍͠Ͱ͢࠷ޙʹ
THANK YOU
line_developers
lwug
s2terminal
ufried
yoshimi0227
niftycorp
shibuiwilliam
sekido
nagix
cybozuinsideout
k1low
akiroom
danielanewman
kastner
62gerente
philhawksworth
soudai
chrisshort
addyosmani
bkeepers
kevinliebholz
chrislema
reverentgeek
dotmariusz