データサイエンティスト紹介資料‗エムスリー株式会社

エムスリーのデータサイエンティストは、エムスリーおよびエムスリーグループのビジネス課題解決を通じて、全ビジネス・組織の成長にコミットするプロフェッショナル集団です。このスライドでは組織や仕事内容、環境、キャリアなどを説明します。

Transcript

1. エムスリー株式会社 データサイエンティスト職 説明資料 1.エムスリーについて P01-08 2.データ分析グループについて P09-13 3.データ分析グループで働く魅力 P14-21 4.求める人材 P22-26 5.働く環境 P27-29 6.受け入れ・人材育成 体制 P30-35 7.データ分析グループのスキル定義 P36-40 8.キャリアパス P41-45 9.まとめ P46-47
2. 1. エムスリーについて 1
3. ミッション テクノロジーを創造的に活用し、 健康で楽しく長生きする人を1人でも増やし、 不必要な医療コストを1円でも減らすこと 2
4. 国内最大級の医療従事者向けプラットフォームを運営 日本の医師の9割以上が登録するポータルサイトm3.com 3
5. 医療分野において独自の事業を展開するプラットフォーマー 主に医療従事者に対してアプローチしながら、同時にその先の一般の方々に対しても情報・サービスを幅広く提供 製薬会社 リサーチ 一般の方向け オンライン診療 MRのオンライン化 電子カルテ 医療機関キャッシュレス支払い Web講演会 医療・臨床ニュース 医師・薬剤師 患者 医師相談サイト 医師/薬剤師の 病院/クリニックの 転職・採用支援 開業・継承 医療機関 4
6. 医療分野において、エムスリーは総合力で競合他社がいない状態 医師会員 33 万人以上 9 割以上 日本の医師の 薬剤師会員 25 万人以上 7 割以上 日本の薬剤師の 医師が日常的に使うサイトとして、Google・Amazonを超える 国内外で650 万人の会員基盤 全世界の医師の合計 50 %以上をカ バー 医師が「有益と考える医薬品情報源」1 位 5
7. プラットフォームを活用したシナジーが成長戦略の重点テーマ プラットフォーマーとしての変遷 2000 年 インターネット サービス インターネット特化 2010 年〜 e × リアル オペレーション e × リアル 2020 年〜 エコシステム・ シナジー シナジー 6
8. 領域拡大と成長ポテンシャル 2010 国 3 事業タイプ数 6 展開事業数 10 （タイプ×国） 売上 （億円） 146 2015 8 （2.5倍） 15 （2.5倍） 24 （2.5倍） 647 （4.5倍） 2020 11 （3.5倍） 35 （6.0倍） 56 （5.5倍） 1,691 （12.0倍） 2023 17 （5.5倍） 38 （6.0倍） 71 （7.0倍） 2,308 （15.0倍） 7
9. コロナ関連で医療現場のDX化を推進し、売上利益規模を拡大 今後も中長期的目線で医療課題の解決に取り組む 売上収益 営業利益 コロナ関連収益を除く 事業は堅調に推移 8
10. 2. データ分析グループについて 9
11. データ分析グループのミッション あらゆるデータとあらゆる分析技術を活用して、 医療に最適な意思決定を適用する。 10
12. データ分析グループの位置づけ 各部門が保有するデータを活用する、部門横断のグループ 製薬企業／医療機関など ビジネス（コンサルタント／営業） データ分析グループ プラットフォーム | m3.com（プロダクトマネージャー／マーケティングプロデューサー） m3.com会員（医師 / 薬剤師 /...） 製薬マーケ ティング リサーチ 転職事業 開業・継承 サイトプロ モーション 全体最適 11
13. データ分析グループの役割と機能 分析・実装だけ担うのではなく、各部門の機能まで横断して 包括的に事業インパクト創出にコミット ビジネス ソリューション 分析 コンサル タント コンサルDS データ分析 グループ イノベーション プロダクト マネージャー 機械学習 エンジニア 12
14. これからの展望 2027年に向けた重点テーマ シナジー創出のためにも、データ分析グループは 社内でますます重要な位置付けに シナジーの強化 継続的にROIの高い分析を提供できる状態を維持し、 エムスリー全事業がデータ分析との協働が当たり前、という世界観を目指す 新ビジネスの支援 新規事業の立ち上げ、定量的な意思決定を支援する 継続的な新規プロダクト開発を支える サステナブルな分析・チーム環境 13
15. 3. データ分析グループで働く魅力 14
16. 働く魅力一覧 環境・カルチャー ① データの収集と打ち手が豊富な稀有なプラットフォームがあること ② データドリブンなカルチャーがあること 業務スタイル ③ 事業成長に主体的な関与とコミットができること ④ 本質的な課題解決に集中できること 成長機会 ⑤ 多種多様なプロジェクトを数多く経験できること ⑥ 経営陣から直接学びが得られること 15
17. 環境・カルチャー データの収集と打ち手が豊富な 魅力 ① 稀有なプラットフォームがあること M3のプラットフォーム データ データをひとつに集約（BigQuery）しているため 抽出コストが低く、必要なデータを自分で取得可能 保有データ例 ・m3.com行動ログデータ（属性/行動/実態・考え方） M3データ分析 グループ 打ち手 医師・製薬企業・患者・病院・リアル・Webなど 約70の事業を通じた多様なタッチポイントが活用可能 プラットフォームで得た膨大なデータを収集し 多種多様な分析と打ち手を企画・推進 ・大規模調査データ ・リアルワールドデータ あらゆるデータを取得・分析し、あらゆるタッチポイントを用いた 最適な打ち手を追求できる環境があります 16
18. 環境・カルチャー 魅力 ② データドリブンなカルチャーがあること 定量的・ファクトベース の意思決定と評価 ミニマムな承認プロセス とチーム編成 ▪会社全体でROIを重要視しており、想定ROIをベースにプロジェクトの優 先順位が決定 ▪プロジェクトの是非は、有意差検定を含む効果検証結果をベースに判断 ▪成果はファクトベースで定量的に評価 データ／分析リテラシーの 高いメンバー ▪グループ内と当該サービスチームで最小限の承認が取れればOK ▪データ分析グループに限らず、非分析者も含めて分析の素養が高い ▪プロジェクトメンバーは少数精鋭（5名程度）を基本としており、 ▪数値をベースにしたロジカルな主張が通りやすい スピード感を持ってプロジェクトを進められる データサイエンティストが ストレスなく働けて実力を発揮できるカルチャーがあります 17
19. 業務スタイル 魅力 ③ 事業成長に主体的な関与とコミットができること 事業PDCA 見つける（課題発見 定式化） 解く（データ取得 実装） 使ってもらう（判断 展開） プロジェクトマネージャー 上流工程から PdM外も参加 エンジニア 施策の効果があったかどうかまで関われる 分析者として 立案提案できる データサイエンティスト 繰り返し ただの作業者（分析だけする人）としてプロジェクトの一部分に 関わるのではなく、一気通貫で事業PDCAに携われます 18
20. 業務スタイル 魅力 ④ 本質的な課題解決に集中できること 「見つける」フェーズを最重要視 問題設定を誤ると、その後のプロセスをいかにうまくやっても成果は出ないため、 データ分析グループでは「見つける」フェーズに多くの時間を割いている 事業PDCA 最重要 多くの時間を割く 見つける 課題発見 定式化 ヒアリング・ログ解析 分析課題への落とし込み 解く 使ってもらう データ取得 実装 判断 展開 繰り返し 本当に解決すべき課題を解決するために、 データサイエンティストが問題設定・課題発見をリードしています 19
21. 成長機会 魅力 ⑤ 多種多様なプロジェクトを数多く経験できること 得られるスキル データ分析グループの1人あたり 年間貢献プロジェクト数 平均 28.5 ビジネス力 課題背景を理解した上で、 ビジネス課題を整理し、 解決する力 データサイエンス力 情報処理、人工知能、 統計学などの 情報科学系 の知恵を理解し、使う力 データエンジニアリング力 データサイエンスを意味のある形に使える ようにし実装、運用できるようにする力 ※データサイエンティスト協会より引用 多様なプロジェクト経験を通じて 市場価値の高いデータサイエンティストへと成長できます 3大スキルである「ビジネス力」「データサイエンス力」「データエンジニアリング力」のスキルが修練できます 20
22. 成長機会 魅力 ⑥ 経営判断に密接関与、経営陣から学びを得られること ミニマムな組織階層のため経営陣と距離が近い 確認・承認・意思決定スピードが超高速 定例MTGの場に代表取締役も参加、全社最適の視点で議論 事業の方向性を決定づける 経営判断に関与 担当施策について直接FB 経営陣からのFBや経営判断に関する議論を通じて 「経営思考」や「経営者視点の意思決定能力」を身につけられます 代表取締役が定例MTGに参加する部門は社内でも限られており、貴重な成長機会です 21
23. 4. 求める人材 22
24. エムスリーにフィットする志向性 フィットする志向性 ・ビジネスインパクトを出すためのデータ分析を行いたい ・医療等、社会貢献性の高い領域で新規事業に携わりたい ・データサイエンティストとして課題解決のスキルを伸ばしていきたい ・チームメンバーと協力して課題を解決したい フィットしない可能性のある志向性 ・最新研究の活用や、それを利用した分析技術の創出に、盛んに挑戦していきたい ・特定の技術にこだわりがあり、その技術が適用可能な業務を行いたい ・コードを書くのが好きで、できればずっとコードだけを書いていたい 23
25. 働き方例 ① マーケティングコンサルタント 担当業務 「m3.com」のログデータと分析技術を用い、 製薬企業向けソリューション提供をリード ・分析を用いた担当クライアントの課題解決 ・大型分析プロジェクトのリード ・分析ソリューションプロダクトの開発 ・組織と個人の成長を支えるための人財開発や分析基盤開発等のテーマ推進 入社事例 ・コンサルティングファームのデータサイエンティストとして、クライアント向けに 分析プロジェクトを実施してきた。 ・コンサルタント（非分析者）として、プロジェクトをリードしてきた。学生時代には 分析経験がある。 24
26. 働き方例 ② グロースハッカー 担当業務 「m3.com」展開中の事業改善・プロダクト開発をリード ・分析を用いた担当事業の企画立案や仮説検証 ・統計技術を活用したコンテンツのレコメンドエンジン開発 ・複雑な条件下において因果効果を考慮したプロモーション実施後の効果測定 ・事業目標（KGI）の達成に向けたKPI設計、事業成長に必要なDWH / ダッシュボード作成 入社事例 ・コンサルティングファームのデータサイエンティストとして、クライアント向けに 分析プロジェクトを実施してきた。 ・機械学習の経験はないが、事業会社のデータアナリストとして、データマート作成や 各種施策立案を実施してきた。 25
27. 働き方例 ③ サービス横断最適化 担当業務 「m3.com」展開中のサービスを横断した 全体最適化のための企画・開発 ・ユーザー調査・ログ／データ解析などを通じた企画立案・仮説検証 ・機械学習等の統計技術を活用した「m3.com」上のバナーレコメンドエンジンやメルマガ等の 配信頻度ロジックの開発 ・複雑な条件下において因果効果を考慮したプロモーション実施後の効果測定 ・LTV最大化を実現するための適切な中間指標の設定 入社事例 ・クオンツ／アクチュアリーを主業務として行い、データ分析プロジェクトでは機械学習を 扱っていた。 ・Kaggle等のデータ分析コンペで入賞経験がある。 26
28. 5. 働く環境 27
29. データ分析グループのメンバー構成 平均年齢29.5歳 中途/新卒の 割合 メンバーのキャリアは多種多様。 分析のプロフェッショナルもジェネラリストも在籍しています。 入社前の 職種 出身業界の 割合 中途（58%） ITエンジニア（43%） IT（Sler）（43%） 新卒（42%） クオンツ・トレーダー（29%） 金融（29%） データサイエンティスト（14%） コンサルティング（14%） コンサルティング（14%） 自動車（14%） 28
30. 働く環境 在宅勤務がメイン 個人のライフスタイルに合わせて融通しやすい環境。 週一回の出社日にはチームメンバーで ランチ会や交流会なども。 データベースはBigQueryにほぼ集約 残業少なめ・休みも取りやすい 開発言語 ： Python3.x, SQL 部署の平均残業時間：27.5時間/月 データベース ： BigQueryほか 有休：初年度17日～最大24日 インフラ ： オンプレミスサーバー, AWS, GCP 入社月に応じて入社日より付与、毎年勤続年数に応じた日数設定。 29
31. 6. 受け入れ・人材育成 体制 30
32. ＼ エムスリーは即戦力じゃなくても大丈夫 ／ 優秀なメンバー × 認めてくれる環境 があり 未経験でも成長できる会社です 31
33. 入社受け入れ〜人材育成 全体像 入社1年目 OJT プロジェクト キャッチアップ スキル向上 入社2年目〜 上位ロール プロジェクトの実戦経験を積むことが中心 ※作業自体は1人で行う必要はあるが、チームで進める仕事です ※何をどう進めるかはグループ内外のMTGの場で相談 フォロー研修 メンター制度 勉強会 ケイパビリティ開発会 事例共有会、よもやま相談 キャリア形成 上長との月次1on1 第二領域ミーティング スキル評価 ジュニア データサイエンティスト スキル評価 シニア データサイエンティスト その他にも、データサイエンティスト個人の成長を促進させる取り組みが充実 ※オフサイトミーティング、スキル獲得支援（書籍・資格研修）など 32
34. 新しいメンバーの受け入れ体制 実装などハード面のスキルに不安がある場合でも、手厚くサポート フォロー研修 メンター制度 入社１ヶ月を目安にスタートダッシュ研修を実施。 ビデオ講義や研修タスク演習を通じて 分析/エンジニアリング/製薬業界のキャッチアップを行います。 ドメイン知識 ビジネス 技術 エムスリーの各事業概要 データ分析グループ ルール ビジネススキル研修 Excel、議事録、生産性、論点思考 コミュニケーションガイドライン SQL研修 メンターによる日次1on1で 手厚いフォロー 典型タスク研修 MRFサービスの売上効果検証、コードレビュー、レコメンドロジック開発 33
35. 勉強会 （ケイパビリティ開発会） 戦略的に獲得すべきスキルを設定し、興味のあるテーマに取り組んでいます 生成AI LargeLanguageModels ・活用環境の構築 ・データ分析グループ外への展開 ・ユースケースの模索 機械学習 MachineLearning ・アルゴリズム理解 ・導入事例の作成／検証 プロダクトマネジメント ・マーケティング理論 ・データプロダクト事例 データ基盤 ・基盤の効率化／仕組み化 ・開発オペレーション 34
36. 上長との月次1on1 （第二領域ミーティング） 直属の上長と月次で1on1のミーティングを実施 個人の困りごと、目標へのアクション、キャリアパス等を議論します 参考：第二領域とは？一流のリーダーが考える最も効果の高い時間の使い方 https://biz-farm.jp/media/skill/post-528 緊急度 高 高 重 要 度 低 低 第一領域：問題課題の領域 第二領域：質の高い領域 すぐに実行しなければ、大きな損失が発生 将来に向けた備になること ・エラー対応 ・締切が近いタスク ・人間関係構築 ・スキル向上 第三領域：見せかけの領域 第四領域：無駄な領域 価値は低いが、やらなければならないこと 楽しいだけであとには何も残らないこと ・周囲からの問い合わせ対応 ・意義の低い会議への参加 ・SNS ・暇つぶし 35
37. 7. データ分析グループのスキル定義 36
38. データ分析グループの スキル定義と成長イメージ データサイエンティストに求められる、5つのスキルレベルを独自に定義 ① ② ビジネス力 分析力 ③ プロジェクト推進力 （コンサルティング） ④ ⑤ （プロダクト） 組織貢献力 イノベーション推進力 ※データサイエンティスト協会のスキルチェックリストを参考に定義 37
39. スキル定義: ①ビジネス力×②分析力 分析の作業者ではなく、最終的な事業インパクトに貢献 『①分析力』と『②ビジネス力』の両輪で、一気通貫にプロジェクトを推進 38
40. スキル定義: ③プロジェクト推進力×④イノベーション創造力 短期的な課題解決だけでなく、継続的に付加価値を創出 『③プロジェクト推進力』で短期的な課題解決を実施し、『④イノベーション創造力』によるプ ロダクト化を通じて、より効率的かつ継続的な付加価値創出を実現 39
41. スキル定義: ⑤組織貢献力 人材を生かして組織としての成果を最大化 データサイエンティスト自身が『⑤組織貢献力』を活用し、グループ内外のDX人材育成とDXカ ルチャーの醸成を推進 40
42. 8. キャリアパス 41
43. 配属の考え方 本人のWILLを踏まえ、 相談しながら配属チームを決定 1. 採用選考を通して本人のWillを確認 2. マネジメントチームで配属先を提案 3. 本人と相談して配属先を決定 配属後も1on1などで状況を確認。 本人の成長に合わせて兼任・異動を推進。 兼任・異動はおおよそ1年～2年程度 42
44. キャリアパス スペシャリスト • Principal Data Scientist(PD) • Executive Data Scientist(ED) このほか、 本人の志向や適性に 応じた幅広い キャリアパス マネジメント • Analytics Director(AD) • Analytics Manager(AM) ・データサイエンティスト ・プロダクトマネージャー ・データエンジニア ・事業開発 43
45. キャリアパス: スペシャリスト ニーズ×データ×分析技術に対する深い理解をもとに、組織横断的かつ 中長期的な価値を提供する分析ソリューションプロダクトの開発をリード。 44
46. キャリアパス: マネジメント エムスリーグループ内の各事業部の戦略パートナーとして、 データドリブンな意思決定と施策の実施を通して、事業成長を推進。 45
47. 9. まとめ 46
48. まとめ エムスリーは、 ・医療分野において独自の事業の展開するプラットフォーマー ・プラットフォームを活用したシナジーが成長戦略の重点テーマ ・シナジー創出のためにも、データ分析グループが社内でますます重要な位置付けに つまり これからデータ分析グループはもっと面白くなります。 事業としても個人としても飛躍できる環境で、一緒に成長してきませんか？ 47