サービスの成長段階とデータ分析

Women in Data Science TOKYO @ IBMでの講演資料
https://widstokyoibm2020.splashthat.com/

主にB2Cサービスの成長段階に応じて、データサイエンティストに求められるスキルセット（ビジネス、エンジニアリング、サイエンス）のバランスの変化と、マインドセットの変化についてお話しました。
現段階の見解なので、引き続き経験と知見を溜めながらブラッシュアップを続けていきます。

Transcript

1. サービスの成長段階とデータ分析の位置付け 株式会社リクルートマーケティングパートナーズ 後藤真理絵
2. Agenda | ・自己紹介 ・担当サービスの紹介 ・データサイエンティストに求められるスキル ・サービスの成長過程と関連KPI ・成長過程ごとのデータ分析の違い ・成長過程ごとに求められるデータ人材のあり方 ・データ人材の幸せのために
3. 弊社のご紹介
4. 出会い・結婚・出産 自動車 学習・進路 リクルートマーケティングパートナーズのサービス
5. 出会い・結婚・出産 自動車 学習・進路 リクルートマーケティングパートナーズのサービス
6. スタディサプリ
7. 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
8. 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マーケティング パートナーズ スタディサプリ/Quipper サービス利用状況分析 自己紹介
9. 世の中でイメージされる データサイエンティスト像と比べると、 私はイメージが違うかもしれません
10. 「Data Scientist」でアイコンを検索すると・・・ Creative Commonsライセンスの画像を DL https://thenounproject.com/ なんでもお見通し系 理系の実験系？ 予測する人
11. 今日は、 “ データサイエンティストにも色々な役割や 価値の出し方がありそうだ ” というイメージを持ち帰っていただける ような話をしたいと思います。
12. ①データサイエンティストに必要なスキルと 　マインド ②サービスの成長段階によって、見るデータと 　必要なサイエンス能力は変容 ③成長段階に応じたデータ人材のあり方 本日お伝えしたいこと
13. ①データサイエンティストに 必要なスキルとマインド
14. ビジネス、データサイエンス、データエンジニアリングの3つの視点が必要 データサイエンティストに求められるスキル 資料：データサイエンティスト協会プレスリリース (2014.12.10) http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
15. 資料：2019年度スキル定義委員会活動報告 http://www.datascientist.or.jp/symp/2019/pdf/1115-1155_skill.pdf 事業ドメイン別の必要スキルの明確化
16. 例：マーケティング業界 資料：2019年度スキル定義委員会活動報告 http://www.datascientist.or.jp/symp/2019/pdf/1115-1155_skill.pdf
17. 例：金融業界 資料：2019年度スキル定義委員会活動報告 http://www.datascientist.or.jp/symp/2019/pdf/1115-1155_skill.pdf
18. 例：流通業界 資料：2019年度スキル定義委員会活動報告 http://www.datascientist.or.jp/symp/2019/pdf/1115-1155_skill.pdf
19. 私の考え ・従事するサービスの事業モデルの理解、 　サービスの向かう方向性の理解は必須 ・それを踏まえた分析の目的設定、データ 　取得設計、分析設計を、 　推進するマインドセットが大事
20. ②サービスの成長段階によって、 見るデータと必要なサイエンス能力は変容
21. リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 サービスの成長段階(B2Cの場合の例) Service Growth 事業として成長を加速させていく時期
22. ユーザーに問い、 受容性を確認 初期ユーザーの 獲得 競合プレイヤーと 市場で切磋琢磨 インフラ化 プラットフォーム化 リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 成長段階ごとに目指す姿(例) Service Growth
23. KPIは、現状把握系から改善活動、事業成長にシフト ❖ CV数 ❖ 主要機能利用率 ❖ ユーザー数 ❖ 新規CVR ❖ 主要機能利用状況 ＜市場関連＞ ❖ ユーザー数 ❖ 市場シェア ＜サービスの価値関連＞ ❖ 主要機能利用状況 ❖ 新機能の利用状況 ❖ CS問い合わせ ❖ 満足度、NPS ＜事業関連＞ ❖ マーケティングROI ❖ LTV ＜市場関連＞ ❖ ユーザー数 ❖ 市場シェア ＜サービスの価値関連＞ ❖ 主要機能利用状況 ❖ 新機能の利用状況 ❖ CS問い合わせ ❖ 満足度、NPS ＜事業関連＞ ❖ マーケティングROI ❖ LTV ❖ クロスユース ❖ ロイヤリティプログラム リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 成長段階ごとのKPI(例) Service Growth
24. KPIは、現状把握系から改善活動、事業成長にシフト ❖ CV数 ❖ 主要機能利用率 ❖ ユーザー数 ❖ 新規CVR ❖ 主要機能利用状況 ＜市場関連＞ ❖ ユーザー数 ❖ 市場シェア ＜サービスの価値関連＞ ❖ 主要機能利用状況 ❖ 新機能の利用状況 ❖ CS問い合わせ ❖ 満足度、NPS ＜事業関連＞ ❖ マーケティングROI ❖ LTV ＜市場関連＞ ❖ ユーザー数 ❖ 市場シェア ＜サービスの価値関連＞ ❖ 主要機能利用状況 ❖ 新機能の利用状況 ❖ CS問い合わせ ❖ 満足度、NPS ＜事業関連＞ ❖ マーケティングROI ❖ LTV ❖ クロスユース ❖ ロイヤリティプログラム リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 成長段階ごとのKPI(例) Service Growth 現状把握がメイン ・サービスの主要機能を整える ・初期マーケティング
25. ❖ CV数 ❖ 主要機能利用率 ❖ ユーザー数 ❖ 新規CVR ❖ 主要機能利用状況 ＜市場関連＞ ❖ ユーザー数 ❖ 市場シェア ＜サービスの価値関連＞ ❖ 主要機能利用状況 ❖ 新機能の利用状況 ❖ CS問い合わせ ❖ 満足度、NPS ＜事業関連＞ ❖ マーケティングROI ❖ LTV ＜市場関連＞ ❖ ユーザー数 ❖ 市場シェア ＜サービスの価値関連＞ ❖ 主要機能利用状況 ❖ 新機能の利用状況 ❖ CS問い合わせ ❖ 満足度、NPS ＜事業関連＞ ❖ マーケティングROI ❖ LTV ❖ クロスユース ❖ ロイヤリティプログラム リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 Service Growth KPIは、現状把握系から改善活動、事業成長にシフト 成長段階ごとのKPI(例) ・サービスの磨き込み ・事業のドライバー指標の発掘 　施策実施、評価のサイクル
26. ドライバー指標？？
27. 成長のドライバーとなる様々なKPIを定義し、計測しながら運用・評価する 苦手分野を 補強したい学生 事業KPI オンラインで 継続的に学習し 夢や目標に近づく × ＝ 学習成果 コンテンツ利用率 継続利用率 学習KPI 1日◯時間 週◯日 × Key Results Objective 市場拡大期の例「学習KPI」　学習者編
28. 先生 事業KPI オンラインで 継続的に学習し 夢や目標に近づく × ＝ 学習成果 コンテンツ利用率 継続利用率 学習KPI 先生の宿題配信数 生徒の宿題提出率 自主学習の頻度 対話の頻度 × Key Results Objective 生徒 成長のドライバーとなる様々なKPIを定義し、計測しながら運用・評価する 市場拡大期の例「学習KPI」　学校編
29. 市場拡大期の視点 ・多種多様なデータからドライバー指標を発掘 ・ドライバー指標に関係／影響する事象の発見 　（パターンの発見、要因解明） ・施策を実施し、ドライバー指標の向上有無を評価
30. 事業KPIを最大化するための最適な解を見つける 良い品物を お得に買いたい 売り場における 最適なマッチング による機会の最大化 × ＝ 多様な 商品群 × アルゴリズム 購買促進 施策 セグメント別購入率、購入数 Key Results Objective 安定運用期の一部の例　最適化問題 施策成果
31. 安定運用期の視点 ドライバー指標の発見は継続しつつ、 ・施策の精度向上を重視（効果の最大化） ・施策効果を予測し評価する
32. こうしたサービス変化に データサイエンティストは どう関わっていくことになるのか？
33. 段階ごとに ・使うデータの特性 ・使う手法 ・期待されるスキルとマインド 　が変容
34. ③成長段階に応じたデータ人材のあり方
35. リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 組織 期待役割 ビジネス エンジニア リング サイエンス ＋α 兼任 専任者1~2名 BI設計、営業や マーケからの 集計依頼対応 DBからの集計、BI ツール実装 BIでの可視化表現力 機能ごとに3名 以上のチーム制 ビジネス課題の 深堀分析 システムUI設計、 可視化表現力 部格。役割は明確。 プロジェクト型 市場動向からのビジネス 課題発見、解決のための インサイト発見 大規模データ処理運用、 予測モデル運用環境構築 意思決定につながる データの伝達力 予測モデルを用いた 機能の拡充 サービスの成長段階に応じたデータ人材の期待スキル 成長段階に応じてビジネス、エンジニアリング、サイエンスの比重が変化 レポート自動化・ 基盤運用、分析用 データマート作成 機械学習・統計解析・ マイニング等での インサイト分析 データ取得設計、 運用を見据えたDB 基盤構築 データ 取得設計
36. リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 組織 期待役割 ビジネス エンジニア リング サイエンス ＋α 兼任 データ 取得設計 データ取得設計、 運用を見据えたDB 基盤構築 サービスの成長段階に応じたデータ人材の期待スキル リリース前は、運用を考えたDB構築能力がかなり重要 ・ほぼ生ログ ・整備して、集計できるようにする
37. リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 組織 期待役割 ビジネス エンジニア リング サイエンス ＋α 兼任 BI設計、営業や マーケからの 集計依頼対応 DBからの集計、BI ツール実装 BIでの可視化表現力 専任者1~2名 サービスの成長段階に応じたデータ人材の期待スキル 立ち上げ期は、少数で「事業の見える化」がメイン業務 データ取得設計、 運用を見据えたDB 基盤構築 ・2群の比較（A/Bテストなど） ・軸を切った数値の集計が中心 ・スピーディーな可視化と 　意思決定促進が重要 データ 取得設計
38. リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 組織 期待役割 ビジネス エンジニア リング サイエンス ＋α 兼任 BI設計、営業や マーケからの 集計依頼対応 DBからの集計、BI ツール実装 BIでの可視化表現力 役割ごとに3名 以上のチーム制 ビジネス課題の 深堀分析 レポート自動化・ 基盤運用、分析用 データマート作成 システムUI設計、 可視化表現 機械学習・統計解析・ マイニング等での インサイト分析 専任者1~2名 サービスの成長段階に応じたデータ人材の期待スキル 市場拡大期は、チームでビジネス課題を解決する分析に軸足が移る データ取得設計、 運用を見据えたDB 基盤構築 データ 取得設計 複数の変数を使った深い分析 ・要因分析 ・パターン発見 ・統計解析、データマイニング、 　機械学習モデル等を用いた予測 ←ビジネス ←エンジニアリング ←サイエンス ＋α
39. リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 組織 期待役割 ビジネス エンジニア リング サイエンス ＋α 兼任 専任者1~2名 BI設計、営業や マーケからの 集計依頼対応 DBからの集計、BI ツール実装 BIでの可視化表現力 機能ごとに3名 以上のチーム制 ビジネス課題の 深堀分析 システムUI設計、 可視化表現力 部格。役割は明確。 プロジェクト型 市場動向からのビジネス 課題発見、解決のための インサイト発見 大規模データ処理運用、 予測モデル運用環境構築 意思決定につながる データの伝達力 予測モデルを用いた 機能の拡充 サービスの成長段階に応じたデータ人材の期待スキル 安定運用期は、プロジェクト型で複雑な課題を解きにいく レポート自動化・ 基盤運用、分析用 データマート作成 機械学習・統計解析・ マイニング等での インサイト分析 データ取得設計、 運用を見据えたDB 基盤構築 データ 取得設計 ・複雑に絡み合った課題が増える ・事象を分解しつつ分析する ・深掘分析で見出した問題を 　機械学習等を用いてシステム化
40. マインドセットはどうだろうか？
41. リリース前 リリース後 立ち上げ期 市場拡大期 安定運用期 サービスの成長段階に応じたデータ人材のマインドセット 各段階で、マインドセットを変容させて貢献する ０→１に 関われる 何が起きても 悟りの境地 日々状況が 変わる、混沌 サービスの 広がりを体感 一人何役も持つ 臨機応変 アグレッシブさ 基盤は混沌、、 エンジニアと ビジネスの間を埋 める 責任者へのインサ イト提示 事業を動かす 事業視点で伴走 分析事例共有 基盤整備もある 関係者は爆増 調整事も必要 問題定義力 プロマネ視点 整った基盤で試行錯誤 定型業務から学べる 世の中へのインパクト 定型業務・改善案件と 複雑な問題を解く 大型案件に二極化 責任者との距離感
42. みなさんのスキルとマインドセット、 どのフェーズに近かったでしょうか？
43. • スキルとマインドセットの整理 　　　　　＋ • サービスがどの成長段階なのか • どんな人が必要とされそうか 常にアップデートし続け、 どんな環境でも自分の役割を認識して 動ける人材になっておく • サービスが成長段階のどこか • これから向かう方向はどこか 　　　　　＋ • 今いる人のスキルとマインド • 今後必要な人のスキルとマインド よりマッチした応募者が集まりやすい Job Descriptionになるのではないか データ人材サイド データ人材募集サイド データ人材の幸せのために 各段階ごとの期待役割を想定し、スキル・マインドをアップデートし続ける
44. 事業ドメインごとに求められるスキルとマインドの 定義が進む サービスの成長段階ごとに、スピード重視の現状把握か ら、事業成長のためのドライバー指標発掘・施策精度向上 にシフトしていく傾向 成長段階ごとの期待役割とスキル、マインドセットも言語 化が重要 まとめ
45. ご清聴ありがとうございました