$30 off During Our Annual Pro Sale. View Details »

意思決定を最大化するための”ループ”とループを回すための”施策”

 意思決定を最大化するための”ループ”とループを回すための”施策”

Masaya Hirano

June 16, 2022
Tweet

More Decks by Masaya Hirano

Other Decks in Research

Transcript

  1. 平野 雅也
 2022/06/16 
 意思決定を最大化するための”ループ”と
 ループを回すための”施策”
 DataOps Night #2 ~データ活用のための組織体制について話そう~


  2. 自己紹介
 • 名前:平野 雅也(Hirano Masaya)
 • SNS:retty, youtrust, twitter
 •

    所属:Retty株式会社 データ分析チームMGR 
 • 職種:エンジニア→データアナリスト
 • 食種:ステーキ(補足:Rettyには食の担当制度があります)
 ▼過去の取り組みがわかる記事 
 Rettyデータ分析チームの情報発信をまとめました|Retty Inc.|note
 

  3. Rettyについて


  4. None
  5. あなたにBESTな お店が見つかる プロダクトビジョン

  6. 分析チームについて


  7. データ活用の品質と生産性を高める仕組み作り 
 
 データ活用者にデータを届ける(データパイプラインの構築) 
 データ品質を高い状態にする(DWH開発) 
 データ活用のためのツール作り(BI開発) 
 2018年4月にチーム発足


    意思決定の最大化
 組織で発生する意思決定の 
 「早さ・納得感・正しさ」を高める 
 組織の意思決定を最大化することがミッション
 メ イ ン 領 域
 意思決定支援
 アナリストが、現場の意思決定を 
 定量定性分析を用いて支援する 
 データを活用して、ユーザーさ ん/飲食店さん/クライアンさん に価値提供
 データを活用する機能開発
 (e.g. お店のレコメンド, 人気店アルゴリ ズム)
 分析の民主化
 事業部の方々が、自分たちでデータ分 析をできるように、支援する 
 サ ブ
 領 域
 / 今 後 強 化
 し た い

  8. ここから本題


  9. 意思決定を最大化するための”ループ”と ループを回すための”施策”

  10. 右の図は、
 ”意思決定の最大化”ループ
 
 アウトカム=良い意思決定を増やすために も、このループを回すことが重要
 
 ループを回すためにこれまでに行った
 打ち手をご紹介
 今日の話


  11. なぜループを回すべきなのか
 ループを回さないとどうなるのか


  12. ループを回させないとどうなるのか
 事業側の分析需要に答えられなくなる
 事業グロースのボトルネックになり得る
 つまり、分析が進まないことで・・
 • 事業側はデータ活用によるアウトカム量を増やしたいため 需要は増える傾向にある 
 • しかしループが回らないとデータ活用量が増えないので

    需要に答えられなくなる 
 • 無理して分析需要に答えようとすると 慢性的に忙しい問題を生む 
 • 忙しさは期待値コントロールで解消できるものの 分析需要を満たせない問題は残る 

  13. ループを回せば事業グロースに貢献できる
 逆にいうと


  14. どのような施策で
 ループを回してきたのか?


  15. これまで打ち手
 ※番号は打ち手の順番
 フェーズ毎に変わる課題に応じてさまざまな打ち手でループを回し続けてきた


  16. ①:0->1フェーズ ~ 立ち上げ
 - 派遣型体制で成功事例を作る
 
 
 ②:1->10フェーズ ~ 拡大


    - データの民主化のスタート
 
 
 ③:10->5->10フェーズ ~ 停滞と再出発
 - スクラム導入&業務フロー整備でDWH開発の停滞を乗り 越える
 
 ④:10->20フェーズ ~ さらに拡大
 - Lookerとオフィスアワーで利用者層を拡大
 各フェーズ
 ※施策とフェーズの番号は対応しています

  17. ①:0->1フェーズ ~ 立ち上げ
 - 派遣型体制で成功事例を作る
 
 
 ②:1->10フェーズ ~ 拡大


    - データの民主化のスタート
 
 
 ③:10->5->10フェーズ ~ 停滞と再出発
 - スクラム導入&業務フロー整備でDWH開発の停滞を乗り 越える
 
 ④:10->20フェーズ ~ さらに拡大
 - Lookerとオフィスアワーで利用者層を拡大
 各フェーズ
 ※施策とフェーズの番号は対応しています

  18. 背景
 ループを回す上で最初の起点はどこだったか?
 DWH開発?
 非アナリスト活用 者増やす?


  19. 施策:派遣型体制をスタート!派遣先で成果を上げる
 ”良い意思決定が増える”をループを回すための起点とした
 データ活用の需要が少しずつ増える
 ループを回すための
 最初の一転がし


  20. ①:0->1フェーズ ~ 立ち上げ
 - 派遣型体制で成功事例を作る
 
 
 ②:1->10フェーズ ~ 拡大


    - データの民主化のスタート
 
 
 ③:10->5->10フェーズ ~ 停滞と再出発
 - スクラム導入&業務フロー整備でDWH開発の停滞を乗り 越える
 
 ④:10->20フェーズ ~ さらに拡大
 - Lookerとオフィスアワーで利用者層を拡大
 各フェーズ
 ※施策とフェーズの番号は対応しています

  21. 背景
 ループ構造を変える必要がある
 データ出しの永久ループ
 派遣型による成果創出によって少しずつ依頼が増えたきたものの、増える依頼に対して供 給が間に合わないことが予想されていた
 加えて、簡単なデータ出し依頼が多くアナリストの専門性が育たない


  22. ②非アナリストにDWHを展開&サポート
 ①DWH層の作り込み
 施策
 データ レイク層 DWH層 データ マート層 3層構造のうちのDWH層


  23. 施策①:DWH層の作り込み
 データ抽出の難易度低下により生産性が向上
 詳しくは↓
 つかわれるプラットフォーム 〜デザイ ン編〜@DPM#2
 データ活用の生産性が上がるループを追加


  24. 施策②:非アナリストにDWHを展開&サポート
 BigQueryExpertの実施
 なぜ:非アナリストのデータ活用者を増やすため
 内容:
 - ”基本的なデータ抽出”スキル獲得を目標とした、BigQueryの学習 プログラム
 - 週2回×1時間の3ヶ月コース
 -

    業務で使うPMを中心にスタート
 
 #analysis_askの運用
 なぜ:非アナリストの分析を”良い意思決定”に繋げるためのサポート
 内容:
 - BigQueryや分析のことに関する相談やFBができるチャンネル
 - アナリスト、もしくは知っている人が回答する
 - 相談が発展してMTGになることもある
 現場で分析が進むようになることでデータ活用量が増加
 アナリストに依頼する分析難易度が向上
 非アナリストのデータ活用者が
 増えるループを追加

  25. こうして”意思決定の最大化”ループが完成


  26. と思いきや・・


  27. ループが崩壊しました・・


  28. ①:0->1フェーズ ~ 立ち上げ
 - 派遣型体制で成功事例を作る
 
 
 ②:1->10フェーズ ~ 拡大


    - データの民主化のスタート
 
 
 ③:10->5->10フェーズ ~ 停滞と再出発
 - スクラム導入&業務フロー整備でDWH開発の停滞を乗り 越える
 
 ④:10->20フェーズ ~ さらに拡大
 - Lookerとオフィスアワーで利用者層を拡大
 各フェーズ
 ※施策とフェーズの番号は対応しています

  29. ループが崩壊した
 DWH開発/保守を後回しにしてしまい、 DWHが負債化
 →データ出し難易度が上がり、 非アナリストのデータ活用者が減った 
 →アナリストに依頼が増えるものの、仕事を断る流れがなく 慢性的な多忙を生んだ 
 背景


    アナリストが頑張るループに陥る 
 DWH開発の流れが止まる 

  30. ②アナリストの業務フローの見直し
 ①”スクラム体制”を導入
 施策
 分析
 レポート
 DWH
 開発


  31. • 受ける分析タスクに上限を設け、きちんと断った
 • 個人だと断りづらいので、チームで取り組むようにした
 施策①:以下をやりやすくするため”スクラム体制”を導入
 緩やかなループに調整された 
 詳しくは↓
 事業フェーズに応じた分析チーム体制 の改善


  32. スクラム導入と同時にアナリスト業務フローの中にDWH開発を組み込んだ
 施策②:アナリストの業務フローの見直し
 再びループが回るようになった 
 個人がDWH開発をする意義付けがされた 


  33. ①:0->1フェーズ ~ 立ち上げ
 - 派遣型体制で成功事例を作る
 
 
 ②:1->10フェーズ ~ 拡大


    - データの民主化のスタート
 
 
 ③:10->5->10フェーズ ~ 停滞と再出発
 - スクラム導入&業務フロー整備でDWH開発の停滞を乗り 越える
 
 ④:10->20フェーズ ~ さらに拡大
 - Lookerとオフィスアワーで利用者層を拡大
 各フェーズ
 ※施策とフェーズの番号は対応しています

  34. BigQueryユーザーであれば自らアドホック分析ができる状態だったものの、BigQueryに 慣れない層とってはデータ活用が難しい状態だった
 背景
 ここをもっと強化したい


  35. ②分析オフィスアワーの定期開催
 ①Lookerの導入
 施策


  36. ”BigQueryに慣れない層がLookerを用いて、自らアドホック分析ができる状態”を目指し た
 施策①:Lookerの導入
 詳しくは→RettyのLooker導入紀行 
 Lookerで自ら分析を行う姿を見かけるように 


  37. Lookerが継続利用されるような育成・サポート体制を目的とした取り組み
 施策②:分析オフィスアワーの定期開催
 こっちも強化
 オフィスアワー開始時のアナウンス 
 - 毎週水曜日の18:30-19:30に開催
 - Slackハドルに集まって、分析チームになんでも相 談できるカジュアルな場


    - 雑談やDWHに対する要望でもOK

  38. OutCome


  39. 社員の半数がデータ活用をするようになった
 [月間]BigQuery利用者数推移 
 77UU
 月間BigQuery利用者数 77 人 (2022年4月末) ※1 57

    % DWH利用率 ※2 ※1 LookerやBigQueryGUIを通してBigQueryクエリを実行した人をカウント対象 
 ※2 従業員数134名(21年9月末時点)を分母 
 Looker導入時

  40. 本日のまとめ


  41. 右の図は、
 ”意思決定の最大化”ループ
 
 アウトカム=良い意思決定を増やすために も、このループを回すことが重要
 
 ループを回すためにこれまでに行った
 打ち手をご紹介
 本日の話し


  42. • 良い意思決定を増やすために、良い意思決定が増える構造(ループ)を特定するこ とが大事
 
 • 良い意思決定が増えるループを回すために課題特定を行い、適切な打ち手を講じ ることが大事
 伝えたいこと
 Retty流 ”意思決定の最大化”のやり方


  43. 宣伝!


  44. 積極採用中です!
 中途データアナリスト募集要項 


  45. ポッドキャスト #スタチャやってます


  46. ご清聴ありがとうございました!