SaaSスタートアップにおけるデータマネジメントの始め方

Slide 1

Slide 1 text

Slide 2

Slide 2 text

© commmune Inc. All rights reserved 自己紹介前側将 Commmune - DataTeam Acting Manager お仕事 ● データサイエンス、データアナリスト、データエンジニア領域の立ち上げ・チーム組成 ● データプラットフォームの開発運用 ● 全社のデータ分析対応のリード SNS ● X (旧 Twitter)：@willanalysts ● Youtube：BIツール研究所その他書籍「BIツール活用超入門」子育ての機会に昨年より地元札幌移住。東京に毎月出張するようなライフスタイル Sho Maekawa X (旧 Twitter) アイコン

Slide 3

Slide 3 text

会社とサービスの紹介

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

はじめに

Slide 9

Slide 9 text

© commmune Inc. All rights reserved 前提条件のご紹介今日お話しする内容の前提 ● 従業員規模100~200人のフェーズの成長に投資するスタートアップ ● データ人材として分析からデータエンジニアリングまで行うメンバーが 2人在籍 ● モダンデータスタックに理解があり準備していたが手が回っていない状態 ● 私は100~人規模のデータチーム立ち上げが 2回目入社から6ヶ月ほどの取り組みのご紹介膨大なデータ分析依頼や基盤運用するだけのフェーズをいち早く脱却し事業に貢献できるデータ基盤作りに転用する必要があります。その一例としてスタートアップのデータチーム立ち上げフェーズにチャレンジしたい人の参考になれば幸いです。！その上で今日お話しすること ● スタートアップでいわゆるデータチーム全般の業務をどう進めたか ● 分析業務などもある中でデータマネジメントを進める工夫点 ● BtoB SaaSにおけるミニマムなデータ基盤の紹介

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

Slide 13

Slide 13 text

Slide 14

Slide 14 text

1.分析集計

Slide 15

Slide 15 text

© commmune Inc. All rights reserved スタートアップのデータチーム立ち上げ時の業務状態（分析業務）ソフトウェアエンジニアが兼業でデータ基盤をみていたり、一人目のデータ人材が全てのデータ業務を受けているケースだと以下のようなイメージ BtoBSaaS 従業員規模100人前後を想定分析業務 ● 顧客からのデータ集計依頼 ● プロダクトの分析依頼 ● CSマーケなどビジネスの分析依頼 ● 経営メトリクスの整理集計 ● 予測モデルやレコメンドモデル作成 ● NSM KPI設計 ● etc… 構造上の課題 ● 一人しかいないので潜在ニーズ含めて対応しきれない ● 分析依頼優先にしすぎてデータの整備が不十分。生産性や品質が悪い状態が続く ● etc…

Slide 16

Slide 16 text

© commmune Inc. All rights reserved 分析業務への向き合い方データアナリスト、データエンジニアなどチーム化していない 1-3人のフェーズでは... ● 資金調達、顧客との契約上重要な分析などはマストで対応 ● 個別の依頼は依頼対応ルールを作るここを整備しないと時間が溶けて終わってしまう。コミューンではデータアナリストとデータエンジニアが分業する 2024年までは一人あたり週最大 20%の工数を個別の分析依頼に当てる方針をとっている。また緊急対応でなければ月〜木は自身の業務に集中し金曜日に依頼のスプリントを組むようにして計画的に進めている。 ● 実行力が高くグロースする領域 1点に絞り優先するマーケ、セールス、CS、プロダクトなどの領域を四半期に一度など確認。 ex.事業会社初年度はセールスの成功確率をあげることが一番貢献できそう。 ex.2年目はチャーンがLTVに影響を与えないように CSとプロダクト改善の分析が貢献できそう。

Slide 17

Slide 17 text

2.データエンジニアリング

Slide 18

Slide 18 text

© commmune Inc. All rights reserved スタートアップのデータチーム立ち上げ時の業務状態（データエンジニアリング）ソフトウェアエンジニアが兼業でデータ基盤をみていたり、一人目のデータ人材が全てのデータ業務を受けているケースだと以下のようなイメージ BtoBSaaS 従業員規模100人前後を想定データ基盤周りの業務 ● dbtの設計運用 ● SQLコーディング ● ログやテーブルのレビュー ● データカタログ作る ● データ転送処理構造上の課題 ● 全域をスキルフルにカバーできない ● 何かを捨てないといけない ● etc…

Slide 19

Slide 19 text

© commmune Inc. All rights reserved データエンジニアリング業務への向き合い方データアナリスト、データエンジニアなどチーム化していない 1-3人のフェーズでは... ● 限界が来るギリギリの一歩手前で一気に対処する Datalake~Datamart、ETLツール導入、dbtの導入と経験上、忙しくても導入しないと詰むケースが必ずくる。限界がくるタイミングが見えてきたらそのギリギリ前に気合いで導入する ● Data Reliability Engineeringは最低限できる範囲で行うデータエンジニアとしてきちんとデータ信頼性を網羅的に担保したくなるが、スピード感的にミューンではデータアナリストとデータエンジニアが分業する 2024年までは一人あたり週最大 20%の工数を個別の分析依頼に当てる方針をとっている。また緊急のもの意外は月〜木は自身の業務に集中し金曜日に依頼のスプリントを組むようにして計画的に進めている。 ● 大通りを通る代表的な集計に使う汎用データマート作りを優先する分析集計依頼を普段から観察し、よくくる依頼にクイックで対応できるようなデータマートを作成する。ここを怠らないことが成功の第一歩。

Slide 20

Slide 20 text

© commmune Inc. All rights reserved おまけ：troccoに地味だけど色んなところで助けられている 1年前の忙しい時期に troccoの「カスタム変数でループ実行」という機能が地味に便利でした。同じようなfirebaseテーブルが不定期で増える仕様があり、都度 unionするのことが面倒だった。テーブル名をSQLで取得してその分だけループして UNIONする処理を作り自動化できた。

Slide 21

Slide 21 text

3.データ基盤の紹介

Slide 22

Slide 22 text

Slide 23

Slide 23 text

© commmune Inc. All rights reserved 基盤作りでこれから挑戦すること ● 急激にデータ人材が増える中で dbtの運用方針を定める ○ 有識者に相談して方針を立ててかうまく進められるか少し不安。 ● マルチプロダクト＆US事業対応 ○ データ活用やプロダクトの機能実装で相互に交わるニーズが今後発生する。 ● 可視化基盤の整理が未着手 ○ redashとLooker Studioの棲み分けルールがない。低コストで幅広く展開できるBIツールと可視化力が強力でレポーティング業務を円滑に進めることができるBIツールの組み合わせを検討する。 ● Salesforceなどビジネスデータの活用方針を定める ○ BQにデータを保存しているが、ビジネスサイドの活用は基本Salesforceから直で行っている。データアナリストチームを組成するタイミングでビジネスデータもBQから展開するパイプも作る。

Slide 24

Slide 24 text

4.データプロダクト

Slide 25

Slide 25 text

© commmune Inc. All rights reserved 25 今求められていること ChatGPTを使ってプロンプトするコツやアンチパターンを覚えたらデータアナリストと遜色がない分析ができる時代いかにデータを成果に直結できるか？ 🚀データプロダクト🚀 🚀LLM機能企画🚀 🚀MLエンジニアとの連携🚀 アナリティクス画面改善 DataHub(データ連携機能) ルールベース改善インサイト本日の参加者コミュニティマネージャー向け各種AIアシスタント LLMを用いたコミュニティ分析最適化レコメンド品質向上を意識したデータ設計ビジネス分析でレコメンドのためになるニーズ特定

Slide 26

Slide 26 text

5.ビジネスオペレーション

Slide 27

Slide 27 text

© commmune Inc. All rights reserved 27 自部署ではないが重要なことハイタッチCS高単価プランの場合、ビジネスサイドの利益コストのデータが重要になる。Ops職と連携してビジネスサイドのデータの品質を担保しないと分析や改善がしたくてできない状態になってしまう。 🚀ビジネスデータ品質🚀 🚀分析民主化🚀 🚀地道なモニタリングと運用🚀 Salesforceのデータ品質担保マーケデータの整理統合管理会計データの整理本日の参加者クイックな分析を部門でできる状態顧客の分析依頼を要件定義して、短期と長期の施策を考案できる状態　CSなど各部のための可視化集計多忙なCSをフォローするアラート機能

Slide 28

Slide 28 text

Slide 29

Slide 29 text

データマネジメントプロジェクトをどう進めるか

Slide 30

Slide 30 text

Slide 31

Slide 31 text

© commmune Inc. All rights reserved DMBOKを用いたデータマネジメントのアセスメントを行う自社の現在地を捉えることは「データチームの目線を揃える」「目指すべきデータによる成果を作るための説明材料」になるためスタートアップのデータチーム立ち上げ期でもやったほうがいい。引用：一般社団法人データマネジメント協会 https://www.dama-japan.org/Introduction.html

Slide 32

Slide 32 text

© commmune Inc. All rights reserved アセスメントの進め方 3ヶ月で実施したこと説明 PJ発足 DMBOKのアセスメントを自社に合う形で設計し評価を回せる状態を 3ヶ月で作る前提で設計。 DMBOK各章の輪読会有識者のnoteや参考文献を利用して読み合わせ。 DMBOK各章の定義や守備範囲の決定関わりあう各章の棲み分けや各章を一言で説明できるようにする。少数精鋭のスタートアップに合わせたアレンジの実施。評価点数と定義づけ自分たちが評価しやすい点数設計。現状評価各人で評価してすり合わせを行う。その中でズレがなければ評価設計がうまくいっている。スタートアップにおけるアセスメント設計 1.オペレーショナルエクセレンス、 2.品質最大化、3.経営戦略とデーて戦略の連動という 3STEPのゴールを設計。 OKRやロードマップと連動データチームの業務に組み込む。来期目標設計 PDCAを回せる状態を作る。

Slide 33

Slide 33 text

Slide 34

Slide 34 text

© commmune Inc. All rights reserved コミューンにおける評価の解釈とゴール設定自社に合う言葉でスコアつけすることが重要ゴールの設定も重要ゴールマルチプロダクトな全社のデータを用いたデータ戦略が経営戦略に紐づく状態主力事業のデータを用いたデータ戦略が経営戦略に紐づく状態主力事業のデータを高品質に流注できている貢献している状態主力事業のデータのオペレーションを高度に担保している状態

Slide 35

Slide 35 text

Slide 36

Slide 36 text

© commmune Inc. All rights reserved 何を実行するか会社のあるべき状態から整理する種別状況の例優先的にやることデータ分析プロダクト分析に集中するデータ品質データエンジニアリング＆データ基盤設計徐々にできることを増やしていくデータアーキ、データモデリング、メタデータデータプロダクト分析画面やDataHub頑張りたい！データセキュリティ、データ品質、オペレーションビジネスオペレーションまだ本格しないタイミングコンテンツ管理、データウェアハウス、BI

Slide 37

Slide 37 text

Slide 38

Slide 38 text

© commmune Inc. All rights reserved アセスメントの結果・データを単純に提供するだけでなく社員がデータを活用していくために、体制を含めてどのような順番で何をしていけば良いかを考えられるようになった。・自社のデータ基盤の現状と目指すべき姿が明確になり、より目線をそろえて業務ができるようになった。・データエンジニアのメンバーが自分でロードマップを積み、その結果をアセスメントしていきながら運営できるようになった。・データチーム以外に対してデータ基盤の必要性を説明する材料ができた

Slide 39

Slide 39 text

© commmune Inc. All rights reserved アセスメントで苦労したこと ● 入社してすぐに自社の状況整理をする必要がある ○ 自分のできることでクイックウィンしつつ、業務の全体像を把握していくことが難しい ● 業務の空いている時間で実行するとアセスメント結果が出るまで 3ヶ月ほどかかった ○ すり合わせて納得しながら進めることが重要だから仕方がない ● 幅広い経験が必要 ○ データエンジニアやデータアナリストの経験がないと解像度が低い領域ができてしまうし、初めて事業会社でアセスメントに取り組む場合はわからないことが多いと思う。 ○ Xで相談できる仲間がいるので探してみてください。

Slide 40

Slide 40 text

© commmune Inc. All rights reserved まとめ ● 分析業務、データエンジニア業務、データ基盤設計、ビジネスオペレーション、データプロダクトの観点から業務の整理とフォーカスポイントを定めた ● データマネジメントレベルを確認して目指すべきポイントを確認した ● DMBOKのデータマネジメントを元にアセスメントを実施した ○ 自社の状況に合うオリジナルな内容 ○ 立ち上げメンバー全員ですり合わせする ○ 業務整理＆データマネジメントレベルを踏まえたマネジメント実行計画を立てた