Data-Driven x DevOps - Speaker Deck

Data-Driven x DevOps

by Masato Ishigaki / 石垣雅人

Slide 1

Slide 1 text

石垣雅人 - DMM.com LLC 2019/04/10 DevOpsDays Tokyo 2019 Data-Driven x DevOps Dev Ops

Slide 2

Slide 2 text

Slide 3

Slide 3 text

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

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Slide 11

Slide 11 text

© DMM.com 11 Agenda About DMM.com 11 11 What is DevOps x Data-Driven Product → Measure (DWH構築) Measure → Data (優れたデータ可視化） Data → Learn (どう学習するか) Learn → Idea（効果的な施策立案） IDEA BUILD PRODUCT MEASURE DATA LEARN

Slide 12

Slide 12 text

Slide 13

Slide 13 text

Slide 14

Slide 14 text

© DMM.com 14 IDEA BUILD PRODUCT MEASURE DATA LEARN どう作るか (DevOps) ビッグデータ基盤へデータストリーム (Data-Driven) データの可視化 (KGI, CSF, KPI) (Data-Driven) データからどう学習するか (Data-Driven) 効果的な施策立案 (Data-Driven) 何を作るか ※優先度 (Agile)

Slide 15

Slide 15 text

© DMM.com 15 Agenda About DMM.com 15 15 What is DevOps x Data-Driven Product → Measure (DWH構築) Measure → Data (優れたデータ可視化） Data → Learn (どう学習するか) Learn → Idea（効果的な施策立案） IDEA BUILD PRODUCT MEASURE DATA LEARN

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

Slide 19

Slide 19 text

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

© DMM.com Product → Measure (DWH) 22 Tracking-API RabbitMQ JSLibrary DWH Consumer Aerospike Digdag Hive Spark Sqoop Presto Zeppelin Re:dash BIツール : Re:dash 誰でもクエリを打って分析できるような文化作っています。 ex. エンジニア、営業、etc...

Slide 23

Slide 23 text

© DMM.com 23 IDEA BUILD PRODUCT MEASURE DATA LEARN Data-Drivenにおいてデータを集約させることが第一優先プロダクトをリリースしたら必ず、ビッグデータ基盤に集約データ分析基盤で誰でもSQLで取得 Product → Measure (DWH) ユーザー行動を蓄積・購入履歴、閲覧履歴・ユーザー属性・クリック履歴, etc... 誰でもクエリを打って分析できるような文化作っています。 ex. エンジニア、営業、etc... BIツール : Re:dash

Slide 24

Slide 24 text

© DMM.com 24 IDEA BUILD PRODUCT MEASURE DATA LEARN Data-Drivenにおいてデータを集約させることが第一優先プロダクトをリリースしたら必ず、ビッグデータ基盤に集約データ分析基盤で誰でもSQLで取得 Product → Measure (DWH) プロダクトをリリースした瞬間にユーザー行動が可視化されるのが理想 1000ユーザー 8% 50% 2% 売上 : 100万

Slide 25

Slide 25 text

© DMM.com 25 Agenda About DMM.com 25 25 What is DevOps x Data-Driven Product → Measure (DWH構築) Measure → Data (優れたデータ可視化） Data → Learn (どう学習するか) Learn → Idea（効果的な施策立案） IDEA BUILD PRODUCT MEASURE DATA LEARN

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Slide 28

Slide 28 text

© DMM.com 28 1. 優れた指標は比較ができる a. 指標として出した数値が、他社と比較できたりこの時間に CVが上がっているなど時間軸で比較できたりする必要があります。 2. 優れた指標はわかりやすい a. 指標が出した数値の意味が一瞬でわからなかったりすると、組織として数値を追う文化ができにくい。 3. 優れた指標は比率や割合である。 a. 指標を数ではなく比率にすることでその数値を上げていけば良いのか下げていけば良いのかわかりやすい。 Measure → Data =計測からデータ可視化

Slide 29

Slide 29 text

Slide 30

Slide 30 text

© DMM.com 30 Measure → Data (優れたデータ可視化) 定性的 = 主観的で感覚的な指標インタビュー・調査ユーザークレーム定量的 = 科学的な数値な指標会員登録数売上金額本物の指標 = 次の行動につながる指標虚栄の指標 = 次の行動につながらない指標 ex. 会員登録数のみ = 時間の経過とともに上がる ex. 会員登録数 + 離脱率 + DAU, MAU,etc... 定量的指標 vs 定性的指標

Slide 31

Slide 31 text

Slide 32

Slide 32 text

© DMM.com 32 Measure → Data (優れたデータ可視化) 相関指標 = AとBが関係している相関指標 vs 因果指標これから起こることが予測できる。因果指標 = A to Bであること未来を変えることができる B A 『交番の数』が多いほど『犯罪件数』も多い。 → 交番を減らしても犯罪は減らない。相関関係であって因果関係ではない。【テーマ】因果関係を探すために相関関係がありそうな数値をグラフ化してモニタリングし続ける！

Slide 33

Slide 33 text

Slide 34

Slide 34 text

Slide 35

Slide 35 text

Slide 36

Slide 36 text

Slide 37

Slide 37 text

© DMM.com 37 Measure → Data (優れたデータ可視化) KGI KPI CSF KPI CSF 中長期的な目標 KGI達成の要因 KGI達成の要因 CFS達成の数値 CFS達成の数値プロダクトにおいてどれが先行指標となり得るかを考えるヒント : 相関指標を探る ex. Facebookは「アカウント作成後、10日以内に複数の友達とつながればそのユーザーはエンゲージメントする」という相関指標を見つけました。相関指標1 相関指標2 相関指標3 相関指標4 相関指標5

Slide 38

Slide 38 text

© DMM.com 38 Agenda About DMM.com 38 38 What is DevOps x Data-Driven Product → Measure (DWH構築) Measure → Data (優れたデータ可視化） Data → Learn (どう学習するか) Learn → Idea（効果的な施策立案） IDEA BUILD PRODUCT MEASURE DATA LEARN

Slide 39

Slide 39 text

Slide 40

Slide 40 text

Slide 41

Slide 41 text

Slide 42

Slide 42 text

Slide 43

Slide 43 text

Slide 44

Slide 44 text

Slide 45

Slide 45 text

Slide 46

Slide 46 text

© DMM.com 46 例) ユーザーセグメント/ファネルごとに行動可視化ファネル年月 No 1 検索/流入商品ページ閲覧レコメンド閲覧カート追加決済 2 3 4 5 1,000 2,000 3,000 80 50 25 17 150 100 50 25 100 80 40 20 ファネル遷移 0.7% 50% 50% 仮説サンプル検索/流入→ 商品ページ閲覧のファネル間遷移が「0.7%」と低い検索/流入→ 商品ページ閲覧のファネル間遷移が「0.7%」と低い仮説サンプル「4.カート追加 → 5.決済」のファネル遷移が「0.6%」と低い「3.レコメンド閲覧 → 4.カート追加」のファネル遷移が「 50%」と高い = 「4.カート追加 → 5.決済」を増やせば全体的な購入数が上がるはず！次のアクション・バスケットからの決済導線CTRを定量化・UI/UX観点でヒートマップを見てみよう

Slide 47

Slide 47 text

© DMM.com 47 Agenda About DMM.com 47 47 What is DevOps x Data-Driven Product → Measure (DWH構築) Measure → Data (優れたデータ可視化） Data → Learn (どう学習するか) Learn → Idea（効果的な施策立案） IDEA BUILD PRODUCT MEASURE DATA LEARN