“Business” and “Data” at DMM

Slide 1

Slide 1 text

1 石垣雅人 - DMM.com LLC 2019/12/05 「データ活用、支える技術と生まれるビジネス」 DMMにおける「事業」と「データ」「データ活用、支える技術と生まれるビジネス」

Slide 2

Slide 2 text

2 テーマ / ゴール About DMM.com DMMを支える「事業」と「データ」の立ち位置とデータ活用をどのように捉えているか、その方法論について考えていきます。 Photo by people building structure during daytime on Unsplash

Slide 3

Slide 3 text

3 About me Masato Ishigaki Product Owner at DMM.com  プラットフォーム事業本部 2015年度新卒入社 DMMにおけるアカウント(ID)、認証(Auth) 周りのプロダクトオーナーを経て、2018年7月にリードナーチャリング領域を強化するチームの立ち上げを行う。現在は複数プロダクトのプロダクトオーナーに従事 i35-267 @i35_267 i35-267

Slide 4

Slide 4 text

4 Agenda About DMM.com 事業について「事業」と「データ」の立ち位置事業を科学して計測可能にするデータドリブンによるイテレーティブな事業改善へ「アジャイル x データ」による失敗許容性の担保まとめ

Slide 5

Slide 5 text

5 Agenda About DMM.com 事業について「事業」と「データ」の立ち位置事業を科学して計測可能にするデータドリブンによるイテレーティブな事業改善へ「アジャイル x データ」による失敗許容性の担保まとめ

Slide 6

Slide 6 text

6 事業についてゲームエンターテインメント・コンテンツハードウェア・プロダクト自然エネルギー Eコマース 40以上のサービスを展開オンラインゲームや動画配信をはじめとしたエンタメコンテンツから、 DMMFX などの金融サービス、その他人材育成事業といった様々な分野の事業・活動に取り組んでいます。

Slide 7

Slide 7 text

40以上のサービスを展開 7 事業についてオンラインゲームや動画配信をはじめとしたエンタメコンテンツから、 DMMFX などの金融サービス、その他人材育成事業といった様々な分野の事業・活動に取り組んでいます。金融グローバルビジネス教育・コミュニティミュージアム・テーマパーク

Slide 8

Slide 8 text

8 事業についてライフスタイルアミューズメントその他、様々なサービスを展開＆開発中 ↓↓ https://www.dmm.com/ 40以上のサービスを展開オンラインゲームや動画配信をはじめとしたエンタメコンテンツから、 DMMFX などの金融サービス、その他人材育成事業といった様々な分野の事業・活動に取り組んでいます。

Slide 9

Slide 9 text

今年で創業から21周年の非上場企業 9 会社概要

Slide 10

Slide 10 text

10 Agenda About DMM.com 事業について「事業」と「データ」の立ち位置事業を科学して計測可能にするデータドリブンによるイテレーティブな事業改善へ「アジャイル x データ」による失敗許容性の担保まとめ

Slide 11

Slide 11 text

vb 11 「事業」と「データ」の立ち位置 vb 事業を科学して正しく事業の状態を計測可能にするデータドリブンによるイテレーティブな事業改善へ登壇時間配分 6 : 4

Slide 12

Slide 12 text

12 「事業」と「データ」の立ち位置 1. 事業を科学する = 「コード」で表現する 2. それをログデータをして出力すること。 3. 事業の健康状態を「データ」として蓄積するべき a. マクロ : 収益は上がっているのか。 PLとして黒字なのか b. ミクロ : 1ユーザーあたりの収益 4. どういう考え方で可視化していくか a. = システム理論的に事業を捉える b. = KPIマネジメント / ユニットエコノミクス vb 事業を科学して正しく事業の状態を計測可能にする

Slide 13

Slide 13 text

13 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによるイテレーティブな事業改善へ

Slide 14

Slide 14 text

14 Agenda About DMM.com 事業について「事業」と「データ」の立ち位置事業を科学して計測可能にするデータドリブンによるイテレーティブな事業改善へ「アジャイル x データ」による失敗許容性の担保まとめ

Slide 15

Slide 15 text

事業をシステム理論で捉える 15

Slide 16

Slide 16 text

16 事業をシステム理論で捉えるシステム理論とは何か 1. 世の中のあらゆるものを「システム」として捉える 2. システムとは「相互に作用する諸要素」を指す 3. システムが稼働するには、各要素が大事なのではなく、それをインタラクティブにつなぐ関係性が大事例として「家族」をシステムとして捉える - 単独な人だけがいても「家族」にはならない。 - 夫婦、親子などの「インタラクティブさ」が大事 - インタラクティブが違えば異なる「システム」になる私父母兄親子夫婦兄弟

Slide 17

Slide 17 text

17 事業をシステム理論で捉えるシステムの階層（サブシステム） 1. 1つの全体システムの中にサブシステムがぶら下がっている。システムとしてつながっていることを表現 2. ミクロからマクロをつながっていることを可視化する 3. 上位下位システムをズームイン・ズームアウトできる「家族システム」 - 家族の集合体として見た時に - 上位システムは「日本」下位システムは「人」 - どこ視点から見ても、階層やズームがわかるようにマクロミクロズームインズームアウト日本東京在住個々の集まり家族

Slide 18

Slide 18 text

18 事業をシステム理論で捉える事業をシステム理論で捉える 1. 事業をシステムとして捉えたときにシステムが稼働するための「相互作用する諸要素」を定義 2. それを「コード」で表現して、ソフトウェアのログデータとして出力する。 a. トラッキングすることで、どこまで細かくても追跡可能にする。訪問回遊 (検索・閲覧) 購入・利用広告経由ユーザーの行動

Slide 19

Slide 19 text

19 事業をシステム理論で捉える事業をシステム理論で捉える 2. それを「コード」で表現して、ソフトウェアのログデータとして出力する。 - それを「データ」として保存する。いわゆるそれがビッグデータ基盤（ DWH） - DMMだと1日に数億レコードが蓄積されて行っている。 - 詳細なユーザーの行動が細かく蓄積していく DWH 累計数千億レコードログデータ

Slide 20

Slide 20 text

20 事業をシステム理論で捉える事業をシステム理論で捉える 3. ミクロからマクロまで。ズームイン / ズームアウトしてもつながるようにする - 売上（マクロ）から1人のユーザーが出した売上（ミクロ）がつながる 2000億円 1万円 100億円 30代男性私深夜1~2時に購入するユーザー群 540億円ズームインズームアウト 2000億がどのように作られたものかがわかるように

Slide 21

Slide 21 text

事業をモデリングして観測可能にする 21

Slide 22

Slide 22 text

22 事業をモデリングして観測可能にする事業をモデリング（構造化）する - - 「サイバネティクス」という理論を用いる。制御工学 ※システム理論とほぼ同義語で扱われる - - システムをどう捉えるか入力 input 出力 output 開放システムシステム処理フィードバック正( + ) / 負( - ) 正( + ) / 負( - )

Slide 23

Slide 23 text

23 事業をモデリングして観測可能にする事業をモデリング（構造化）する - - 「サイバネティクス」という理論を用いる。制御工学 ※システム理論とほぼ同義語で扱われる - - システムをどう捉えるか入力資本、ヒト、モノ出力売上開放システムフィードバック正( + ) / 負( - ) 製品コンテンツ利用料金正( + ) / 負( - ) 事業モデル

Slide 24

Slide 24 text

24 事業をモデリングして観測可能にする事業をモデリング（構造化）する - 売上とユーザー行動を紐付ける科学的手法として「KPIマネジメント」がある。 - どんな入力値を入れれば、そんな出力がでるかを観測可能にする KGI KPI CSF CSF KPI KPI KPI

Slide 25

Slide 25 text

25 1日あたり売上 DAU ARPU DL数 Retention Rate （N日継続率）ストア経由 (自然流入) 広告経由自社導線経由プッシュ通知開封率 + 平均購入数コンテンツ平均単価 x メールマガジン開封率クーポン利用率 1日あたりの購入頻度 x x ・・・ Ex. ECサイトのアプリ

Slide 26

Slide 26 text

26 事業をモデリングして観測可能にする事業をモデリング（構造化）する - 「KPIマネジメント」は作って終わりではない。 - きちんと運用するサイクルを作る 1. 変化させたいKPI選定 2. 仮説立案 3. 検証（A/Bテスト、キャンペーン ,etc...） 4. 結果を計測→学習 KPI選定（課題）仮説検証計測

Slide 27

Slide 27 text

ユニットエコノミクス 27 - 100 - - 500 - - 750 - - 1,250 - - 2,500 - - 5,000 - コスト利益 5,000 - 2,500 - 1,250 - 750 - 500 - 100 - 会員登録ユーザー獲得コスト広告費退会購入・利用収益 CAC LTV

Slide 28

Slide 28 text

28 Agenda About DMM.com 事業について「事業」と「データ」の立ち位置事業を科学して計測可能にするデータドリブンによるイテレーティブな事業改善へ「アジャイル x データ」による失敗許容性の担保まとめ

Slide 29

Slide 29 text

29 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによるイテレーティブな事業改善へ

Slide 30

Slide 30 text

30 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによるイテレーティブな事業改善へ

Slide 31

Slide 31 text

31 データパイプラインの設計データレイク (Data Lake) データウェアハウス (DWH) データマート (Data Mart) DMMサービス郡 ETL データ分析基盤 Re:dash

Slide 32

Slide 32 text

32 データドリブンによるイテレーティブな事業改善へ課題と現実〜プラットフォーム編〜 - DMMにおける40以上のサービスが1つのDMM会員IDで統一されていることが理想 - そうすれば、ユーザーがどんな行動をしているかがトラッキング可能へ - DMM.comというプラットフォームの上にサービスが乗ることでクロスセル率向上やレコメンドアルゴリズムが柔軟になり、売上向上が見込める - M&Aなどで新規にDMMへ入るサービスなどは、ある程度トップダウンな意思決定が必要 DMMサービス郡 ETL 柔軟なトラッキング（追跡）が可能へ ... where ID = xxxx ID ID ID ID 同一のID

Slide 33

Slide 33 text

33 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによるイテレーティブな事業改善へ

Slide 34

Slide 34 text

34 A B 20% コンバージョン 5% コンバージョンイテレーティブな事業改善 - 事業のあらゆる領域を「コード」で表現してデータストアにユーザー情報が蓄積すると - 細かい改善ができるようになるデータドリブンによるイテレーティブな事業改善へ Ex. A/Bテスト

Slide 35

Slide 35 text

35 イテレーティブな事業改善 - 何が正解かなんてわからない - ユーザーも正解を知らない。 - そのため、小さく検証して探っていく。 Ex. 1. 1,000人に機能を先行リリースしてみる 2. 駄目 → やめる or A/Bの差分がないため追加検証 3. 3,000人に増やして且つユーザー属性も絞ってみる 4. ,etc... A B A B A B 1,000 / 30,000,000 30代男性特定サービスを使っているユーザーデータドリブンによるイテレーティブな事業改善へ

Slide 36

Slide 36 text

36 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによるイテレーティブな事業改善へ

Slide 37

Slide 37 text

37 R&D SRE CTO室 etc... アカウント購入・決済ログイン etc... etc... 検索ビッグデータ基盤データ分析基盤動画レンタル通販オンラインサロン FX DMM GAMES 電子書籍 CS機能 SoE (B to C) Systems of Engagement SoR (B to B) Systems of Record BC, VR,etc... 「データに基づく意思決定」が組織戦略の中心へ

Slide 38

Slide 38 text

38 PO SM Dev PO SM Dev PO SM Dev SRE PO SM Dev PO SM Dev Scrum Team 「データに基づく意思決定」が組織戦略の中心へドメインごとに自己組織化 Data Analyst 横断組織

Slide 39

Slide 39 text

39 「データに基づく意思決定」が組織戦略の中心へ目標現状課題改善の知見開発 Build 優先度の高い仮説数値検証 measure リリース Product 仮説/施策A 仮説/施策B 仮説/施策C PO Scrum Team BMLループバックログ優先度を決める KPIなどに紐づく目標と現状の細分から課題抽出

Slide 40

Slide 40 text

KPIなどに紐づく目標と現状の細分から課題抽出 40 開発 Build 優先度の高い仮説リリース Product PO BMLループバックログ優先度を決める目標現状課題改善の知見 Scrum Team 「データに基づく意思決定」が組織戦略の中心へ仮説/施策A 仮説/施策B 仮説/施策C 数値検証 measure 1. 現状認識・目標設定データアナリストとスクラムチームの連携　 2. 課題分析 3. 施策提案 4. 効果検証

Slide 41

Slide 41 text

41 Agenda About DMM.com 事業について「事業」と「データ」の立ち位置事業を科学して計測可能にするデータドリブンによるイテレーティブな事業改善へ「アジャイル x データ」による失敗許容性の担保まとめ

Slide 42

Slide 42 text

42 「事業」と「データ」の立ち位置 1. データ蓄積すると「データドリブン」が実現できる a. データストアからSQLを叩いてデータ分析が可能へ 2. 柔軟で細かいイテレーティブな事業改善が可能に a. ユーザーセグメントを絞って A/Bテスト 3. 「データに基づく意思決定」が組織戦略の中心へ a. DMMの意思決定を支える組織構造 b. データアナリストとの連携 4. それによって開発スタイルも変化 a. アジャイル x データで小さく作って、小さく失敗する b. イテレーティブさの誤解 vb データドリブンによるイテレーティブな事業改善へ

Slide 43

Slide 43 text

43 「アジャイル x データ」による失敗許容性の担保大きく作って、大きく失敗する小さく作って、小さく失敗する従来のウォーターフォール型の開発との違いアジャイル = イテレーションで小さく作るこれを実現できる = 「アジャイル x データ」は相性が良い

Slide 44

Slide 44 text

44 「アジャイル x データ」による失敗許容性の担保イテレーティブさの誤解 - アジャイル = イテレーティブ（反復） - 上のように部品を作るのではなく、下のほうに徐々に輪郭・クオリティーを向上させる - 上だと、結合したときに出戻りが発生した。 - ステークホルダーとの認識齟齬が最後の最後に生まれる https://gojko.net/2007/12/04/waterfall-trap/

Slide 45

Slide 45 text

45 「アジャイル x データ」による失敗許容性の担保商品を検索する商品が購入できるカートに入れるアカウントを登録・認証する支払い方法を選択する商品を検索する商品を購入する商品ページを見るジャンルで検索商品名で検索価格で検索商品レビューが見れるレコメンドでおすすめを表示するメールアドレスで登録する SNSアカウントで登録できるゲストで登録できるカートに入れるクレジットカードを登録するポイントを配るクーポンを配るクーポンを使う電子マネーで払う優先度アクティビティーステップユーザーストーリーマッピング

Slide 46

Slide 46 text

46 「アジャイル x データ」による失敗許容性の担保商品を検索する商品が購入できるカートに入れるアカウントを登録・認証する支払い方法を選択する商品を検索する商品を購入する商品ページを見るジャンルで検索商品名で検索価格で検索商品レビューが見れるレコメンドでおすすめを表示するメールアドレスで登録する SNSアカウントで登録できるゲストで登録できるカートに入れるクレジットカードを登録するポイントを配るクーポンを配るクーポンを使う電子マネーで払う優先度アクティビティーステップユーザーストーリーマッピング完成

Slide 47

Slide 47 text

47 「アジャイル x データ」による失敗許容性の担保商品を検索する商品が購入できるカートに入れるアカウントを登録・認証する支払い方法を選択する商品を検索する商品を購入する商品ページを見るジャンルで検索商品名で検索価格で検索商品レビューが見れるレコメンドでおすすめを表示するメールアドレスで登録する SNSアカウントで登録できるゲストで登録できるカートに入れるクレジットカードを登録するポイントを配るクーポンを配るクーポンを使う電子マネーで払う優先度アクティビティーステップユーザーストーリーマッピング MVP #1 MVP #2

Slide 48

Slide 48 text

48 「アジャイル x データ」による失敗許容性の担保商品を検索する商品が購入できるカートに入れるアカウントを登録・認証する支払い方法を選択する商品を検索する商品を購入する商品ページを見るジャンルで検索商品名で検索価格で検索商品レビューが見れるレコメンドでおすすめを表示するメールアドレスで登録する SNSアカウントで登録できるゲストで登録できるカートに入れるクレジットカードを登録するポイントを配るクーポンを配るクーポンを使う電子マネーで払う優先度アクティビティーステップユーザーストーリーマッピング MVP #1 MVP #2

Slide 49

Slide 49 text

49 Agenda About DMM.com 事業について「事業」と「データ」の立ち位置事業を科学して計測可能にするデータドリブンによるイテレーティブな事業改善へ「アジャイル x データ」による失敗許容性の担保まとめ

Slide 50

Slide 50 text

50 まとめ失敗を「仕組み」で許容する - コミュニケーションで失敗を許容するでは心理的安全性は生まれない。 - 事業モデルを構造化して観測可能にする - 小さく失敗できる環境を準備する。誰もヒットするサービスなんてわからない - 小さい失敗を積み重ねると組織は成長する

Slide 51

Slide 51 text

ご清聴ありがとうございました 51