Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
事業フェーズに応じた分析チーム体制の改善 Analyst Meet - 事業成長をリードするアナリストとは - 平野 雅也 2021/11/10
Slide 2
Slide 2 text
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 2020年の振り返り - 意思決定支援/分析民主化/データ基盤/ML
Slide 3
Slide 3 text
Rettyについて
Slide 4
Slide 4 text
ミッション 4 食を通じて 世界中の人々を Happyに。 世界に誇る日本の文化であり、世界中の人々の 暮らしの中心でもある、「食」という分野で、お店 を探す人とお店の人の双方がHappyになれる、 そんな世界を実現したい。その為に、お店をオス スメするというポジティブな感情で人をつなぐ事 がRettyの目標です。
Slide 5
Slide 5 text
あなたにBESTな お店が見つかる プロダクトビジョン
Slide 6
Slide 6 text
次世代の店舗づくりを支援するオーダーシステム 新規事業:モバイルオーダー
Slide 7
Slide 7 text
ここから本題
Slide 8
Slide 8 text
事業フェーズに応じた分析チーム体制の改善
Slide 9
Slide 9 text
Q)事業成長をリードするアナリストとは? A)攻めも守り(DataOps)もできるアナリスト 本日は守りを焦点とした話 イベントテーマとの繋がり
Slide 10
Slide 10 text
データの価値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
Slide 11
Slide 11 text
分析チームの体制 派遣型で各派遣先の意思決定を支援する形 データ分析チーム それ 以外 プロダクト部門 営業 部門 その他 部門 プロジェクト チーム 横断チーム データ 基盤 派遣先 チーム① 派遣先 チーム② 派遣先 チーム③
Slide 12
Slide 12 text
立ち上がりは良好、どんどん支援範囲を拡大 プロダクト部門の全体、営業部門と事業サイドはほぼカバー データ分析チーム その 他 プロダクト部門 営業 部門 その他 部門 プロジェクト チーム 横断チーム データ 基盤 チームA チームB チームC 拡大していく 支援対象
Slide 13
Slide 13 text
しかし 2年くらい経ったタイミングで 問題が発生した
Slide 14
Slide 14 text
慢性的な多忙
Slide 15
Slide 15 text
業務が日に日に増えて常に忙しく余裕がない ● 夜遅くまで働くのが慢性的に続いていた ● メンバーからは成長実感はあるものの、長期では保たないと悲鳴
Slide 16
Slide 16 text
守り(DataOps)が回らず、 事業側の分析需要に応えずらくなってきた ツール・DWHの保 守に手が回らない 忙しさが悪循環を生む 忙しい ツール・DWHの負 債化で依頼量増え る
Slide 17
Slide 17 text
いくつか打ち手を講じてみたものの効き目なし 打ち手①:人が増えれば解決するのではないか 打ち手②:役割の明文化をして、仕事の線引すればいいのではないか
Slide 18
Slide 18 text
いくつか打ち手を講じてみたものの効き目なし 打ち手①:人が増えれば解決するのではないか →増えてもその分チーム全体としての仕事量がプラスされた 打ち手②:役割の明文化をして、仕事の線引すればいいのではないか
Slide 19
Slide 19 text
いくつか打ち手を講じてみたものの効き目なし 打ち手①:人が増えれば解決するのではないか →増えてもその分チーム全体としての仕事量がプラスされた 打ち手②:役割の明文化をして、仕事の線引すればいいのではないか →やるスコープは絞られたものの、減った分、役割内の仕事量がその分増えた
Slide 20
Slide 20 text
表層課題にアプローチしてしまい 根本課題が解決されなかった 分析チームなのに分析ができていない・・
Slide 21
Slide 21 text
システム思考 を使ってみてはどう? by エンジニアMGR常松
Slide 22
Slide 22 text
システム思考とは何か 問題解決のフレームワークの一つ 問題を単発の出来事として考えずに、パターンとして捉え、 そのパターンを生み出している構造を理解することで構造に働きかける 詳しいやり方は別資料で紹介されています
Slide 23
Slide 23 text
実際に描いた因果ループ
Slide 24
Slide 24 text
見えてきた構造 「仕事を断る」流れがなかった ● リードタイムを増やすことで、全てのタスクを対応していた ● 結果、膨大なタスクを自分の限界まで追い込んで消化していた ● 依頼者の待ち時間が増えて、信頼が落ちる不安感が高まっていた ● 「不要な仕事は依頼されないだろう」という無意識で生まれた前提も見えてきた リードタイム 増える 忙しさ 増える 業務量 増える 成果 増える 支援先 増える 信頼低下の 不安感 「全て引き受けます!」 「依頼は全てやるもの」 「とにかく引き伸ばす」 「限界まで対応する」
Slide 25
Slide 25 text
どのような対応をとったか ● 受ける分析タスクに上限を設け、きちんと断る。 ● 個人だと断りづらいので、チームで取り組むようにする。 上記をやりやすくするために スクラム体制を導入
Slide 26
Slide 26 text
● スプリントを設け、スプリントごとに上限を設ける ○ 適正業務時間で取れる範囲に収めた ○ チームのルールだからと断ることができる仕組みにした ● 個人での優先度付けから、チームで優先度を管理 ○ 優先度を話し合う場を設けて、高いものに集中するようにした ● 毎週・毎期ごとに、チームで振り返りをする ○ 問題が大きくなる前に、小さい段階で発見と改善をするようにした スクラムをどのようにやったのか 主要なものだけ抜粋すると以下の3つ
Slide 27
Slide 27 text
スクラム導入の効果
Slide 28
Slide 28 text
ツール・DWHの保 守に手が回る 忙しさ問題が解消され、好循環が生まれた 忙しさが減る ツール・DWHの充 実で依頼数が減る 事業優先度の高い領域の支援に 集中できるようになった 守り(DataOps)が回ることで、 現場で対応できることが増える
Slide 29
Slide 29 text
● 適切な期日設定ができるようになり、分析の質に専念することができた ● 毎週振り返りをすることで、チームの問題に小さく改善を回す力が付いた 個人プレーからチームプレーになりチーム力が強化
Slide 30
Slide 30 text
やってみてわかった 派遣型と中央集権型(スクラム)の メリデメ
Slide 31
Slide 31 text
派遣型のメリデメ メリット ● 成功事例を作りやすく、成功事例を作ることで 役割の確立がしやすい ● 問いの設定の前段階から相談されるので、 踏み込んだ事業貢献ができる デメリット ● ノウハウ・ナレッジが個人に閉じて、 チームで提供品質が保ちにくい ● チーム全体でやることの優先順位が落ちて、 事業貢献に悪影響が出やすい ● 担当範囲が広がると業務量や優先順の自己調整が難しくなり、 業務過多に陥りやすい
Slide 32
Slide 32 text
中央集権型(スクラム)のメリデメ メリット ● 適切な業務量調整ができるため、 時間的・心身的な余裕を作れる ● チームの振り返り力が高まり、DataOpsの改善から生産性を向上させやすい ● チーム間での情報共有が進み、 属人化を避けて、個人のスキル差分を補いやすい ● 上記のメリットにより、優先度が高い事業への支援に集中しやすくなる デメリット ● 事業領域に深く踏み込みづらく、 問いを立てる力が身に付きにくい ● 優先順位が明確になる反面、支援ができない事業領域が生まれる
Slide 33
Slide 33 text
メリデメの気づきを踏まえて
Slide 34
Slide 34 text
ハイブリッド型を検証中 ハイブリット型とは? ● 一部のアナリストを派遣型として、残りをスクラム対応する方式 ● 攻めと守りを疎かにせず、事業成長をリードし続けられる比率 ○ 例)派遣:スクラム = 80%:20% 中央集権型では足りない理由 ● 事業観点:能動的に探索する動きが取りにくい ○ よりディスカバリー(イシュー特定)の動きを求められるフェーズ ● 育成観点:問いを立てる力が付きにくい ○ ジュニアアナリストを育成し、継続的に事業成長のリードするため
Slide 35
Slide 35 text
本日のまとめ
Slide 36
Slide 36 text
事業フェーズに合わせて 攻めだけでなく守りの体制も改善する
Slide 37
Slide 37 text
Rettyの事業成長をリードする データアナリスト
Slide 38
Slide 38 text
宣伝!
Slide 39
Slide 39 text
積極採用中です! 中途データアナリスト募集要項
Slide 40
Slide 40 text
ポッドキャスト #スタチャやってます
Slide 41
Slide 41 text
ご清聴ありがとうございました!