良質な意思決定を行うためのPM×データ分析体制 / RettyBeerBash#3

by Retty

Slide 1

Slide 1 text

No content

Slide 2

Slide 2 text

2 あなたにBESTなお店が見つかる

Slide 3

Slide 3 text

3 社長室　採用チーム好物：すし、肉趣味：麻雀、ボードゲーム経歴：2013年　富士通株式会社（1年）　　　2015年　株式会社リクルートキャリア（2.5年）　　　2017年　株式会社フーモア（2.5年）　　　2019年　Retty株式会社（1.5年）新卒では大手病を患っていて富士通へ入社。リクルートキャリアでHRに興味を持ち、営業から一転ベンチャーで人事キャリア開始！ 2019年11月、友人に誘われてRettyに入社しました！！大森美奈　Mina Omori 

Slide 4

Slide 4 text

プロダクト部門マネージャー兼プロダクトマネージャー好物：おでん、和食、最近イタリアンとワイン好き趣味：漫画（デスノートから少女漫画まで好きです）、ゲーム経歴：2012年　家庭教師の斡旋会社立ち上げ　　　2015年　インターンでRettyに入社　　　2017年　新卒でRettyに正社員として入社数値グロースプロセスでたくさんの成功と失敗を経験し経験し、現在は中長期を見据えたプロダクト全体の体験設計を担当。利便性だけでなく感情的に愛してもらえるようなプロダクトを作っていきたい人です。全人類の幸福度を底上げしたいです。 4 田中大登　Daito Tanaka 

Slide 5

Slide 5 text

データ分析チームマネージャー好物：ステーキ趣味：漫画、サウナ、温泉経歴：2014年　Rettyに新卒一期生で入社　　　2018年　データ分析チーム立ち上げエンジニア・プランナーとしてRettyのSEO領域を努めた後、組織のデータ活用需要に応えるため、データ分析チームを立ち上げた。現在は、データ分析チームのMGRとして「組織の意思決定最大化」をテーマに組織強化、プレイヤーとして事業/プロダクトグロースに向き合ってます。 5 平野雅也　Masaya Hirano 

Slide 6

Slide 6 text

データ分析チーム　データアナリスト好物：とんかつ趣味：マンガ（最近のイチオシ：東独にいた）・天鳳経歴：2014年　エンジニア　　　2019年　Retty入社　　　2020年　エンジニア → データアナリストプロダクトマネジメントへの関心が高まり、エンジニアからのキャリアチェンジを求めてRettyへ入社しました。人の生活に関わる領域のサービスを作り続けていたいです。 6 松田裕一郎　Yuichiro Matsuda 

Slide 7

Slide 7 text

プロダクト部門マネージャー兼プロダクトマネージャー好物：オムライス趣味：漫画、サウナ、(うまくないですが)ゴルフ経歴：2018年　データアナリストとしてインターン　　　2019年　Retty新卒入社　　　2021年　データアナリスト → PM 2019年に新卒でRettyにデータアナリストとして入社。プロダクトグロースや営業の売り上げ増加に関する分析を幅広く担当。入社当初から目指していたプロダクトマネージャーに今年から転向。 7 飯田悠斗　Yuto Iida 

Slide 8

Slide 8 text

8 アンケートのご協力をお願いします！

Slide 9

Slide 9 text

Vision 9 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 10

Slide 10 text

サービス開始から現在まで急成長 10

Slide 11

Slide 11 text

ユーザーさんにとってのRetty 11 実名型点数評価のないおすすめの口コミ「ヒト」から探す信頼できるヒトから、自分にあったお店を見つけることができる実名型グルメプラットフォーム

Slide 12

Slide 12 text

12 飲食店さんにとってのRetty 新規集客ストックアクセスアップ来店顧客管理リピート集客お店の”ファン”と出会い、長期的に繋がれる将来の常連さんを作る集客のインフラ

Slide 13

Slide 13 text

13 良質な意思決定を行うためのPM× データ分析体制

Slide 14

Slide 14 text

14 PMと分析チームの協業体制

Slide 15

Slide 15 text

データ分析チームを立ち上げることに  2018年前半頃、瞬時に多様な観点からの分析が必要なフェーズに    ・データ量の増加 | ユーザー数の増加や多様化     ・指標,フェーズ変化がより激しくなった | 変化を瞬時に察知しないと取り残される     ・社員数,ステークホルダーの増加 | 数値状況の見える化,透明性が重要だよね     ・意思決定難易度の上昇 | 他指標への影響をちゃんと加味して判断したい     などなどなど....  データ分析チームの立ち上げ背景 

Slide 16

Slide 16 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）   データ分析チームのミッション  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ためのチーム  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 17

Slide 17 text

プロダクトの成長に責任を持つ人  担当領域のユーザーストーリーの策定、他PMと議論してイテレーションに載せるユーザーストーリー決定、ロードマップの策定に責務を持つ   決断のための、選択肢を提言することに責任を持つ人  意思決定のための問題設定、分析設計、データ集計・可視化、解釈、提言までに責務を持つ   現在のPM×分析チームの協業体制  PM  アナリスト  選択肢の提言  データアナリストが意思決定の選択肢を提言、PMが決断 

Slide 18

Slide 18 text

データ強化によるBefore/After  社員数やチーム増加によって分析需要が上昇するものの、供給が追いつかない  数値状況の見える化,透明性ができておらず、チーム間での目線が揃っていない様々な指標を加味する必要があり、意思決定難易度が高い数値ダッシュボードの充実によって、チーム間で、同じ目線で議論できるようになった  データ分析の専門を置くことで、複雑な意思決定に対応できるようになった Before  After  意思決定支援や、分析の民主化によって、  ・現場の分析は現場  ・全社横断や複雑なものは分析チーム  で対応できるようになった  より早く多様な分析を行う体制ができてきた  などなど 

Slide 19

Slide 19 text

６. データアナリストからの  PM転向  良質な意思決定を行うためのPdM×データ分析体制  19 １. 基本的なユーザーストーリー実装までの流れと分析の関わり方  ３. 分析の民主化  PMの分析スキル向上  分析基盤整備  ２. 定常的UXリサーチ  ４. 定量・定性データの  使い分け  [Done] 現在体制/経緯  ＆データ強化による Before/After    ５. 数値を見る文化の作り方 

Slide 20

Slide 20 text

20 １. 基本的なユーザーストーリー実装までの流れと分析の関わり方

Slide 21

Slide 21 text

効果検証設計・打ち手の効果をどうみるか・どこにどんなログが必要か優先度判断工数/アウトカムでやるべきことを決める基本的なユーザーストーリーの実装までの流れと分析の関わり方  流れ関わり方定量分析課題目処立て定性分析課題の発見課題解決解決方針検討解決案具体化・仕様起票・デザイン事前検証打ち手で課題が解決されるかの事前確認 PM 分析分析設計・What：何を知りたいか・Why：なぜ知りたいか・How：どう知るか・Next：知ると何ができるかチーム内外の連携・デザイナー/エンジニアとの相談・営業/CSへの連携や懸念調査成果試算実装コストに対して得られるリターンの可視化

Slide 22

Slide 22 text

22 ２. 定常的UXリサーチ

Slide 23

Slide 23 text

ユーザーインタビュー  Rettyでのユーザーインタビューのプロセス目的設定（分析チーム・PM）　知りたいことの言語化　対象者選定の条件設計　大まかな質問設計対象者選定・スケジュール調整（分析チーム・CS）　　　　行動ログ分析やアンケートで選定　　　　メール・アプリから連絡　※外部サービスを利用する場合もあります質問設計（分析チーム）　　　　タイムテーブル設計　　　　前提となる質問　　　　目的達成につながる質問インタビュー実施（分析チーム・PM）　Zoom実施・Meet中継　録音・録画データを保管振り返り（分析チーム・PM）　　KJ法などで振り返り　　インサイト言語化　　数日 1~2週間 1~2週間 1週間

Slide 24

Slide 24 text

インサイトを得やすいインタビューにするために行っていること ① 目的設定・質問設計を行い、目的とリンクした質問にする　・目的のないインタビューは深堀りポイントがなく質問を流して終わりやすい ② インタビュー内容に即した対象者を選定する　・事前にアンケートでスクリーニングが可能であれば行う　・厳しい条件で選定し、徐々に緩和していく ③ ドメイン知識のある人をインタビュアーにする　・モデレーターとインタビュアーの２人で行うとスムーズ　・深堀りしていくのは思考の瞬発力が必要ユーザーインタビュー 

Slide 25

Slide 25 text

25 ３. 分析の民主化分析基盤整備 PMの分析スキル向上

Slide 26

Slide 26 text

分析の民主化① - 分析基盤整備  DWH開発：誰でもシンプルなSQLでデータを抽出できるようにした  データ集約：ユーザーログやプロダクトデータなど、BigQueryに集約 RDS ログ

Slide 27

Slide 27 text

分析の民主化② - PMの分析力強化  BigQueryの勉強会を行い、自らデータ出しを行える人を増やした  提供価値以下の時間的コストを支払う必要あり   ● 最大3ヶ月の期間  ○ 期間中でレベル3に到達した場合、本人の意思により今プログラムを終了することができる。  ● 毎週3hの時間確保  ○ 演習2回: 2h  ○ 予習/復習: 1h  ※人によっては目標に入れている     内容  ・1h×週2回みんなで集まり、ひたすら演習問題を解く  ・わからない点を質問し放題   受講者コスト分析の相談レビュー  前提：各チームの分析は現場で行ってもらう  分析設計、SQL、分析結果に対する相談レビューを継続的に実施  ・分析相談レビュー用のSlackチャンネルを運営  ・毎週水曜日の分析オフィスアワーで気軽に聞ける場を用意  クエリ相談している様子   分析オフィスアワーのお願い事項  

Slide 28

Slide 28 text

28 ４. 定量・定性データの使い分け

Slide 29

Slide 29 text

実装プロセスでの使い分け定量データ・定性データの使い分け  優先度判断工数/アウトカムでやるべきことを決める流れ定量分析課題目処立て定性分析課題の発見課題解決解決方針検討解決案具体化・仕様起票・デザイン事前検証打ち手で課題が解決されるかの事前確認目的：事実や量を明らかにする手法例：行動ログ分析目的：理由や心理を明らかにする手法例：ユーザーインタビュー目的：ソリューションが適切か手法例：アンケート・ユーザビリティテスト

Slide 30

Slide 30 text

30 ５. 数値を見る文化の作り方

Slide 31

Slide 31 text

数値を見る文化の作り方  BIツールを活用してデータをみやすく　→　BIツールの落とし穴を避けていく

Slide 32

Slide 32 text

数値を見る文化の作り方  落とし穴回避のための工夫を紹介：noteを画面共有させてください URLはこちら

Slide 33

Slide 33 text

６. データアナリストからの PM転向 33

Slide 34

Slide 34 text

課題発見から効果検証までの流れ  効果検証設計・打ち手の効果をどうみるか・どこにどんなログが必要か優先度判断工数/アウトカムでやるべきことを決める流れ関わり方定量分析課題目処立て定性分析課題の発見課題解決解決方針検討解決案具体化・仕様起票・デザイン事前検証打ち手で課題が解決されるかの事前確認 PM 分析分析設計・What：何を知りたいか・Why：なぜ知りたいか・How：どう知るか・Next：知ると何ができるかチーム内外の連携・デザイナー/エンジニアとの相談・営業/CSへの連携や懸念調査成果試算実装コストに対して得られるリターンの可視化

Slide 35

Slide 35 text

・SQLも書けない状態からスタート。まずはデータ出しが一人前にできるように四苦八苦。   ・要件が決まったデータ出しから、PMと連携して分析設計/見解を提案する側に徐々にシフト。  データアナリスト兼グロースPJ責任者（2020.8 ~ 2020.12) ・データアナリストからPMへ職種転向。   ・序盤は施策の仕様設計やディレクションをメインに実施。   ・その後自ら定量データを活用しながら全体のグロース方針や施策優先度を決めるように。  ・データアナリストという立場を経て、プロジェクト全体のプロダクトグロース責任者を担当。   ・全体のグロース方針やボトルネックの特定、インパクト試算等、グロースに関連することを、分析者という強みを生かして幅広く実施。   ・序盤はプロダクトグロースを中心に、サイト改善のための分析をメインに担当。徐々にインターン時代にはなかった目標設計や課題特定の領域での動きが増える。   ・その後プロダクト部門と営業部門の橋渡しとして、関連する数値の整備や意思決定のサポートを実施。  インターン時代（2018.10 ~ 2019.3) これまでやってきたこと  分析設計効果検証データアナリスト（2019.4 ~ 2020.7) PM （2021.1 ~ 現在) 課題目処立て効果検証解決方針検討優先度判断経験フェーズ解決策具体化事前検証リリース対応課題の発見

Slide 36

Slide 36 text

データアナリストからのPMキャリアの強み  データアナリスト時代に身につけたスキルセットがPMでもかなり活きてくる ① 問題解決に必要な基本的なソフト/ハードスキルが身につく　・ソフトスキル：論理的思考力 / 説明力 / 構造化する力　・ハードスキル：SQL / 統計知識 / スプレッドシート力 ② 問いに答えるための分析設計〜分析実施が自らできる　Whyへの意識 / 見るべき指標の勘所 / 定量の限界 ③ データに対しての解釈力が身につく　データ生成への着眼 / データの落とし穴 / 分析結果への解釈

Slide 37

Slide 37 text

① 価値提供までのディレクション　各種ステークホルダーとの優先度・仕様調整 / スケジュール管理 ② 筋の良い施策の立案及び具体化　具体的な施策の引き出しが少ない / 筋の良い施策かよく分からない ③ 優先順位を決める意思決定　毎日が意思決定の連続 / 何を重要な変数とするか / 決める覚悟データアナリストからのPMキャリアの苦労してる点  データアナリスト時代に経験しない箇所が主な苦労ポイント