データでサービスのイノベーションを起こす！ビジネスバーティカル型組織へのシフト

by CyberAgent

Slide 1

Slide 1 text

No content

Slide 2

Slide 2 text

Abema 開発本部 / 開発局 Abema Data Center Manager IT業界大手企業でのソフトウェア開発、 3G携帯網の開発を経て、 2011年株式会社サイバーエージェント入社。「アメーバブログアプリ」、「 Simplog」の開発、「755」でCTOを担当。 2018年2月より「Abema」開発本部に参画。岸　良 (Makoto Kishi) Profile

Slide 3

Slide 3 text

アジェンダ  1.データ活用の土台  2.スケールする組織  3.イノベーションの布石  4.まとめ 

Slide 4

Slide 4 text

1.データ活用の土台 

Slide 5

Slide 5 text

データ活用のポイント  1.データ活用の土台  戦略  環境  組織 

Slide 6

Slide 6 text

戦略  1.データ活用の土台  現状分析を元に経営戦略が決定され、経営戦略を実現するためのデータ戦略が策定されている  経営戦略データ戦略データマネジメント

Slide 7

Slide 7 text

環境  1.データ活用の土台  データガバナンス  データ品質  データ設計  データ統合と相互運用性  システム  マスターデータ  データウェアハウスデータを利活用する関係者が一様にデータを理解し、安全に利活用できる     ビジネスインテリジェンス/分析   依存関係  ・  アウトプット  データマネジメント知識体系ガイド第二版より

Slide 8

Slide 8 text

組織  1.データ活用の土台  データ戦略を実現するためのガバナンスが成立し、データ活用のコンテキストの増加に伴って組織をスケールすることができる      Business  Analyst  Data Scientist  Engineer  Search  Recommend  Ads  Premium 

Slide 9

Slide 9 text

2.スケールする組織 

Slide 10

Slide 10 text

直面する組織課題  ●分析が先か施策が先か分からない  ●データエンジニアが適切にアサインできない  ●データ基盤のデータ仕様がよく分からない  ●精度向上施策のステークホルダーが多くて実装リソースが確保できない  ●他のデータ組織とのやり取りが単発になり広がらない  2.スケールする組織 

Slide 11

Slide 11 text

直面する組織課題  ●分析が先か施策が先か分からない  ●データエンジニアを適切にアサインできない  ●データ基盤のデータがよく分からない  ●精度向上施策のステークホルダーが多くて実装リソースが確保できない  ●他のデータ組織とのやり取りが単発になり広がらない  2.スケールする組織  データ組織として一つにまとめ組織内でビジネスコンテキストでグループ化する

Slide 12

Slide 12 text

ビジネスバーティカル組織  Business  Analyst  Data Scientist  Engineer  ● 活用ドメインに基づいて自律的に意思決定、行動計画を立てる体制  ● サービスの注力箇所以外でも必要な場所は速度が落ちるが立ち止まらず進む事が可能  2.スケールする組織  Business  Analyst  Data Scientist  Engineer  Business  Analyst  Data Scientist  Engineer 

Slide 13

Slide 13 text

適用例 AbemaDataCenter  2.スケールする組織  Abema Abema Data Center MDTS (旧秋葉ラボ) データ基盤ログデータ (データレイク) マスタデータ整形データ (データウェアハウス ) 集計データ (データマート) DS,ML ◯　　◎　　◯ DE 　　　　　　◯ DM ◯　　◯　　◯ DSC DS,ML DMC DM,DD 検索広告推薦外部データ組織 AIラボ他研究機関 AWS 兼務 ● データ利活用の関連組織を一つのレポートラインに収束する管理体制に変更  ● データ業務全体での最適化、人員計画、アサインコントロールの実施  ● 活用ドメインに基づいて自律的に意思決定、行動計画を建てる体制へのシフト  ● データ基盤の保守開発を1フロー化する  ● 対外組織とのフロントとなりえる体制の構築  データ関連組織が集約され   ニーズに応じた対応を促進  

Slide 14

Slide 14 text

3.イノベーションの布石 

Slide 15

Slide 15 text

データ分析の課題  1. サービス課題を施策に落とし込む部分に協力できていないので、依頼された背景などが分からない  2. 意思決定の際に全体の施策に対する分析者の意見が主張できていない  3. 効果測定の段階でサービス指標側への効果の分析や、次の打ち手の提案まで分析者が一貫して担えていない    3.イノベーションの布石  運用分析サービス課題  施策検討  意思決定  実装  効果測定 

Slide 16

Slide 16 text

データ分析の促進  1. サービス課題を自ら取りに行き、施策検討に参加して施策検討側の意図に沿った分析から提案までを行う。 2. 機械学習のコーディングや計測ログの設計を含めて実装に参加する。 3. 効果測定を実施し、データ分析者の判断と今後の提案をセットで伝えPDCAを牽引する。    3.イノベーションの布石  分析サービス課題  運用施策検討  意思決定  実装  効果測定  見つける解く使わせる

Slide 17

Slide 17 text

ユーザクラスタ分析ユーザー普遍属性性別年齢パーソナリティ協調性誠実性ライフスタイル朝ニュースクラスタA クラスタB クラスタC クラスタD アンケート行動ログ嗜好性スポーツ好き恋リア好き日中暇・1週間の行動パターンが同じユーザの好んでいるコンテンツ群・月毎に他サービスと課金で行き来している浮遊クラスタ詳細分析クラスタに対する視聴時間の推測新しいクラスタを生む編成プランの検討 3.イノベーションの布石 

Slide 18

Slide 18 text

レコメンドマッチング精度向上  行動ログ  興味  視聴  レコメンド精度  外れる  不足  ユーザの興味  運用  ・運用バイアス  ・不要バイアス    ログ  ・再表示  ・CH切り替え  ・分割視聴    メタ  ・付加精度が低い  ・ユーザ属性がない     運用開拓  ● バイアスを抜いたデータとの比較 ● 正確な行動把握をするためのログ収集 ● コンテンツ開拓させるための仕組み ● メタ精度の向上 ● ユーザクラスタの活用データへのノイズ   メタデータ 

Slide 19

Slide 19 text

ポートフォリオコンテンツ戦略 Abema内 Abema外＋ Abema内  ・視聴・課金獲得実績   ・運営評価  Abema外  ・ユーザーアンケート   ・コンテンツ類似度   コンテンツ評価データコンテンツデータ制作によるコンテンツ調達によるコンテンツ可処分時間の Abema移行ライフサイクルへの浸透コンテンツ戦略に基づいた制作や調達でコンテンツを拡充しポートフォリオの精度を上げる実績を積んだユーザー └基礎メタ/テーマ └視聴実績 └ユーザー評価 └運営評価 └コスト・昼間韓流層・朝ニュース層・深夜アニメ層・恋リア特化層ユーザーセグメントユーザーデータユーザ属性視聴・行動ログクラスタリング └性別 └興味ジャンル └アンケート └性別 └興味ジャンル └アンケート └トレンド └視聴率 └話題性・性別・年齢ユーザ属性デモグラコールドスタートユーザーコンテンツマッチしたユーザーを増やすデータの活用フロー  3.イノベーションの布石 

Slide 20

Slide 20 text

まとめ  ● スケールするデータ組織  ○ ビジネスバーティカルにグループを切り、自己完結型の組織にする事でシームレスにスケールできる状態を作れる  ○ 1つの組織内でビジネスバーティカルを実現することで、レポートラインやリソースコントロールを管理する事ができる  ● イノベーションへの布石  ○ 分析者が積極的に課題設定から、効果測定まで関わっていきサービス全体にデータ活用を浸透させる  ○ データを活用し、ユーザの可処分時間のAbemaシフト、ライフサイクルへの浸透を創出する 

Slide 21

Slide 21 text

No content