Slide 1
Slide 1 text
1
創業140年の古い会社でデータの民主化を
進めた話
日本経済新聞社 鈴木陽介
Slide 2
Slide 2 text
鈴木陽介（Suzuki Yosuke）
ウェブサイトの運用・編集・記者、新聞記者などを経て2009年から
日経電子版の企画開発に関わる。
2011年ごろから社内エンジニアによる開発の内製化を主導、初代
スマホウェブ版や「爆速化」したウェブ版を担当。
2017年データドリブンを加速するための教育制度「データ道場」を
開始。現在は機械学習・AIのプロジェクトを管轄しつつ、開発環境
の改善や社内人員のトレーニングに取り組んでいる。
自己紹介
2
Slide 3
Slide 3 text
日本経済新聞社について
3
1876年（明治9年）12月創刊
約140年の歴史
全世界で300万部（紙・電子
版の合計）を発行する世界
最大の経済新聞社
Slide 4
Slide 4 text
4
日経電子版って
消費者向けのインターネット有料サービスの先駆け。
月額4200円！という高いサービスに60万人もの有料会員がいる
※紙とのセット売りでは電子版部分は1000円
Slide 5
Slide 5 text
● ブラウザー向け
● iPhone/Android向けアプリ
● 認証、課金
● CRM・データ分析
● コンテンツマネジメント・システム
● 広告
● グループ会社、サードパーティー連携
● ビジュアライゼーションコンテンツ制作
などの企画・開発を手がける
日経電子版の開発業務
5
Slide 6
Slide 6 text
6
ビジュアライゼーション
データ、技術、デザ
インを総合的に駆
使するコンテンツ開
発
vdata.nikkei.com
Slide 7
Slide 7 text
日経電子版で働く人たち
7
エンジニア、データサインティスト、デザイナー、マーケ
ター、ビジネス企画
Slide 8
Slide 8 text
8
FTとの連携
● 2015年買収
● 爆速サイト開発
● データ分析プロジェクト
○ 1人渡英中
● 編集システムなどの情報
を共有
● 英語力＋＋
○ 英語ランチ会も実施中
Slide 9
Slide 9 text
新聞販売店が間に入り、読者が誰で、どんな風に、どんな記事を
読んでいるかの情報は持っていなかった。
※アンケート等で収集したものは除く
日経電子版以前
9
Slide 10
Slide 10 text
電子版では読者との直接取り引きとなり、いつ、誰がどんな風
にどの記事を読んでいるかわかるようになった
日経電子版以降(2010年)以降
10
Slide 11
Slide 11 text
800万人以上の日経ID会員データ
250万件の記事
● どのボタンを押したか
● どこまでスクロールしたか
● どの記事の見出しをみて、どの記事を結果的に読ん
だか/読まなかったか
平日1日のデータ量 1億件
11
Slide 12
Slide 12 text
読者の過去20日間の利用頻度、閲覧した記事本数か
ら算出される数値を事業に関わる人全体で向上させる
べきものとして定義
→エンゲージメント指標
→この数値が高いほど読者が解約しにくい
データを元に共通の目標を設定
12
Slide 13
Slide 13 text
13
● Super Loyal
● Loyal
● Middle
● Light
● Dormant
エンゲージメントの数値によって5つのカテゴリーにわ
けている
エンゲージメントレベル
Slide 14
Slide 14 text
14
● 外部のSaaS型＋オンプレからAWS上に内製のプラットフォーム
を構築
● データを分析したり、収集したりする自由度が圧倒的に上がった
○ RedashやElasticsearch/Kibanaで分析
新データプラットフォーム Atlas
Slide 15
Slide 15 text
ここまでの話
● そもそも顧客データを持っていなかった会社が集める
ようになった
● 自社製のデータプラットフォームを構築
→あとはデータを扱える人を増やしていく
「データ分析の民主化」
15
Slide 16
Slide 16 text
お金や人をかけて、仕組みは作った。
、、、でも誰も使わない
実際よくある話
16
触り方がわからない、
アクセス方法がわからない、
忙しくて手が付かない
Slide 17
Slide 17 text
2017年からデータドリブンを進めていくためのトレーニングの枠組み
として「データ道場」を開始
そこで「データ道場」
17
Slide 18
Slide 18 text
データ道場の概要
● 3ヶ月に渡ってデータ分析のためのノウハウを身につけるための
トレーニング
● 毎週1日3時間、５〜10人ぐらい
● 宿題が出るときも
● データ分析のトレーニングをやっているデータミックス社にカリ
キュラム作成と講師役を委託
18
Slide 19
Slide 19 text
データ道場のカリキュラム
19
● SQL基礎
○ 簡単なSELECT文
○ 縦持ち横持ち
○ with句
● 実践編
○ PDCAサイクルをど
う回すのか
○ 各チームごとの事
情に合わせてカス
タマイズ
Slide 20
Slide 20 text
施策をやるときの基本姿勢を身につける
● ビジネス上のゴールに結びついているか
● ビジネスゴールに結びつくKPIを設定
● KPIとそれをトラッキングするダッシュボード
● 施策の中止条件
● サンプルサイズの決め方
● 予想されるインパクト（期待値）
○ できればシミュレーションする
20
Slide 21
Slide 21 text
21
ダッシュボード
各担当者がredashでクエリを書いて、ダッシュボードを作成
Kibanaなど他の可視化ツールを使うこともある
Slide 22
Slide 22 text
● シミュレーションをしてみると、やろうと思っていた施
策があまりインパクト出ないかもしれないことがわか
る
○ 例：機械学習でユーザーの回遊性をあげるよりも、
スマホアプリのインストール率/利用率を上げるほう
が効果がある
● 特に直接経費がかかるようなものは試算してみる
施策をする前にインパクトを考えてみる
22
Slide 23
Slide 23 text
事例：PC版の記事下リンクパーツ
23
データ道場に参加した担当者がその後UI改善に取り組んで、クリッ
ク率を4倍にアップさせた
Slide 24
Slide 24 text
● 分析・マーケティング担当者向け
● 編集関係者向け
● PCサイト担当者向け
● SQL基礎編のみコース（デザイナー、マーケティング、広告担当
者なども）
● B2B担当者向け
● マーケティング・プロモーション担当者向け
社員200人以上がSQLの基礎的な知識を持っている
これまでのデータ道場
24
Slide 25
Slide 25 text
● データ分析はまともにやろうとするとかなりコストがかかる
○ 一部のデータサイエンティストだけに任しておいても、やれる範
囲が限られる
● 分析をすることで担当者が初めて足りないデータに気がつく
○ たいてい最初はPVなどの最低限のデータしかとってない
○ 分析ができないことで、追加で取得しないといけないデータがわ
かる→開発時にそれを入れ込むようになる
● 各プロダクトの担当者が関わることで初めて本当に役立つデータ
が取れるようになる
そもそも何でデータの民主化が必要なんだっけ？
25
Slide 26
Slide 26 text
● まだまだ道半ば
● より大きな施策にたくさん取り組んでいかないといけな
い
○ その際に必ずデータを見る能力が必要になる
○ たくさんの人が同じ知識レベルで話せるようにしたい
実際には
26