意思決定を最大化するための”ループ”とループを回すための”施策”

by Masaya Hirano

Slide 1

Slide 1 text

平野雅也  2022/06/16   意思決定を最大化するための”ループ”と  ループを回すための”施策”  DataOps Night #2 ～データ活用のための組織体制について話そう～ 

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データ分析チームの情報発信をまとめました｜Retty Inc.｜note   

Slide 3

Slide 3 text

Rettyについて 

Slide 4

Slide 4 text

No content

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

分析チームについて 

Slide 7

Slide 7 text

データ活用の品質と生産性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することがミッション  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 8

Slide 8 text

ここから本題 

Slide 9

Slide 9 text

意思決定を最大化するための”ループ”とループを回すための”施策”

Slide 10

Slide 10 text

右の図は、  ”意思決定の最大化”ループ    アウトカム＝良い意思決定を増やすためにも、このループを回すことが重要    ループを回すためにこれまでに行った  打ち手をご紹介  今日の話 

Slide 11

Slide 11 text

なぜループを回すべきなのか  ループを回さないとどうなるのか 

Slide 12

Slide 12 text

ループを回させないとどうなるのか  事業側の分析需要に答えられなくなる  事業グロースのボトルネックになり得る  つまり、分析が進まないことで・・  ● 事業側はデータ活用によるアウトカム量を増やしたいため需要は増える傾向にある   ● しかしループが回らないとデータ活用量が増えないので需要に答えられなくなる   ● 無理して分析需要に答えようとすると慢性的に忙しい問題を生む   ● 忙しさは期待値コントロールで解消できるものの分析需要を満たせない問題は残る  

Slide 13

Slide 13 text

ループを回せば事業グロースに貢献できる  逆にいうと 

Slide 14

Slide 14 text

どのような施策で  ループを回してきたのか？ 

Slide 15

Slide 15 text

これまで打ち手  ※番号は打ち手の順番  フェーズ毎に変わる課題に応じてさまざまな打ち手でループを回し続けてきた 

Slide 16

Slide 16 text

①：0->1フェーズ ~ 立ち上げ  - 派遣型体制で成功事例を作る      ②：1->10フェーズ ~ 拡大  - データの民主化のスタート      ③：10->5->10フェーズ ~ 停滞と再出発  - スクラム導入＆業務フロー整備でDWH開発の停滞を乗り越える    ④：10->20フェーズ ~ さらに拡大  - Lookerとオフィスアワーで利用者層を拡大  各フェーズ  ※施策とフェーズの番号は対応しています 

Slide 17

Slide 17 text

Slide 18

Slide 18 text

背景  ループを回す上で最初の起点はどこだったか？  DWH開発？  非アナリスト活用者増やす？ 

Slide 19

Slide 19 text

施策：派遣型体制をスタート！派遣先で成果を上げる  ”良い意思決定が増える”をループを回すための起点とした  データ活用の需要が少しずつ増える  ループを回すための  最初の一転がし 

Slide 20

Slide 20 text

Slide 21

Slide 21 text

背景  ループ構造を変える必要がある  データ出しの永久ループ  派遣型による成果創出によって少しずつ依頼が増えたきたものの、増える依頼に対して供給が間に合わないことが予想されていた  加えて、簡単なデータ出し依頼が多くアナリストの専門性が育たない 

Slide 22

Slide 22 text

②非アナリストにDWHを展開＆サポート  ①DWH層の作り込み  施策  データレイク層 DWH層データマート層３層構造のうちのDWH層 

Slide 23

Slide 23 text

施策①：DWH層の作り込み  データ抽出の難易度低下により生産性が向上  詳しくは↓  つかわれるプラットフォーム〜デザイン編〜@DPM#2  データ活用の生産性が上がるループを追加 

Slide 24

Slide 24 text

施策②：非アナリストにDWHを展開＆サポート  BigQueryExpertの実施  なぜ:非アナリストのデータ活用者を増やすため  内容:  - ”基本的なデータ抽出”スキル獲得を目標とした、BigQueryの学習プログラム  - 週2回×1時間の3ヶ月コース  - 業務で使うPMを中心にスタート    #analysis_askの運用  なぜ:非アナリストの分析を”良い意思決定”に繋げるためのサポート  内容:  - BigQueryや分析のことに関する相談やFBができるチャンネル  - アナリスト、もしくは知っている人が回答する  - 相談が発展してMTGになることもある  現場で分析が進むようになることでデータ活用量が増加  アナリストに依頼する分析難易度が向上  非アナリストのデータ活用者が  増えるループを追加 

Slide 25

Slide 25 text

こうして”意思決定の最大化”ループが完成 

Slide 26

Slide 26 text

と思いきや・・ 

Slide 27

Slide 27 text

ループが崩壊しました・・ 

Slide 28

Slide 28 text

Slide 29

Slide 29 text

ループが崩壊した  DWH開発/保守を後回しにしてしまい、 DWHが負債化  →データ出し難易度が上がり、非アナリストのデータ活用者が減った   →アナリストに依頼が増えるものの、仕事を断る流れがなく慢性的な多忙を生んだ   背景  アナリストが頑張るループに陥る   DWH開発の流れが止まる  

Slide 30

Slide 30 text

②アナリストの業務フローの見直し  ①”スクラム体制”を導入  施策  分析  レポート  DWH  開発 

Slide 31

Slide 31 text

● 受ける分析タスクに上限を設け、きちんと断った  ● 個人だと断りづらいので、チームで取り組むようにした  施策①：以下をやりやすくするため”スクラム体制”を導入  緩やかなループに調整された   詳しくは↓  事業フェーズに応じた分析チーム体制の改善   

Slide 32

Slide 32 text

スクラム導入と同時にアナリスト業務フローの中にDWH開発を組み込んだ  施策②：アナリストの業務フローの見直し  再びループが回るようになった   個人がDWH開発をする意義付けがされた  

Slide 33

Slide 33 text

Slide 34

Slide 34 text

BigQueryユーザーであれば自らアドホック分析ができる状態だったものの、BigQueryに慣れない層とってはデータ活用が難しい状態だった  背景  ここをもっと強化したい 

Slide 35

Slide 35 text

②分析オフィスアワーの定期開催  ①Lookerの導入  施策 

Slide 36

Slide 36 text

”BigQueryに慣れない層がLookerを用いて、自らアドホック分析ができる状態”を目指した  施策①：Lookerの導入  詳しくは→RettyのLooker導入紀行   Lookerで自ら分析を行う姿を見かけるように  

Slide 37

Slide 37 text

Lookerが継続利用されるような育成・サポート体制を目的とした取り組み  施策②：分析オフィスアワーの定期開催  こっちも強化  オフィスアワー開始時のアナウンス   - 毎週水曜日の18:30-19:30に開催  - Slackハドルに集まって、分析チームになんでも相談できるカジュアルな場  - 雑談やDWHに対する要望でもOK 

Slide 38

Slide 38 text

OutCome 

Slide 39

Slide 39 text

社員の半数がデータ活用をするようになった  [月間]BigQuery利用者数推移   77UU  月間BigQuery利用者数 77 人（2022年4月末） ※1 57 % DWH利用率 ※2 ※1　LookerやBigQueryGUIを通してBigQueryクエリを実行した人をカウント対象   ※2　従業員数134名(21年9月末時点)を分母   Looker導入時 

Slide 40

Slide 40 text

本日のまとめ 

Slide 41

Slide 41 text

右の図は、  ”意思決定の最大化”ループ    アウトカム＝良い意思決定を増やすためにも、このループを回すことが重要    ループを回すためにこれまでに行った  打ち手をご紹介  本日の話し 

Slide 42

Slide 42 text

● 良い意思決定を増やすために、良い意思決定が増える構造（ループ）を特定することが大事    ● 良い意思決定が増えるループを回すために課題特定を行い、適切な打ち手を講じることが大事  伝えたいこと  Retty流 ”意思決定の最大化”のやり方 