Perfect事業計画を作ろう

by Takato Ohnishi

Slide 1

Slide 1 text

Slide 2

Slide 2 text

目次 2 Perfect事業計画を作ろう 1 まとめ 2 3 はじめに ● Perfect事業計画とはなにか ● 事業計画前にやるべきこと ● 事業計画策定タイミングでやるべきこと

Slide 3

Slide 3 text

3 1. はじめに

Slide 4

Slide 4 text

4 自己紹介 2012.04 ~ 職種：高周波(RF)デバイスのR&D Process Engineer(RF デバイス) 仕事：新製品・工場の垂直立ち上げ　　　 2015.01 ~ 職種：Product Manager/Engineer 　　　(RF デバイス) 仕事：新製品のProduct Manager 　　　(アメリカ/シンガポール拠点と連携) 2017.01 ~ 職種：Data Analyst/Scientist 仕事：ソーシャルゲームの分析/戦略立案　　　分析R&DのProject Manager 　　　 2019.12 ~ 職種：Data Analyst 仕事：決済・金融事業のGrowth戦略立案　　・名前: 　大西峻人　・興味・好きなこと: 　- UXデザイン(行動経済学とかゲーミフィケーション) - フードテック(3Dプリンターフードに興味あり) 　- サウナ(お気に入りは江戸遊)

Slide 5

Slide 5 text

5 取り扱うテーマ取り扱うテーマは「成長期-衰退期フェーズ」における「Perfect事業計画」の作り方　です！今回のテーマ ◯事業ライフサイクル

Slide 6

Slide 6 text

6 本講義でやること・やらないことやることやらないこと・お役に立てるターゲット　既に1年以上経過して、一定の規模まで　　　　　　拡大する見通しがありそうな事業　(ピボットフェーズは乗り越えた) ・講義でお伝えすること　主に以下の項目に触れながら、納得感のある　Perfect事業計画をデータドリブンに作る a.) ビジネスモデルの事業成長の軸は何か？ b.) 計画に携わるステークホルダーの理解を得るには？ c.) 精緻な予測をするには？ d.) 考慮すべき論点を洗い出し、Action Planを　立てるには？・あまりお役に立てないターゲット　・新規事業の立案フェーズ　・まだピボットする可能性のあるビジネスモデル・この講義でお伝えしないこと　・マクロ環境を踏まえた上での競合/自社分析や　　そこから大上段の事業戦略を考える (PEST/3C分析) 　　・そもそものビジネスモデルの転換を考える　　(ビジネスモデルは固まっている前提)

Slide 7

Slide 7 text

7 2. Perfect事業計画とは何か？

Slide 8

Slide 8 text

8 はじめに ● Perfect事業計画とは何か？

Slide 9

Slide 9 text

9 はじめに Perfect事業計画とは 1. 「何を目的に事業を行っているか」を作成プロセスを通じて事業に携わるステークホルダーが財務観点・サービスの成長規模や注力施策を理解し、合意形成できるツール 2. 論理的で納得感があり、売上/利益や投資規模の3カ年程度の未来予測がデータドリブンで精緻に見積もられて、正しく事業概況が把握できる 3. 今後のAction Planを考える上で必要な情報が網羅されている

Slide 10

Slide 10 text

10 はじめに ● 事業計画/経営計画とは？

Slide 11

Slide 11 text

11 はじめに事業計画とは？・会社/事業を成長させるためのロードマップ・社長/社員にとっては未来と真剣に向き合う重要なプロセス・売上/利益・ディスカッション・計画書

Slide 12

Slide 12 text

12 はじめに事業計画を立てるメリットは？会社の現状や課題を整理し、将来への道筋を見える化将来の道筋を踏まえてやるべきActionとやらないことを明確化計画をベースに議論し、組織としての一体感と考える癖がつく

Slide 13

Slide 13 text

13 はじめに ● データドリブン経営とは？

Slide 14

Slide 14 text

14 はじめにそもそもデータドリブン経営って？？ ● データドリブン経営 ○ 「データ」と「アルゴリズム」に基づいた客観性の高い意思決定を経営の世界で行うこと ● KKD（＝勘と経験と度胸）経営 ○ 「勘」と「経験」に基づいた主観の意思決定を経営の世界で行うこと相対する考え方

Slide 15

Slide 15 text

15 はじめにデータドリブン経営のレベル感 ● データドリブン経営のレベルは「データ管理」 x 「データ分析」で定義できる ⇨変革までいけると「データドリブン経営ができている」と言っても良いと思います。「データドリブン経営」現実の裏側 —データサイエンスを武器とした企業に　変革できない理由 (IBM出典) より

Slide 16

Slide 16 text

16 はじめにデータドリブン経営のレベル感(大西の解釈) ● データ管理入門：無秩序に散らばったデータ(紙媒体・excelなど管理方法も違ったり、情報の粒度も違う) 経験：無秩序に散らばったデータに秩序を与える(必要な情報を設計し、管理方法を統一する) 変革：戦略を作る上で必要な社外データ(外部メディアなど)を取れる仕組みを作る ● データ分析入門：excelで集計して、必要に応じて個人でやる(アウトプットばらつき大・データ認知:低) 経験：アウトプットの質が担保され、社内でデータ可視化(アウトプットばらつき小・データ認知:高) 変革：戦略や事業予測にデータを活用し、意思決定ができるようになる

Slide 17

Slide 17 text

17 はじめにデータドリブン経営のバリューチェーン分析設計データ収集データ管理データ分析モデル構築結果伝達意思決定 Who What ・Data Strategist (Analytics Director) ・Product Manager Issueを定義し、事業戦略・施策のPDCA サイクルの設計・Data Engineer PDCAサイクルが回せる DWHのアーキテクチャ設計と構築・Data Scientist ・Data Analyst (Consultant) 特有の分析技術を用いて分析設計されたものに対して示唆出し・Data Strategist (Analytics Director) ・Data Analyst 出てきた示唆に対してメッセージングを作る (資料作り) ● データドリブン経営のバリューチェーンを構築するためには Data Strategist・Analyst/Data Engineer/Data Scientistといった人材が必要 DWH:Data Ware House ⇨大量の統合業務データ、もしくはその管理システム

Slide 18

Slide 18 text

18 はじめにそもそも「Analyst」と「Strategist」は何が違う？ ● Analyst：課題定義されたものを具体化⇨分析ができる(図中の赤領域) ● Strategist:課題定義 or 価値を構想⇨分析⇨事業へ実装ができる(図中の青領域)

Slide 19

Slide 19 text

19 はじめに重要なこと！ Q. うちの会社にはData StrategistやAnalystはいないから、　そもそもデータドリブン経営は無理なのでは？？ A. 無理ではありません！ Data StrategistやAnalystのスキルセットの敷居は実は高くない。　エンジニアリングスキルもデータを扱える環境さえ作れれば、　ほぼいらないです。(簡単なexcel式が使えれば良い) 　思考法を体得してもらえれば誰でもできるようになります！　今回はその一端を経験していただければと思います。

Slide 20

Slide 20 text

20 2. 実際に事業計画を作る

Slide 21

Slide 21 text

21 実際に事業計画を作る Perfect事業計画とは 1. 「何を目的に事業を行っているか」を作成プロセスを通じて事業に携わるステークホルダーが理解し、合意形成できるツール 2. 論理的で納得感があり、売上/利益や投資規模の3カ年程度の未来予測がデータドリブンで精緻に見積もられて、正しく事業概況が把握できる 3. 今後のAction Planを考える上で必要な情報が網羅されている

Slide 22

Slide 22 text

22 実際に事業計画を作る実際に計画を作ってみよう

Slide 23

Slide 23 text

23 実際に計画を作る 1. 中長期での「As-Is」と「To-Be」を作る前段の議論中期経営計画作るよー目標は利益◯◯億だから！ CEO Director ◯◯を達成するには具体的にどうすれば良いのだろう？経営管理まずは事業予測モデルを考えましょうか。 Director 目標は〇〇なのだが、今の延長線でプロダクトが成長したらいける？ Data Strategist 1 2 3 4

Slide 24

Slide 24 text

24 実際に計画を作る 1. 中長期での「As-Is」と「To-Be」を作る(中期経営計画) 具体的な流れ見通しを立てる (As-Is) 見通しと会計上のゴールのGapを見るゴールとのGap を埋められるかを検討計画Fix (To-Be) Who What ・取締役・各機能のDirector(Product/Mkt etc) ・Data Strategist KGIを要素分解し、事業予測モデルを作る (管理会計指標を作る感じ) 事業収益のゴールと予測モデルを見比べ、どこに課題があるかを把握 Gapを埋めるための検討材料をData Strategistが提示し、ブラッシュアップ実現性・コスト感を加味しながら検討材料を使い、納得感の高い計画を作る Skill Set ・「クリティカルシンキング」/「定量データ分析スキル」/「事業ドメイン知識」が必要な大前提で　+アカウンティング(財務・管理会計)/ファイナンスの知識＋全体の合意形成を図るために指標をできるだけ簡易化し、各ステークホルダーと連携して　納得解を見つけるファシリテーション能力

Slide 25

Slide 25 text

スライド2枚に収まる。簡単な話じゃない？？と言いたいところですが、、

Slide 26

Slide 26 text

26 実際に計画を作る事前の準備もなく、計画フェーズを迎えてしまうと Perfect事業計画は作れません

Slide 27

Slide 27 text

27 ここまでにやっておかないといけないこと

Slide 28

Slide 28 text

28 ここまでにやっておかないといけないこと Growth Model を作る日々の予測精度を高める予測から想定される次年度ベースラインを作る目標との乖離を埋める戦略を立てる事業計画前にやるべきこと事業計画でやるべきこと事業計画を立てる前に「Growth Modelを作る」・「予測精度を高める」はやるべき

Slide 29

Slide 29 text

29 2-1. 事業計画前にやるべきこと

Slide 30

Slide 30 text

30 Growth Modelを作る

Slide 31

Slide 31 text

31 Growth Modelを作る Growth Model ≠ Business Model → Growth Modelとは継続的に売上・ユーザー数が成長するドライバーを　理解するために必要な図意味：儲けを生み出す具体的な事業の仕組み　　　(レベニュー/コスト構造を理解するもの) Business Model 意味：事業やプロダクトが持続的な成長を　　　するためのロジックを構造化したもの Growth Model

Slide 32

Slide 32 text

32 Growth Modelを作る Growth Modelを考える上でのフレームワーク:AARRR(アー) モデル → このモデルの中から成長ドライバーを見つけ出す Activation(活性化) Retention(継続) Acquisition(獲得) Revenue(収益) Referral(紹介) ① ② ③ ④ ⑤ 段階内容/指標 Acquisition (獲得) Activation (活性化) Retention (継続) Referral (紹介) Revenue (収益)

Slide 33

Slide 33 text

33 Growth Modelを作る STEP1:Customer Journeyを整理する

Slide 34

Slide 34 text

34 Growth Modelを作る STEP2: 段階ごとに「達成してほしい状態」と「見るべき指標」を整理段階ユーザーLV 達成してほしい状態見るべき指標 Acquisition (獲得) Activation (活性化) Retention (継続) Referral (紹介) Revenue (収益) 新規インストールランク1-10 ランク11-30 ランク31-50 ランク51-80 ランク81-100 ランク11以上 organic /広告導線から流入してアプリinstall → チュートリアルチュートリアル突破後、7日間プレイして、ステージ3までクリア毎月行われるランキング戦に参加し、そこで報酬が獲得できるまでキャラを育てている友達との共闘で手に入るレアな武器を集めるためにユーザー経由でSNS経由で友達を誘うランキング戦で上位を目指したり、高難易度クエストを友達とクリアできる状態・流入経路別 install UU数・端末別チュートリアル突破率・ステージ3までの突破率・7日間継続率・ランキング戦参加率・キャラ獲得率・7日以降継続率・SNS経由でのinstall UU数・共闘イベント参加率・高難易度クエスト参加率・ランキング戦上位継続率・課金率・課金額

Slide 35

Slide 35 text

Growth Modelを作る STEP3 :コミュニケーション用にGrowth Modelを「わかりやすくする」 → AARRRモデルは実はステークホルダーとの議論や目線合わせをする上で、　 KPIが細かすぎて認識が取れないことが多い　 (アナリストは精緻な計算をするために把握すべきだが、全員が知っておく情報ではない) 新規インストール復帰継続ユーザー全体・継続率・ARPU (一人当たり課金額) ・継続率・ARPU (一人当たり課金額) ・継続率・ARPU (一人当たり課金額) コミュニケーション用のグロースモデル(例) この中にAARRR モデルの考えを組み込む

Slide 36

Slide 36 text

36 Growth Modelを作る STEP4:構造化された各指標を連動させて、ユーザー数・売上の増減を可視化　　　 → Growth Modelの出来上がり

Slide 37

Slide 37 text

37 Growth Modelを作る STEP5:売上/MAUなどの試算で使う各セグメントの継続率/ARPUが　　　現状どの程度の数字か、また全体にどれほどの影響かを把握する ○MAU規模のGrowthの例 MAU:20万増加

Slide 38

Slide 38 text

38 Growth Modelを作るコラム:Dataから学び、仮説立案をするGrowthチームづくり ⇒組織としてData Informedに仮説立案を行う仕組みをしっかり作ることが重要　(数字感とものづくりの定性感覚がマッチすることを目指す) 　 Data Driven x DevOps： Masato Ishigaki BMLループ

Slide 39

Slide 39 text

39 Growth Modelを作るコラム:Dataから学び、仮説立案をするGrowthチームづくり ⇒組織としてData Informedに仮説立案を行う仕組みをしっかり作ることが重要　(数字感とものづくりの定性感覚がマッチすることを目指す) 　グロースについての9つのPrinciple：Hikaru Kashida

Slide 40

Slide 40 text

40 日々の予測精度を高める

Slide 41

Slide 41 text

41 日々の予測精度を高める Growth Modelは予測精度が伴ってこそ意味がある →仮にMAUが伸びたとしても想定のないものに意味(再現性)はないよくわからないけど MAUが伸びた！神風が吹いた！！全然意味わからないんだけど、、 ✖意味のないディスカッション事例(神風トーク)

Slide 42

Slide 42 text

42 日々の予測精度を高める ○理想的なディスカッション事例 MAUが伸びたのは想定通りだけど、目標比110%だから想定より伸びている施策Aで伸びる想定だったけど、外的要因として Bがあったからかな Growth Modelは予測精度が伴ってこそ意味がある。 →Growth Modelを使いこなすには予測精度を高める必要がある

Slide 43

Slide 43 text

43 日々の予測精度を高める STEP1:条件の絞り込みなど、細かい分析はまずは必要なし！日毎の推移を見て、数字の動き(変動)を把握し、理解する ○Daily Access User数の12月推移全体のトレンドが下がったり、上がったり・・たまに跳ねたり

Slide 44

Slide 44 text

44 日々の予測精度を高める STEP2:外部環境・施策の感度表を作成する。　　　 (過去実績から、何がどれだけ効いているかを整理する) 外部環境施策効果

Slide 45

Slide 45 text

45 日々の予測精度を高める STEP3:予測に対して常にPDCAを回す意識が一番重要！ (振り返りの価値) → 外れた理由を言語化/定量化することを忘れない。 ○Daily Access User数の12月推移予測差分はなぜ起きたのか、、 ①予測に使っている施策感度の係数が　実際はもっと高い？/低い？ ②他に想定していなかった効果があった？まとめサイトでの評価高かったんだよねー

Slide 46

Slide 46 text

46 2-2. 事業計画策定でやるべきこと

Slide 47

Slide 47 text

47 ここからやること Growth Model を作る日々の予測精度を高める予測から想定される次年度ベースラインを作る目標との乖離を埋める戦略を立てる事業計画前にやるべきこと事業計画でやるべきこといよいよベースラインを作り、目標との乖離を埋める戦略を立てる

Slide 48

Slide 48 text

48 予測から想定される次年度以降のKPI/収益ラインを作る

Slide 49

Slide 49 text

49 次年度以降KPI/収益ラインを作る STEP1: Growth Model と損益計算書(P/L)を対応させる必要がある Growth Model 損益計算書

Slide 50

Slide 50 text

50 次年度以降KPI/収益ラインを作る STEP1:Growth Model と損益計算書(P/L)を対応させる必要がある → Growth させるのに必要なコストが今のModelだけだとわからない、、売上が2020/06からすごく伸びるけどどれくらい効果があって、コストどれくらい？

Slide 51

Slide 51 text

51 次年度以降KPI/収益ラインを作る考えるポイント: 各パラメータにどの投資が効いているかを明確化するデジタルマーケティングによる効果 (宣伝費) 新機能開発によって、継続率が伸びる (開発コスト(人件費))

Slide 52

Slide 52 text

52 次年度以降KPI/収益ラインを作る STEP2: シナリオの松/竹/梅プランを考える新規復帰既存松・6月のCMの獲得が竹の1.2倍・8月にコラボCPNができる・6月のCMの獲得が竹の1.2倍・9月の復帰CPNができる・Activation施策がうまくいき継続率が竹の1.5倍伸びる・Revenue施策により、　高額課金者が増え、 ARPUが伸びる竹・6月のCMの獲得が想定通り・6月のCMの獲得が想定通り・Activation施策がうまくいき継続率が伸びる梅・6月のCMの獲得が半分・6月のCMの獲得が半分・Activation施策で　継続率が伸びない

Slide 53

Slide 53 text

53 次年度以降KPI/収益ラインを作る松/竹/梅プランを作ることの意味 →どのタイミングで何を意思決定すべきかが見えてくる例:6月でダウントレンドが変わらなければ、アプリクローズ例:12月も伸び続けたら、翌年も大型投資

Slide 54

Slide 54 text

54 次年度以降KPI/収益ラインを作る STEP3: Growth Modelを見ながら、各ステークホルダーで議論し、　　　ベースラインの目線合わせをし、合意形成するよくある議論黒字化させたいから、この竹の売上の伸びでも足りないよね？？これは投資ルールを守れている？これ、こんなに売上が落ち込んじゃう？

Slide 55

Slide 55 text

55 次年度以降ベースラインを作るコラム:マーケティング投資ルールとは LTV > CAC (一人あたりの生涯収益 > ユーザー獲得コスト) 　　　となるように投資するというルール作り (ユニットエコノミクス) 一人当たり500円の投資であれが、 6ヶ月間収益で見れば、回収できそう

Slide 56

Slide 56 text

56 次年度以降ベースラインを作るコラム：投資の規律 (LTV > CAC) の議論に深入りしない → 大事ではあるが、長期運用フェーズ(>2年)に入るまではこの考えに固執しない方が良い　 (LTVは継続率が複利で効くので少し高く読むと数字がかなり変わるため) 実績ないけど、伸びるはずだから、松プランのLTVを使おう松プランで過剰投資になった時のリスクないだろうか、、 (P/Lのストーリーを見る) 例：松プラン(継続率x 1.2) 　　にすると伸び方が大きく　　変わってしまう

Slide 57

Slide 57 text

57 次年度以降ベースラインを作るコラム：データに完璧な答えを求め過ぎない(不確実なことは不確実と言おう) 　　　　⇒特にUX面での変更や初めてのスキームのCPNは効果が読めないことがしばしばある。　　　　　　データで見極められない話に関しては数字の根拠は示すが、かなり不確実性が　　　　　　高いことを計画段階でインプットし、どこで効果を見極めるかの計画を握り合う見極められない見極められる

Slide 58

Slide 58 text

58 目標との乖離を埋める戦略を立てる

Slide 59

Slide 59 text

59 目標との乖離を埋める戦略を立てる Growth Modelをアップデート

Slide 60

Slide 60 text

60 Growth Modelをアップデート計画を検討した結果、ユーザー数が足りないので、施策を考えてください Director Director プロダクトのどこに改善要素があるのかな 1 2 PM(Product Manager) Marketer 2 誰にどういう訴求をすればいいかな 3 前段の議論 Growth Modelを作り直しましょうか PM・Marketer ユーザー数を増やすために必要なことを洗い出したい Data Strategist 4 5

Slide 61

Slide 61 text

Growth Modelをアップデート Growth Modelの見直しをかける → Growth Modelの前提を疑うところから始める獲得できるのは新規だけではなく、復帰者もいるので、積み上げたい。その場合は活性化をどうするか、、？

Slide 62

Slide 62 text

Growth Modelをアップデート仮説が出てきた段階で、再度、データから現状を把握する復帰の候補者は大半がランク11-30なので、活性化もそれに合わせたコンテンツが必要そうだな

Slide 63

Slide 63 text

Growth Modelをアップデート具体的な流れ定量・定性ファクト整理　ペルソナの決定＋行動を時系列整理改善可能ポイントを検討 (改善効果試算) 改善施策を戦略に落とし込む Who What ・Data Analyst ・(部署があれば) UX-Resercher ・PM/Marketer アンケートやインタビューの定性データと行動ログなどの定量データを整理し、全体の認識を合わせる定性データを読み解きながら、人物の具体像を作り上げ、時系列のユーザーの行動データをペルソナ最適で整理する。作ったマップを可視化し、離脱ポイントの影響規模感を算出 (定性⇄定量を行き来する) 改善ポイントに対して具体的なアクションプランをジャーニーと整合させる形で作り込む Skill Set ・「クリティカルシンキング」/「定量データ分析スキル」/「事業ドメイン知識」が必要な大前提で　+定性データ分析理解(インタビュー・アンケート分析) ＋アイデア出しのWorkShopなどデザイン思考の知識と実践ターゲットと改修ポイントがわかった段階で、具体的な施策へ落とし込む

Slide 64

Slide 64 text

64 Growth ModelをアップデートアップデートしたGrowth Modelで再度、損益計算書に紐づく形にする (この精錬プロセスが大事) UpdateしたGrowth Model 損益計算書

Slide 65

Slide 65 text

65 まとめ

Slide 66

Slide 66 text

66 Perfect事業計画を作るには？ 3 1 Growth Modelを作ろう継続的に売上・ユーザー数が成長する因果と成長ドライバーを理解する (AARRRモデル) 次年度以降のKPI/収益ラインを作る Growth ModelとP/Lを連動させる。松竹梅のシナリオ分析をした上で、数字の認識を揃え、どのタイミングで何を意思決定するかを明確化 (コミュニケーションのためにGrowth Modelは簡単な構造に作り変える) 2 日々の予測精度を高める Growth Modelを作っても、予測が当たらなければ意味はない。日々、予実差分を確認しながら、PDCAを回す意識

Slide 67

Slide 67 text

67 最後に・・・ Perfect事業計画とは 1. 「何を目的に事業を行っているか」を作成プロセスを通じて事業に携わるステークホルダーが理解し、合意形成できるツール 2. 論理的で納得感があり、売上/利益や投資規模の3カ年程度の未来予測がデータドリブンで精緻に見積もられて、正しく事業概況が把握できる 3. 今後のAction Planを考える上で必要な情報が網羅されている最も大事です！

Slide 68

Slide 68 text

68 ログってどんな種類があるのか？ Hogetic Lab紹介

Slide 69

Slide 69 text

Mission Rapid Optimization of Every Business 〜データの力でビジネスの最適解を最短経路で実現する〜 Vision Normalize All Data 〜全ての使えないデータを使えるデータに〜

Slide 70

Slide 70 text

目指したい世界 STARTからGOALまでのルートをデータの力で最短化し、誰しもがやりたい仕事を続けられる世界を達成したいと本気で考えています Rapid Optimization 失敗や手戻りを繰り返しつつも時間をかけてゴールに近づいていくデータの力でビジネスの精度を高めることで最短経路でゴールに到達これまでの世界目指したい世界勘と経験に頼る意思決定だと HOWの選択ミスが起こりやすいデータの力で最善のHOWを選択し続け事業成長を担保データの蓄積 Normalize All Data （データの正規化）アルゴリズムの開発・強化最短経路での事業成長を実現 STEP.1 STEP.2 STEP.3 STEP.4 VISON

Slide 71

Slide 71 text

会社名設立年月日オフィス所在地従業員数株式会社Hogetic Lab 2020年4月1日東京都世田谷区玉川 3-20-10 メリス玉川 502 22名 (BizDev:5名/データサイエンティスト:5名/データエンジニア:4名/エンジニア:3名/その他:5名) 大竹諒代表取締役 CEO ・2016年株式会社メディックメディアに新卒入社し、国家試験分析業務や新規事業開発を担当・2018年株式会社ディー・エヌ・エーに入社。マーケティング領域の分析とプロダクトグロースに従事・2020年に株式会社 Hogetic Labを創業岩尾一優社外CTO ・2010年に株式会社富士ゼロックスに新卒入社し、コンシューマ向けインターネットサービスの開発を担当・2018年に株式会社ディー・エヌ・エーに入社。データエンジニアとしてデータパイプラインの設計・実装、データプラットフォームのクラウド移行などを担当・2020年5月に同社社外 CTOに就任白石裕人取締役 COO ・2017年株式会社ディー・エヌ・エーに新卒入社し、ソーシャルゲーム領域やマーケティング領域の分析業務を担当・2020年より株式会社メルカリに入社。 CRM領域の分析を担当・2020年に株式会社 Hogetic Labを共同創業。喜久里陽社外CDO ・早稲田大学大学院環境・エネルギー研究科で博士後期修了後、助教に就任・2017年株式会社ディー・エヌ・エーに入社。マーケティング領域において機械学習を用いたソリューション開発に従事・2020年10月に同社社外 CDOに就任。会社概要

Slide 72

Slide 72 text

ご紹介サービス一覧高品質な分析基盤を誰でも低価格で高速で構築できる Data Collect as a Service 全てのデータを価値に変えるオリジナルAI開発サービスー世界中のデータ収集をこれひとつでーーどんなデータも資産に変えるー

Slide 73

Slide 73 text

ご清聴いただき、ありがとうございました！アンケートを是非お願いします！

Slide 74

Slide 74 text

74 質問Time