プリセールスデータサイエンティスト - クライアントリレーション - のススメ

by mitsu666

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

©2019 Crosstab, Inc. All rights reserved 代表経歴 2 プロフィール代表取締役 CEO 漆畑充 1982年愛知県生まれ。2005年慶應義塾大学理工学部卒業、2007年同大学院理工学研究科修士課程修了修士（理学）。 2007年株式会社金融エンジニアリング・グループ入社。金融機関向けデータ分析業務に従事。与信及びカードローンのマーケテイングに関する数理モデルを作成。その後大手ネット広告会社にてアドテクノロジーに関するデータ解析を行う。またクライアントに対してデータ分析支援及び提言/コンサルティング業務を行う。統計モデルの作成及び特にビジネスアウトプットを重視した分析が得意領域である。プロジェクト実績例 • 地銀向けカードローンの信用リスク算出及びターゲティングモデル作成 • 某エンタメ事業者向けの顧客離反予測モデル作成 • エネルギー会社様向け法人顧客のクロスセルモデル作成 • デジタル系企業様向けの広告効果の検証モデル作成開発実績例（実装は含まない） • データマネジメントプラットフォームの属性推計機能及びオーディエンス拡張機能の開発 • アドテク領域におけるクロスデバイス機能の開発（特許取得済） • 広告出稿量の予測モデルの開発（特許取得済） Facebook https://www.facebook.com/urushibata.mitsur u Twwiter @mitsur666

Slide 4

Slide 4 text

©2019 Crosstab, Inc. All rights reserved 背景と目的 3 データサイエンティストが働く領域は様々、その領域ごとに必要とされるスキルも異なります。例えば自社のサービス開発であればハッキングや解析スキルが、顧客への納品を前提としたプロジェクトではそれだけではなく顧客との折衝スキルも必要となります。一方で巷でのデータサイエンティストへの教育は前者-すなわちハッキングや解析スキル-に重きが置かれる事が多い気がします。今回は顧客向けのプロジェクトを行うために必要なスキルを簡単に解説したいと思います。具体的にはプリセールス（提案/プレアナリティクス）段階でのデータサイエンティストに求められるスキルを扱います。他社向自社向 B to C B to B Webサービス法人部門アドテク界隈とか伝統的大企業原則ない分析専門会社広告代理店とかハッキング/解析スキル顧客折衝/セールススタートアップ *データサイエンティストの働くフィールドを2軸で切ってそれぞれのフィールドに重要なスキルを示した（勿論全部ある程度必要だが特にと思われるもの）

Slide 5

Slide 5 text

©2019 Crosstab, Inc. All rights reserved プリセールスとは 4 定義は色々ありますが転職サイトの(*)によると[プリセールスとは、システム構築やソフトウェア製品を販売・導入する際に、営業担当に同行し、ＩＴの技術的な知識を用いて、営業担当をサポートする職業です。]です。要するには専門的な知識を用いての営業支援を行う職種です。当然データサイエンティストも同様にプリセールスデータサイエンティストというのがいて然るべきではないかというのが私の考えです。プリセールスの有無はプロジェクトの成否を分けるといっても過言ではないです。 *出典 https://www.elite-network.co.jp/dictionary/presales.html 顧客営業データサイエンティスト顧客営業データサイエンティスト体制 1 体制 2 • Q:期待値コントロールが難しい。例えばモデルの精度に対しての顧客希望が現実的でない場合。 • C:工数見積もりがざっくりしすぎて価格が不適切になる。 • D:営業段階で潰しておくリスク（データが使い物にならないとか）が後工程で発覚して納期遅延に関わる。上の逆になる！？体制の違いによるプロジェクトへの影響をQCDごとに示した

Slide 6

Slide 6 text

©2019 Crosstab, Inc. All rights reserved 体系化されたノウハウが必要だが… 5 (引用) データサイエンス協会 http://www.datascientist.or.jp/news/2014/pdf/1210.pdf 〇関連書籍 PRML 赤本統計学入門その他ググれば沢山〇関連書籍 Sql関連書籍 Python R その他ググれば沢山〇関連書籍ビジネスを絡めた本はあるがダペンポート教授のようなCMO/CEO向けの本が多い。本スライドで提案する営業とのかかわり方みたいなものは少ない一方でデータサイエンティストのための営業といった論点に触れている書物は少ないと感じます。従って世間にあまり転がっていないノウハウ、すなわち営業提案の段階でのデータサイエンティストが行動指針と具体的なノウハウを説明します。

Slide 7

Slide 7 text

©2019 Crosstab, Inc. All rights reserved データ分析プロジェクト概要 6 合意形成ポイント合意形成ポイント合意形成ポイント提案プレアナリティクス分析成果物作成 • プリセールスヒアリング • 期待値のコントロール • 成果物の設定 • 提案書作成支援 • 分析方向性立案 • データ連携方法確認 • 分析工程の合意形成 • データ受領/確認 • マスターデータ作成 • 基礎集計 • モデリング • スコアリング • 報告書の作成 • モデル定義書の作成 • スコアリングデータの提供サブタスク主アウトプット • 提案書 • スケジュール • 価格 • 体制 • 成果物 • 分析方向性 • データ連携図 • 分析工程図 • データ一覧 • データ作成手順 • 基礎集計表 • モデル概要 • スコアリング概要 • 最終報告書 • 一連のアウトプットを原則すべて掲載 • 実装PJの場合モデル定義書 • スコアリングデータ主タスク本稿の議題いわゆるデータサイエンティストが得意な領域

Slide 8

Slide 8 text

©2019 Crosstab, Inc. All rights reserved 提案フェーズサブタスク 7 プリセールスヒアリング • ヒアリング • 何を • いつまでに • どのデータを使って • いくらで期待値のコントロール • 顧客の目的/目標確認 • できること、できないことの切り分け • 顧客目標に合わせた分析方向を提案成果物の設定 • 成果物を設定 • 分析報告書 • モデル定義書 • スコアリングデータリスト提案書作成支援 • 左記の内容を踏まえて「スケジュール」「体制」「価格」「成果物」を盛り込んだ内容にする • ヒアリング情報 • あれば顧客情報 • 名刺 • IR • あればRFP • 顧客目標達成と現状のギャップ • プロジェクト遂行のボトルネック • ギャップとボトルネックを解消した簡易的なロードマップ • 想定成果物一覧 • 想定成果物イメージ • 提案書の一部（全体は営業担当者作成） input output 提案フェーズは4つのサブタスクに分けることができます。特に成果物の取りきめは重要です。

Slide 9

Slide 9 text

©2019 Crosstab, Inc. All rights reserved 提案フェーズサブタスクプリセールスヒアリング(1/2) 8 * ヒアリングの技術については別の本や/研修資料を参照顧客RFP等顧客ヒアリングヒアリング項目アウトプット項目内容顧客目標プロジェクトの目的そのもの何をするか目的達成のためのするべきことどのようにその方法論データ使用する（できる）データ納期プロジェクトの納期予算プロジェクトの予算具体例顧客情報を活用したマーケティング基盤の構築・顧客を複数のクラスタに分類・潜在顧客をクラスタに振り分ける・外部データすべてを変数にクラスタリングを行う・クラスタ数は10個・CRMデータ・トランザクションデータ 3週間納品 xxx万インプット顧客ヒアリングにより、顧客の視点での目標等を整理します。ヒアリング項目は概ね顧客の目標に関わる内容と制約（データ/納期/予算/）に関わる内容が適切です。顧客によってはRFPがある場合はそれも活用します。

Slide 10

Slide 10 text

©2019 Crosstab, Inc. All rights reserved 提案フェーズサブタスクプリセールスヒアリング(2/2) 9 制約事項顧客達成目標 (Object) ・顧客情報を活用したマーケティング基盤の構築何をするのか？ (what) ・顧客を複数のクラスタに分類どのように (How) ・CRMデータを変数にクラスタリングを行う制約が与える影響【納期】・3週間納品【データ】・CRMデータ・トランザクションデータ・潜在顧客をクラスタに振り分ける・DMP全体に分類するモデルを作成・クラスタ数は25個【予算】・xxx万想定されているデータだけではできない多すぎるため、工数的に足りない 1 2 制約事項を考慮し顧客の要望とできることのギャップを分析します（この時点でギャップがないということは滅多にない）まずはhowの部分にフォーカスします。

Slide 11

Slide 11 text

©2019 Crosstab, Inc. All rights reserved (例1) 納期/予算のギャップ 10 分析1 分析2 分析3 顧客要望必要十分な工数【納期/予算由来のギャップ解消】基本的に工数の削減が必要です。目標達成のために過剰といえる分析数を減らします。但しで過剰であることの根拠を説明する必要があります。削減方法の一般論を論じることは残念ながら困難であるが、2章分析方向性立案で学ぶ内容でいくばくか対応可能です。

Slide 12

Slide 12 text

©2019 Crosstab, Inc. All rights reserved (例2) データのギャップ 11 【データ由来のギャップ解消】実はデータ制約は緩和できる可能性があります。顧客がヒアリング時に回答したデータは顧客が保有している全データでなく、実はとりそこねていたものがあったりするのです。したがってデータ制約のギャップ解消でまずやるべきことは受託側から必要なデータの有無を再度確認することです。 (A) 顧客が真に利用できるデータ (B) ヒアリング時に顧客が認識していたデータ (C) あれば分析可能データ

Slide 13

Slide 13 text

©2019 Crosstab, Inc. All rights reserved 提案フェーズサブタスク期待値コントロール(1/3) 12 代替案を適用どのように (How) ・CRMデータを変数にクラスタリングを行う・DMP全体に拡張するモデルを作成・クラスタ数は25個想定されているデータだけではできない多すぎるため、工数的に足りない 1 2 当初のとおり問題なく実行できるクラスタ数は10個に変更クラスタは少量でも問題ない旨説明実はデータがあった期待値の推移初回ヒアリング時ギャップ露見時代替案提示時前項のギャップ解消の代替案を適用。顧客の期待値は高すぎず、低すぎずにコントロールすることができます。

Slide 14

Slide 14 text

©2019 Crosstab, Inc. All rights reserved 提案フェーズサブタスク期待値コントロール(2/3) 13 簡易ロードマップこの際詳細なガントチャートは不要、メモレベルでいつから各々の工程がどれぐらいで終わるかのみで十分。重要なのは顧客/受託側が現実的な進め方をすり合わせること期待値の推移初回ヒアリング時ギャップ露見時代替案提示時【簡易ロードマップ】 1.データ準備・ファイルで受領予定。csv,tab可能。受け渡しはクラウド（情シス要確認いついつまで）12月1日（月）予定・データロード 2.データクリーニング・12月2～2日程度。都度不明点を確認する・基礎集計を行う5日程度 →第一回めのうちあわせ（集計内容と今後の分析方向性すりあわせ） 3.分析開始・CRMデータからクラスタ10個作成（←事前のギャップ分析を行っているので、リスクは回避されている）・拡張する（これも同様前項で現実的な方法に修正したため、問題なく進行できる）双方で7日程度 →2回目のうちあわせ（分析結果のオーソライズ、最終報告書の章立てすりあわせ） 4.報告書作成 5日程度 FIX

Slide 15

Slide 15 text

©2019 Crosstab, Inc. All rights reserved 提案フェーズサブタスク期待値コントロール(3/3) 14 期待値の推移初回ヒアリング時ギャップ露見時代替案無し制約事項顧客達成目標 (Object) ・顧客情報を活用したマーケティング基盤の構築何をするのか？ (what) ・顧客を複数のクラスタに分類どのように (How) ・CRMデータを変数にクラスタリングを行う【納期】・3週間納品【データ】・CRMデータ・トランザクションデータ・潜在顧客をクラスタに振り分ける・DMP全体に拡張するモデルを作成・クラスタ数は25 個【予算】・150万想定されているデータだけではできない多すぎるため、工数的に足りない 1 2 代替案無し howの中で代替案がないとき、上の階層であるwhatの代替案を考えます。すべてのwhatで代替案がない場合顧客目標が達成不可能となり、期待値は0になります。しかし達成できないものを受注するリスクを排除しています。

Slide 16

Slide 16 text

©2019 Crosstab, Inc. All rights reserved 提案フェーズサブタスク成果物の設定(1/2) 15 *ただし業務委託契約においても準委任契約であれば検収が不要であるはず（要法務確認）。したがってシステムと異なりでき上りが想定できないデータ分析プロジェクトでは準委任契約の方がリスクが少ない。作成データ作成スクリプトドキュメント打ち合わせ資料最終報告書成果物概要主なプロジェクト内容モデル定義書学習データ/スコアリングデータ Sql/Python/Rコード SPSSストリーム SASスクリプト定例及び毎回の打ち合わせ資料 PJ全体の統括な資料パラメータ及び数式からなる書広告/CRMターゲティングモデル開発/実装 PoC 全体で必要 PoC ビジネス企画支援モデル開発/実装作成負荷低中中高高レポート分析結果自体広告/CRMターゲティング低～中（変動）

Slide 17

Slide 17 text

©2019 Crosstab, Inc. All rights reserved 提案フェーズサブタスク成果物の設定(2/2) 16 広告配信レポーティング PoC モデル開発/実装〇 △ △ △ 〇打ち合わせ資料 △ △ 〇最終報告書〇 △ モデル定義書〇レポート〇ドキュメント作成データ作成スクリプト成果物/PJ内容〇:=ほとんど要求される △:=たまに要求される一方すべての成果物を作成すると負荷が大きいため、ここではおおよそプロジェクトの特性ごとに必要とされる成果物をPJ内容ごとに示します。これをもとになるべく負荷か低い成果物での合意形成を目指します。

Slide 18

Slide 18 text

©2019 Crosstab, Inc. All rights reserved 最後に 17 ➢提案フェーズにおいてのリスク回避提案段階で把握し取り除くことができる物が多い。例えば、顧客の初期の要望に「複数のモデルを作成して比較したい」というものがあったとき、ほとんどの場合で顧客目標達成よりも過剰な要望、すなわちもっと少ないモデルで十分である事が多い。そのため少数モデル作成を提案し、工数負荷に関するリスクを取り除くことができる。 ➢顧客の言いなりにならない我々の仕事は顧客の言いなりにならずに目標のための必要十分条件を示すことである。顧客要望が目標に対して過剰になりがちな理由は、データ分析に対しての理解不足が挙げられる。そのため目標達成のため保守的（過剰）な要望をしてしまう。 ➢目標への必要十分条件の見つけ方経験さえ積めば誰でもできるようになる。経験によるところが大きい。サーキットの1周目である若手は慎重になりすぎるくらいで丁度よい。PMやシニアの後をついて複数周回して経験を積むのが良い。