データ活用で事業貢献するためのデータマネジメント立ち上げ

Slide 1

Slide 1 text

データ活用で事業貢献するためのデータマネジメント立ち上げ鈴木元也 CA DATA NIGHT #2 2023/12/07

Slide 2

Slide 2 text

自己紹介鈴木元也（すずきもとや） ● 社歴：2017年01月中途入社 ● 所属：メディア統括本部 > Data Science Center（DSC） ● 担当サービス：主にAmebaLIFE ● 業務概要： ○ 事業のデータ戦略を検討 ○ 横軸組織のマネジメント ○ データ分析、データエンジニアリング ● @__9en__

Slide 3

Slide 3 text

突然ですがみなさんのサービスではデータ活用が事業貢献に繋がっていますか？

Slide 4

Slide 4 text

なぜデータ活用が事業貢献に繋がっていると言えないか考えたことはありますか？

Slide 5

Slide 5 text

データ職の立場でデータ活用で事業貢献をするために考えて実践していることをご紹介します

Slide 6

Slide 6 text

本日はなしたいこと 1.サービス状態で求められるデータ活用 2.成熟したサービスでのデータ活用の課題 3.データマネジメントチームの立ち上げ 4.これからのデータ職に求められること

Slide 7

Slide 7 text

1.サービス状態で求められるデータ活用

Slide 8

Slide 8 text

プロダクトライフサイクルとは売上時間導入期成長期成熟期衰退期製品が市場に投入されてから、寿命を終え衰退するまでのサイクルを体系づけたもの

Slide 9

Slide 9 text

プロダクトライフサイクルで求められるデータ活用導入期成長期成熟期~衰退期データの種類,量 △ 〇〇企業の数 △ △ 〇リソース(ヒトモノカネ) △ 〇 △ データ活用状況・事業指標など最低限の指標・集計ベースでデータを可視化・施策や開発に利用・機械学習など高度な技術・施策や開発に利用・機械学習など高度な技術 ※筆者の肌感です

Slide 10

Slide 10 text

伝えたいことデータ職の人がよく求める良い環境で働きたいというのは投資サービスまたは成長期のサービスが多いでも、世の中そんなサービスは多くない一歩間違えると良い環境じゃないと成果が出せない人になりうる限られたリソースでも成果を出せる人になることは重要

Slide 11

Slide 11 text

2.成熟したサービスでのデータ活用の課題

Slide 12

Slide 12 text

多くの企業が該当する「成熟期～衰退期」導入期成長期成熟期~衰退期データの種類,量 △ 〇〇企業の数 △ △ 〇リソース(ヒトモノカネ) △ 〇 △ データ活用状況・事業指標など最低限の指標・集計ベースでデータを可視化・施策や開発に利用・機械学習など高度な技術・施策や開発に利用・機械学習など高度な技術 ※筆者の肌感です

Slide 13

Slide 13 text

成熟サービスにあたるAmebaブログで課題と取り組み ● サービス：日本最大級のブログメディア ● サービス開始：2004年9月15日（19周年） ● 合計ブログ数：25憶 ● 月間利用者数(延べ)：7,500万人 ● 芸能人・有名人ブログ：2万人 ● 月間PV：50憶 ● 月間ブログ投稿数：550万 ※参照元：https://about.ameba.jp/business/

Slide 14

Slide 14 text

データ活用での主なステークホルダ事業責任者データ職(MLDS) ビジネス職エンジニア職

Slide 15

Slide 15 text

ステークホルダのデータ活用に関する課題事業責任者ビジネス職エンジニア職どのように事業貢献に繋がっているか分からないシンプルな指標のはずなのにSQLが複雑データ更新が遅延してサービス影響がある何度もログの実装依頼が来るのでログを全て出したい(自身の成果にもならないし) 誰が使っているかわからないからログが消せないデータ抽出やログの調査依頼が多い集計レベルの依頼が多く専門的なことができないデータの品質が低く前処理に時間がかかるデータの定義書を見ても分からないすぐにデータを使った調査ができない正しいデータの見方が分からない頻繁に数値がおかしくなるので信用できないデータ抽出する人によって値がバラバラ活用蓄積活用蓄積蓄積戦略データ職(MLDS)

Slide 16

Slide 16 text

課題をまとめると活用蓄積戦略どのように事業貢献に繋がっているか分からない簡単なデータ抽出や集計ができる人が足りていないデータの品質など管理をする人が足りていない

Slide 17

Slide 17 text

現在3つの観点で取り組んでいます活用蓄積戦略データ戦略を作成する課題：どのように事業貢献に繋がっているか分からないビジネス職のデータスキル育成課題：簡単なデータ抽出や集計ができる人が足りていないデータマネジメントチームの立ち上げ課題：データの品質など管理をする人が足りていない

Slide 18

Slide 18 text

本日は「蓄積」に関しての取り組みをご紹介します活用蓄積戦略データ戦略を作成する課題：どのように事業貢献に繋がっているか分からないビジネス職のデータスキル育成課題：簡単なデータ抽出や集計ができる人が足りていないデータマネジメントチームの立ち上げ課題：データの品質など管理をする人が足りていない割愛割愛 https://speakerdeck.com/cyberagentdevelopers/det ahuo-yong-gashi-ye-gong-xian-siteirukotowoshi-sut amenoqu-rizu-mi

Slide 19

Slide 19 text

3.データマネジメントチームの立ち上げ

Slide 20

Slide 20 text

チーム立ち上げのためにやったこと step1: 事業責任者に問題意識を理解してもらう step2: リクルーティングしてチームを立ち上げる step3: データマネジメント成熟度を作成して評価する

Slide 21

Slide 21 text

3.データマネジメントチームの立ち上げ step1: 事業責任者に問題意識を理解してもらう

Slide 22

Slide 22 text

成熟したサービスでは簡単に増員できない事業責任者データ職(MLDS) データ活用するためにはデータマネジメントが必要です。データマネジメント人材を増やしたいです。

Slide 23

Slide 23 text

成熟したサービスでは簡単に増員できない事業責任者データ職(MLDS) データ活用するためにはデータマネジメントが必要です。データマネジメント人材を増やしたいです。そうだよね、分かった。データマネジメント人材を増やそう！

Slide 24

Slide 24 text

成熟したサービスでは簡単に増員できない事業責任者データ職(MLDS) データ活用するためにはデータマネジメントが必要です。データマネジメント人材を増やしたいです。そうだよね、分かった。データマネジメント人材を増やそう！ ✕ データマネジメントを強化することで、事業インパクトをどれだけ出せるの？いまもデータ活用できてるけど、データマネジメントやることで何が変わるの？現状のコストを〇円下げることができます！売上には、、、でもデータ活用にはいろいろ役立って、、、とはかなかなならないです

Slide 25

Slide 25 text

Slide 26

Slide 26 text

なぜ主張が理解されにくいのか？事業責任者データ職(MLDS) データマネジメントを強化することで、事業インパクトをどれだけ出せるの？いまもデータ活用できてるけど、データマネジメントやることで何が変わるの？現状のコストを〇円下げることができます！売上には、、、でもデータ活用にはいろいろ役立って、、、単純になぜデータマネジメントが必要なのかが分からないから聞いているだけなのに説明してくれない。事業インパクトに直結することじゃないしそんな説明は無理。データマネジメントで変わることを説明してもどうせ伝わらない。

Slide 27

Slide 27 text

なぜ主張が理解されにくいのか？事業責任者データ職(MLDS) データマネジメントを強化することで、事業インパクトをどれだけ出せるの？いまもデータ活用できてるけど、データマネジメントやることで何が変わるの？現状のコストを〇円下げることができます！売上には、、、でもデータ活用にはいろいろ役立って、、、詰めている気持ちはない単純になぜデータマネジメントが必要なのかが分からないから聞いているだけ事業インパクトに直結することじゃないしそんな説明無理データマネジメントで変わることを説明してもどうせ分からないデータ職が説明することを事業責任者が理解することをあきらめている

Slide 28

Slide 28 text

あきらめず説明しました【分析するまでの無駄の説明】 1. 定義書が存在するか確認 2. 定義書通りにログがはかれているかを確認 3. ログを扱ったことある人を探して詳細について確認 4. 自分のIDで特定の行動を行い、自分のIDをログから探し出して、意図通りに吐かれているかを確認 5. ログを実装した人を探し出して、ログの仕様を聞いたり改修依頼と改修後の確認をする 6. おかしなログを除外した上で分析を再設計【サービス内に協力者を作る】 - 過去一緒に仕事した人を説得する - 同じような問題意識を感じている人を探す【事業指標の信頼性を伝える】 - 大量のボットが混ざっていることを伝える - データがバグっていたり障害が発生しても気づけない【データが簡単に扱えない】 - ログ自体が大規模なためシステム負荷がかかってしまうため長期間のデータ扱えない - サービスやシステム改修が積み重なって複雑な条件や暗黙のルールを知らないとデータを扱えない - データを格納している場所が分散しているので、複数の指標を1つのレポートで見れない。または人力でコピペして実現しているためミスが発生する

Slide 29

Slide 29 text

その結果事業責任者データ職(MLDS) Amebaのデータに関するいまの状況は～それによってデータ活用にとってこんないいことがあるんですよ～データ活用でこんな事業貢献ができるんですよ～そんな状況だったのか！事業インパクトとかいう以前の話だね。データマネジメント人材を増やそう！ ※Amebaブログでは以下前提があり、前提なしではおそらくうまくいかないケースの方が多いと思います - 事業責任者の方が既にデータ活用に前向きで協力的だった - データ職以外の職種の方も既にデータ活用に前向きで協力的だった - 事業責任者との信頼関係が既に構築できていた

Slide 30

Slide 30 text

3.データマネジメントチームの立ち上げ step2: リクルーティングしてチームを立ち上げる

Slide 31

Slide 31 text

Amebaのデータマネジメントの状況 ● いろいろあって、データマネジメント担当者がほぼ0人 ● 歴史あるサービスなので、データフローとログ設計が複雑 ● 横軸組織とのつながりが強くステークホルダがとにかく多い ● システムと担当者と責務が明確ではないよくわかんなくてなんか怖い関わらないでおこう

Slide 32

Slide 32 text

ということでまず社内の認識を変えてもらう社内向けに説明会を実施ざっくりはなしたこと - データマネジメントってこんなことやるんだよ～ - DMBOKっという体系的にまとまった知識があるんだよ～ - データマネジメント市場の状況はこんな感じだよ～ - データマネジメントが弱いとこんな悪い未来になるよ～ - Amebaは今こんな状況だよ～ - こんな人材を求めているよ～ - こんなチームを作りたいよ～

Slide 33

Slide 33 text

もちろん外部からの獲得も進める中途採用を開始工夫したこと - データエンジニア、データマネジメント職種で募集しても、そもそもこの職種の認知が低いので応募が少ない - 自分の採用担当領域がML/DSも担っていたので、幅広い範囲で面接を行っていた - 応募が来るポジションと本人が望んでいるポジションと過去の経験は結構バラバラなことが多いので、素養がありそうな人を見つけて面接で確認する

Slide 34

Slide 34 text

その結果 ● 専任：3人（社内異動2名＋中途採用1名） ● 協力者：7名 ● 推進者：鈴木　→　加藤 ● 対象サービス：Amebaブログ　→　追加でAmebaマンガ、ピグパーティなど

Slide 35

Slide 35 text

3.データマネジメントチームの立ち上げ step3: データマネジメント成熟度を作成して評価する

Slide 36

Slide 36 text

Slide 37

Slide 37 text

なぜ成熟度評価をしたいのか？事業責任者データ職(MLDS) Amebaのデータに関するいまの状況は～それによってデータ活用にとってこんないいことがあるんですよ～データ活用でこんな事業貢献ができるんですよ～そんな状況だったのか！事業インパクトとかいう以前の話だね。データマネジメント人材を増やそう！立ち上げ時 1年後そういえばデータマネジメントやってるけどほんとに意味あるんだっけ？データをどういう状態に変えていく計画なんだっけ？正直やること自体は無限にあるやることリストを出すだけではなぜやるのか？やった結果どういう状態になるのか？が分からない（やることの価値が伝えられない）データマネジメント成熟度評価で計画と状態を伝える

Slide 38

Slide 38 text

データマネジメント成熟度とは DAMA-DMBOKの「データマネジメント成熟度アセスメント」での定義組織内で実施されているデータ関連業務に対してランク付けする方法。データマネジメントの現状とそれが組織に与える影響を明らかにする。

Slide 39

Slide 39 text

CA横軸組織の成熟度評価レベル1: 実行されたレベル2: 管理されたレベル3: 定義されたレベル4: 測定されたレベル5: 最適化している成熟度評価の課題 DAMA-DMBOKの定義レベル0：能力が欠如した状態レベル1：初期/場当たり的な状態レベル2：反復可能な状態レベル3：定義された状態レベル4：管理された状態レベル5：最適化された状態基準や説明が抽象的で評価するのが難しい納得感をもって評価するために、既存のフレームワークを参考に具体化

Slide 40

Slide 40 text

具体化するために定義したこと ● 共通言語を定義する(DMBOK知識領域) ● 評価粒度を定義する(データフロー) ● 評価方法を定義する(DMBOK成熟度アセスメント) ● 対象者を定義する(データロール) ● 背景やスコープを定義する(Design Docs) ここに至るまでの試行錯誤(v9まであります)もお伝えしたいですが、時間と資料作成する私の気力の関係で割愛します。

Slide 41

Slide 41 text

共通言語を定義する(DMBOK知識領域) 参照データとマスタデータデータストレージとオペレーションデータウェアハウジングとBI データモデリングデータ統合と相互運用性データアーキテクチャーデータガバナンスデータ品質データセキュリティドキュメントとコンテンツとメタデータ管理・みんなでDMBOKを勉強・DMBOKの知識領域について「定義」と「成果物」の認識をすり合わせた・知識領域毎の関係性を可視化して認識をすり合わせた ※共通言語はメインで加藤が作成

Slide 42

Slide 42 text

評価粒度を定義する(データフロー) 例えば知識領域の「データ品質」はDataLakeのDataWareHouseでやることが異なるデータフローを定義して評価粒度を「知識領域 × データフロー」にすることで評価をしやすくした

Slide 43

Slide 43 text

評価方法を定義する(DMBOK成熟度アセスメント) 成熟度を評価する観点として7つの観点を考えて成熟度レベルごとに定義（DMBOK成熟度アセスメントを参考） 7つの観点が全て満たされたら成熟度レベルに至ったと判断する

Slide 44

Slide 44 text

対象者を定義する(データロール) データフローや知識領域によって「誰向けに」成熟度を上げるのかによって難易度が変わる誰向けか明確にするために、対象者（データロール）を定義したロール名称ロールイメージスキルセット管理者データに関わる運用全般を行う Amebaのデータマネジメントチームのメンバー分析者 / 開発者 BigQueryのテーブル作成、Tableauの作成など行うデータマートを適切に設計できる人レポート作成者 BigQueryの実行とTableauの作成を行う Tableauを適切に作成できる人データ抽出者 BigQueryの実行とTableauの閲覧を行う SQLを適切に実行できる人レポート閲覧者 Tableauの閲覧を行うスキル不要

Slide 45

Slide 45 text

背景やスコープを定義する(Design Docs) データフロー × 知識領域ごとに背景やスコープなどを定義することで認識ズレを無くす Google Design Docs を参考に定義した ● 前提 / Context ● 背景・課題 / Context ● 実現したいこと / Goals ● 実現しないこと / Non-goals ● どのようにやっていくか / Approach, Detailed design ● 他の手段 / Alternative approach ● 想定される問題 / Drawback, Risk ● 関連リンク / Related link

Slide 46

Slide 46 text

評価：データフロー × 知識領域（主にチーム内用途）データフロー × 知識領域ごとの成熟度レベルを評価する主にデータマネジメントチーム内での活用用途で、このくらい細かくしないと議論できない

Slide 47

Slide 47 text

評価：知識領域（主にチーム外用途）データフロー × 知識領域ごとの成熟度レベルを、知識領域ごとに平均する主にチーム外や事業責任者への活用用途で、レーダーチャートで分かりやすく可視化する ※数値はサンプルです

Slide 48

Slide 48 text

伝えたいこと片手間でデータマネジメント業務を行うのには限界があります事業責任者にデータマネジメントの必要性を説明してデータマネジメントについて社内外の多くの人に理解と協力をしてもらいデータマネジメントの現状と計画を分かりやすく伝えることでデータマネジメントチームを立ち上げ推進することができます知識も体系的にまとめっている領域なので専門領域が違ったり経験がなくても主体的に建付けさえすればデータ職がより専門的なことに取り組みやすい環境を作れます

Slide 49

Slide 49 text

4.これからのデータ職に求められること

Slide 50

Slide 50 text

これから求められることデータ活用で事業成果を出して説明できることこれまでは

Slide 51

Slide 51 text

これから求められることデータ活用で事業成果を出して説明できること＋自身の専門性で事業貢献するための環境を作れることこれまではさらに

Slide 52

Slide 52 text

Slide 53

Slide 53 text

伝えたいことデータ抽出や簡単な集計依頼しか来ないサービスの依頼がころころ変わって対応できないログやレポートの問い合わせばかりで業務が進まない締め切りが短すぎて簡単な分析しかできない高度な分析をしたいがいまの環境ではできないデータが汚いから前処理に時間がかかってやりたいことができない要件やログについて聞いても連絡が返ってこなくで分析が進められない人員を増やしてくれないからやりたいことができないいろいろな課題データ抽出や簡単な集計依頼しか来ないサービスの依頼がころころ変わって対応できないいろいろな課題データ抽出や簡単な集計依頼しか来ないサービスの依頼がころころ変わって対応できないデータ抽出や簡単な集計依頼しか来ないサービスの依頼がころころ変わって対応できない実はどこも環境はそんなに変わらないのでは？周囲の人や組織、環境を言い訳にしている人は環境を作り変えるためにできることを考えてみては？そうじゃないと冒頭で話した良い環境じゃないと成果が出せない人に、、、自分で成果を出せる環境を作って事業貢献できる人ってデータ職としてめちゃくちゃ強いと思います

Slide 54

Slide 54 text

サイバーエージェントでは一緒に挑戦する仲間を募集中です！ ✔オンラインでカジュアル面談実施中 ✔今すぐ転職を考えていなくてもOK！詳しくはコチラから👉