なぜ協業DXへ？協業DXデータサイエンティストの開発・ビジネス企画への挑戦記

by CyberAgent

Slide 1

Slide 1 text

No content

Slide 2

Slide 2 text

2022年中途入社  AI事業本部   DS/ML  溝口幸宏  @mizoo-snow21

Slide 3

Slide 3 text

はじめに  これまでの経歴金融系SIで、データ分析、モデル開発に従事    2022年サイバーエージェントAI事業本部に中途入社新規の協業広告プロダクトの立ち上げに従事 00

Slide 4

Slide 4 text

はじめに  今日のテーマデータサイエンティスト2人がなぜ協業DXで、なぜデータサイエンスの枠を超えて開発・ビジネス企画にも挑戦しているのか 00 ・開発・ビジネス企画にも入り込むモチベーションは？・協業DXで挑戦するわけは？・本業データサイエンスとの線引きは？・やってみて感じた難しさと乗り越え方は？

Slide 5

Slide 5 text

はじめに  話さないこと DSの立ち上げ期の価値の出し方に関する一般論・技術的なこと 00 ←詳しくは　過去の藤田の発表を参照

Slide 6

Slide 6 text

はじめに  協業DXとは様々な業界の企業様と協業して新たな広告事業の創出を行う 00

Slide 7

Slide 7 text

CONTENTS 01 02 開発パート  企画パート

Slide 8

Slide 8 text

CONTENTS 01 02 開発パート  企画パート

Slide 9

Slide 9 text

はじめに  00 協業DXにジョインした背景と、プロダクトの開発に参加して感じたことをプロダクト所属のDSとして整理立ち上げフェーズの協業案件で開発する中で得た気づきをシェア

Slide 10

Slide 10 text

開発パート 01 02 04 協業DXにジョインしたモチベーション  取り組んだことによる気づきこれまでの取り組み今後目指したいこと 03

Slide 11

Slide 11 text

01 協業DXにジョインしたモチベーション

Slide 12

Slide 12 text

協業DXにジョインしたモチベーション  受託分析と協業DXの違い 01 事業使用するデータ担当範囲契約期間ゴール受託分析クライアント先のデータ分析レポート・予測モデル開発が中心あり(契約による) アウトプットの提出協業DX 協業先のデータ所属プロダクトの機能開発、改善にまつわる分析なし所属プロダクトのグロース

Slide 13

Slide 13 text

協業DXにジョインしたモチベーション  受託分析と協業DXの違い 01 使用するデータは相対する企業のデータだが担当範囲・ゴールという文脈では範囲の広さや目的が異なる事業使用するデータ担当範囲契約期間ゴール受託分析クライアント先のデータ分析レポート・予測モデル開発が中心あり(契約による) アウトプットの提出協業DX 協業先のデータ所属プロダクトの機能開発、改善にまつわる分析なし所属プロダクトのグロース

Slide 14

Slide 14 text

協業DXにジョインしたモチベーション  協業DXにジョインしたモチベーション 01 これだ！！協業DXにジョイン分析して終わりじゃなて、開発にも参加して、もっと深くプロダクトに関わりたいなぁ... CA BASE NEXTの動画を見る

Slide 15

Slide 15 text

02 これまでの取り組み

Slide 16

Slide 16 text

これまでの取り組み  ジョイン時の状況・売上が立っていない段階  ・プロダクトをゼロから作る  01 🤯立ち上げ  🎉リリース  💪無限グロース編  ココ！ 

Slide 17

Slide 17 text

これまでの取り組み  フェーズごとのDSの役割 02 立ち上げフェーズ  　・根幹となるシステムを作るところからはじまる  　・DMPの構築/ログの設計/分析や予測機能の実装など  　・目的：プロダクトの成長を中長期的に考えた上での設計実装    グロースフェーズ  　・データは溜まってきている状況  　・売上が立ち始めていて顧客を増やしていく段階  　・目的：売上をより大きくする、負荷コストの改善 

Slide 18

Slide 18 text

Slide 19

Slide 19 text

立ち上げフェーズにやったことものづくりをしつつ、今後の分析を想定した開発を行っていく  データという軸から広げていき、分析以外のタスクに参加    例えば  　・ETLフローの設計・作成  　・値付けロジックの開発  　・ログ設計など  これまでの取り組み  02

Slide 20

Slide 20 text

立ち上げフェーズにやったこと例：ETLフローの設計・作成  　　・連携されたデータを元にETLフローを設計  　　・連携されたデータの中身を確認し、今後活用できそうなデータを  　　　選定し、DMPへ取り込みを行う  これまでの取り組み    02 DMP 協業先のDB 抽出・加工

Slide 21

Slide 21 text

立ち上げフェーズにやったこと例：値付けロジックの開発  　　・それぞれの広告枠に対してユーザーごとに値付けを行う  　　　ロジックの開発  これまでの取り組み    02 request(面,ユーザー状態) response(入札額) webページアクセス時の情報ユーザー情報を元に入札額を計算 

Slide 22

Slide 22 text

Slide 23

Slide 23 text

これまでの取り組み  現在の状況・売上がたちはじめている状況  ・溜まったデータを分析してプロダクトをグロースさせるフェーズ  01 🤯立ち上げ  🎉リリース  💪無限グロース編  ココ！ 

Slide 24

Slide 24 text

グロースフェーズ(現在)にやっていること例：CTR・CVR予測モデルの開発  　　・立ち上げフェーズで作成したDMPのデータを使用し、  　　　予測モデルを開発  これまでの取り組み    02 request (面,ユーザー状態) response (入札額) webページ CVR=f(ユーザー情報,etc..)

Slide 25

Slide 25 text

グロースフェーズ(現在)にやっていること例：効果改善のための広告配信ログ分析  　　・立ち上げ期に設計したログを元に、効果の分析を実施  これまでの取り組み    02 配信ログの取得

Slide 26

Slide 26 text

03 取り組んだことによる気づき

Slide 27

Slide 27 text

やってみて感じた難しさ悩み  　・開発に関わる上で、どこまで自分が責務を負うべきか？  　・ETLフローや、値付けロジックの開発も設計だけDSが行い、  　　開発はSEが担当した方が早いし、お願いした方がいいのでは？  　・自分の役割はなんなのか？  取り込んだことによる気づき  03

Slide 28

Slide 28 text

やってみて感じた難しさ悩み  　・開発に関わる上で、どこまで自分が責務を負うべきか？  　・ETLフローや、値付けロジックの開発も設計だけDSが行い、  　　開発はSEが担当した方が早いし、お願いした方がいいのでは？  　・自分の役割はなんなのか？  取り込んだことによる気づき  03 答え  　・線引きは、データに関連するか、DSが使う機能か否か  　・DSとして開発することによって、将来的なメリットを得ることができる 

Slide 29

Slide 29 text

取り込んだことによる気づき  DSが開発に参加することのメリットとは？ 03 データの文脈でDSが開発に関わることで得られたメリット  　・自身が使用する機能を開発することで、使いやすい設計が可能  　・ドメイン知識を、実際に手を動かすことで解像度が高く獲得できる  　・プロダクトの中長期的な観点から、  　　分析しやすい環境を作ったことでグロースフェーズでも  　　分析がスムーズに行える 

Slide 30

Slide 30 text

取り込んだことによる気づき  メリットを得られている具体例 03 ETLフローの設計・実装  　どのデータがどのように入っているか、何が未連携だがどのように  　取得すればいいかを全部把握しているので、MLモデルを作るときに  　何をどこまでできる・できないの意思決定ができる    値付けロジックの開発  　開発側・値付けロジックを理解しているので、配信で効果が出ない  　とき、どこまではデータ分析の課題、どこからが開発側・システム  　側の課題かの切り分けが可能 

Slide 31

Slide 31 text

04 今後目指したいこと

Slide 32

Slide 32 text

今後目指したいこと  今後目指したいこと 04 上流から下流まで、DSとして全ての状況でのプロダクト貢献    分析に留まらず、実際に開発に参加しながらプロダクトを成長させることは大変だがやりがいはある  様々なフェーズにおける課題を、範囲を広げながらデータサイエンスで  解決し、プロダクトに貢献する  自分の役割は分析だけだからなど分業せず、幅を広げて挑戦し貢献する

Slide 33

Slide 33 text

CONTENTS 01 02 開発パート  企画パート

Slide 34

Slide 34 text

株式会社サイバーエージェント  AI事業本部    協業DXプロダクトでビジネス企画寄りのデータサイエンティストを担当  杉山侑吏  @ys_0511_

Slide 35

Slide 35 text

はじめに（企画パート）  これまでの経歴経済学研究科大学院博士課程法と経済学・応用計量経済学の研究受託分析・研究開発などを行うベンチャー企業にて業務委託 2023年2月サイバーエージェントAI事業本部に中途入社協業DXの2領域を兼務 00

Slide 36

Slide 36 text

はじめに（企画パート）  2つの協業案件を兼務  立ち上げフェーズ：とある業界との協業DX  その業界が持つユニークなデータを使った広告配信    グロースフェーズ：通信業界との協業DX  広告配信・日雑品を中心とした販促  00

Slide 37

Slide 37 text

00 協業DXにジョインしたモチベーションと  プロダクトの成長に貢献しようと動く中で感じたことを、  DS×BizDevの視点から整理立ち上げフェーズ・グロースフェーズの異なるステージの  協業案件を兼務する中で得た気づきをシェア  はじめに（企画パート） 

Slide 38

Slide 38 text

なぜ協業DXでDS×BizDevに挑戦するのかこれまでの取り組み取り組みの中で得た気づき 01 02 03 企画パート 04 今後目指したいこと

Slide 39

Slide 39 text

01 なぜ協業DXでDS×BizDevに挑戦するのか  

Slide 40

Slide 40 text

なぜ協業DXでDS×BizDevに挑戦するのか   やりたいこと・強み・ニーズ 01 やりたいこと    分析をビジネス・意思決定に反映させたい  強み    データサイエンス  （計量経済学）  ニーズ    データを価値の源泉とするデータプロダクト  協業DXでの DS×BizDev 

Slide 41

Slide 41 text

協業DXの面白さ新たな業界・協業先と新たな広告事業の創出を試みている領域未開拓だからこそ DSが立ち上げに入り込む余地があるなぜ協業DXでDS×BizDevに挑戦するのか   01

Slide 42

Slide 42 text

02 これまでの取り組み 

Slide 43

Slide 43 text

これまでの取り組み  DSとしてBizDevを行う際に気をつけていることデータサイエンスに関する専門性を軸にするデータからどのようなビジネス上の価値を生み出せるか検討  最新技術・必要になるデータ・現状を理解して実現可能な方法を検討  最終的にデータを利用する段階を想定したデータ連携スキームの検討  効果的なデータ分析チームの体制を検討  02

Slide 44

Slide 44 text

Slide 45

Slide 45 text

これまでの取り組み  データの有無に関わらずできることをやる立ち上げフェーズ：そもそも分析に使えるデータ基盤がないグロースフェーズ：データ基盤はあるが不十分、理想からは遠い 02

Slide 46

Slide 46 text

これまでの取り組み  データの有無に関わらずできることをやる立ち上げフェーズ：そもそも分析に使えるデータ基盤がないグロースフェーズ：データ基盤はあるが不十分、理想からは遠い（データサイエンスに関する専門性という軸からブレない範囲で）どのフェーズでも理想的なデータ分析に限らずできることを何でもやる 02

Slide 47

Slide 47 text

これまでの取り組み  企画時の取り組み方ビジネスの全体像と現状の課題を捉えるどこで売上が立つのか・売上を立てるためコア・差別化になるデータや機能は何か課題があるなら何がボトルネックになっているか必要なアクションを取る（データ基盤があれば）データからプロトタイプを作成する、など（データ基盤がなくても）データを触れる人を巻き込む、など 02

Slide 48

Slide 48 text

具体例：利用可能なデータ基盤がある場合 

Slide 49

Slide 49 text

これまでの取り組み  例：今はないデータを取りに行く課題：精度の高いターゲティングを行うために必要な追加的なデータが他のアクターのところに存在 02 もしあのデータも集まればターゲティング精度が向上してプロダクトが成長する...

Slide 50

Slide 50 text

これまでの取り組み  例：今はないデータを取りに行く解決策：そのアクターにとってビジネス上のメリットになる新たなメニューを今所有しているデータから考案し提案 02 今のデータで提供できる価値を見出すデータを持つアクターに提案新たなデータを獲得してパワーアップデータからどのような価値を生み出せるか検討し具体化できるところがDSの存在意義

Slide 51

Slide 51 text

これまでの取り組み  例：中長期を見据えたAI機能の企画  課題：人手による販促クリエイティブが個々人のニーズに合っていない  02

Slide 52

Slide 52 text

これまでの取り組み  例：中長期を見据えたAI機能の企画  解決策：AIにより効果的・効率的に代替する方法を考案        02 Biz・AI Labの両者と相談  実現可能な導入方法の模索  最新技術・必要になるデータ・現状を理解して実現可能な方法を考えられることがDSの存在意義

Slide 53

Slide 53 text

具体例：利用可能なデータ基盤がない場合 

Slide 54

Slide 54 text

これまでの取り組み  例：事業形態に応じた個人情報保護法上の論点整理課題：事業形態に応じてプライバシー保護とデータ利活用のトレードオフが生じる 02 個人情報流出によるリスクとデータ利活用の自由度はトレードオフの関係

Slide 55

Slide 55 text

これまでの取り組み  例：事業形態に応じた個人情報保護法上の論点整理前提：最終的には法務確認解決策：個人情報保護法上の論点も理解した上でリスクとデータ利活用のメリットを適切に整理する 02 最終的にデータを利用するDSが把握していないと予期せぬ事態に

Slide 56

Slide 56 text

これまでの取り組み  例：協業先の分析チームとの連携 02 課題：足元のビジネスに対してデータから示唆を得て改善サイクルを回したいが、契約上の制約などから自らデータを分析することは  できない

Slide 57

Slide 57 text

これまでの取り組み  例：協業先の分析チームとの連携解決策：協業先の分析チームと連携して足元の事業にデータを活用する  02 効果的なデータ分析チームビルディングなどあらゆる知見を総動員する

Slide 58

Slide 58 text

03 取り組みの中で得た気付き 

Slide 59

Slide 59 text

取り組みの中で得られた気づき  プロダクトに貢献するために重要だと考えていること 1：分析に拘らずにありとあらゆる方策を検討する協業DXの立ち上げやグロース初期の時点で理想的な環境が整うことは難しいときにはデータ分析の枠組みを飛び出して必要なことに挑戦することが重要 03

Slide 60

Slide 60 text

取り組みの中で得られた気づき  プロダクトに貢献するために重要だと考えていること 1：分析に拘らずにありとあらゆる方策を検討する協業DXの立ち上げやグロース初期の時点で理想的な環境が整うことは難しいときにはデータ分析の枠組みを飛び出して必要なことに挑戦することが重要 2：小さなステップを大切にするいきなり欲しいデータが全て集まったり高度な分析ができたりするとは限らない今あるデータや今できる分析のアウトプットを積み重ねて前進させることが重要 ex) フランス革命も小さな変革から*1 03 *1 竹中. (2007). フランス革命期におけるジャコバン =クラブのネットワーク. 関西西洋史論集, 30.

Slide 61

Slide 61 text

取り組みの中で得られた気づき  やってみて感じた難しさ「何でもできる」器用貧乏になってしまう恐れ「必要なことは何でもやる」というと聞こえは良いが...  技術もしくはビジネス一本で突き進む人と比べると確実に投下量に差が生まれる    03

Slide 62

Slide 62 text

取り組みの中で得られた気づき  やってみて感じた難しさ「何でもできる」器用貧乏になってしまう恐れ「必要なことは何でもやる」というと聞こえは良いが...  技術もしくはビジネス一本で突き進む人と比べると確実に投下量に差が生まれる    ビジネスサイドとの情報格差あくまでも技術職なのでビジネスサイドほどの情報が入ってこないことがあるより大きな視点で全体像を把握して考えるために必要な情報の不足 03

Slide 63

Slide 63 text

取り組みの中で得られた気づき  より良くするために意識していること引き出しを多くするように様々なインプットを行う専門領域や隣接領域の最新技術・トレンド... データ利用とプライバシー・個人情報保護法・セキュリティシステム... 担当領域などのビジネスモデル・トレンド... 03

Slide 64

Slide 64 text

取り組みの中で得られた気づき  より良くするために意識していること引き出しを多くするように様々なインプットを行う専門領域や隣接領域の最新技術・トレンド... データ利用とプライバシー・個人情報保護法・セキュリティシステム... 担当領域などのビジネスモデル・トレンド... 様々なアクターとコミュニケーションし自分から情報を取りに行くビジネスサイドとAI Lab・研究組織... データサイエンスチームとエンジニアチーム... 03

Slide 65

Slide 65 text

04 今後目指したいこと

Slide 66

Slide 66 text

今後目指したいこと  データサイエンスを軸にした新規事業の立ち上げ 04 データだけでは価値は生まれない至るところでデータは溜まっていく

Slide 67

Slide 67 text

今後目指したいこと  データサイエンスを軸にした新規事業の立ち上げ 04 データだけでは価値は生まれないデータサイエンティストだからこそ分かるデータの価値や活用方法を見出してプロダクトを成長させる・新規事業を生み出せることを目指す至るところでデータは溜まっていく

Slide 68

Slide 68 text

まとめ 

Slide 69

Slide 69 text

まとめ  協業DXで開発・ビジネス企画に挑戦する面白さ協業DXという未開拓の領域・データが中心になるデータプロダクトデータサイエンスの専門性を活かしながら ● エンジニアと一緒にプロダクト開発を行う ● ビジネスサイドにコミットして企画を行うなど正解のない中で複数領域に跨って活躍する総合力を試される 05

Slide 70

Slide 70 text

まとめ  一緒に働いてくださる仲間を募集しています🙌 採用サイト：https://hrmos.co/pages/cyberagent-group/jobs/0000173 05