人材業界でのデータサイエンスの事例と展望

by Teruyuki Sakaue

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

阪上晃幸一橋大学大学院を修了後、2012年よりレバレジーズ株式会社マーケティング部に所属。 Webマーケティングと新規事業開発、データ分析、RPAと色々と経験した後、 2019年よりデータ戦略室の室長としてデータドリブン経営を実現するために日々奮闘中。趣味はトランペットで、G1ファンファーレの出演経験あり。個人ブログ：https://kamonohashiperry.com/ TERUYUKI SAKAUE マーケティング部データ戦略室 ©2023 Leverages inc.

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Leverages Group Conﬁdential イラスト/写真 ©2023 Leverages inc. 会社名レバレジーズ株式会社　Leverages co.,Ltd. 所在地渋谷スクランブルスクエア 24 ・ 25階設立 2005年従業員数正規：1443名　非正規：640名（2022年5月時点）資本金 5,000万円年商 649億（2021年度）事業内容自社メディア事業・人材関連事業・システムエンジニアリング事業 M&Aコンサルティング事業・ ASP/ SaaS/クラウド関連事業

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

構造化データの少なさ ● 人材業界において、主要なデータの多くが非構造化データとなっている ○ 大きく分けて、求職者側・求人側・社内オペレーションのデータがある ■ 求職者側 ● 履歴書、スキルシート、職歴、大事にしたい価値観、 etc. ■ 求人側 ● 必須要件、歓迎要件、仕事内容、 etc. ■ 社内オペレーション ● メール・通話音声・オンライン面談音声・ LINE、etc. 業界ならではの問題① ©2023 Leverages inc.

Slide 13

Slide 13 text

揺れ動く求職者の要望・求人の要件 ● スナップショットデータが不可欠 ○ 求職者側 ■ 人材紹介業において、求職者のやりたいこと、経験してきたことは、カウンセリングや求人の提案の度に情報がアップデートされる。 ○ 求人側 ■ 求人の要件は求職者と実際に面接することで事後的に見直されたり、要件を狭めたり広げたりとその時々で情報がアップデートされる。業界ならではの問題② ©2023 Leverages inc.

Slide 14

Slide 14 text

遅れて観測される&不均衡データ ● 内定承諾などのプロセスを教師データにすると、観測されるまで数十日以上はかかるうえ、一人につき承諾は1つだけなので不均衡データになりやすい ○ 早めに観測される、中間となるプロセスを教師データとすることが多い ■ ただし、その場合は性能が上がっても KGIが達成されるとは限らないので注意が必要 ○ 3軸以上でクロス集計などの EDAをすると、データ数がとても少なくなる業界ならではの問題③ ©2023 Leverages inc.

Slide 15

Slide 15 text

構造化データの少なさ揺れ動く求職者の要望・求人の要件遅れて観測される& 不均衡データモデルのフィードバックはすぐには得られない。不均衡データならではのテクニックで対応するか、中間指標を教師データとするか計画的にスナップショットデータを蓄積しておかないと正しい機械学習を行うことは難しいため、データ基盤への投資が重要非構造化データを構造化データに変換するなどの技術を保持することが重要再掲：人材業界ならではの問題 ©2023 Leverages inc.

Slide 16

Slide 16 text

Slide 17

Slide 17 text

CRMメール配信に載せる求人情報の選定アルゴリズム ©2023 Leverages inc. ● 課題個々の求職者の指向性にマッチした求人情報をメール配信することで、より円滑な転職活動を支援する。 ● 実践蓄積された求職者と求人の構造化データをメインにランク学習を行い、メールを開封して応募したくなるかどうかをスコア化し、上位の求人をメール配信で送付し既存手法よりも高い反応率となった。うまくいった事例① 前処理  ランク学習  メール配信  配信結果 

Slide 18

Slide 18 text

潜在的なサービス利用ユーザーへのWebマーケティング Conﬁdential ©2023 Leverages inc. ● 課題利用実績のあるユーザーに重きをおいてインターネット広告などを出していたが、潜在的な利用ユーザーも考慮して運用し、ターゲットとなるユーザーを広げる。 ● 実践過去の蓄積データから機械学習を行い、利用実績のみならず、潜在的なユーザーに関しても SA360という広告プラットフォームに考慮してもらうことで、理想的な広告運用を実現した。うまくいった事例② 1ヶ月後に利用しそう 1ヶ月後に利用しなさそう利用実績あり利用実績なしこれまでのターゲット   漏れているターゲット  

Slide 19

Slide 19 text

求人レコメンドアルゴリズム ©2023 Leverages inc. ● 課題人間が処理できる限界を超えるほどの求人情報の中から、求職者にマッチした求人を見つけることで、より良い転職体験を届ける。 ● 実践求人・経歴など非構造化データを特徴量に落とし込み、機械学習を行いマッチする確率をスコアで計算し、ルールベースのフィルターで絞り込むという、ハイブリッドアルゴリズムを開発。人間と遜色ない性能を実現している。うまくいった事例③ 統合&前処理  人材情報  求人情報  過去の  マッチ結果  機械学習  フィルター  推論エンドポイント 

Slide 20

Slide 20 text

必須要件のアノテーション& 分類アルゴリズム ©2023 Leverages inc. ● 課題非構造化データではあるが、求人提案において重要な必須要件の情報を構造化データに変換することで、機械学習やデータ分析できるようにする。 ● 実践 3万件ほどのレコードをデータサイエンティストが人力でアノテーションをして、マルチクラス・マルチラベルでの機械学習を行い、必須要件のテキストを入力して、構造化データを出力するモデルを作成。うまくいった事例（番外編）スプレッドシートで気合と根性で行いました

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

画像分類による企業とクリエイターの画風マッチ ©2023 Leverages inc. ● 課題作風が似ているという観点で自動マッチングすることで、デザイナー作品と企業を結びつける。 ● 実践 VGG16などのCNNベースのアルゴリズムを適用し作品の画像と企業とのマッチング度を計算 ● 七転八倒の理由、今後の改良作品集のフォーマットが多種多様で、そのままのデータで学習させることが厳しかった。アノテーション体制を構築して進めていくことが重要。しくじり事例① 作品集の一例（以下が一色単）   ブログに画像だけ貼ってある  3DCGの作品  パーツだけ  作った作品  キャラクター 

Slide 24

Slide 24 text

ユーザーのデータが偏る ©2023 Leverages inc. ● 課題採用面接のプロセスのステータスを教師データに機械学習をすることで、候補者がどれくらい先のプロセスに進むかを予測する。 ● 実践採用プロセス関連のデータをもとに機械学習することで AUCが80%以上のモデルが完成。 ● 七転八倒の理由、今後の改良うまくプロセスが進んだユーザーのデータ以外はカラム単位で欠損する傾向が強く、機械学習の性能はよくても汎化性能が低かった。データの発生タイミングを厳密に理解してモデリングをする。しくじり事例② Stage1  Stage2  Stage3  めちゃ欠損  やや欠損  欠損なし  目標達成  欠損する/しないを学習してしまっている😭 プロセス開始  プロセスの進行度とデータの欠損具合  

Slide 25

Slide 25 text

RCTを実行しにくい ©2023 Leverages inc. ● 課題サービスの予約を忘れていそうな顧客を機械学習で予測して思い出してもらう ● 実践機械学習によりまずまずの性能のモデルが完成したので、 RCT で実験をしたい ● 七転八倒の理由、今後の改良分析を進める過程で、 RCTをできるかどうか議論を行ったが、オペレーションの混乱を招くため、予約の後に必ず電話する業務フローが確立してしまった。分析機運の高まりが業務フローの変更を誘発することがあるので注意する。しくじり事例③ RCTよりかは全件対応でサービスをしたい蓄積データで当日キャンセルをモデリング   けっこう当たるモデルかも

Slide 26

Slide 26 text

Slide 27

Slide 27 text

キャリアの科学 ©2023 Leverages inc. データでできそうなこと① ● アイデア過去の数万人以上のユーザーのキャリアのデータをもとに、どれくらいの期間で、どんなスキルを身につけ、どういうポジションを経験しているのかを分析し、各人のキャリアの指針を知れ、エージェントとして最強レベルの知見を手に入れる。 ● 実現するには職歴のデータの構造化、ユーザーの追跡調査、仕事内容、職種、ポジションの表現の統一、企業名名寄せ、企業のグルーピングなどの徹底化のちに、機械学習を行う。前処理後、分析用DBの構築構造化データ  非構造化データ  プログラミング   インフラ  マーケティング   ネットワーク   IoT  統計学  UI/UX  ???  ???  ???  ???  ???  ???  ???  ??? 

Slide 28

Slide 28 text

需給バランスを考慮した求人作成支援システム ©2023 Leverages inc. データでできそうなこと② ● アイデア求人票を企業が作成する際に、入力した求人要件に応じて動的に求職者の応募可能性を予測する。応募が集まりやすい条件と譲れない条件を天秤にかけて求人票を作成できる。 ● 実現するには要件ごとに応募のしやすさを機械学習してスコアリングする。ただし、交絡の可能性もあるので、モデリングは慎重に進める必要がある。また、瞬時にスコアを返す軽量なモデルが必要。貿易事務を必須としないなら応募率 N%アップ！貿易事務は譲れないけど、マイカー通勤 OKにしよう写真も載せようマイカー通勤 OK なら応募率 M%アップ！採用  担当者  求人票  働いている人の写真載せたら応募率 L%アップ！

Slide 29

Slide 29 text

面接関連の動画解析 ©2023 Leverages inc. データでできそうなこと③ ● アイデア面接においてどういった対策が重要であるか振り返ることが可能なアルゴリズムの開発。 ● 実現するには動画に対して画像を特徴量化したり、文字起こしをするなどして面接の成否をラベルにして機械学習する。職種によって、表情を含めた伝え方が大事だったり内容のロジックのもっともらしさが大事だったりするので、画像ばかりでなく発言内容も重視。面接動画  画像・動画特徴量  テキスト特徴量  モデル作成後、  成否の差を振り返れるシステムを開発  

Slide 30

Slide 30 text

人材業界で働く若手社員はデータを活用して顧客にコミットする指向性が強い ● 思い切った意思決定ができる人にデータという武器を授ける ○ データ分析官が与える影響よりも、ドラスティックな影響をサービスや会社に与える可能性がある。 ■ データ分析官が業務フローを変更するのは限界がある ■ 正しく使うという観点でのデータ活用リテラシーも重要 ● きめ細かなデータ活用を実現 ○ 営業担当者が個別の企業や人材群に対して回帰分析を行う、予測を行い意思決定する ■ データサイエンティストだけでは社内の全ての問題を解く時間はない人を育てる ©2023 Leverages inc.

Slide 31

Slide 31 text

Slide 32

Slide 32 text

Slide 33

Slide 33 text

色々なポジションで採用中 Conﬁdential ©2023 Leverages inc. ● こんなことができます ● 事業成長のためのデータ活用 ● グロースのためのツール開発 ● データドリブン組織の作り込み ● こんな人たちと仕事 ● 物理学、脳科学、数学などがバックグラウンドのデータサイエンティスト ● プロダクト開発経験者 ● SE・アプリ開発エンジニア https://recruit.jobcan.jp/leverages/show/b01/448072   https://recruit.jobcan.jp/leverages/show/b01/442370   https://recruit.jobcan.jp/leverages/show/b01/14743  