良質な意思決定を行うためのPM×データ分析体制 / RettyBeerBash#3

2021/08/31にオンライン開催した自社イベントのスライドです
https://retty.connpass.com/event/221275/

Transcript

2. 2 あなたにBESTな お店が見つかる
3. 3 社長室　採用チーム 好物：すし、肉 趣味：麻雀、ボードゲーム 経歴：2013年　富士通株式会社（1年） 　　　2015年　株式会社リクルートキャリア（2.5年） 　　　2017年　株式会社フーモア（2.5年） 　　　2019年　Retty株式会社（1.5年） 新卒では大手病を患っていて富士通へ入社。 リクルートキャリアでHRに興味を持ち、営業から一転ベンチャーで人事 キャリア開始！ 2019年11月、友人に誘われてRettyに入社しました！！ 大森美奈 　Mina Omori

4. プロダクト部門マネージャー 兼 プロダクトマネージャー 好物：おでん、和食、最近イタリアンとワイン好き 趣味：漫画（デスノートから少女漫画まで好きです）、ゲーム 経歴：2012年　家庭教師の斡旋会社立ち上げ 　　　2015年　インターンでRettyに入社 　　　2017年　新卒でRettyに正社員として入社 数値グロースプロセスでたくさんの成功と失敗を経験し経験し、現在は 中長期を見据えたプロダクト全体の体験設計を担当。 利便性だけでなく感情的に愛してもらえるようなプロダクトを作っていき たい人です。全人類の幸福度を底上げしたいです。 4 田中大登　Daito Tanaka

5. データ分析チームマネージャー 好物：ステーキ 趣味：漫画、サウナ、温泉 経歴：2014年　Rettyに新卒一期生で入社 　　　2018年　データ分析チーム立ち上げ エンジニア・プランナーとしてRettyのSEO領域を努めた後、組織の データ活用需要に応えるため、データ分析チームを立ち上げた。現在 は、データ分析チームのMGRとして「組織の意思決定最大化」をテー マに組織強化、プレイヤーとして事業/プロダクトグロースに向き合って ます。 5 平野雅也　Masaya Hirano

6. データ分析チーム　データアナリスト 好物：とんかつ 趣味：マンガ（最近のイチオシ：東独にいた）・天鳳 経歴：2014年　エンジニア 　　　2019年　Retty入社 　　　2020年　エンジニア → データアナリスト プロダクトマネジメントへの関心が高まり、エンジニアからのキャリア チェンジを求めてRettyへ入社しました。 人の生活に関わる領域のサービスを作り続けていたいです。 6 松田裕一郎　Yuichiro Matsuda

7. プロダクト部門マネージャー 兼 プロダクトマネージャー 好物：オムライス 趣味：漫画、サウナ、(うまくないですが)ゴルフ 経歴：2018年　データアナリストとしてインターン 　　　2019年　Retty新卒入社 　　　2021年　データアナリスト → PM 2019年に新卒でRettyにデータアナリストとして入社。プロダクトグロー スや営業の売り上げ増加に関する分析を幅広く担当。 入社当初から目指していたプロダクトマネージャーに今年から転向。 7 飯田悠斗　Yuto Iida

8. 8 アンケートのご協力をお願いします！
9. Vision 9 食を通じて 世界中の人々を Happyに。 世界に誇る日本の文化であり、世界中の人々の 暮らしの中心でもある、「食」という分野で、お店 を探す人とお店の人の双方がHappyになれる、 そんな世界を実現したい。その為に、お店をオス スメするというポジティブな感情で人をつなぐ事が Rettyの目標です。
10. サービス開始から現在まで急成長 10
11. ユーザーさんにとってのRetty 11 実名型 点数評価のない おすすめの口コミ 「ヒト」から探す 信頼できるヒトから、自分にあったお店を見つけることができる 実名型グルメプラットフォーム
12. 12 飲食店さんにとってのRetty 新規集客 ストック アクセスアップ 来店 顧客管理 リピート集客 お店の”ファン”と出会い、長期的に繋がれる 将来の常連さんを作る集客のインフラ
13. 13 良質な意思決定を行うためのPM× データ分析体制
14. 14 PMと分析チームの協業体制
15. データ分析チームを立ち上げることに
 2018年前半頃、瞬時に多様な観点からの分析が必要なフェーズに
 
 ・データ量の増加 | ユーザー数の増加や多様化 
 
 ・指標,フェーズ変化がより激しくなった | 変化を瞬時に察知しないと取り残される 
 
 ・社員数,ステークホルダーの増加 | 数値状況の見える化,透明性が重要だよね 
 
 ・意思決定難易度の上昇 | 他指標への影響をちゃんと加味して判断したい 
 
 などなどなど....
 データ分析チームの立ち上げ背景

16. データの価値を高める仕組み作り
 
 データ活用者にデータを届ける（データパイプラインの構築） 
 データ品質を高い状態にする（DWH開発） 
 データ活用のためのツール作り（BI開発） 
 データ分析チームのミッション
 意思決定の最大化
 組織で発生する意思決定の 
 「早さ・納得感・正しさ」を高める 
 組織の意思決定を最大化するためのチーム
 メ イ ン 領 域
 意思決定支援
 アナリストが、現場の意思決定を定量定 性分析を用いて支援する 
 データを活用して、ユーザーさん /飲食店さん/クライアンさんに価 値提供
 データを活用する機能開発
 (e.g お店のレコメンド, 人気店アルゴリ ズム)
 分析の民主化
 事業部の方々が、自分たちでデータ分析 をできるように、支援する 
 サ ブ
 領 域
 / 今 後 強 化
 し た い

17. プロダクトの成長に責任を持つ人
 担当領域のユーザーストーリーの策定、他PMと 議論してイテレーションに載せるユーザーストー リー決定、ロードマップの策定に責務を持つ 
 決断のための、選択肢を提言すること に責任を持つ人
 意思決定のための問題設定、分析設計、データ 集計・可視化、解釈、提言までに責務を持つ 
 現在のPM×分析チームの協業体制
 PM
 アナリスト
 選択肢の提言
 データアナリストが意思決定の選択肢を提言、PMが決断

18. データ強化によるBefore/After
 社員数やチーム増加によって分析需要が上昇す るものの、供給が追いつかない
 数値状況の見える化,透明性ができておらず、 チーム間での目線が揃っていない 様々な指標を加味する必要があり、意思決定難 易度が高い 数値ダッシュボードの充実によって、チーム間で、 同じ目線で議論できるようになった
 データ分析の専門を置くことで、複雑な意思決定 に対応できるようになった Before
 After
 意思決定支援や、分析の民主化によって、
 ・現場の分析は現場
 ・全社横断や複雑なものは分析チーム
 で対応できるようになった
 より早く多様な分析を行う体制ができてきた
 などなど

19. ６. データアナリストからの
 PM転向
 良質な意思決定を行うためのPdM×データ分析体制
 19 １. 基本的なユーザーストー リー実装までの流れと分析 の関わり方
 ３. 分析の民主化
 PMの分析スキル向上
 分析基盤整備
 ２. 定常的UXリサーチ
 ４. 定量・定性データの
 使い分け
 [Done] 現在体制/経緯
 ＆データ強化による Before/After
 
 ５. 数値を見る文化の作り方

20. 20 １. 基本的なユーザーストーリー 実装までの流れと分析の関わり方
21. 効果検証設計 ・打ち手の効果をどうみるか ・どこにどんなログが必要か 優先度判断 工数/アウトカ ムでやるべき ことを決める 基本的なユーザーストーリーの実装までの流れと分析の関わり方
 流 れ 関 わ り 方 定量分析 課題目処立て 定性分析 課題の発見 課題解決 解決方針検討 解決案具体化 ・仕様起票 ・デザイン 事前検証 打ち手で課題 が解決される かの事前確認 PM 分析 分析設計 ・What：何を知りたいか ・Why：なぜ知りたいか ・How：どう知るか ・Next：知ると何ができるか チーム内外の連携 ・デザイナー/エンジニアとの相談 ・営業/CSへの連携や懸念調査 成果試算 実装コストに対 して得られるリ ターンの可視 化
22. 22 ２. 定常的UXリサーチ
23. ユーザーインタビュー
 Rettyでのユーザーインタビューのプロセス 目的設定 （分析チーム・PM） 　知りたいことの言語化 　対象者選定の条件設計 　大まかな質問設計 対象者選定・スケジュール調整 （分析チーム・CS） 　　　　行動ログ分析やアンケートで選定 　　　　メール・アプリから連絡 　※外部サービスを利用する場合もあります 質問設計 （分析チーム） 　　　　タイムテーブル設計 　　　　前提となる質問 　　　　目的達成につながる質問 インタビュー実施 （分析チーム・PM） 　Zoom実施・Meet中継 　録音・録画データを保管 振り返り （分析チーム・PM） 　　KJ法などで振り返り 　　インサイト言語化 　　 数日 1~2週間 1~2週間 1週間
24. インサイトを得やすいインタビューにするために行っていること ① 目的設定・質問設計を行い、目的とリンクした質問にする 　・目的のないインタビューは深堀りポイントがなく質問を流して終わりやすい ② インタビュー内容に即した対象者を選定する 　・事前にアンケートでスクリーニングが可能であれば行う 　・厳しい条件で選定し、徐々に緩和していく ③ ドメイン知識のある人をインタビュアーにする 　・モデレーターとインタビュアーの２人で行うとスムーズ 　・深堀りしていくのは思考の瞬発力が必要 ユーザーインタビュー

25. 25 ３. 分析の民主化 分析基盤整備 PMの分析スキル向上
26. 分析の民主化① - 分析基盤整備
 DWH開発：誰でもシンプルなSQLでデータを抽出できるようにした
 データ集約：ユーザーログやプロダクトデータなど、BigQueryに集約 RDS ログ
27. 分析の民主化② - PMの分析力強化
 BigQueryの勉強会を行い、自らデータ出しを行える人を増やした
 提供価値 以下の時間的コストを支払う必要あり 
 • 最大3ヶ月の期間
 ◦ 期間中でレベル3に到達した場合、本人の意 思により今プログラムを終了することができ る。
 • 毎週3hの時間確保
 ◦ 演習2回: 2h
 ◦ 予習/復習: 1h
 ※人によっては目標に入れている 
 
 内容
 ・1h×週2回みんなで集まり、ひたすら演 習問題を解く
 ・わからない点を質問し放題 
 受講者コスト 分析の相談レビュー
 前提：各チームの分析は現場で行ってもらう
 分析設計、SQL、分析結果に対する相談レビューを継続 的に実施
 ・分析相談レビュー用のSlackチャンネルを運営
 ・毎週水曜日の分析オフィスアワーで気軽に聞ける場を 用意
 クエリ相談している様子 
 分析オフィスアワーのお願い事項 

28. 28 ４. 定量・定性データの 使い分け
29. 実装プロセスでの使い分け 定量データ・定性データの使い分け
 優先度判断 工数/アウトカ ムでやるべき ことを決める 流 れ 定量分析 課題目処立て 定性分析 課題の発見 課題解決 解決方針検討 解決案具体化 ・仕様起票 ・デザイン 事前検証 打ち手で課題 が解決される かの事前確認 目的：事実や量を明らかにする 手法例：行動ログ分析 目的：理由や心理を明らかにする 手法例：ユーザーインタビュー 目的：ソリューションが適切か 手法例：アンケート・ユーザビリティテスト
30. 30 ５. 数値を見る文化の作り方
31. 数値を見る文化の作り方
 BIツールを活用してデータをみやすく　→　BIツールの落とし穴を避けていく
32. 数値を見る文化の作り方
 落とし穴回避のための工夫を紹介：noteを画面共有させてください URLはこちら
33. ６. データアナリストからの PM転向 33
34. 課題発見から効果検証までの流れ
 効果検証設計 ・打ち手の効果をどうみるか ・どこにどんなログが必要か 優先度判断 工数/アウトカ ムでやるべき ことを決める 流 れ 関 わ り 方 定量分析 課題目処立て 定性分析 課題の発見 課題解決 解決方針検討 解決案具体化 ・仕様起票 ・デザイン 事前検証 打ち手で課題 が解決される かの事前確認 PM 分析 分析設計 ・What：何を知りたいか ・Why：なぜ知りたいか ・How：どう知るか ・Next：知ると何ができるか チーム内外の連携 ・デザイナー/エンジニアとの相談 ・営業/CSへの連携や懸念調査 成果試算 実装コストに対 して得られるリ ターンの可視 化
35. ・SQLも書けない状態からスタート。まずはデータ出しが一人前にできるように四苦八苦。 
 ・要件が決まったデータ出しから、PMと連携して分析設計/見解を提案する側に徐々にシフ ト。
 データアナリスト 兼グロースPJ責任 者 （2020.8 ~ 2020.12) ・データアナリストからPMへ職種転向。 
 ・序盤は施策の仕様設計やディレクションをメインに実施。 
 ・その後自ら定量データを活用しながら全体のグロース方針や施策優先度を決めるよう に。
 ・データアナリストという立場を経て、プロジェクト全体のプロダクトグロース責任者を担当。 
 ・全体のグロース方針やボトルネックの特定、インパクト試算等、グロースに関連すること を、分析者という強みを生かして幅広く実施。 
 ・序盤はプロダクトグロースを中心に、サイト改善のための分析をメインに担当。徐々にイン ターン時代にはなかった目標設計や課題特定の領域での動きが増える。 
 ・その後プロダクト部門と営業部門の橋渡しとして、関連する数値の整備や意思決定のサ ポートを実施。
 インターン時代 （2018.10 ~ 2019.3) これまでやってきたこと
 分析設計 効果検証 データアナリスト （2019.4 ~ 2020.7) PM （2021.1 ~ 現在) 課題目処立て 効果検証 解決方針検討 優先度判断 経験フェーズ 解決策具体化 事前検証 リリース対応 課題の発見
36. データアナリストからのPMキャリアの強み
 データアナリスト時代に身につけたスキルセットがPMでもかなり活きてくる ① 問題解決に必要な基本的なソフト/ハードスキルが身につく 　・ソフトスキル：論理的思考力 / 説明力 / 構造化する力 　・ハードスキル：SQL / 統計知識 / スプレッドシート力 ② 問いに答えるための分析設計〜分析実施が自らできる 　Whyへの意識 / 見るべき指標の勘所 / 定量の限界 ③ データに対しての解釈力が身につく 　データ生成への着眼 / データの落とし穴 / 分析結果への解釈
37. ① 価値提供までのディレクション 　各種ステークホルダーとの優先度・仕様調整 / スケジュール管理 ② 筋の良い施策の立案及び具体化 　具体的な施策の引き出しが少ない / 筋の良い施策かよく分からない ③ 優先順位を決める意思決定 　毎日が意思決定の連続 / 何を重要な変数とするか / 決める覚悟 データアナリストからのPMキャリアの苦労してる点
 データアナリスト時代に経験しない箇所が主な苦労ポイント
38. 38 アンケートのご協力をお願いします！
39. 9月はデザイナー×PMイベント開催します！ 39
40. 40 Retty採用のご案内！
41. エンジニア募集中！ 41
42. データエンジニア・アナリスト募集中！ 42
43. プロダクトマネージャー募集中！ 43
44. UI/UXデザイナー募集中！ 44