イベント・セミナー

メルカリ×LINE×エウレカ×サイバーエージェントのデータ分析チームのマネージャが赤裸々に語る!

データ分析官のマネージャ4名が「ミッション」「教育」「評価」「日常の組織運営」「採用」について赤裸々に語った。
左から、メルカリの樫田光氏(パネリスト)、サイバーエージェントの備前光隆氏(モデレータ)、エウレカの鉄本環氏(パネリスト)、LINEの牟田博和氏(パネリスト)

データ分析チームの仕事は事業と密着しているだけに、会社ごとに、細かな方法や用いるツールは異なるだろう。一方で、データドリブンな意思決定を行える組織作りや運営上の課題など、共通する課題も多い。ほかの会社ではどのように解決しているのか。データ分析のマネージャ4名が「ミッション」「教育」「評価」「日常の組織運営」「採用」について赤裸々に語った。

好評の「Data Analyst Leaders Talk! #1」を受け、第2回が、2018年10月17日(水)に渋谷で開催された。モデレータをサイバーエージェントの備前氏が務め、パネリストはメルカリの樫田氏、エウレカの鉄本氏、LINEの牟田氏のデータ分析チームを統括するマネージャ4名でパネルトークが行われた。人気企業のマネージャの登壇とあって、会場には100名を超える参加者が集合。倍率でいうと3倍もの参加希望者があったという。

第1部 データ分析チームのマネージャが日々向き合っていること

「明日から使えることを各パネラーから引き出していきたい」と語る備前氏の進行で、“第1部 パネラーの皆さんが日々向き合っていること”をテーマにパネルトークが開始された。

#1 データ分析チームに何が求められているのか(ミッション)

データ分析チームの現場には、ときに“データ出し”だけのイージーな依頼がある。そうした中で、自分たちのミッションとは何かに悩むこともあるだろう。そこで、そもそも会社がデータ分析チームに求めるものは何かについて、議論された。

メルカリの樫田氏は、彼らのデータ分析チーム(BIチーム)に求められているのは分析や数字を出すことはもちろんだが、そのためにも物事を整理していくことが重要なミッションだと語る。物事を整理し、整理した枠組みのなかで数字をおき、具体的な提案としていく、そのプロセスを大切にしているそうだ。

最近は、議論が「とっちらかっている」から整理のところから入ってほしいとか、物事の枠組み化など、上流のところから入ることを求められていると感じています(樫田氏)。

そしてデータ出しだけのイージーな依頼がある場合には、次の3つの方法で対応している。

  1. 簡単な分析は事業部側でできるようにする
  2. BIツールの力を借りる(導入しているのは「Looker」
  3. BIチームのブランディングを意識。時には依頼を断ることも必要

データの民主化や環境整備をして、事業を自走させることが必要になるわけだ。

メルカリの樫田光氏(パネリスト)
2016年にメルカリ入社、データ分析を通して国内/米国の両事業の企画支援・戦略立案を行う一方、BIチームのマネージャを務める。メルカリ以前は、外資系戦略コンサル、スタートアップ取締役などでのビジネス経験を経たのち、データサイエンスに興味を持ち30歳でプログラミングの勉強を始め、データ分析職に転身。

エウレカは、累計会員数800万人超のオンラインデーティングサービス「Pairs(ペアーズ)」を運営している。そのため、膨大なデータ量を有している。そのデータをきちんと活用し、意思決定につなげるのがミッションだと鉄本氏は語る。

鉄本氏のチームでは、データの収集・可視化、そしてユーザの隠れた意識を洗い出し、分析を通した発見の提供など、データを扱うことは何でも行っている。事業の自走については、プロダクトチーム側でまわせるように整備した。

簡単な分析はプロダクトマネージャができるように整備して、BIチームは将来のデータ活用を見据えた動きにフォーカスしています(鉄本氏)。

利用しているツールとしては、常に観測するものはTableau、アドホックはRe:dashと使い分けている。

エウレカの鉄本環氏(パネリスト)
2011年にインターン入社後、2013年に新卒で入社。受託開発・テクニカルディレクター、サーバーサイドエンジニア&分析を経て、2017年にBIチームの責任者に就任。

LINEでは、次の2点が分析チームに求められていることだと、牟田氏は語る。

  • データをきちんと分析すること
  • データを活かす仕組み作りをすること

LINEのデータはそれこそ膨大だ。国内のMAU(月間アクティブユーザー)は7800万、DAU(一日のアクティブユーザー)はそのうちの85%と公表されている(2018年9月時点)。そのため、やはりデータの整理が大切になる。

データがでかいので、やろうと思えばなんでもできちゃいますから、整理することが大事。データを整理して、道筋を立ててきちんと分析するということが求められています(牟田氏)。

また、データを活かす仕組みとして、全社員が自身でSQLを書いて分析できる環境を提供している。さらに、全社の分析レベルを上げるために、分析の仕組化を進めた。牟田氏はチームメンバーに、「分析ができたらそれを仕組み化し、業務フローの設計や見直しまで踏み込むべき」と話し、さらに、うまくいった分析の横展開についても意識しているという。

LINEの牟田博和氏(パネリスト)
半導体エンジニア、監査法人でのコンサルタントを経て、2015年にLINEのデータサイエンティストになる。2018年からData LabsのData Analysis Teamのマネージャに就任。

#2 社員教育、組織教育はどのように行っているか?

データ分析チームのミッションを考えていくと、データの民主化は必須だ。そこで、具体的な社員教育、組織教育についての話となった。

樫田氏は、率いているチームを、BIチームそのものを強くするためのレ班(レインフォース班)と、BIチーム以外に分析の力を伝播していくデ班(デモクラタイゼーション班)の2班に分けている。

デ班の活動の一つとして、BIチームの外側に準BIチームともいえる「ゆるふわBI」を作り、その外側のデータリテラシーをもっていない人たちを「ゆるふわBI」のメンバーがサポートする、という階層構造を作った。

すべての依頼がBIチームにくることはつらいので、ある程度データリテラシーがある方、あるいはデータリテラシーを身に付けたいという欲求があってかつセンスのある方々を優先的に教育していって、その方々にまずは外側の人たちの相談をきいてもらう形です。また、そこから伝播して全社員リテラシーが広がっていけばいいなと考えています(樫田氏)。

エウレカもまた、他部署の人たちをまきこんだ「@bi-all」というSlackのグループを作り、権限を与え、知見を渡して伝播していくようにしている。そしてその際には、「データの定義」をきちんと伝えるのだという。

データの定義がわからないとハードルが高くなってしまうので、定義や何を重要視するのかというのを明確に示すということをやっています(鉄本氏)。

LINEの場合はユーザーの機微情報が集まるため、法律にふれないことは当然として、データを正しく扱うことが重要となると牟田氏は語る。教育の観点では、機微情報を正しく扱うための啓発活動に力を入れているとのこと。また、データ活用のためのツールは自社開発し、そうしたツールを使ってデータの民主化をはかっている。

#3 分析チームの評価基準は?

データ分析チームの評価に関しては、各社とも、意思決定への貢献や他チームの人の意識変容など、成果量、行動量でみることが多いようだ。

樫田氏からは、「(1)言われた分析ができる」→「(2)言われていない分析ができる」→「(3)データ分析以外のプラスアルファを行える」のように、最終的には、分析だけでなく、「人を動かす」「教育をする」など分析を超えたところを到達点として設定しているとの話があった。また、チームメンバーへの評価では明確なフレームワークをもっているそうだ。

どういう観点でみて、どういうフィードバックをするか、ちゃんと決まったフレームワークをもっています。ただ、最終的な評価は、社内での評判で決めています部分も少なくありません。たとえば、トップ10%の評価を得る人は、誰からも評判がいい。このトップ10%を目指してほしいと思っています(樫田氏)。

これには、サイバーエージェントの備前氏も「いい人は何をやらせてもいいですよね」と深く同意。経営陣からも評判のいい人材は、顕在化されたお題だけでなく、潜在化されたお題に取り組めると語る。

経営陣からお題を出されたときに、1歩でも2歩でもいいので、先回りをして、そういうことがあったのねという、気付きをもたらすアウトプットができているプレイヤーは、経営陣からも支持される印象があります(備前氏)。

サイバーエージェントの備前光隆氏(モデレータ)
2006年に新卒入社後、営業部門局長、スタッフ部門局長、アドテク本部Dynalyst事業責任者を経て、2017年メディアマーケティング本部本部長に就任。

#4 日常的に行っている組織的な取り組みは?

第1部も残り5分となったところで、明日から各チームでいかせるような組織的運営上の取り組みについて語られた。

備前氏が意識的にやっているのは、各事業に散っているメンバー一人一人が、日ごろから行っていることやアウトプットを「共有する機会を半強制的にもつこと」。しかも、チームメンバーの前でプレゼンテーションを行うことで、わかりやすく伝える力も養える。やりたいことをやるためにも、伝える力を身に付けることが必要だからと備前氏は強調した。こうしたチームメンバーでの共有の機会は、LINEでも実施していると牟田氏はいう。

また、鉄本氏がやってよかったと語るのは「依頼の窓口を集約すること」だ。依頼側も、どう依頼すればよいのかがわかり、整理されていない依頼が減ったという。また、チームの皆でその依頼をみて、誰がやるかを一緒に決めるため、どういうニーズがあるのかを把握でき、アプローチ方法の知見共有もできる。

樫田氏がマネージャとして行っているのは、今回のようなイベントの登壇などを通じてチームのブランドを上げていくことだという。最高のチームであることを社内外に発信していくことで、チームメンバーのモチベーションも上がり、他部署からもメルカリのBIチームと働きたいと思ってもらえるようになるためだ。

第2部 分析チームの悩みに応える

第1部では、分析チームの現場ならではの赤裸々な評価基準や組織運営について語られた。それを受け、第2部では、トーク中にネットを通して寄せられた会場の皆さんからの質問を中心にセッションが進められた。

会場の様子

質問1:データドリブンの文化を根付かせる方法は?

データ分析組織の立ち上げ時には特に、データドリブンの文化は社内に根付いていないことが多い。事業判断が経験則や勘で行われがちだが、どのようにそれを変えていけるかとの質問があった。

牟田氏は、「経験則や勘による判断は悪いことではない。大事なのはデータをきちんと分析した上で、データで判断するか、経験や勘で判断するかを選択できることだ」と語る。そして、A/Bテストの重要性を理解したもらうために行った実例をあげた。

A/Bテストなしだとここまでしかできないが、A/Bテストをやるとここまでわかる、ということを具体的に示した。効果を定量データをもとに実感してもらうことで、A/Bテストを重視する文化が根付いたという。実感する機会を積極的に作った成果だろう。

「データの重要性のわからない経営陣に理解してもらうには」の質問に対して「経営陣の中からわかってもらえそうな人物に狙いを定め、データを使うことによる成功体験を積んでもらうとよい」と鉄本氏はいう。特に数字に強く、投資回収率の可視化が重要なマーケティングのバックグラウンドを持つ人には、理解してもらいやすいとのこと。

樫田氏からは、経営に関わる人と信頼関係を築くことが大切だとあった。そしてそのアプローチの仕方として次の3つを挙げた。

  • 一人に対して、何回もしつこく同じことをいう。何回も繰り返すうちに人間関係ができ、信頼関係ができる。
  • 信頼関係を築くことが難しそうなら、対象者を替える。
  • いきなり数字の話をしても難しいと思ったら、アナリストの肩書を捨ててアプローチし、データ以外の価値でもよいので関係を築いてから、次のステップとして分析の話をする。

備前氏はというと、伝え方にも工夫をこらしているそうだ。そのためにチームメンバーには、数字は同じでも、どのように見せればインプットされるのか、というところまで考えさせている。

経営会議では、5秒、10秒で何を言おうとしているかを伝えることができるようにしなさいと言っています(備前氏)。

質問2:チームメンバーにはどういう教育を行っているのか?

牟田氏のチームではいきなり実践投入し、OJTによる教育法をとっているそうだ。鉄本氏のチームもまた基本はOJTだが、整理できていないドキュメントの整理を意識的に依頼しているという。そのことで、データの定義やデータベースを構成している要素がわかるようになるからだ。

たとえば、SQLが煩雑になってしまっているところを、どういうSQLが多いのかを分類してもらったり、ログの定義書のアップデートや自動化をしてもらったりとか、実践しながらドキュメンテーション部分をやってもらっています(鉄本氏)。

樫田氏のところもOJTだが、次の3つを行っているという。

  1. チームメンバーに対してできることで大きいのはアサイン。なるべくその人の興味と一致するドメインや事業部の皆と合うところにアサインしている。見直しのタイミングは3か月だが、なるべく6か月は継続。
  2. データ定義書など、社内のドキュメント整理の依頼。
  3. 週に1度、約30分の1on1。業務で困っていることなどヒアリングやアサインの思惑があたっているかの確認などを行っている。

ここで、備前氏から「戦力になるのにどれくらいかかりますか?」との質問があり、樫田氏からは、「言われていないこともできるようになることを一人前とすると、3か月くらい」との回答があった。アサインがうまくいっていれば、3か月で、現場にどんどん入っていき、プロデューサーと話せるようになるという。

備前氏のところも、筋がいいと3か月で芽が出始め、6か月でまかせられるようになるという。サイバーエージェントは新卒文化のため中途採用が少ないという特徴があるが、そのため、育成カリキュラムをきっちりと作成。さらに、グレードごとのスキルセットも明確にしているとの話があった。

質問3:未経験者の採用では、どういうところを見ていますか?

備前氏は、「素直でいい人を採用しなさい」という全社の採用方針があると言う。

人柄や仕事に取り組む姿勢は、教えてあげられないんですよね。人格や人間力は、チームで仕事をする以上は大切な要素。SQLのような手先の器用さは後で学べばいい(備前氏)。

鉄本氏は、ミッション、ビジョンへの共感を重視しているという。

会社が、そしてサービスが目指しているところへの共感があれば、自然と必要なものに対して動ける。スキルは後から身に付けられます(鉄本氏)。

牟田氏のデータ分析チームは、素養重視。人手不足状態なので、採用する人には将来、リーダーになってもらうことを前提にみているという。

面接のときに、いろいろなシチュエーションを想定しながら、ケース面接のデータ分析版を行っています。数字で考えられる人か、こうやりたいという意思や主体性がある人か、そういったところをみています(牟田氏)。

質問4:クエリの管理方法を教えてください

鉄本氏のエウレカでは、重要なレポートに使うクエリや初めての分析で扱うクエリはgitで管理してレビューをしている。アドホックな分析はRe:dashにクエリを登録するのでgit化せず、スプレッドシートを使う場合もあると回答。

樫田氏のメルカリでもgitを使っているが、企画職系のメンバーは全員がgitを使えるわけではないため、利用しやすいように、クエリレシピという名称で使っているという。また、LINEでは分析の再現性を担保するため、基本的に分析レポートに紐づけてクエリを管理しているそうだ。

質問5:データ活用の仕組化はどのようにしていますか?

データ活用の仕組化の難しさは、データ分析チームの人間であれば皆、感じることではないだろうか。備前氏は、難しいからこそあえて中央集権的に、データを自由に扱える人間を絞っている。Tableauの構造を扱えるのも限られたメンバーだけにし、他のメンバーは「ここさえ見ておけばよい」というものを作っているという。

樫田氏も、いきなり全員での活用は難しいので、「ゆるふわBI」の方々にまずはパイロット版を見せ、その方々を通して社内全体への伝播をはかっている。

牟田氏も「難しさしか感じていない」と吐露。「データの重要性をわかるトップを味方につけることがすごく重要」だと語った。

質問6:ダッシュボードの管理はどうやっているのか?

備前氏のサイバーエージェントでは、いろいろなダッシュボードが作られないよう、管理を一元化しているという。鉄本氏のエウレカは、定点観測はレポートに組み込んでいるので、ダッシュボードとして残っているものはあまりないとのこと。

また、樫田氏のメルカリは、過去にものすごい数のダッシュボードができた反省から、中央集権的に管理できる「Looker」を導入。ダッシュボードを作れる権利のある人を絞ったという。ただし、ダッシュボードは、毎日多くの人から見てもらえるよう、UI、UXを考えて作っているそうだ。色、形、データを置く場所など、繊細に、細かく気を付けているとの話があった。

◇◇◇

会場からの質問もまだたくさんあり、多くの参加者の熱量を感じながらも、時間切れで第2部も終了。モデレータの備前氏は、「ゴールは事業を成功に導くために、適切な意思決定をさせること、解釈をさせることが大事なことだと共通して思いました」と語った。また、「比較的似たようなことで悩んでいるんだな」とも感じたという。

ほかの会社ではどのように解決しているのかを知ることで、自社の解決法を模索するための、とても良い機会だと感じた。またそれ以上に、同じことで悩んでいるという仲間意識が会場を包んでいたように思う。こうした尽きない熱いトークは、懇親会へと引き継がれていった。

この記事が役に立ったらシェア!
メルマガの登録はこちら Web担当者に役立つ情報をサクッとゲット!

人気記事トップ10(過去7日間)

今日の用語

インデックス
検索エンジンがWebページをデータベースに保存しているデータベース。データベース ...→用語集へ

インフォメーション

RSSフィード


Web担を応援して支えてくださっている企業さま [各サービス/製品の紹介はこちらから]