フタミノブログ

マーケティングから技術まで色々

Data Analyst Meetup Tokyo(damt) vol.7に参加しました!

f:id:nimi0370376:20180726005911p:plain

 

こんばんは!

株式会社エウレカさんで開催されたData Analyst Meetup Tokyoに参加してきましたので、備忘録として残しておきたいと思います。

 

Meetupの感想としては、mercariの樫田さんと直接お話ができたり、THE GUILDのGo AndoさんのLTが聞けたりと最高でした!

 

この記事では、LTの学びや今回のMeetupを通しての学びを共有できたらと思います。

 

 

Data Analyst Meetup Tokyoとは?

そもそもこのData Analyst Meetup Tokyo (damt)が何なのかを紹介します。connpassから抜粋すると以下のような感じです。

 

Data Analyst Meetupという名前の通り、この会は事業会社でデータ分析を担当するデータアナリスト/データサイエンティストの集まりです

 つまり各社のデータサイエンティストやデータ分析に携わる人がノウハウや実務に関する話をする会のようなものです。

mercariの樫田さんはこの会をデータアナリストのコミュニティと表現しており、どんどん親睦を深めてくださいとおっしゃっていました。

 

 

今回が7回目で、過去にはmercariさんやDeNAさん、gunosyさんやRettyなどでも開催していたようです。

 

今回も一般枠が40人の枠に対して、200人近くが応募しており大変人気のイベントです。自分も今回初めて参加させていただきました。

 

Data Analyst Meetup TokyoのLT

ここからは今回のMeetupのLTについて紹介します。meetup自体がクローズドなため全ての共有は難しいのですが、要点を掻い摘んで学びを共有できたらと思います。

エウレカの紹介とデータ分析取り組みについて(株式会社エウレカ

まず最初に発表があったのは、会場提供を行ったエウレカさん!

エウレカのサービス紹介(pairs)と分析チーム(BIチーム)の立ち位置について紹介していました。

 

エウレカの分析チーム(BIチーム)は「はやく、ただしい意思決定にデータで貢献しインパクトのある価値に変える」というのを標語として動いているようです。

 

例えば社員全員がSQLをかけるようになれば「はやく」というのは担保できます。一方で「ただしさ」を担保するためには基盤周りをしっかりする必要があるという話でした。

 

また、エウレカではkanbanにおいて、ユーザーに新たな機能や施策を届けるまでの時間(リードタイム)をいかに短くできるかを大切にしているとおっしゃっていました。

 

BIチームの取り組みとしては、slackなどで検証漏れを通知したり、BIツールを作成したりと、リードタイムを縮めるための様々な工夫があるそうです。

 

データアナリストとログ基盤の付き合い方(株式会社eureka)

2つ目の発表もエウレカさんです。

データアナリストはどこまでデータ基盤に携わるべきなのかという話でした。

特にデータ基盤周りはデータエンジニアの方やインフラエンジニアの方に任せっきりになりがちです。その中でどこまでデータの正確性の重要度を理解できるかという話です。

 

ログ基盤周りの責務として大きく2つに分類できると言います。

  1. 正しいデータを残す(アナリスト側)
  2. 確実にデータを残す(インフラエンジニア側)

データアナリストは正しいデータを残す側に携わると良いらしいです。「正しい」データというのはデータ定義であったり、ログ設計のことだったりです。

 

一方で確実にデータを残すインフラエンジニアさんの方ではテーブル設計だったり、保守性だったりを担保するべきだという話でした。

 

エウレカのBIチームではログ設計、サーバーサイド実装、データ・スキーマの管理を行っているようです。

また、変更につい良いログ設計にしておくことを心がけているようで、ログの取得時間にも多様性を持たせてプロダクトに反映しているようです。

 

自分自身ログ設計などの知識や実務がなかったので、この辺りの知識はもっと深めていきたいと思うLTでした。

 

KPIの決め方(Retty株式会社)

僕自身が所属するRettyの分析チームからもLTを行いました。Rettyからは適切なKPIを決めていく上でどのようなスキルや観点が重要となるかという話でした。

特にデータアナリストは数値を出す立場上KPIを決定する上で立ち回りが非常に重要となります。その中で特に必要とされるスキルと観点は下記の4つだと言います。

 

  1. 仮説力
  2. 数値解釈力
  3. プロダクト理解
  4. ユーザーさん理解

プロダクト理解では、プロダクトの方向性をしっかりと理解しておくことが大切だと言います。これは後述するFiNCさんのLTでも同じことが言われていたと思います。

また、どんな人がどんなニーズを持っているかの把握も大切だと言います。

データアナリストとしてこれらを考えながらKPIを定めるのに、以下のような取り組みが考えられるそうです。

  • UXの領域に踏み込む
  • プロダクトビジョンの理解像を高める

UX領域ではPMなどと仮説だしを頻繁に行ったり、ユーザーインタビューを頻繁に行うことが考えられます。

またプロダクトの理解像という部分では、プロダクトそのものと周辺の知識や背景を理解しておくと良いという話でした。(RettyだとCGMだったり外食産業の変化だったりします)

 

 ゲームのデータ分析とは?(株式会社カプコン)

ゲーム会社であるカプコンさんからはゲームにおけるデータ分析のLTでした。

データ分析のないゲームでは「経験」や「勘」に頼りがちな施策やキャンペーンが打たれることがしばしばあるそうで、カプコンさんではデータから現状の把握と施策を考えているようです。

 

一方でどのような分析をしたら良いか分からない組織が多いらしく、今回は分析している指標の例も紹介していました。

売り上げ = DAU * 課金率 * ARPPU 

 上記の指標を主に計測しているらしく、DAUも新規と直近数ヶ月のユーザーを計測するなどしているらしいです。

 

また、ゲームのキャンペーンでは爆発的にDAUが上がった後に落ち込むことが頻繁に起こるため新規のUUとリテンションUUを分けて集計しているなども行っているようです。

カプコンさんのLTでは以下のような言葉で締めくくられました。

データ分析ではプロダクトの面白さはわからない。施策につなげていくことが大切。

 

なぜデザイナーがデータ分析をするのか(THE GUILD)

noteなどを提供するTHE GUILDからGo AndoさんがLTに登壇しました。

note.mu

 

Go Andoさんはデザイナー畑ということもあり、データの可視化に力を入れている方です。では、なぜデータ可視化に力を入れるのかというLTでした。

 

データというのは伝え手と受け手側で解釈が異なることがあるそうで、分析者とデータを利用する側の齟齬と時間の損失をできる限り少なくする手段としてデザインを採用したという話でした。

 

デザインでデータを普及させたい 

 上記の言葉を肝に銘じ、データの可視化というところをもっと勉強していきたいと思うようなLTでした。

 

ミクロ計量経済学による分析への招待(株式会社空)

AIでホテルの市場分析と料金設定を支援する株式会社空からは経済学畑のデータ分析者の方が登壇していました。

LTでは実際に経済学的なアルゴリズムをデータ分析に取り入れたテーマで登壇していました。

 

データ分析に経済学を利用するのはなぜかというと、経済学では多重共線性という性質に注意を払った数式が多くデータ分析に応用しやすいからだと言います。

データ分析を行う際に説明変数が多くなってしまったり、過剰な予測値(過学習など)が起きてしまったりすることがあります。

 

一方で二段階最小二乗法など経済学にはそこをクリアしているアルゴリズムがいくつかあると言います。他にもTobitやHeckitなど意思決定に関するアルゴリズムが経済学界には存在しており、データ分析にも応用できるのではないかというLTでした。

 

FiNCがグロースチームにおいて重要なこと(株式会社FiNC)

最後の登壇はフィットネステックを手がけるFiNCさんでした。FiNCではグロースチームというチームが存在しており、KPIとなるデータ管理と施策の考案と遂行が行われているようです。

過去FiNCのグロースチームでは、KPIを上げるために様々な施策を行ってきましたがなかなかの継続的な結果が出なかったようです。

そこでKPIとなるデータの性質から見直し下記のようなところを意識したと言います。

・KPI達成したけどKGI達成できていなかった

・経営の気にしているKPIを施策実行者が把握しきれていない

このままだと意味のないKPIを報告し続けることになったり、意味のないKPIをおい続けることになります。

 

そこでFiNCではKPIをKGIと直結するものにしたり、追い続けてプロダクトの方向性が一致するようなものに変更したそうです。

このKPIに関する方向性はRettyのLTでも似たようなことが言われており、重要なことなんだろうなと思いました。

 

Data Analyst Meetup Tokyo(damt)での学び

今回のMeetupでは内容の濃いLTに加え、懇親会で様々な会社のデータアナリストの方とお話することができました。特にmercariの樫田さんにはデータ分析をどのように身につけたかなどのお話を聞くことができました。

そこではデータ分析チーム自体が存在していなかったり、なかなかデータが重視されない組織が存在したりと温度感はかなり違うなと感じました。

またデータを活用する人が少ないというのも事実で、そこに対してどうわかりやすく(可視化や手法を工夫して)伝えられるかが今後の課題だなと思いました。

 

 

このMeetupには今後も継続的に参加していきたいです!