Suche senden
Hochladen
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
•
Als PPTX, PDF herunterladen
•
2 gefällt mir
•
3,108 views
Hisahiko Shiraishi
Folgen
2016年6月28日ゲーム×データ分析活用セミナーの登壇資料 https://idcf.doorkeeper.jp/events/44844
Weniger lesen
Mehr lesen
Business
Melden
Teilen
Melden
Teilen
1 von 45
Jetzt herunterladen
Empfohlen
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
Daisuke Nogami
MonotaRO のデータ活用と基盤の過去、現在、未来
MonotaRO のデータ活用と基盤の過去、現在、未来
株式会社MonotaRO Tech Team
CEDEC2019 大規模モバイルゲーム運用におけるマスタデータ管理事例
CEDEC2019 大規模モバイルゲーム運用におけるマスタデータ管理事例
sairoutine
データマイニングの話詰め合わせ
データマイニングの話詰め合わせ
Tokoroten Nakayama
「指標」を支えるエンジニアリング: DataOpsNight #1
「指標」を支えるエンジニアリング: DataOpsNight #1
株式会社MonotaRO Tech Team
[丸ノ内アナリティクスバンビーノ#23]データドリブン施策によるサービス品質向上の取り組み
[丸ノ内アナリティクスバンビーノ#23]データドリブン施策によるサービス品質向上の取り組み
Teruyuki Sakaue
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Tokoroten Nakayama
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
Hironori Washizaki
Empfohlen
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
決定版:サービスの盛り上がり具合をユーザの数(DAU)から読み解く方法
Daisuke Nogami
MonotaRO のデータ活用と基盤の過去、現在、未来
MonotaRO のデータ活用と基盤の過去、現在、未来
株式会社MonotaRO Tech Team
CEDEC2019 大規模モバイルゲーム運用におけるマスタデータ管理事例
CEDEC2019 大規模モバイルゲーム運用におけるマスタデータ管理事例
sairoutine
データマイニングの話詰め合わせ
データマイニングの話詰め合わせ
Tokoroten Nakayama
「指標」を支えるエンジニアリング: DataOpsNight #1
「指標」を支えるエンジニアリング: DataOpsNight #1
株式会社MonotaRO Tech Team
[丸ノ内アナリティクスバンビーノ#23]データドリブン施策によるサービス品質向上の取り組み
[丸ノ内アナリティクスバンビーノ#23]データドリブン施策によるサービス品質向上の取り組み
Teruyuki Sakaue
なぜコンピュータを学ばなければならないのか 21世紀の君主論
なぜコンピュータを学ばなければならないのか 21世紀の君主論
Tokoroten Nakayama
DXの推進において企業内に求められる人材やデジタル人材の育て方
DXの推進において企業内に求められる人材やデジタル人材の育て方
Hironori Washizaki
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
株式会社MonotaRO Tech Team
高次アンビソニックスのための マイクロホンアレイ設計の研究
高次アンビソニックスのための マイクロホンアレイ設計の研究
horieyuto
データに振り回されて失敗したあんなことやこんなこと~ゲームのために必要な本当のビジネス・アナリティクス~
データに振り回されて失敗したあんなことやこんなこと~ゲームのために必要な本当のビジネス・アナリティクス~
Daisuke Nogami
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
Tokoroten Nakayama
非ITの宿泊業なのに、なぜDXを推進できるのか?
非ITの宿泊業なのに、なぜDXを推進できるのか?
崇介 藤井
データ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディング
株式会社MonotaRO Tech Team
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
Shun Nukui
DAUを評価指標から捨てた会社の話 #tokyowebmining
DAUを評価指標から捨てた会社の話 #tokyowebmining
Tokoroten Nakayama
AutoGluonではじめるAutoML
AutoGluonではじめるAutoML
西岡 賢一郎
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
フーリエ変換を用いたテクスチャ解像度推定とその応用
フーリエ変換を用いたテクスチャ解像度推定とその応用
Hajime Uchimura
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
Hirokatsu Kataoka
データサイエンティストの仕事とデータ分析コンテスト
データサイエンティストの仕事とデータ分析コンテスト
Ken'ichi Matsui
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
Tokoroten Nakayama
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
Shota Yasui
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
Koichi Hamada
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
西岡 賢一郎
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
株式会社MonotaRO Tech Team
運用してわかったLookerの本質的メリット : Data Engineering Study #8
運用してわかったLookerの本質的メリット : Data Engineering Study #8
Masatoshi Abe
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
Rakuten Commerce Tech (Rakuten Group, Inc.)
SQiPシンポジウムアブストラクト作成のポイント
SQiPシンポジウムアブストラクト作成のポイント
ソフトウェア品質シンポジウム
Weitere ähnliche Inhalte
Was ist angesagt?
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
株式会社MonotaRO Tech Team
高次アンビソニックスのための マイクロホンアレイ設計の研究
高次アンビソニックスのための マイクロホンアレイ設計の研究
horieyuto
データに振り回されて失敗したあんなことやこんなこと~ゲームのために必要な本当のビジネス・アナリティクス~
データに振り回されて失敗したあんなことやこんなこと~ゲームのために必要な本当のビジネス・アナリティクス~
Daisuke Nogami
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
Tokoroten Nakayama
非ITの宿泊業なのに、なぜDXを推進できるのか?
非ITの宿泊業なのに、なぜDXを推進できるのか?
崇介 藤井
データ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディング
株式会社MonotaRO Tech Team
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
BrainPad Inc.
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
Shun Nukui
DAUを評価指標から捨てた会社の話 #tokyowebmining
DAUを評価指標から捨てた会社の話 #tokyowebmining
Tokoroten Nakayama
AutoGluonではじめるAutoML
AutoGluonではじめるAutoML
西岡 賢一郎
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
フーリエ変換を用いたテクスチャ解像度推定とその応用
フーリエ変換を用いたテクスチャ解像度推定とその応用
Hajime Uchimura
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
Hirokatsu Kataoka
データサイエンティストの仕事とデータ分析コンテスト
データサイエンティストの仕事とデータ分析コンテスト
Ken'ichi Matsui
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
Tokoroten Nakayama
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
Shota Yasui
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
Koichi Hamada
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
西岡 賢一郎
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
株式会社MonotaRO Tech Team
運用してわかったLookerの本質的メリット : Data Engineering Study #8
運用してわかったLookerの本質的メリット : Data Engineering Study #8
Masatoshi Abe
Was ist angesagt?
(20)
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
datatech-jp Casual Talks#3 データエンジニアを採用するための試行錯誤
高次アンビソニックスのための マイクロホンアレイ設計の研究
高次アンビソニックスのための マイクロホンアレイ設計の研究
データに振り回されて失敗したあんなことやこんなこと~ゲームのために必要な本当のビジネス・アナリティクス~
データに振り回されて失敗したあんなことやこんなこと~ゲームのために必要な本当のビジネス・アナリティクス~
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
失敗から学ぶデータ分析グループのチームマネジメント変遷 (デブサミ2016) #devsumi
非ITの宿泊業なのに、なぜDXを推進できるのか?
非ITの宿泊業なのに、なぜDXを推進できるのか?
データ基盤グループを支えるチームビルディング
データ基盤グループを支えるチームビルディング
ブレインパッドにおける機械学習プロジェクトの進め方
ブレインパッドにおける機械学習プロジェクトの進め方
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
DAUを評価指標から捨てた会社の話 #tokyowebmining
DAUを評価指標から捨てた会社の話 #tokyowebmining
AutoGluonではじめるAutoML
AutoGluonではじめるAutoML
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
フーリエ変換を用いたテクスチャ解像度推定とその応用
フーリエ変換を用いたテクスチャ解像度推定とその応用
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
データサイエンティストの仕事とデータ分析コンテスト
データサイエンティストの仕事とデータ分析コンテスト
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
チャットコミュニケーションの問題と心理的安全性の課題 #EOF2019
木と電話と選挙(causalTree)
木と電話と選挙(causalTree)
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
ベイジアンネットとレコメンデーション -第5回データマイニング+WEB勉強会@東京
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
運用してわかったLookerの本質的メリット : Data Engineering Study #8
運用してわかったLookerの本質的メリット : Data Engineering Study #8
Ähnlich wie ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
Rakuten Commerce Tech (Rakuten Group, Inc.)
SQiPシンポジウムアブストラクト作成のポイント
SQiPシンポジウムアブストラクト作成のポイント
ソフトウェア品質シンポジウム
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
Koichi Hamada
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
PC Cluster Consortium
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
Yukako Shimizu
Tech clipx市ヶ谷geeks ドリコムのエンジニア組織と文化fix
Tech clipx市ヶ谷geeks ドリコムのエンジニア組織と文化fix
Hisahiko Shiraishi
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
Recruit Technologies
【B-2】AI時代におけるエンジニアの生存戦略
【B-2】AI時代におけるエンジニアの生存戦略
Developers Summit
非エンジニアのためのIt業界
非エンジニアのためのIt業界
Hideto Masuoka
【会社概要資料】STC.pdf
【会社概要資料】STC.pdf
KosukeWada1
The way to a smart factory armed with data utilization
The way to a smart factory armed with data utilization
DataWorks Summit
datatech-jp Casual Talks #5_データ基盤の立ち位置を考えるのに チームトポロジーの概念を活用した話
datatech-jp Casual Talks #5_データ基盤の立ち位置を考えるのに チームトポロジーの概念を活用した話
株式会社MonotaRO Tech Team
『ハイブリッドクラウド研究会』創立について
『ハイブリッドクラウド研究会』創立について
Masahiko Ebisuda
Redmineの情報を自分好みに見える化した話
Redmineの情報を自分好みに見える化した話
ToshiharuSakai
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
Insight Technology, Inc.
リアルタイムトレンド抽出飛び込み用
リアルタイムトレンド抽出飛び込み用
DMM.com
【A-2】とあるマーケティング部隊とデータエンジニアのデータドリブンへの道
【A-2】とあるマーケティング部隊とデータエンジニアのデータドリブンへの道
Developers Summit
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
Insight Technology, Inc.
Denodoで実現するデータマネジメント基盤のご紹介
Denodoで実現するデータマネジメント基盤のご紹介
Denodo
GPTech_25卒向け紹介資料
GPTech_25卒向け紹介資料
GPTech
Ähnlich wie ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
(20)
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
チームトポロジーから学び、 データプラットフォーム組織を考え直した話.pptx
SQiPシンポジウムアブストラクト作成のポイント
SQiPシンポジウムアブストラクト作成のポイント
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
Tech clipx市ヶ谷geeks ドリコムのエンジニア組織と文化fix
Tech clipx市ヶ谷geeks ドリコムのエンジニア組織と文化fix
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
リクルートテクノロジーズが語る 企業における、「AI/ディープラーニング」活用のリアル
【B-2】AI時代におけるエンジニアの生存戦略
【B-2】AI時代におけるエンジニアの生存戦略
非エンジニアのためのIt業界
非エンジニアのためのIt業界
【会社概要資料】STC.pdf
【会社概要資料】STC.pdf
The way to a smart factory armed with data utilization
The way to a smart factory armed with data utilization
datatech-jp Casual Talks #5_データ基盤の立ち位置を考えるのに チームトポロジーの概念を活用した話
datatech-jp Casual Talks #5_データ基盤の立ち位置を考えるのに チームトポロジーの概念を活用した話
『ハイブリッドクラウド研究会』創立について
『ハイブリッドクラウド研究会』創立について
Redmineの情報を自分好みに見える化した話
Redmineの情報を自分好みに見える化した話
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
[db tech showcase Tokyo 2018] #dbts2018 #D23 『機械学習の自動化を実現するDataRobotによるAIの民主化とは』
リアルタイムトレンド抽出飛び込み用
リアルタイムトレンド抽出飛び込み用
【A-2】とあるマーケティング部隊とデータエンジニアのデータドリブンへの道
【A-2】とあるマーケティング部隊とデータエンジニアのデータドリブンへの道
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
Denodoで実現するデータマネジメント基盤のご紹介
Denodoで実現するデータマネジメント基盤のご紹介
GPTech_25卒向け紹介資料
GPTech_25卒向け紹介資料
Kürzlich hochgeladen
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
KayaSuetake1
Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
Yasuyoshi Minehisa
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
masakisaito12
事例DBサービス紹介資料(Case Study DB service introduction)
事例DBサービス紹介資料(Case Study DB service introduction)
YujiSakurai3
セルフケア研修で使えるカードゲーム『攻略!きみのストレスを発見せよ!: ゲームで身につくストレスマネジメント』
セルフケア研修で使えるカードゲーム『攻略!きみのストレスを発見せよ!: ゲームで身につくストレスマネジメント』
Jun Chiba
物流は成長の準備ができていますか? 警告 1 日あたり 1 章を超えて消費しないでください コンテンツが覚醒と変化への意志を引き起こす
物流は成長の準備ができていますか? 警告 1 日あたり 1 章を超えて消費しないでください コンテンツが覚醒と変化への意志を引き起こす
Michael Rada
共有用_aio基本保守プラン_WordPressサイト_20240509.pdf
共有用_aio基本保守プラン_WordPressサイト_20240509.pdf
kikuchi5
company profile.pdf
company profile.pdf
keiibayashi
Kürzlich hochgeladen
(8)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
202405_VISIONARYJAPAN_engineerteam_entrancebook(ver2.1)
Service-introduction-materials-misorae-leadership
Service-introduction-materials-misorae-leadership
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
ストックマーク株式会社がご提供しているAnews(エーニュース)概要紹介.pdf
事例DBサービス紹介資料(Case Study DB service introduction)
事例DBサービス紹介資料(Case Study DB service introduction)
セルフケア研修で使えるカードゲーム『攻略!きみのストレスを発見せよ!: ゲームで身につくストレスマネジメント』
セルフケア研修で使えるカードゲーム『攻略!きみのストレスを発見せよ!: ゲームで身につくストレスマネジメント』
物流は成長の準備ができていますか? 警告 1 日あたり 1 章を超えて消費しないでください コンテンツが覚醒と変化への意志を引き起こす
物流は成長の準備ができていますか? 警告 1 日あたり 1 章を超えて消費しないでください コンテンツが覚醒と変化への意志を引き起こす
共有用_aio基本保守プラン_WordPressサイト_20240509.pdf
共有用_aio基本保守プラン_WordPressサイト_20240509.pdf
company profile.pdf
company profile.pdf
ゲーム事業×データ分析 ドリコムにおける組織と仕事の組み立て方
1.
Copyright Drecom Co.,
Ltd. All Rights Reserved. ゲーム事業×データ分析 ドリコムにおける 組織と仕事の組み立て方 2016/06/28 株式会社ドリコム 白石久彦・中村竜太郎
2.
○自己紹介 白石 久彦 (しらいし
ひさひこ) 株式会社ドリコム 執行役員 テクノロジー担当 1973年生まれ 東京都渋谷区出身 AB型 趣味:散歩 Ex. ソフトバンクグループ、(株)レコチョク 他
3.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 3 組織の組み立て方編
4.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 4 このパートでは 現在のドリコムのデータ分析関連の組織が、 ・どのような経緯で ・どのような考えのもとに ・どのような形になっているか を紹介します。
5.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 5 History
6.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 6 背景 〜2012年度くらいまで 時期 世の中 ドリコム 2010 ~11年 ・プラットフォーム(モバ ゲー、GREE、mixi)が勃興 ・ソーシャルゲーム隆盛 ・ブラウザゲームでヒットタイ トルを複数リリース ・データ分析を開始 2012年 ・世の中的にBigdataとか データサイエンティストに 注目集まる ・ソーシャルゲームピーク ・スマホシフト、ネイティ ブシフトが本格化 ・パズドラリリース ・ブラウザのヒットゲームを多 数運営 ・Bigdata基盤構築と分析業務 を行う人間の増加 ・ガワネイティブ プラットフォーム+ブラウザゲームのピーク期
7.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 7 ドリコムでのトピックス(-’12年度) ①導入 「データ分析」という考え方を導入 Webマーケティング的な考え方でKPI分析を開始 ②環境構築 分析を行うための基盤を構築 データサイエンティスト的な人が複数入社 =>以降人数が増えていく ③組織化 チーム構成としては 分析グループ 基盤グループ というような2グループで運営
8.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 8 時期 世の中 ドリコム 2013年 ・スマホシフト本格化 ・ゲームもガワネイティブ からネイティブアプリへ ・モンストリリース ・ネイティブゲーム開発に苦戦 ノウハウを貯める ・新規タイトルリリース数減少 2014年 ・引き続きネイティブゲー ムアプリ隆盛 ・ネイティブゲームでヒットタ イトルを複数リリース 背景 2013〜14年度上期くらいまで ネイティブへの転換と成熟
9.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 9 ①市場環境の変化 当初ネイティブアプリ開発に苦戦 ②気分的に 分析するということの優先度がなぜか低下 =>分析より面白さが重要だ!的論調 ③結果 データ分析チームのコンディション悪化 データサイエンティスト的な人が複数離脱 =>体制の再考が必要に ドリコムでのトピックス(‘13-’14年度上期)
10.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 10 組織って本当に環境や事業コンディションに影響されやすい
11.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 11 僕が担当になったのは、 その後の2014/10月から。 組織のコンディションも良くなかったので、 まずは立て直しから。 さて、どう進めよう?
12.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 12
13.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 13 本日この流れでお話ししている理由 僕にとって引き継ぎだったこともあって、 それまでの業務、リソースを理解する必要があった。 そこで行った分析/考察が、 ・新規に始める方 ・業務、組織どちらかまたは両方を引き継ぐ方 にとっても役に立つのではないかな、 と。
14.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 14 How To
15.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 15 ①データサイエンティストについての理解 ・世に言われているスキル要素/構造の把握 ・世に言われている業務範囲 ②組織作りのアプローチ ・今やっている実務の把握 ・会社として作りたい状況の定義 ・メンバーのスキルとやりたいことの把握 ・パフォーマンスを最大化するための体制検討 などなど極めてオーソドックスなアプローチ 全貌の緩やかな把握と、すぐに必要な範囲の見極め 組織再構築にあたってとったアプローチ
16.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 16 データサイエンティストって。。 ©データサイエンティスト協会 データサイエンティストスキルチェックリストより
17.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 17 データサイエンティストのスキル ざっくり分けると ・学術系スキル ・エンジニアリングスキル ・ビジネススキル 定義されている範囲は広く、難解!!
18.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 18 当時行っていた業務を構造と要素で整理 ・優先度の高いもの/そうでないもの ・方法/レベルを再考したほうが良いもの で分類 業務の把握と整理 ゲーム事業関連 その他事業 既存タイトルの分析実務 新規タイトルの開発支援 立ち上げ支援 研究調査 Bigdata関連、学術系領域など 分析基盤/KPI Viewerの運用 アドホックな分析依頼
19.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 19 優先順位をつけ、 主力であるゲーム事業に影響を与えるものを最優先で担保 ①分析実務 分析の実務が遂行されていること ・データを使った課題解決 ・マーケティング効果測定 など ②分析実務に必要なエンジニアリング 分析に必要な数値が取れること ・KPI Viewerの開発/運営 ・Bigdata基盤の運営 #弊社のBigdata基盤の技術的な話はこちらにて公開中 Tech Inside Drecom https://tech.drecom.co.jp/migrate-to-treasure-data-and-aws/ 優先順位付け
20.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 20 Make it Better
21.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 21 ①事業理解 ・携わる事業/市場の理解 ・自社サービスの理解 ②論理的思考 ・課題発見、解決の提案 ③基本的ビジネススキル ・提案力 ・コミュニケーション力 ・頼りにされる部署になるための動き方 ダイレクトな事業貢献をするためにこだわりたいポイント ビジネススキルについての再考
22.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 22 スタンスを体現するために部署名を変更 旧名称 データ分析グループ 新名称 データコンサルティンググループ 今までよりも ・現場に近い ・論理的な ・頼りにされる部署 であるように ※このチームの仕事しかたについては後半の中村のパートで 分析グループの進化
23.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 23 未来への投資をどう行うか ①研究開発として取り組むもの 学術系スキルなどの領域は ・未来への投資のためには必要 ・現業とはすぐにリンクしない =>研究開発PJとして推進 ②調査として取り組むもの 新しい技術系のソリューションのキャッチアップ ・Bigdata ・マーケティングテクノロジー など =>各要素技術のチーム、事業部門と 連携して調査に当たる 学術系スキルについての取り組み方
24.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 24 サービス推進部 エンジニアリング部門 分析実務での連携 プロモーション関連での連携 現在の組織形態と連携 データコンサルティングG ・ゲーム事業の分析業務 ゲーム運営 分析スペシャリストチーム インフラ部 マーケティング 本部 エンジニアチーム ・Bigdata・KPI Viewer アプリ 運営 チーム アプリ 運営 チーム 研究開発PJ 学術系領域 の研究 技術面での連携 基盤技術部 連携 学術系要素 統計学関連 アプリ 運営 チーム
25.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 25 Wrap Up
26.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 26 ・そのスキル全部が必要なわけではない 目的に応じて取捨選択/濃淡をつければ良い まとめ ・データサイエンティストのスキル範囲は膨大で難解 ・学術系領域への取り組み方はさまざま 先のためには重要である 進め方は状況次第 ・ビジネススキルはとても重要である 目的の整理と定期的な見直しが重要 その目的に沿った組織作りをすることが重要
27.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 27 ではバトンタッチ
28.
Copyright Drecom Co.,
Ltd. All Rights Reserved. 28 仕事の組み立て方編
29.
Copyright Drecom Co.,
Ltd All Rights Reserved. 結果に繋がるデータ分析の仕事の組み立て方
30.
Copyright Drecom Co.,
Ltd All Rights Reserved. 自己紹介 名前:中村 竜太郎(なかむら りゅうたろう) 所属:データコンサルティンググループ グループ長 ニックネーム:ドラゴン 年齢:35歳 趣味: 筋トレ 職歴: ・SIで6年 ・インターネット旅行会社で3年
31.
Copyright Drecom Co.,
Ltd All Rights Reserved. もくじ 1. 分析アプローチの変更 ① 効果検証アプローチ ② 目標・計画立案 2. 社内KPI システムと業務の流れ 3. まとめ
32.
Copyright Drecom Co.,
Ltd All Rights Reserved. 分析アプローチの変更
33.
Copyright Drecom Co.,
Ltd All Rights Reserved. 分析アプローチの変更 ①効果検証アプローチ
34.
Copyright Drecom Co.,
Ltd All Rights Reserved. アプローチの変更前 企画 データ分析 開発 リリース (施策実施後) プランナー 効果検証 よろしくー 定量的に計れる目標値や プロセスKPIが不明瞭 企画段階からのデータ分析のコミットメントが弱かった データ分析担当範囲
35.
Copyright Drecom Co.,
Ltd All Rights Reserved. アプローチの変更後 企画 データ分析 開発 リリース (施策実施後) プランナー 企画段階から入ることで、効果検証から改善点が明確に! データ分析 そもそ目的は・・であってますか? ターゲット層は・・で、 目標値は・・ぐらいですかね、 プロセスKPIは・・でどうでしょう? 目的・目標が明確なので、 効果検証から改善点は ここだな!! データ分析担当範囲データ分析担当範囲
36.
Copyright Drecom Co.,
Ltd All Rights Reserved. 企画時設定シートサンプル1
37.
Copyright Drecom Co.,
Ltd All Rights Reserved. 企画時設定シートサンプル2
38.
Copyright Drecom Co.,
Ltd All Rights Reserved. 分析アプローチの変更 ②目標・計画立案
39.
Copyright Drecom Co.,
Ltd All Rights Reserved. アプローチの変更前 計画立案 データ分析 運用 分析依頼 ディレクター 今月はこれで いこう!! データ分析担当範囲 ディレクター 計画との乖離が 大きい!! 分析依頼だ!! そもそも目標はいくつですか? 見込みが高すぎるのでは・・? 目標と計画が共通認識となっておらず、後手に回っていた
40.
Copyright Drecom Co.,
Ltd All Rights Reserved. アプローチの変更後 計画立案 データ分析 運用 分析依頼 ディレクター データ分析担当範囲 目標と計画が共通認識となり、目標達成に向けて動きが迅速に! A施策の見込みはこれでいきましょう リカバリ策はこれで、×日時点で 実施可否の判断しましょう データ分析 了解です!! リカバリ策実施! 見込との乖離した 要因分析お願い!! データ分析担当範囲
41.
Copyright Drecom Co.,
Ltd All Rights Reserved. 社内KPIシステムと業務の流れ
42.
Copyright Drecom Co.,
Ltd All Rights Reserved. 通称:Dragon Eye <機能> アプリ毎の基本KPI 事業全体の計画進捗度 見実進捗機能 等々 ドリコム社内KPIシステムとは
43.
Copyright Drecom Co.,
Ltd All Rights Reserved. 社内KPIシステムと業務の流れ プロデューサー 現場担当者他プロジェクト担当者 他プロジェクト計画に対しての アドバイスを含めたコミュニケーション活性化 計画確認 計画入力 計画と実績を共通認識とし、 リカバリ策を含めた計画に対してのコミュニケーション データ分析 経営層 相談・サポート 相談・サポート 社内KPIシステム
44.
Copyright Drecom Co.,
Ltd All Rights Reserved. 意思決定の改善に向けて ビジネスは意思決定の連続 意思決定というアクションを取る際に、 「経験・直感」だけでなく、 いかに数値とロジックが寄与したかがデータ分析のキモ
45.
Copyright Drecom Co.,
Ltd All Rights Reserved. 分析する目的の一つは、「意思決定の改善」 経験・直感を数値・ロジックでの裏付け 経営層を巻き込んで、業務フロー改善 結果に繋げるためには、分析業務+αの活動が重要 まとめ
Jetzt herunterladen