データにまつわるWeb業界の仕事について

データにまつわるWeb業界の仕事について

• 1.
  CyberAgent, Inc. データにまつわる Web業界の仕事に ついて 株式会社 サイバーエージェント 技術本部 秋葉原ラボ 高野雅典 1 2015/12/22 阿南高専
• 2.
  CyberAgent, Inc. おことわり •  最初に45分ぐらい話して、その後 15分ぐらい 質問タイムを取ります。質問は大歓迎ですの でよろしくお願いします。 • 主にWeb業界のデータ分析について話します。 別の業界については全く異なる可能性があり ます。 •  また、サイバーエージェント以外の別のWeb 系企業さんでは、事情が異なる場合が十分 にありうるので注意してください。 •  このスライドは後でh7ps://www.slideshare.net にアップロードします 2
• 3.
  CyberAgent, Inc. 会社紹介 3 •  インターネット広告事業 •  ゲーム事業 • メディア事業 •  その他
• 4.
  CyberAgent, Inc. 自己紹介 •  高野雅典 – データマイニングエンジニア @CyberAgent – 博士（情報科学） •  普段の仕事 – ソーシャルゲーム・SNS・プラットフォームの分析 – 分析システムの設計・開発 – データ分析に関わる研究開発 •  得意/興味のある領域 – 複雑系科学・計算社会科学・進化心理学 – 統計モデリング・R・機械学習 – 可視化・JavaScript •  Twi$er: @mtknnktm 4
• 5.
  CyberAgent, Inc. 経歴 – 興味と所属の推移 プログラミング・遺伝的アルゴリズム – 会津大学 コンピュータ理工学部 複雑系・人工生命・進化・ヒトの社会性 – 名古屋大学大学院情報科学研究科（修士・博士） システム開発・コンサルティング – システムインテグレータ – システムエンジニア Webサービス・フロントエンド・ユーザインターフェース – ㈱サイバーエージェント – フロントエンドエンジニア データマイニング・Webサービス・計算社会科学 – ㈱サイバーエージェント – データマイニングエンジニア 5 イマココ
• 6.
  CyberAgent, Inc. 今日話すこと •  ビッグデータ •  データサイエンティスト • Webサービスのデータ分析 •  データ分析の面白み •  データ分析を仕事にするには 6
• 7.
  CyberAgent, Inc. ビッグデータ 7
• 8.
  CyberAgent, Inc. ビッグデータ •  最近のブーム以前から、データ分析によるビジネス 貢献（リスク定量化・効率化等）はたくさんあった – 幅広い科学・業種で統計分析技術が使用されている –  経済を予測したり、薬の効果を検証したり、機械の故障を予測 したり、天気を予測したり、マーケットの現状を把握したり • 近年、インターネットの普及やデータ処理基盤の進 歩により大量のデータを取得・処理可能に – それによって、いろいろ良いことが有ったので、 ビッグデータという言葉が大きなブームに •  ビッグデータの特徴を現す3つのV – 高ボリューム、高速度、高バラエティ 8
• 9.
  CyberAgent, Inc. ビッグデータ •  ビッグデータの例 – 人の行動ログ（多くの人や物のデータ） •  Amazon, Google, SNS, ソシャゲ, 携帯電話, ネット広告, IoT, etc. – センサデータ（ミリ秒単位の詳細データ） • 自動車, ロボット, IoT, 気象データ, etc. – これまで個別管理されていたデータも統合によりビッグ データに？ •  病院のカルテデータ統合の試み –  h7p://www.slideshare.net/naomikawashima52/medical-bigdatameetup2 •  大規模データ処理基盤の例 –  Hadoop, Spark, BigQuery, RedshiT, etc. –  サイバーエージェントもHadoopを中心とした大規模データ処理基 盤を構築し、データ活用に利用 –  発表スライド: h7p://www.slideshare.net/cyberagent/cloudera-world-tokyo-2013 9
• 10.
  CyberAgent, Inc. ビッグデータでうれしいこと – 機械学習 •  機械学習 –  学習データとして入力と出力（正解）の組を与え、その規則を学 習させる。未知の入力に対して出力を予測する（教師あり学習） • 例: Amazonの購入履歴 → 次に買いそうな商品 –  データを突っ込むと、その特徴から似たようなものを分類すること ができる（教師なし学習） •  例: 似た画像の分類 •  ビッグデータの恩恵 – データが少ない •  単純な（パラメータの少ない）モデルじゃないとうまくいかない → 単純な規則しか学習できない – データが多い •  複雑な（パラメータの多い）モデルでもうまくいく（ことがある） → 複雑な規則も学習できる（こともある）。 → これによってものすごく高精度になることも。ビッグデータ万歳。 参考資料:ビッグデータを活かす機械学習技術 h7p://www.n7.co.jp/journal/1304/files/jn201304031.pdf 10
• 11.
  CyberAgent, Inc. データ サイエンティスト 11
• 12.
  CyberAgent, Inc. データサイエンティストとは •  （企業だと）データをなんとかしてうまいことする人 のこと – 定義はけっこう曖昧 –  会社によっては、アナリスト、データマイニングエンジニア、データコンサル タント、データアーキテクト、ビッグデータエンジニアとか言ったりする（微妙 に意味も違ったりする） • 以下のいずれか（or 複数）をやっていることが多い – データから得られた知見をビジネスに活かす – データを統計分析して知見を得る – 機械学習を使った予測や推薦をするアルゴリズムの 開発、システムの構築・運用 – 大規模データ処理基盤を構築・運用 12
• 13.
  CyberAgent, Inc. データ分析の スキル概観 13
• 14.
  CyberAgent, Inc. データにまつわる技術の概観 – だいたいこんな感じ？ 14 機械学習統計分析 大規模 データ処理 ビジネス 広告 小売 人材 ※各領域の境界は結構曖昧 メディア ゲーム 医療 自動車 インフラ
• 15.
  CyberAgent, Inc. サイバーエージェントでやっている範囲 15 機械学習統計分析 大規模 データ処理 ビジネス 広告 小売 人材 ※各領域の境界は結構曖昧 メディア ゲーム 医療 自動車 インフラ
• 16.
  CyberAgent, Inc. 各技術とサービスの関連（サイバーエージェントの場合） 16
• 17.
  CyberAgent, Inc. 高野の業務範囲 17 機械学習統計分析 大規模 データ処理 ビジネス 広告 小売 人材 ※各領域の境界は結構曖昧 メディア ゲーム 医療 自動車 インフラ だいたい このへん
• 18.
  CyberAgent, Inc. Webサービスの データ分析 18
• 19.
  CyberAgent, Inc. Webサービスとは •  インターネット（アプリ含む）上のサービスのこと – Google, Amazon, Facebook, Twi7er, ブログ, スマートフォンゲーム, LINEなど – アメーバブログ, アメーバピグ, ガールフレンド（仮/♪）, AWA, 755などなど ※ この意味でのWebサービスは実は誤用だが割と広く通じるので気にしないことにする 19
• 20.
  CyberAgent, Inc. Webサービスとデータ分析 •  ユーザの行動ログという形で簡単にデータが取れる •  サービス改善の反映スピードが早い →データ分析がしやすい、データ分析の結果が 活かしやすいビジネス形態 20 サービスの サーバ 大規模データ 処理基盤 ユーザ アクセスして サービスを利用 行動ログの 収集
• 21.
  CyberAgent, Inc. ゲーム運営サイクル 21 サービス運営 チーム Hadoopクラスタ BIツール: Hawkeye データマイニング チーム マーケティング チーム アドホック分析 経営層 Shiny 分析基盤 チーム コンサル チーム 仮説 立案 分析 提案 施策 実装 検証
• 22.
  CyberAgent, Inc. ゲーム運営サイクル – 検証 22 サービス運営 • 売上目標の達成はできそうか？ •  売上や主要なKPI（DAU/顧客単価/課金率） は想定通りか？ • 今の状態は健全か？ •  ヘビーユーザ数は増えているか？ • 課金率や顧客単価が高すぎ/低すぎではな いか？ 仮説 立案 分析 提案 施策 実装 検証 • 目標達成・健全性に課題はあるならばどこか？ •  どんな層のユーザのどの指標が課題か？ KPIビューア 日々の各KPI観測 コンサル
• 23.
  CyberAgent, Inc. コンサル ゲーム運営サイクル – 仮説立案 23 サービス運営 • 課題の原因は何か？ • チュートリアルや説明がわかりにくい？ • ギルド・コミュニティが機能してない？ • イベントが難しすぎた/簡単すぎたから？ • お得情報の訴求が不十分？ 仮説 立案 分析 提案 施策 実装 検証 KPIビューア 様々な指標のチェック データマイニング エンジニア 仮説 課題 ヒアリング 要件・課題整理
• 24.
  CyberAgent, Inc. ゲーム運営サイクル – 分析 24 • 課題・仮説は正しいか？ • 目的変数・説明変数の設計・分析 • 仮説が正しいのであれば、どうやったら改善で きるか？ • 操作可能な説明変数はあるか？ 仮説 立案 分析 提案 施策 実装 検証 データマイニング エンジニア アドホックで柔軟なデータ抽出 Let’s データマイニング！
• 25.
  CyberAgent, Inc. ゲーム運営サイクル – 提案・施策実装 25 • 提案は妥当か？ • サービスを知り尽くしている運営として分析 と施策提案は納得できるものか？ （提案施策の結果に責任持てるか？） • 実現可能な施策か？ 仮説 立案 分析 提案 施策 実装 検証 コンサル データマイニング エンジニア サービス運営 • 施策の実現方法・実装の計画・設計をして、実 装、リリース！ レポート 計画・設計ついて 相談 リリース
• 26.
  CyberAgent, Inc. ゲーム運営サイクルの例 26 •  ギルドで協力して課題をクリアすることがコアのゲーム •  ユーザはチュートリアル完了時に必ずどこかのギルドに 所属する 分析対象のサービス ※: 今回の例と画像は関係ありません
• 27.
  CyberAgent, Inc. ゲーム運営サイクルの例 27 検証・課題発見 DAUが増え ないなぁ… 継続率が あまり良く ないぞ 特に新規ユーザの 継続率がよくない サービス運営 日々の各KPI観測 コンサル KPIビューア 仮説 立案 分析 提案 施策 実装 検証
• 28.
  CyberAgent, Inc. ゲーム運営サイクルの例 28 仮説立案 仮説 立案 分析 提案 施策 実装 検証 コンサル サービス運営 KPIビューア 様々な指標のチェック データマイニング エンジニア 新規ユーザがギルド の機能、あまり使っ てない？ せっかくギルドに入っ ても楽しめなかった人 がやめちゃってる？
• 29.
  CyberAgent, Inc. ゲーム運営サイクルの例 29 分析 仮説 立案 分析 提案 施策 実装 検証 データマイニン グエンジニア 新規加入したギルド の属性で新規ユーザ の継続・離脱が分類 できるハズ 目的変数: 新規ユーザの継続・離脱 説明変数: ギルドの属性値 で分類器（決定木）を作成 • ギルドのアクティブメンバー数がある一定以上 • ギルドメンバーが強すぎない というギルドに加入したユーザが継続していた
• 30.
  CyberAgent, Inc. ゲーム運営サイクルの例 30 提案・施策実装 仮説 立案 分析 提案 施策 実装 検証 コンサル データマイニング エンジニア サービス運営 レポート 計画・設計ついて 相談 アクティブ かつ強すぎないギルドほど 推薦リストの上に来るようにしましょう 長期的にはN人以上が アクティブなギルドを増 やせるような推薦ロジッ クをしたいですね → 次の分析へ
• 31.
  CyberAgent, Inc. まとめ •  Webサービスの運営は – サービス運営チーム （企画者・エンジニア・デザイナーなど） – データ分析者 が – 目的・目標・課題を共有し、 – 分析・提案・実装・検証・仮説立案をし続ける ことでサービスの品質を向上させていく •  データ分析者は、サービスの ビジネスモデル・運営方針・ユーザ感情 についてよく理解することが大事 31
• 32.
  CyberAgent, Inc. データ分析の 面白いところ 32
• 33.
  CyberAgent, Inc. 面白いこと・楽しいこと •  お客様（ユーザ）の満足度に貢献 – 関わっているサービスに関して、SNSとかでユー ザが盛り上がっていたり、数値（継続率とか）に現 れたりすると嬉しい •  分析結果は "サービスの方針決定" という重 要な部分に大きな影響を与えうる • データから知見を探索・発見をするというプロ セスが楽しい •  新しい技術・手法を勉強したり、開発したり、 使ったりするのが楽しい •  ヒトの行動に関して大量のデータが得られる 33
• 34.
  CyberAgent, Inc. データ分析関連の 仕事をするには （Web業界で） 34
• 35.
  CyberAgent, Inc. 正直良く わからない… Web業界自体が若い上に、データ分析が流行ったのも最 近なので、様々な経歴を持っている人が、様々な立ち位 置でデータ分析に関わっている ※ 高野は元々サービスの開発者でしたが、いろいろ偶然が有ってデータ分析に 関わることになりました（やりたかったことなのでとても幸運に恵まれた思います） 35
• 36.
  CyberAgent, Inc. とりあえずデータ分析関連の求人はある様子 36 ※ サイバーエージェントの中途採用のページ から抜粋。 ※ サイバーエージェントの新卒採用はビジネ スコース（営業とか）とテクノロジー・デザイン コース（システム技術者・デザイナとか）の2種 類。データ分析系の仕事はどちらにも存在。
• 37.
  CyberAgent, Inc. なので重要そうなことをご紹介 •  データ分析したい対象 –  データ分析技術だけでなく対象（弊社だとゲームとかSNSとか広告とか）につい て深く知っていることが大事 – ビジネスモデル、お客さんの気持ち、マーケット、歴史など •  基礎学力 –  データ分析だけでなく多くの科学者・技術者にとって、 線形代数、微積分、英語は何をやるにしてもついてまわる •  なんでも良いので何か一つ専門性 –  直接仕事に役立てばとても幸せ –  そうでなくても "解決すべき問題を発見し、解決までの道筋を立て、試行錯誤を 繰り返し、解決に至る能力" は身につく （どんな仕事をする上でも超重要！！） –  知識体系を身に付けることは未知の事に関する勉強・理解の仕方も身につく ※ データ分析系同僚の専門も生物学・経済学・脳科学・数学・情報工学など様々 •  何かを作ることができると便利（プログラミングとか） –  何かをやりたい時に作って人に見せることができる –  構想だけでは本人も他人もよくわからない事が多い 37
• 38.
  CyberAgent, Inc. ご清聴あり がとうござ いました 38
• 39.
  CyberAgent, Inc. 参考書籍 39
• 40.
  CyberAgent, Inc. ビッグデータの正体 - 情報の産業革命が世界のすべてを変える • ビッグデータによって世界の何が 変わるか？ について解説した本。 •  わかりやすいので全体像を知りた い人にオススメ •  URL: h7p://www.amazon.co.jp/dp/4062180618 40
• 41.
  CyberAgent, Inc. データサイエンティスト養成読本 ビッグデータ時代のビジネスを支えるデータ分析力が身につく •  まずは手を動かしていろいろ分析 してみる時に最適。オススメ。 • URL: h7p://www.amazon.co.jp/dp/4774158968 41
• 42.
  CyberAgent, Inc. 会社を変える分析の力 •  データ分析者の仕事の仕方につ いて。心構えなど。 •  高度な技術で分析するだけでなく、 どのようにしたら会社にインパクト を与えるような仕事ができるか？ • 著者は大阪ガス勤務 •  URL: h7p://www.amazon.co.jp/dp/4062882183 42