![見出し画像](https://assets.st-note.com/production/uploads/images/112688542/rectangle_large_type_2_d45e0fc6bfd0bef5a68bef8869bb6449.png?width=1200)
JDMC デタマネFes LTレポート
デタマネFESとは
2023年8月1日~8月10日にJDMC主催の「デタマネFES」があり、2023年8月1日~8月6日の間に18社によるLTが行われており、視聴したのでレポートを書きます。
なお、デタマネFESは以下のコンセプトのもと企画された企画となります。
デタマネの目的はデータをビジネスに活かすこと。デタマネの世界はデータ整備や基盤だけではありません。「組織づくり」「人づくり」も守備範囲。まさに「経営」そのものかもしれません。デタマネの始め方、実践法は企業規模や業種によっても様々。正解もなければ、永久に満点もありません。デタマネ実践者の日々改善のマインドこそ、進化の源泉です。だからこそ、デタマネの「いま」を皆で語り合って、「未来」をめざそう。
データマネジメント セミナーレポート
データマネジメント関連のセミナーに興味ある人はこちらからどうぞ。
その他、データマネジメントに関する記事を雑多に書いてますので、興味あれば閲覧ください。
全体を通しての感想
LTパートが30分で、ディスカッションパートが30分かつ、LTパートが10分×3本の構成だったので、場面転換が早く飽きが来ない構成でした。
前提的に組織の話が多く、データ組織は最近立ち上がった会社も多くて色々試行錯誤しているのだろうという事を感じられます。
自分もデータ組織を立ち上げた時は同じように、組織の目的・目標を決めてそれにたどり着くまで何をすればよいのかを考えるという事を行ってきたので、他の会社と同じように行ってきてることが再認識できました。
IT企業のデータ基盤セミナーはよく見ますが、今回は様々な業種の登壇者がいて業種の違いを感じられました。
今日からは受賞記念セッションが始まるみたいですね。
LTのポイントを箇条書き
データ人材にはドメイン知識が重要
成果を出せる組織はゴールを明確にして、達成するための役割分担を明確にするのが重要
データ活用を進めるためには文化を根付かせることが重要
ドメイン知識を感覚として身に着けるためには実際の現場業務をやってみるのが一番良い
データ活用を進めるためには、成果を明確にすることが重要
データ人材としてキャリアを築いていくためにはスキルアップが大切
良いドキュメント管理は良いプロジェクトにつながる
多様性がある環境では多様性を活かした組織全体の強化ができる
データ基盤を構築するときは構想は大きく、着手は小さく行う
データマートの作成などビジネス側のニーズに早く答えたいものは仕組みが重要
データ基盤構築は手段ではなく目標を決めて取り組むべし
マスタの統一は労力がかかる業務であり、関係各所と入念なコミュニケーションが必要
綺麗なデータを整備するためには上流から綺麗にしよう
企業のフェーズごとにデータ組織も見直そう。見直すときは役割と責任範囲を明確にすることが重要
データ活用をスケールさせるためには民主化の仕組みが必要
何かにハマったと気が付いた時には一度手を止めてみるのもよい
データ組織が上手くいくためにはアジャイルな組織であることが必要
共有した分析要件を設定するのは重要
データマネジメント組織の立ち上げ方
発表者
株式会社D.Force 代表取締役 川上明久さん
発表資料
概要
データ人材の需要は増えていくが、データ人材は少ない。
川上さんの試算では7000名程度であり、採用ブランディングが確立されている企業じゃないと採用が難しい。
よくニュース記事やテックブログなどでデータ組織の内製化事例が語られているが、そのように進めるのは難しい。
採用というアプローチではなく既存社員をリスキリングすることで、対応できる役割を見つけることが対応策の一つとなる。
リスキリングと言っても「データ人材になってほしい」と宣言したところで概念が広くて何をすればいいのかイメージできず難しい。
「データ人材」という役割を分解することで外部の専門家の伴走が必要な役割と社内調達が可能な役割に細分化することで明確になる。
そうやって細分化することでデータ人材と言っても、データ知識もだがドメイン知識が重要視される役割もあるので、既存社員かつベテランが向いている役割もあれば、若手が向いている役割も存在することが明確になる。
リスキリングする上で専門領域をどう身に着けれ行けばいいか?ということも疑問になってくるが、そこはベンダーを活用しながらOJTで身に着けていくとよい。
進める上での予算取りは即効性のあるROIは出せないため、既存の予算を付け替えて予算を取ることがお勧め。
LINE Fukuokaにおける全社横断的データ活用PJとその組織設計
発表者
LINE Fukuoka株式会社 DataLabs 室長 前田和寛さん
発表資料
概要
LINE Fukuokaにはいろんなオペレーション業務が存在している。
2020年2月にVIIMプロジェクトというオペレーション系データを集約し、分析するという横断プロジェクトが立ち上がった。
プロジェクトはうまく進行し、利用者もダッシュボードも年々増えていった。
プロジェクトをうまく進行できたのは組織と役割の責任範囲を明確にすることであり、役割と組織をマトリックスで表現して、どの組織がどの役割を担うのかをマッピングしていった。
キーとなる役割は9つ
・データストラテジー
・データガバナンス
・データアーキテクチャ
・データインフラ
・データプランニング
・データインテクレーション
・データウェアハウス
・データビジュアライゼーション
・データアナリシス
組織をデザインしたプロセス
1.ゴールやアウトプットを明確化して関係者全員へ一致させた
2.現状のデータ/アセットを整理
3.データ活用組織として必要な機能/役割を割り当てた
成功ポイントは3つ
1.アーキテクチャとロールアサインとのマッピング
2.「境界」の頑強性と柔軟性
3.スケーリングのしやすさ
データ活用組織の迷走
発表者
三井住友ファイナンス&リース株式会社 データマネジメント部長 佐藤創さん
発表資料
概要
全社規模のデータ基盤を作ってきたが、データを入れるためにデータを保持する各部に回って相談するが、なかなか素直に合意を得られない。
そういったやりとりを経て、データマネジメントの必要性に気が付いていった。
それに従ってデータ活用の目的が業務効率化から、新規ビジネスや付加価値の向上を目的とすることが主な目的となっていった。
そうなってくると、データ部門に所属する人は、データ専門的なスキルはあるがドメイン知識は低いという課題とデータ活用の文化をどうやって会社に根付かせるかというのが見えてきた。
そのためには全社の統制を取るチーフデータオフィサーが必要。
秘密のアルバイト
発表者
オーケー株式会社 執行役員 IT本部長 田中覚さん
発表資料
概要
スーパーという全く業務知識がない業界へ本部長としてはいる事になった。
何もわからないので、入社前にアルバイトして学んでみたという話。
品だし、検品、棚卸とスーパーの業務を横断的に行った。
アルバイトをやる中でかなり属人的な業務によって成り立っていることがわかってきた。
業務知識を得るためにアルバイトを行うことは重要。店舗を体験したからこそ店舗オペレーションの改善ができることを学んだ。
「1個」という単位もセット売りのもののはセットで1個だったり、バラで1個だったりと違いがあることに気が付いた。
検品をしないと、発注とのずれをキャッチアップできない。個人としては宅配便は正しく送られるものと認識されるが、スーパーとなると配送時に事故が起こることもあるため重要な業務であることが気が付いた。
そういったように、現場を体験することで見えてくるものがあった。
業務知識だけではなく、売上の推移をみていくと12月に山ができて1月にへこんでいる。
何故か考えてみると、オーケーは商品ごとに札を付けるのだが、他店と競合して価格を設定している。
サラ得とつくだけで売れる、競合対抗とついた瞬間に売れる。1日だけ売れるときは競合対抗で、1週間売れるとサラ得で、スーパーの魅力はポップが重要であることはわかるが、現場でアルバイトすることによって現場の感覚が身につきデータ分析に役になった。
データ分析をやる上でも現場の知識というのは重要なので、現場に積極的に入りドメイン知識を身につけましょう。
データ活用が事業貢献していることを示すための取り組み
発表者
株式会社サイバーエージェント メディア統括本部 Data Science Center(DSC)鈴木元也さん
発表資料
概要
データ活用するにあたってROIの説明できないとみんな困ります。施策の指標と事業の指標の関係性を明確にしましょう。
事業責任者がデータ活用者に相談する形から、データ活用者から事業責任者に提案する形に移行していっている。
6つのデータ活用目的
・意思決定プロセスの改善
・顧客と市場の理解
・より優れた製品の創出
・より優れたサービスの抄出
・事業プロセスの改善
・データの収益化
2つの目標
・事業戦略目標
・データ活用目標
2つの目標と6つの目的を紐づけることが重要。
以上から、サイバーエージェントでは独自のデータ活用計画書テンプレートを作りました。
今はこのテンプレートを使ってプロジェクトを進めています。
データ人材のキャリアをどう作ってゆくか
発表者
武田テバファーマ株式会社 営業企画部デジタル戦略課 課長 岡田至弘さん
発表資料
概要
データ活用担当として個人的な経験談を話します。
データ分析するときのモチベーションの上げ方。
期待を上回る結果を見せた時の反応を想像してモチベーションを上げている。組織としてデータ分析のコンテストを行って盛り上げることは重要だと考えている。
スキルの上げ方。
まずはExcelから始まった。関数覚えてピボットテーブルを覚えてという流れ。資格を取るということも重要。
自身のケイパビリティについて現状のアセスメント。
JDMCのコミュニティに参加してネットワークを広げる。インターネット上のコミュニティサイトを利用する。人材紹介会社の話を聞きに行くことで自身の市場価値を測れる。
どこから始める? データ組織におけるナレッジマネジメント
発表者
株式会社バンダイナムコネクサス データ戦略部 データストラテジーオフィス データインフラストラテジーセクション データマネージャー 井村真樹さん
発表資料
概要
データ収集プロジェクトにおいて共有すべきドキュメントをどう整理して認識を合わせたかというのがテーマ。
ナレッジマネジメントができていないと、齟齬を招きプロジェクトの失敗につながる。
ドキュメントの管理もデータ収集と同じく地道に進めるしかない。
ただ、どのドキュメントを共有するのかという線引きがプロジェクト初期の段階で決めるのは難しい。
そういう中で線引きを決めるアプローチを話します。
ログの管理
やりとりのログを1つの資料に履歴を残していき、認識を属人化させないようにしてログをまとめる。
ドキュメントの一元管理
収集した資料が散らないように一元管理する。プロジェクトのフェーズによってよく閲覧されるドキュメントは異なっていくので、メンテナンスは必要。
上記2点を行うことで、最初は不明瞭であったどのドキュメントを共有するのかという線引きが明確になっていく。
会社統合を経たリクルートのデータ組織が目指す多様性的進化
発表者
株式会社リクルート プロダクト統括本部 プロダクト開発統括室 データ推進室 データテクノロジーユニット ユニット長 阿部直之さん
発表資料
概要
リクルートでは7つの会社300のサービスを持つ会社を統合した。
異なる技術スタック、技術的思想が急に1つの組織に同居することになった。
具体的にはAWS、GCP、Azureが混在することになり、思想レベルでアーキテクチャが異なる組織ができた。
そんな中、個別最適と全体最適のバランスを目指して、トップアップ、ベースアップ、ボトムキープという3つの軸をもって組織全体を強化していった。
多様性を活かしてエコシステム的なものを構築することに成功した。
複合型人材による専門人材の連携強化。
結果として、アナリティクスエンジニアというデータアナリストとデータエンジニアの間に位置する職種を定義した。
スケールフリーなデータアーキテクチャ ~データHUBの発展過程~
発表者
株式会社アイ・ティ・イノベーション アーキテクチャグループ プロデューサー 松井 淳さん
発表資料
概要
データHUBについて。
データHUBの考え方はHUB&Spokeでシステム間をつなぐデータベース(=データHUB)を構築する。
※HUB&Spokeについては過去の解説にて。
データHUB構築に向けて、構想は大きく着手は小さく取り組もう。
データアーキテクチャの設計を「データ分析」の視点から考える
発表者
株式会社データビークル マーケティング部 池田果菜子さん
発表資料
概要
良いデータ分析のためには、品質の高いデータ基盤が必要。
ビジネスサイドからの細かい要望に応えるのは大変。
ビジネス側からは細かい改修だと思ってもシステム側からは発注などが必要となり、納期的にギャップが大きいというのはよくある。
また、出来上がったとしても、何か違うみたいな認識の祖語が起きることもよくある。
今まではデータ基盤の準備に時間がかかっていたが、スピード感をもって対応できるような仕組み作りが大切。
人事データ基盤 データ連携のデザインパターンについて
発表者
パーソルキャリア株式会社 テクノロジー本部 デジタルテクノロジー統括部 デジタルソリューション部 人事エンジニアグループ リードエンジニア(データ)渡邉裕樹さん
発表資料
概要
パーソルという「人事」のビジネスにおいてデータ活用をするためにデータ基盤を構築した。
よくある対応方法としては、ETLをつかった手段が多い。
手段から入るのではなくて、現状把握し何をすべきかを考えてから取り組みを行った。
人事データはセンシティブな情報なので取り扱いに特に気を付けることが重要であることが見えてきた。
現状を把握したら、DMBOKを活用して知識領域ごとにプリンシプル(原理原則)を決めた。
そうした結果、しっかりとした基準となるデータ連携フローを作成することができ、都度判断することがなくなった。
ETLの仕組みを入れて全てそれでやればよいという事ではなく、ルールを決めて手段を当てはめることで、最適な連携方法を選択する事ができるようになった。
手段から入らず、プリンシプル(原理原則)からブレイクダウンして考えていくことが成功の秘訣。
商品マスタ標準化
発表者
アビームコンサルティング株式会社 商社・コンシューマービジネスユニット シニアコンサルタント 志水康裕さん
発表資料
概要
データの価値を発揮するためには、データ標準化が重要。
どの企業もできていると勘違いして、取り組まないケースが多い。
標準化の一つとして、商品マスタ標準化に取り組んでいる。
商品マスタに関する必要最小限の項目を定義して標準化を図る。
商品マスタとして標準化すべき項目とは以下のようなものがある
・商品コード
・カラー
・サイズ
・ブランド
・性別
・原産国
商品に関して横断的に見るべきものを標準化すべき項目として定義する。
カラーコードというのは、マスタにカラーコードの項目を持ちましょうという事もあれば、色の種類は何色に統一したものを入れるべしというのも標準化する。
現行を調査し、どうするのかを定義して関係各所と握ることが重要。
作業は地味に・効果は派手に
発表者
株式会社マクニカ コーポレートブランディング本部 マーケティング統括部 マーケティングオペレーション部 データマネジメント&アナリティクス課 主席 松尾伸介さん
発表資料
概要
マクニカは半導体のメーカー
見込み顧客情報のデータを使って案件を獲得するために、見込み顧客のデータをどうやって整備していくか。
まず大事なのは、インプットを業務システム側で制御して整備されていないデータが入らないようにすることが重要。
顧客情報が汚いと成果もあげられない。一方きれいなデータは狙ったプロモーション活動が可能となる。
データはMAとして使っているMarketoに食わせてターゲティング施策に利用している。また、データを使って結果の分析を行っている。
入るタイミングで制御して、入ってからも整備し続けるのが綺麗なデータ環境を保つ秘訣です。
チームトポロジーを活用したデータエンジニア組織運営について
発表者
株式会社ディー・エヌ・エー ソリューション事業本部データ統括部データ基盤部ヘルスケア・メディカルデータグループ シニアデータエンジニア・マネージャー 城谷信一郎さん
発表資料
概要
DeNAは多角的なサービスを行っている。
そういう多角的に行っている会社でデータ活用を成功させるためチームトポロジー型組織に再編したという事を話します。
データ基盤チームが受け持つサービスがどんどん増えていき、対応しきれなくなってきたのでチームトポロジー型組織に再編した。
チームトポロジーは顧客への価値提供のフローを最大化させるための組織設計論。
4つのチームと3つのコミュニケーションを組み合わせて最適な組織を導き出す。
顧客に向かうストリームアラインドチームとプラットフォームチームに分けて役割を明確にした。
チームを再編するときは細かいケアが必要で、それが成功のポイント。
チームトポロジーを使った組織構築はMonotaROさんも昔話をしていたことを思い出します。以下はレポート。
データ分析のセルフサービス化による組織の役割再定義
発表者
株式会社メルカリ Analytics Div. BI Product Team 前田武紀さん
発表資料
概要
メルカリはBigQueryを使っていて、900人の社員のうち半数以上が使っている。
データ基盤を使っているのは主に3つの職種。
PdM:KPIモニタリング
Analyst:高度な分析のサポート
BI Product:データ基盤の改善
BIはLookerを使って管理している。PdMにSQLが書けないとAnalystに依頼する必要があり、BI作成に時間がとられてしまう課題があった。
課題解決のために、セルフサービス分析環境を作った。
PdM側もAnalyst側も本来やりたいことに集中できるようになり会社としてビジネス成果を生み出すことができた。
SQLに依存しないBIとしてLooker Exploreを使って構築しました。
やったこと
シンプルなデータモデルにして、複雑な集計を簡単にできるように示していった
やらなかったこと
データ追加のリクエストを言われるまま受け付けないようにした
ここは非常に重要で、依頼側もほんとに必要なのかわかっていないため吟味してから判断することが重要。
最初は広く広報したが、うまく定着しなかったので作戦を変えて、特定領域に特化して深くサポートして定着するまでサポートしたらうまく利用者がスケールしていった。
データ人材の活きる組織文化~私がはまったキャリアの落とし穴と這い出方~
発表者
SBIホールディングス株式会社 社長室ビッグデータ担当 データサイエンティスト 眞部和也さん
発表資料
概要
落とし穴と這い出方
今回は3つの事例を紹介します。
一つの事に集中して考えすぎると、周りの情報が入ってこなくなり、不安になってくるので意図的に新しいことを考える必要がある。
何も考えずに進めると、思考するスキルが使えなくなってしまうので、コミュニティに入り考えるように周りを固める必要がある。
個人の専門性をもって取り組みすぎるとチームで考えられなくなってしまうので、組織目線で考え発信する機会を増やす。
データ組織になるため、Agileな組織になろう
発表者
NTTデータ先端技術株式会社 コーポレート・エグゼクティブ(デジタルビジネス推進) ソフトウェアソリューション事業本部 APテクノロジー事業部長 平岡正寿さん
発表資料
概要
データ組織になるために乗り越えなければならない壁、その一つの壁を乗り越えた姿としてアジャイルな組織になることを話します。
データ組織とはデータ活用してビジネスを推進していく組織。
人の課題、環境の課題、スキルの課題等がある。
今回はデータ組織の活動についての事例を紹介します。
上手くいっているデータ組織とは
・目標を明確に
・スモールな仕組みを作る
・データを使ったアクションをする
・上記活動を定着させる
アジャイル開発の概念を組織に適応したのがアジャイル組織。
組織も変化が求められている。
アジャイルな組織を作るためにやっていること
・組織が目指すものを共有する
・自律的に目標達成に向かう
・メンバーを信頼して、組織の目標とビジョンのために組織を牽引する
・組織のカルチャーとするべく繰り返す
データマートで分析力アップ? ~設計・開発は大変だったが、「データマートをそろえてよかった」とつくづく思うこと~
発表者
楽天証券株式会社 カスタマーエンゲージメント部 データアナリスティクスチームマネージャー 落合真依子さん
発表資料
概要
簡単にデータを扱えるようにするためには。
ローデータはETLツールを利用してデータ基盤に連携していきます。
ローデータは扱いづらい形式だったので、データ分析に最適化したデータマートを作っている。
データマートを作る上でのコンセプト
・お客様単位に集計している
・データ項目が共通化されている
・機械学習に最適化されている
データマートを開発することで、分析・特徴量設計のスピードアップができるようになった。
ここでいう楽天証券のデータマートは、証券における標準的なレポートを出せるためのデータマートを指しているみたい。
おわりに
自分の知識をまとめるためと今後誰かがデータマネジメントをやってみたいと思った時のきっかけとなるためにnoteを書くことにしました。
モチベーションのために役にたったという人はぜひ、フォロー&スキをお願いします。
ツイッターでもデータマネジメントに係る情報をつぶやいてますので、よろしくお願いします。
コツコツ書いてます。
— よしむら@データマネジメント担当 (@yoshimura_datam) October 28, 2021
データマネジメント知識体系ガイドDMBOK要約・解説|データマネジメント担当 よしむら #note https://t.co/G9R0eeatZd
データマネジメントを学ぶ人が抑えておきたい本
DXを成功に導くデータマネジメント
DXを成し遂げるために必要なデータをどうマネジメントしていけばよいかが書かれている。
データ環境より、セキュリティの観点であったり、プライバシーの観点であったりといった非技術者向けの内容が多く書かれている。
データマネージメントに興味を持った人はまずは読んでみるとデータマネジメントでなすべき概要が理解できる。
実践的データ基盤への処方箋
データ利活用を行うために必要なデータ基盤の考え方と、利活用するためにはデータをどのようにマネジメントしていけば良いかを具体的な例を用いて説明されている。
技術が中心になるので現在データ技術に係る人がデータマネージメントに興味を持った時には、まず手に取ることをおすすめする。
個人データ戦略活用 ステップでわかる改正個人情報保護法実務ガイドブック
個人情報保護法を順守するための基本的な考え方が実務ベースで書かれている。2022年4月に施工される改正個人情報保護法で新たに追加される概念も同様に記載されている。
政府の出しているガイドラインよりも俯瞰的に読めるためデータプライバシーにかかわる人、データを使ったビジネスを推進する人は読んでおくとスムーズに業務が進められる。
データマネジメント知識体系ガイド(DMBOK)
自分も要約・解説記事を書いているDMBOK。データマネジメントに興味を持った人がまず手に取ると挫折することは間違いないほどのボリュームがある。
読めば読むほど味が出てくるので、データマネジメントを進めようとしている人は各家庭に1冊は是非買っておきたい。
データマネジメントが30分でわかる本
著者もDMBOKを読むためには非常にボリュームが多く読み解くには苦労するので、かみ砕いた解説書をまとめたと書いてある通り、DMBOKを独自解釈してわかりやすく書かれている。
DMBOKを技術者目線で読み解いた内容になっているので、実践的データ基盤への処方箋と同様データ技術に係る人におすすめする。