コンサル・エンジニア・データサイエンティストぜんぶやってきたから提供できる！弊社のデータ活用支援事業
本記事は 株式会社パタンナー アドベントカレンダー 2021 23日目の記事です。
受託事業（データ活用支援・コンサルティング）の概要
弊社はデータを活用する幅広いプロジェクトに取り組んでいる。おおきく次の3つに分類できる。ちなみにコンサルティングと言っても、ゴリゴリに手を動かしている。データ活用領域は今でも手を動かさないと現場感とノウハウに遅れが出てしまうからだ。
プロダクトマネジメント業務
分析基盤設計・構築業務
データ分析業務
1. プロダクトマネジメント業務
対象クライアント
データを活用したプロダクトを開発している企業
収集したデータの活用方法を検討している企業
やっていること
いろんな業界業種のデータの持ち方をみた経験を生かして、指標定義からクライアントサイドへのデータ表示方法（データビジュアライゼーション）などを設計している。
さまざまなデータを活用しているWebサービスは、エンジニアとデザイナーだけではグラフの描画方法や要件を決めることが難しい。プロトタイピングツールは便利だけれども、グラフをつくるのってデザイナーにとっても工数がかかる（テンプレート的なグラフキットはあるけれども、実際のグラフはもっと複雑だからWFになり得ないのだ）
そこで、グラフの指標や、表示したほうがいい値、軸を決定する。そして、目的に合った最適なビジュアライゼーション方法を決める。
作ってみたけれど、使われていないダッシュボードや、データは面白いのに検索条件が複雑化されていたり、操作性が悪く、ユーザーに価値を最大限提供できていないプロダクトが多い。そういうプロダクトを磨き込むために弊社のスキルを提供している。
弊社の強み・弱み
相対的に強みになっていることは、ビジネス職の抽象度の高い話をエンジニア職に伝えるレベルまで具体的な要件に変更できることだ。プロのエンジニアさんほどではないが、エンジニアリングの実務経験はあるから、データ分析と機械学習に特化しているデータサイエンティストと違って、機能要件を定義できる。その結果、プロダクトマネジメント業務を担当する機会も増えている。
弱みは開発チームを内製化していないため、開発はクライアントチームとともに進める必要があることだ。
2. 分析基盤設計・構築業務
対象クライアント
すでに顧客データがたまっているが、施策に活用できていない企業
顧客データ分析に工数がかかってしまっており、属人化している企業
やっていること
弊社はデータを集めることから分析するまで、また集めたデータを使ってプロダクト開発に取り組んだ実務ノウハウがある。そのため、データ分析基盤と呼ばれる、どこから・どんなデータを・どんな形式で・どれくらいの頻度で・どこに蓄積し・どのタイミングで・どのような項目を・どこに出力するのかを具体的に設計できる。
弊社の強み・弱み
相対的に強みになってきたことは、外部システムが保有しているデータのクセに関するノウハウが豊富であることだ。例えば、F通さんのPOSレジにはXXXという問題があって、タイムラグが発生する。そのため、シンプルに日付データで結合できない。Rルートさんのレジサービスは無料や低価格プランだと顧客分析に必要なYYYという情報をエクスポートできない。といったものだ。
また、「こういうデータが欲しいんだけど、Z社のデータってどういう形式だろう？」と聞かれたときに、こういう形でデータを持っているが、こういうメリットとデメリットがあると回答できるノウハウを持っている。
わからない外部システムであったとしても、外部システムからデータを取得する際のトラブルにぶち当たった経験がなかなか豊富になってきたから、リスクを事前に想定できる。
多くのデータ活用企業は自社データ（いわゆる1stパーティデータ）のみでデータ分析をおこなっていない。SaaSや外部システムに依存してビジネスをすすめていく企業も増えているから、こういったニーズが増えてきた。特に最近は外資系スタートアップのサービスを使っているから、ドキュメントが英語しかなくて、調べることすらハードルが高くなっていたりする。
ビジネス職ですこーしプログラミングを知っている人は「APIを叩けば〜」という枕詞が好きだ。しかし、APIを叩けばデータが手に入る。そーんな簡単な世界じゃーない。ビジネス職が想像するよりはデータはカオスで、単純なものではない。
サービスごとに取得できる頻度もちがう。取得できるデータの形式にクセがある。コストを抑えるために取得頻度を調整したり、別のコストのかからないデータを使って目的を達成する方法を検討する必要がある。
3. データ分析
対象クライアント
データ分析する専任担当者がいない企業
まだ内製化するほどデータ活用に投資できないが、データを活用してみたい企業
やっていること
圧倒的にシンプルで内製化しやすい分析フローをつくり、提供している。ビジネス的には下手くそなのかも知れないが、絶対にベンダーロックインされないように内製化しやすいデータ分析しか実施しないように意識している。そうしないと、継続的にデータ分析するカルチャーが社内に醸成されないからだ。
まずは基礎集計を徹底する。予測や傾向よりも集計だ。現時点で把握できるすべての数値とその件数を把握する。この点を重視していることが弊社の強みだ。これから予測モデルやダッシュボード構築に利用するデータのサンプル数や顧客件数、タイプ別の商品数、平均顧客単価などの相場観を頭の中にインプットすることがデータ活用の背骨になる。（めっちゃ重要で肝心っていうことを言いたい）
意外と大切にされていないから、これを徹底するだけですごくインパクトのある仮説検証とレポーティングを実施できる。
ここまでやったら次は活用までお届けする。予測モデルをつくるためのコストがない場合であったとしても、ダッシュボードを低コストで提供し、分析工数がかからない内製化しやすいスキームまで提供している。
最初はわざとシンプルなダッシュボードにする。見るべき指標を少なくすると、データを見る順序が明確になるからだ。見る順序が明確になると、データを分析することに抵抗がなくなる。この抵抗感をなくす、毎日見たくなるようなダッシュボードの設計が重要だ。
これを継続していくと、クライアント側から「あのデータも一緒に見れませんか？それができたら、◯◯もわかるようになると思うんですよね！」とリクエストしてくれるようになる。弊社の願ったり叶ったりの最高のシチュエーションだ。一緒にデータリテラシーを爆速で上げていく！
抵抗感がなくなり、このデータを使えば、あれがわかる！といったデータへの勘と関心が高まったら、少し高度で指標数を増やしたダッシュボードへアップデートしていく。
弊社の強み・弱み
個人事業主からスタートアップ、大企業まで幅広いクライアントのBIツール選定、ダッシュボード作成までやった経験によって、どれくらいデータに関しての知見や好奇心があるか？どうか？という利用者に合わせてダッシュボードを設計・構築できることが何よりの強みだ。
ちなみに、ダッシュボードだけでなくデータ分析のレポーティングも同様だ。伝わらない高度な分析レポーティングよりも、伝わるシンプルな分析レポーティングを徹底している。
おわりに
今日は弊社のキャッシュエンジン事業で取り組んでいる業務の幅の広さについて伝えた。これらのデータ活用支援事業に対する想いについては明日以降の記事にまとめたい。
この記事が気に入ったらサポートをしてみませんか？