PdMがゼロからデータ分析チーム立ち上げた話
この記事でLookerアドベントカレンダー13日目にも参加しています。こちらも是非チェックしてみてください！
アドベントカレンダー 6日目のテーマはPdMがゼロからデータ分析チーム立ち上げた話を記事にしました。
Offers PM Advent Calendar 5日目は
nakanoさんの「Looker StudioでプロダクトKPIダッシュボードを作成してみた」でした。
この記事の想定読者
データ分析チームを0→1で立ち上げている方
データアナリストの採用を検討している方
なぜデータ分析チームが必要だったか？
データ分析チームが必要になった背景は全社員がデータドリブンな意思決定を行えるためです。
一方現状は、
マーケティングチームとPdM中心に分析を行う体制でデータ分析体制を構築する主担当者は不在の状態
データ分析タスクの量・要求が高度化していく中で現状の兼任体制では限界があった
SSOT（信頼できる唯一の情報源）の実現ができてない
データ分析環境と体制それぞれ課題が発生している状況でした。
このような状況化で、CPO田中から「分析チームの立ち上げやってみない？」と挑戦の機会をもらい、私が分析チームの立ち上げに取り組んだのがきっかけです。
どのように立ち上げたか？
データアナリストという職種を理解する
データ分析の採用
カジュアル面談で得た気づき
データアナリストの責務とは？
データアナリストの業務内容
自社サービスのデータを理解する
データ分析組織を作る
1/ データアナリストという職種を理解する
まずはデータアナリストという職種を理解するところからスタートしました。データアナリスト向けの勉強会参加、書籍を読んだり、基礎知識を身につけていきます。
データ分析体制や業務ノウハウなど生きた知識はドクターズプライム、Rettyさんの記事が大変参考になりました。
参考にした書籍
分析思考、プロセス、データ基盤構築幅広く本を読み漁りました。
データ分析の採用
次に、データアナリストの採用を進めました。
まずは副業で分析チームの立ち上げを伴走してもらう方の採用を自社採用メディアOffers jobsで募集を開始。カジュアル面談を通してデータアナリストと約20人ほどお話しました。
副業データアナリストで入社いただいている方のインタビューはこちら。
公開していた求人はこちら
カジュアル面談で得た気づき
カジュアル面談を重ねる中での気付きとして、データアナリストが職業を選択する際の判断基準の共通項があることを認識し、以下の情報を必ず求人情報に書くことにしました。
どのようなデータが扱えるのか？
分析しがいのある魅力のあるデータがあるか？
分析環境が整ってるか？
求人を改善した結果、データアナリスト求人への自主応募は定期的に入るようになり、直近半年で応募10件、そこからデータアナリスト2名採用できました。
Offersで現在募集中のデータアナリストの求人はこちら。魅力的な求人がいっぱいありますので是非チェックしてください！
データアナリストの責務とは？
データアナリストとは何をしたら評価されるのか？ジュニアと、シニアレベルの違いはなにか？当初はこういった基準もなく、どちらかというとHow（Python、Rで○○のデータ分析経験あり）ばかり見ていました。しかし、経験豊富なデータアナリストの方々と話をしていて、共通するところが
データ分析を通してステークホルダーの意思決定を導き、
ビジネス価値として昇華する
が多い印象でした。アウトプットとして分析結果、ビジュアライズはわかりやすいものの、その分析を通してどのような意思決定につながったか？その意思決定の結果ビジネス価値は生まれたか？がとても大事だと気付きけました。この気付きからOffersのデータアナリストの価値提供はデータ分析⇒意思決定⇒ビジネス価値への昇華と決まりました。
データアナリストの業務内容
次にデータアナリストの業務内容について理解していきました。副業で参画していただいたデータアナリストと会話する中で業務についても理解を深めていきました。
一般的に
分析設計
データ加工
ビジュアライズ
ステークホルダーにインサイト提供
がデータアナリストの主な業務になるかなと思います。
これに開発プロセスと分析プロセスをあわせていき、最終的に以下のプロセスで運用しています。
2 / データ分析環境を整える
データアナリストの理解と同時に誰もがデータを活用できる環境作りも進めていきます。
取り組んだこと
自社のデータを理解する
データ分析体制を構築する
分析ルールを策定する
分析基盤を構築する
自社のデータを理解する
自社のデータ把握が正しい分析を行うために重要です。
取り組んだこと
重要指標に直結するデータを把握する
データ定義を明確にする
オペレーション・ファネルを意識したデータフローを作成する
ER図を作成する
普段何気なく使っている「売上」、「アクティブユーザー」等の指標もデータの定義が曖昧なものもあったりします。そういったものは、「これってどういう定義ですか？」を必ず行いデータ定義を明確にしてきました。
テーブルの把握、データが作成されるタイミングをエンジニアに仕様を確認して、資料にまとめていきます。
以下の資料は業務フローと、データ作成を可視化したもので、副業データアナリストがまとめてくれたもので、ああ、こうやってマッピングするとすんなり理解できるようになるんだなととても関心しました。
データ分析体制を構築する
現在の私含めて、データ分析チームは副業データアナリストが3名、Fullメンバーが2名で運営しています。データ分析チームはファンクションチームで運営し、プロダクトとデータアナリストの連携を強化するため、担当領域を決めて業務を進めてるようにしました。
ざっくり、チームの割り振りは以下のようになっています。
当初は私50%の工数をデータ分析チームの立ち上げに使っていましたが、現在は20%程度くらいで、副業メンバー中心に運営される体制に移行しています。副業メンバーだけでどうやって運営しているのか？の深堀りは次回の記事で詳しく説明したいと思います。
分析ルールを決める
取り組んだ事
レビューしやすいようにSQLフォーマットの標準化
データ分析依頼をワークフロー化
人によってSQLのフォーマットがバラバラでレビューしづらいという声があったので、SQLフォーマットを標準化しました。
分析のワークフロー
SlackのワークフローとNotionを連携して分析依頼のワークフローを作成しました。分析結果をナレッジとしてNotionDBに蓄積していくことを試みました。
BizDevチームやCSからのデータ抽出依頼は、分析チームがサポートする体制でしばらく運用しました。依頼を受ける際は、分析の目的とどのようにデータを活用にするか？を必ず確認するようにしていました。
データ分析基盤を構築する
データ分析基盤の構築のためLookerの導入を推進しました。
導入経緯はこの記事で触れてます。
他社の活用事例を見ていると、DWH、Datamartが用意されていて、データパイプライン構築されていてと、時間とリソースがあればやりたい…と思う気持ちをぐっと抑えて、Lookerは主にデータ定義を明文化する、データビジュアライズするをメインに活用しています。
現時点ではLookerとRedashの併用が続いており、Lookerは業務に組み込まれたもの（=ユースケケースがはっきりしているもの）、Redashはさくっとデータを調査したいなどその場しのぎの分析として活用する棲み分けで運用しています。
取り扱っているデータもプロダクトのデータのみとなり、まだまだデータ分析基盤と言える状況ではありませんが将来的に、プロダクト、MAツールを統合したデータ基盤の構築は目指していきたいです。
振り返り
初めての立ち上げ経験、とても刺激的でした。データについて、データアナリストについてかなり解像度が高くなれたきがします。
また、立ち上げがスムーズにいったのは、副業で参加していただいているデータアナリストに多くのご支援をいただけことだと思っています。
Offers.jobsではデータアナリストの求人多数オープンしてます。副業でいろんなデータを使って分析したい方は是非チェックしてください。
データアナリストの求人一覧
データアナリストを採用したい企業の方
データアナリストを採用したい、これから考えている場合は、お気軽にお問い合わせください
告知コーナー
HRのデータを分析してみたい、データ基盤を一緒に作っていきたい方はデータアナリストポジションオープンしてますのでぜひカジュアル面談をお願いします！PMも積極採用中です！
🎄Advent Calendar 2022 🎄
この記事が気に入ったらサポートをしてみませんか？