プロダクト戦略本部からデータ本部へと異動したAnalyticsチーム
この記事は、freeeデータに関わる人たち Advent Calendar 2020の22日目です！
こんにちは、12月22日担当 Analyticsチームのsekikawaです。
昨年もAdvent Calendar向けに記事を書きましたが、今年は昨年からの変遷踏まえ、Analyticsチームとしてfreeeの事業にどう関わってきたか？この機会にせっかくなのでまとめてみようと思います！
プロダクト戦略本部時代
昨年この記事を書いたタイミングでは、Analyticsチームはプロダクト戦略本部に属し、主にPdM(プロダクトマネージャー)とタッグを組むような形でのOKR策定(※1)、つまり、プロダクト分析 > 事業分析
という色を出して、データに向き合ってきました。
(※1 OKRに関しては下記の記事がとてもわかりやすく、もちろんfreee全社でOKRは活用しています。)
これ自体は、freeeとしてもプロダクトカンパニーを体現するミッションを掲げ推進していく以上、Analyticsがそのベクトルをデータ活用という手段で加速化させる役割を担ってこれたと思っています。
私自身も今年は、「会計freeeの口座残高一致率向上」というテーマに対して、会計データにこれまで以上に向き合い続けました。
データ本部としての統合
そんな中、実は今年度からAnalyticsチームはプロダクト戦略本部から離れ、データ基盤やAIラボ(AIを活用するチーム ※2)と同じ、データ本部としてのまとまり(今年のアドベントカレンダー投稿メンバー)になりました。
(※2 AIラボに関しては、こちらでも特集されています。)
その結果、引き続き口座残高一致のようなプロダクト分析を進めていく一方、freee社としてのデータ活用に向けた課題にも私自身向き合い始め、
これまでとはデータに対する向き合い方が変わってきたのが、今年のターニングポイントとなりました。
プロダクトデータ活用✖️事業インパクト可視化
by Analytics
これまでは上記の通りプロダクト戦略本部として、プロダクトデータ活用を1つの大きな軸(もちろんプロダクトカット以外の取組みもAnalyticsとしてやっています)に、事業インパクトにどうつなげていくか？という方向性で推進してきました。
この2軸(プロダクトデータ活用✖️事業インパクト可視化)で、Analyticsの関わり方を今年度のupdate含めて図示してみると、こんな3つのフェーズで分類できるのでは？と考えました。
（多分に主観でまとめておりますので、ご容赦ください🙇♂️）
それぞれを簡単に説明します。
1. 事業創造(プロダクトデータ活用(1→100), 事業インパクト可視化0→1)フェーズ
会計freeeプロダクトデータを最大限活用し、事業インパクトを生む(0から1にする)フェーズは、越えるべき障壁もいくつかあり難易度高いですが、1にできた瞬間からデータドリブンな事業展開が可能になり、ここにAnalyticsがチャレンジできるのもfreeeが事業として成長してきたこと、非連続な成長ポテンシャルがまだまだあることが示唆できます。
2. プロダクトデータ活用(1→100) > 事業インパクト可視化(1→100) フェーズ
Analyticsのメインストリームとして継続して取り組んできた関わり方であり、図示した2.での赤矢印の通り、プロダクトデータを最大限活用して、事業インパクト向上可視化への介入効果を生んできました。
3. 事業インパクト可視化(1→100) > プロダクトデータ活用(1→100)フェーズ
事業サイドにも一部介入して向き合い始めたのがAnalyticsチームとしてupdateした部分で、事業インパクト可視化が最優先であり、事業KPI化の分解や、それに伴う活動をプロダクトデータ活用で補完したりなど、がメインとしての動き方になります。
この事業インパクト可視化を突き進めた先に、生産性向上や予測などの事業課題ワードが飛び交い始め、高尚な役割がAnalyticsにも求められてきます。
(このテーマに取り組める事業インパクト可視化フェーズとして、80%とここでは定義します)
最近、改めてこの辺のワードが飛び交うのを聞き、生産性向上や予測を精緻上げて取り組める(事業インパクト可視化フェーズを80%まで到達させる)ためには、それに足るデータ活用できる基盤(マートのようなものも含む)が重要だな、とデータ本部に属する一員として感じています。
自分が事業企画に属していた当時も、生産性向上や予測というようなテーマに着手したこともありますが、精度を継続的に上げていく精緻化のような取組みに到達することは、自力では無理だったなと改めて思い起こされます。
これらを基盤のような横断的な仕組みで改善していければ(基盤の介入効果)、この矢印の傾きももっと上げられる、かつ続々とこの80%領域に突入し、精度高められる生産性向上や予測が継続的にできるのでは！？ という期待が高まってしまいますw
そうするとAnalyticsとしても、これまで以上に先進的な取組みにもチャレンジでき、(事業カットだけでなくプロダクトカットでも)みたいな良いサイクルも出来上がるのでは！？などなど🤗
最近は自分自身もプロダクト分析の傍ら、DWH議論にも積極的に関与し、freeer(freeeメンバー)のデータ取得のあるべき姿を構想したり、データの民主化もクエリの教育ではなく、横断的な仕組みで解決させたいなどを思っています。
最後に
これまでのAnalyticsチームとしての取組みを整理して書いたつもりだったんですが、あんまり上手くまとまりませんでした💦
そもそもなんですが、Analyticsという意味自体、古代ギリシャ語でも「（結び目を）すっかりほどくこと」を意味するらしく、必ずしもAnalytics≠データ解析やデータ分析する集団と恣意的に定義付けるのも違うな、と最近思い直しています。
データ活用をして課題を紐解く集団こそAnalyticsなのであり、提示した2軸のような観点でデータ活用フェーズを高め、課題の解像度を上げ、事業インパクトをデータの力で証明していける集団、そこに対して自分は仕組みを提供する側にも加担していきながら、その推進を高めていきたいと思います。
そんなデータ基盤を作り上げる側として、データ基盤エンジニアの採用も募集しています！
/assets/images/5613805/original/737b1dc0-7a8e-40cf-8e21-01e33cd8ad5e?1603187012)
是非、こちらの記事も合わせて読んでみてください！
最後までお読みいただきありがとうございました。
この記事が気に入ったらサポートをしてみませんか？