1人目データアナリストとしてデータチームに異動しました #LayerXテックアドカレ

こんにちは！LayerXの石橋（@saaaaaaky）です。
10月から機械学習・データ部データチームに所属しています。

この記事はLayerXテックアドカレ2023の8日目の記事です。前回は同じチームの@civitaspoが「DynamoDBのIncremental Exportの仕様を理解する」を書いてくれました。明日はizuminさんの記事です。

データチームへ異動しました

冒頭にも簡単に書きましたが、10月からデータチームにアナリストとして異動しました。
これまでも、所属していたカスタマーサクセスやBizOpsでデータ活用促進を行なってきました（その内容についてはこちら）。

こういった活動を通して、よりデータ活用範囲を広げて事業へ貢献したいという思いから、社内公募に応募し異動が決まりました。

アナリストとして横断チームにいること

10月から改めて、チームでミッションやロードマップの策定を開始しています。

自分は前職では個別のチーム/プロダクトの数値の分析をしてプロダクトを前進させるための示唆を出すことを中心に業務を行っていました。
そのため複数のプロダクトを抱える組織のスケールのための取り組みには経験がないため、最初は自分がどのように動けばバリューを発揮できるのか悩みました。

ただ組織の課題は決まっているので、そこから逆算して自分がバリューを出せるポイントを見つけて自分を成長させていくしかありません。

組織の課題や対策については、先日公開された高際の「バクラクのデータは難しくて面白い」に書かれていますので気になる方は読んでみてください！

この記事にもあるように、分析のセルフサービス化が課題の１つです。
データの変化が早く構造も複雑な中、情報やノウハウの共有が行われていないことにより、各チームの分析能力にバラつきがあります。
情報共有についてはある程度方向が見えているのですが、分析ノウハウの型化とそれを各チームにインストールする方法の設計は、それ自体の検証から始める必要があります。

各チームの課題を把握する

分析の型を作るためには、まず各チームの課題を把握する必要があります。
各チームにデータに関する課題感のヒアリングを行ったところ、現時点で大きな課題はないチームからデータを活用したいがその方法がわからないといったチームまで、データ活用のフェーズがバラバラでした。

最終的には、社内のすべてのチームでデータ分析を活用して事業をグロースできる状態を目指すのですが、現状ではすべてのチームに適用できる汎用的な型が作れていません。

そこでまずは自分がデータ活用が進んでいない１つのチームに伴走し、そこで自立して分析ができる体制を作ることを考えました。その結果から汎用的な型を抽出してさらに他のチームへ展開できればスケールできるのではという目論見です。

スケールのためのフォーカス

どのチームに入ろうかと考えたところ、Expansion Developmentチームが、チームとして事業の型化やデータ分析に大きく課題を感じているという話を聞きジョインすることにしました。

実際にチームにジョインしてメンバーに聞き取りをしてみると、

• 様々なアクションを取っているものの、それがどこの指標にどんなインパクトを与えたのかが評価できる仕組みが十分ではなさそう

• 指標同士の関係性が構造化されていない

• 指標の中でのみるべき優先順位、重要度が整理されていない

などの課題が浮き彫りになりました。
まずは事業にインパクトが大きい数字とそれに紐づく数字を明確にして、そこに紐づく指標を整理していく必要がありそうです。

とは言っても自分はこのチームに入ったばかりなので、現在のデータの取り方で欲しい数値は計測できているのか、すらわからない状態です。

もともと組織としてのデータ分析基盤をスケールさせるために始めたことでしたが、そんなわけで直近はとにかくドメイン知識をインプットすることにフォーカスしてます。

まだまだ取り組みはじめたばかりですが、来期には取り組んだ結果を形にして報告できるよう頑張っていきたいと思います！

最後に

データチームではデータアナリストとアナリティクスエンジニアを募集中です。

一緒にディープダイブして模索してくださる方、データ活用の型化に取り組んだことのある方、またこの記事を読んで興味を持ってくださった方、ご連絡お待ちしています！

興味のある方は、まずはカジュアル面談からでもお話ししましょう！

データアナリストからみたData Enablingについてお話ししましょう！