エアクロ/データサイエンスチームについて
こんにちは！エアークローゼットで社長室/データサイエンスチームのベーやん(@ttnabe51)です。実は、弊社ではニックネーム制を採用しているので、社内でもBeyan(ベーやん)です。
今回、弊社プロダクトグループを起点としたairCloset Advent Calendar 2021にデータサイエンスチームも加わり、発信させていただけたらと思います。
10日目にtiger (松井)がエアークローゼットが保有するデータや課題について触れてもらったので、私からは「*データの力で真理を追求し、事業の成長を推進する」業務内容をいくつかご紹介します。*は弊社データサイエンスチームミッションです。
1.AI=データサイエンティストではない。
そもそも、データサイエンティストって何だ。という方へ。データサイエンティストとは、データサイエンスティスト協会によると「高度に情報化された社会において、日々複雑化及び増大化するデータを、利用者の利用目的に応じて情報を収集・分析する技術を有し、ビジネスにおいて実行可能な情報を作ることができる者」のようです。簡単にいうと、「データを適切に扱って、ビジネス変換できる人」かなと思います。 また、データサイエンティストは大きく3つのスキルセットが求められてる。と整理されてます。ビジネス力、データサイエンス力、データエンジニアリング力。
つまり、データサイエンティストって一般的には幅広人間。ビズデブ(初めてこの言葉使った)とエンジニアリングの間みたいな。コンサルタントとエンジニアリングの間みたいな。
ここから、業務の話。
2.KPIを再定義する
ある時は各部署のKPIを再提案するときがあります。
例えば、チャーンレートにおけるKPIの話。日々業務を行っていく上で、ある指標を追うことでKGIが改善しそう。だが、数字の見方を変えた方がよりKGIと相関していてアクションにもいかしやすそうだ。という面も見えてきました。実際にKPIを再定義して、今現在も改善に向かってます。(*かなり抽象的に表現したので、続編ぽいの書こうかな…)
こんな形でデータと対話して、どんな傾向がありそうか考え、ビジネスがより加速するようにしていきます。
3.もちろんAI開発も..
ときには、AIも開発します。ただ作りたいものを開発するのではなく、課題から適切なソリューションの中でAI開発を選択していきます。
例えば、logistics forecast (物量予測)。弊社ではUXを考えお客様のライフスタイルに合わせて、任意のタイミングでお洋服を返却できるようにサービスを設計しています。いつどのくらいの着数が倉庫へ返却されるかがわからない、そんな課題を解決するために、返却数推定モデルを開発しました。(詳細はdata-science-collection に記してあります、細かい過程検討に需要があればこれも続編書こうかな…)
これにより、実際の返却数と予測数が±10以内におさまる改善をしています。倉庫の人員配置が最適化され、人員不足による作業の遅れや、逆に人員過多によるコスト増といった問題を回避できるようになりました。
4.他ダッシュボード作成、施策検証サポート、などなど
弊社では全てのメンバーがデータドリブンに数字から根拠をもって施策アクションを行なっています。KGIからKPI、施策進捗、検証の数字など、都度データサイエンスチームで担当して作成しています。時には自らSQLを覚え自身でビジュアライズしてPDCAを回すメンバーも。
5.まとめ
このようにデータを活用して多岐に渡ってデータをフル活用しています。これからは、ファッションならではのデータ活用の取り組みがさらに増えていきます。気になる方は Meetyでもお話できましたら！
この記事が気に入ったらサポートをしてみませんか？