2024年6月19日(水)に、株式会社ジーニーとの共催セミナー『データを武器にする組織の作り方』を開催します。

 

セミナー概要

セミナータイトル:データを武器にする組織の作り方

セミナー概要:多くの企業でDXやAI、そのほかデータ活用の取り組みが推進されている一方、データ活用ができる組織を作るための課題はどんどん増えています。
例えば…
・データをどう活用したらいいかわからない
・データを活用できる人材が育たない
・データ活用人材が活躍できる環境を作りたい...etc
そこで今回は、データアナリスト、データサイエンティスト、データエンジニアなどデータ領域のプロフェッショナルの常駐により企業のデータ活用を支援し、顧客ビジネス成果に貢献するサービスを提供している、株式会社メンバーズデータアドベンチャー社長の白井様をお迎えし、
データ活用に強い組織づくりについてトークセッションを行います。

こんな方におすすめ:
・データを活用して事業戦略を考えたい方
・データを活用できる人材マネジメントについて知りたい方
・データを活用する仕組みや組織論を学びたい方

日時:2024年6月19日(水)11:00~12:00

場所:オンライン

参加費:無料

お申込み・詳細はこちら:https://chikyu.net/seminar/seminar-240619/

登壇者紹介

白井 恵里(しらい えり)

株式会社メンバーズ 執行役員
兼 メンバーズデータアドベンチャーカンパニー社長

東京大学を卒業後、株式会社メンバーズへ入社。
大手企業のオウンドメディア運用、UXデザイン手法での制作や、デジタル広告の企画運用に従事したのち、2018年11月に社内公募にてメンバーズの子会社(現、社内カンパニー)社長として株式会社メンバーズデータアドベンチャーを立ち上げ。
データアナリスト、データサイエンティスト、データエンジニアなどデータ領域のプロフェッショナルの常駐により企業のデータ活用を支援し、顧客ビジネス成果に貢献するサービスを提供。
2020年10月から株式会社メンバーズ執行役員兼務。現在カンパニーに所属するデータ分析のプロフェッショナルは約170名。
@EriShirai

日経クロステックに、2024年3月29日(金)に開催された『データサイエンティスト・ジャパン 2024』 弊カンパニー登壇セッションのレポート記事が掲載されました。

 

状況に応じ最適なプロが支援する データ活用チームの人材配置術

 

ぜひご覧ください。

2024年3月27日(水)に開催された一般社団法人Generative AI Japan キックオフイベントにて、弊カンパニー社長 白井がパネラーとして登壇しました。


開催レポートはこちら(一般社団法人Generative AI Japanサイト)

 

登壇者紹介

白井 恵里(しらい えり)


株式会社メンバーズ 執行役員
兼 メンバーズデータアドベンチャーカンパニー社長

東京大学を卒業後、株式会社メンバーズへ入社。
大手企業のオウンドメディア運用、UXデザイン手法での制作や、デジタル広告の企画運用に従事したのち、2018年11月に社内公募にてメンバーズの子会社(現、社内カンパニー)社長として株式会社メンバーズデータアドベンチャーを立ち上げ。
データアナリスト、データサイエンティスト、データエンジニアなどデータ領域のプロフェッショナルの常駐により企業のデータ活用を支援し、顧客ビジネス成果に貢献するサービスを提供。
2020年10月から株式会社メンバーズ執行役員兼務。現在カンパニーに所属するデータ分析のプロフェッショナルは約170名。
Xアカウント:@EriShirai

当サイトにて株式会社クレディセゾンさまの事例記事を公開しました。
ぜひご覧ください。

事例記事はこちら

クレディセゾンで活躍 本気のビジネス課題解決にデータのプロフェッショナル人材「常駐サービス」の薦め

 

データをビジネスに活用したいと思いつつも「そもそもデータをどう扱えばいいのか」と悩む企業は依然として多い。課題の大きさと自社の現状とのギャップを感じるなら「データプロフェッショナル人材の常駐サービス」という選択肢を知っておいて損はない

(出典:ITmediaエンタープライズ 2024年03月15日 10時00分 公開記事)

 

データ活用に成果を求めるならプロフェッショナルの手を借りるのが近道

 データ活用の重要性が叫ばれて久しいが、データのサイロ化に悩んだり、蓄積されたデータが膨大で何から手を付けるべきか分からず手をこまねいたりしている企業は依然として存在する。分析用のプラットフォームを構築してデータを利用する企業ももちろんあるが、今度は「思ったような成果が出ない」という別の壁が待っている。

 ビジネスにおけるデータ活用の目標は企業の環境や活用フェーズの段階にも左右される。「分析のためにデータを効果的に貯める」「意思決定の根拠となるインサイト(洞察)を導出する」「機械学習(ML)モデルによりサービスの自動化や高度化」などである。それらの課題解決には、分析従事者による基盤の構築やインサイト分析による戦略策定、頑健性のあるMLモデルの構築など、多岐にわたる技術を持つ人材の確保が必要となる。社内で一から始めるのもいいが、プロフェッショナルの手を借りればより迅速に目標を達成できるだろう。

「当部門は知見やノウハウの継承によるMLモデルの内製化を目指していますが、まだデータ活用の初期段階にある企業であれば、なおのことプロフェッショナル人材に常駐してもらうべきです」と語るクレディセゾン クレジット事業部 信用企画部(注)の長谷川 祐介氏に、メンバーズデータアドベンチャーカンパニー(以下、メンバーズデータアドベンチャー)の「データ領域プロフェッショナル常駐サービス」を選んだ決め手と常駐サービスのメリット、今後このサービスを活用して取り組みたいことなどを聞いた。

注:部署名は取材時点のものです。


クレディセゾンの長谷川 祐介氏

“門外不出のデータ”を扱う業界こそ常駐サービスが向いている

 クレディセゾンはキャッシュレス社会の実現に向けて多様な決済サービスを提供するクレジットカード事業に加え、ファイナンス事業、グローバル事業などを展開している。同社にはデータ基盤をはじめとする分析環境が整備されており、現在はデータ分析専門の部署もある。

 長谷川氏が所属する信用企画部は、クレジットカードの審査基準の作成・企画を担当している。クレジットカード事業では、カード入会時や更新時における与信審査の精度が重要だ。「貸し倒れ」が起きれば少ない件数であっても利益の一部が帳消しになってしまうため、与信審査の精度はビジネス全体の利益に直結する。「与信審査は奥が深く、『学生はお断り』『年収○百万円以上の人はOK』といった単純なものではありません」(長谷川氏)

 長谷川氏はカード入会時や更新時などに実施する審査基準の企画に関わる業務と、それに付随する分析やモデル構築を担当している。当時、信用企画部にはMLモデルをフルスクラッチで自作するスキルを持つ社員は多くはなく、必要とされる分析やMLモデル作成というミッション達成には十分ではない状態だった。

 「与信ロジックの精度向上に必要なMLスキル保有者が足りない」「大規模データの分析によってビジネスインパクトを出せる人材が欲しい」「知識やノウハウを社内に継承したい」という課題を解決するために、高度なスキルを持つデータサイエンティストを外部から招き、MLモデルを構築することになった。そこで選んだのが、メンバーズデータアドベンチャーのサービスだ。

 同社によると、このサービスは高度データ領域のプロフェッショナル人材が「顧客企業のメンバーの一員」として常駐するため、顧客企業の内部でしか見られない情報にアクセスできることが大きな強みだ。受託型がレポートの作成など業務の一部を請け負うのに対し、常駐型はデータ活用プロジェクトの立ち上げ時期から完了まで、パートナーとして同じ目標に向けて伴走するところも特徴だ。

メンバーズデータアドベンチャーの強み

 長谷川氏は「金融サービス業は分析環境をセキュアに保つ必要があります。われわれもデータを外部に出すことは考えられず、他社に協力をお願いするに当たって常駐サービス以外の選択肢はありませんでした。ただし、こうした事情を抜きにしてもデータ分析業務にはそもそも常駐サービスが向いていると思います」と話す。

 事業部門で実施するデータ分析は、アウトプット結果やステークホルダーの意見によって当初の分析要件に細かな修正が発生する。「ここが、仕様書通りに進められる一般的な業務システムの構築とは異なるところだと思います。また、指示書で説明し切れない“データの持つ意味”を共有できなければ、多くの手戻りが発生したり、何も意味のない分析結果やMLモデルを作ってしまったりすることもあります」(長谷川氏)

 MLモデルを通じたアウトプットの精度を高めるためには、入力するデータ項目や使用するモデルの取捨選択で試行錯誤を繰り返し、微調整を重ねる必要がある。与信という専門性の高い業務に関する深い知識も必要だ。

「泥臭い作業ができる人」を探していた

 常駐サービスを念頭に検討を進めたクレディセゾンは、メンバーズデータアドベンチャーともう一社に候補を絞り込んだ。メンバーズデータアドベンチャーを選んだ理由は、「人」によるところが大きい。

 現在、クレディセゾンには同社のデータプロフェッショナル人材が4人常駐している。最初期から常駐しているデータサイエンティストの庄島 学氏について、長谷川氏は「実はメンバーズデータアドベンチャーさんだからというよりも、『この人と一緒に働きたい』と思って決めました」と話す。

 クレディセゾンの信用企画部は、常駐人材に求める条件として「MLモデルを自ら作成した経験があること」「PDCAを自身で回せること」「ビジネスサイドの人間と自発的にコミュニケーションが取れること」を挙げていた。それに加えて、「庄島さんには分析業務で重要な“精神力”が最もありそうだと感じました」(長谷川氏)。データサイエンティストには引く手あまたの高度人材という華やかなイメージがあるが、「実はかなり泥臭い業務」と長谷川氏は強調する。

 データからビジネスインパクトのある価値を導き出すまでには、分析の前後で膨大な作業量を地道にこなす必要がある。「MLのスキルに100%特化した方よりも、どうしても発生してしまうリトライに対して、ひざを突き合わせてビジネス観点、エンジニアリング観点を一緒に議論できる方とやりたいと思っていました」(長谷川氏)

常駐だからこそできたリリース前日のアクシデント克服

 庄島氏がデータサイエンティストとしてクレディセゾンに着任したのは2022年7月だった。庄島氏のミッションの大きな柱は与信審査業務のためのMLモデルを作ることだ。データ整備や分析、データ観点のシステム設計支援なども担当している。

 「着任当初からクレディセゾンのデータ分析環境はかなり整っていました。信用企画部の中にもPythonやSQLなどで分析をしている方が複数いらっしゃいましたし、全社でデジタル人材育成プログラムも動いており、DX推進への積極性を感じました。お客さま企業によっては分析環境を立て直すところから始まるケースもあります。今回は環境が整っていたので逆にプレッシャーがありました。」(庄島氏)

 庄島氏の着任後、MLモデルの構築は順調に進んだが、ある日、想定外の事態が生じた。データ分析の施策を社内でリリースしようとした矢先、システム上で期待通りの値が出ないことが判明したのだ。テスト時にはなかった問題である。システムは動いているものの適切な結果が出ない事態に、長谷川氏と庄島氏は「何とかするしかない」と奮起した。すぐに同じチームのデータエンジニア(メンバーズデータアドベンチャーからの常駐者)に状況を伝え、長谷川氏は業務の観点、庄島氏はMLモデル、データエンジニアは学習データの整合性確認と、手分けして原因を探した。格闘の末、分析環境間のわずかな差が原因であると特定した。表面的にはシステムが稼働しているように見えても、結果がわずかにずれているだけでビジネスインパクトに大きく表れてしまうのがMLモデルの難しさだ。

 長谷川氏は「問題発生はリリース前日の業務終了時間頃でしたが、その日のうちに3人の力を合わせて解決にこぎ着けました。常駐サービスでなければ原因特定に時間がかかり、リリースを遅らせるしかなかったと思います」と振り返る。

 こうして共に危機を乗り越えたエピソードからも分かるように、メンバーズデータアドベンチャーの常駐人材が提供するサービスは単なる技術支援にとどまらない。上記の話はアクシデント対応だったが、同社はサービスのゴールを「ビジネス貢献」としている。

 クレディセゾンは既にデータ活用のための環境がある程度整った段階にあったが、メンバーズデータアドベンチャーは顧客企業のデータ活用の段階に合わせて組織の立ち上げや組織設計にも対応する。

メンバーズの庄島 学氏
メンバーズの庄島 学氏

 データ活用はその段階によって求められるスキルが異なる。初期段階でデータ活用の意義を顧客企業が見いだしたら、次は正しくデータを使うための環境整備や運用管理体制の確立、さらなる高度化を目指すなら、より高いスキルや経験を持つ専門家を投入することになる。どの段階でもスキルを持った人材を柔軟に増減できるのがメンバーズデータアドベンチャーのサービスの特徴だ。

 メンバーズデータアドベンチャーは、技術面の向上を支える教育プログラムや月6回程度開催される社内勉強会を通じて常駐人材の技術向上を図っている。人材を評価する際は、スキルだけでなく仕事に取り組む姿勢などの人間力(コンピテンシー)を対象にしているのもユニークな点だ。


メンバーズのデータプロフェッショナル人材の支援範囲

今後、メンバーズデータアドベンチャーとやりたいこと

 メンバーズデータアドベンチャーのサービスを利用することで、クレディセゾンの信用企画部は現在、高度なMLモデルの構築を順調に進めている。部全体のデータ活用の課題に沿って、現在ではML以外の業務に関する支援も依頼しているが、「当初すり合わせた通り柔軟に対応いただき、目標に合わせて進捗(しんちょく)しています」(長谷川氏)と、パフォーマンスへの評価は高い。

 長谷川氏は、データ活用に取り組む企業に対してデータ活用の初期段階にある企業こそ常駐サービスを検討すべきだとアドバイスする。とりわけ要件定義は初期段階で最も重要なプロセスの一つだが、データ領域はその専門性の高さから要件定義が難しい。不十分な要件定義によるトラブルも発生しがちである。故にプロフェッショナルのスキルが求められるし、常駐サービスならばそれができる。

 「特に、事業部門でアジャイルに分析を進めることに慣れていない企業は、密なコミュニケーションを取れるところがメリットになると思います。データサイエンティストが価値を生み出すためには、どれだけ業務を深く理解できるかが重要です。プロパーの社員と認識を一致させるのに十分な情報を共有できるかどうかがポイントになります」(長谷川氏)

 クレディセゾンの信用企画部は、MLモデル構築や維持向上の技術内製化を目指している。庄島氏をはじめとする高度人材からML構築に関する知見やノウハウをいかに継承していくかが今後のテーマだ。

 内製化支援について庄島氏は、「私たちがいなくなっても持続可能になる仕組みをつくるためには、運用設計はもちろん、業務で得たナレッジの蓄積やスキルトランスファー(技術伝承)が大事です」と語る。

 データ活用に取り組む企業には、高いポテンシャルを持つ従業員に思う存分活躍してもらえる体制が必要だ。これは庄島氏の信念でもある。

 「長谷川さんは『趣味でMLを学んでいるだけ』と謙遜しますが、ビジネスにもテクノロジーにも造詣のある総合力の高い方です。私は自社サービスを通じて、データサイエンス領域の“壁打ち相手”として、こうしたタレント(才能)を持つ人を輝かせられるような存在でありたいと考えています」

 

クレディセゾンで活躍 本気のビジネス課題解決にデータのプロフェッショナル人材「常駐サービス」の薦め

株式会社メンバーズ メンバーズデータアドベンチャーカンパニーはこのたび、2024年4月1日づけで五反田拠点から晴海本社へ移転いたします。

【新】移転先の拠点所在地(晴海本社)
〒104-6037
東京都中央区晴海1-8-10
晴海アイランドトリトンスクエアオフィスタワーX 37階
株式会社メンバーズ

 

【旧】移転前の拠点所在地(五反田拠点)
〒141-0031
東京都品川区西五反田七丁目25番5号
西五反田七丁目ビル 5階7階
株式会社メンバーズ

 

どうぞよろしくお願いいたします。

プレスリリース(PDF)はこちら

デジタルビジネス運用支援で企業の脱炭素DXを推進する株式会社メンバーズ(本社:東京都中央区、代表取締役社長:髙野 明彦、以下「メンバーズ」)の社内カンパニー、メンバーズデータアドベンチャーカンパニー(本社:東京都品川区、カンパニー社長:白井 恵里、以下「データアドベンチャー」)は、データ活用領域における生成AIの活用可能性を模索し、顧客提供価値の向上を図ることを目的とした4ヶ月間の社内プロジェクトを実施しました。結果、全社員の約90%が生成AIを業務で活用している状況を作りだしました。

企業におけるDX推進を加速させる技術として「生成AI」が注目されており、多くの企業でビジネス利用の動きが進んでいます。
データ領域においても、生成AIを活用することで業務の効率化が期待できると考えられます。
特に、データ人材の常駐サービスを提供するデータアドベンチャーにおいては、時間あたりの成果の最大化を図ることで、より大きな価値を顧客に提供することができます。
以上のことから、全社員が業務のなかで生成AIを活用できる状態を作ることを目的としたプロジェクトを遂行しました。

・活動期間:2023年11月1日~2024年2月29日(4ヶ月間)
・目的:生成AIの活用促進及び生成AI活用環境構築のフロー・体制構築
・プロジェクトメンバー:有志の社員7名
・対象:全社員164名(データアナリスト、データエンジニア、データサイエンティスト、バックオフィス、ミドルオフィススタッフを含む)
・対象の生成AI:Gemini(Googleによって開発されたマルチモーダル大規模言語モデル)

・生成AI基礎入門マニュアル、活用事例(ユースケース)資料(図1)の作成・公開
・生成AI活用のための専用チャットを開設・運用
・生成AIの活用状況を一覧化・共有(表1)
・定期的な社内勉強会の開催
・社内の帰社会(月次全社総会)にて、「Gemini」のデモンストレーションと利用促進を呼びかけ

図1】生成AI活用事例(一部抜粋)

表1】生成AIの活用状況を一覧化

*Gemini、Looker Studio、Google BigQueryはGoogle LLC の登録商標です。
*TableauはTableau Software Incの登録商標です。
*DataRobotはDataRobot, Inc. の登録商標です。
*Pythonは、Python Software Foundationの登録商標です。

全社員164名(2024年2月時点)中147名が生成AIを業務のなかで活用し、活用率は89.6%となった。(図2)
・活用用途の内訳は、コード生成が75件、情報収集が66件、アイディア出しが29件、文章作成が22件であった。(図3)
・活用状況の一覧化を行い生成AIの活用可能性を探ったことで、既存の育成プログラムへの具体的な導入方法(コード生成/レビューなど)の提言ができた。

図2】生成AI活用状況

【図3】生成AI活用用途内訳 ※複数回答

生成AIは業務効率化・業務全体の高度化をサポートしてくれる強力なツールです。
顧客提供価値の向上のためにはお客様のビジネス課題に向き合う機会をより多く作る必要があります。そのためには生成AIの恩恵を受ける機会を拡大し全社員が使いこなせることが必要です。より多くの社員が生成AIを活用し、顧客提供価値を向上できるよう、さらなるトレーニングの充実を図り、活用範囲の拡大を目指していきます。

データアドベンチャーでは、データ活用戦略の策定から分析基盤や運用体制の構築、内製化までを支援する「データ領域プロフェッショナル常駐サービス」を提供しています。
顧客のデータ利活用施策に合わせて、データアナリスト・データエンジニア・データサイエンティストからチームを編成し、常駐させることで、データ活用における人材不足を解消することができます。
また、データ活用人材不足を解消するだけではなく、顧客先でのデータ分析勉強会や運用体制の構築も行う伴走型支援により、組織全体のデータリテラシーを高め内製化を推進することも可能です。

 

 

 

Web担当者Forum『GA4最前線コラム』に当社のデータアナリスト 河村が執筆した記事が掲載されました。

GA4のデータをBigQuery&SQLで分析するときのポイント3選! データ構造とよく使うクエリを知ろう

BigQueryやSQLでデータ分析をする方法についてご紹介しております。

ぜひご覧ください。

自走力が高く、“中の人”目線で動ける
データ活用のプロフェッショナルを提供します

お問い合わせ

データ活用のプロになるための
学習・実践環境を用意します

採用情報