ビッグデータは「21世紀最大の金脈」とも言われていますね。僕の勤め先にとってもチャンスと言えるのか、そうであるならどうすればよいか。そんなことを見極めたくて、4/22,23に東京大手町で開催された「BigData Conference 2014 Spring」に行ってきましたので、その場でメモした重要そうに思えることと、それをもとに考えたことを、ここにまとめておきます。
【1.データ活用の可能性】
■大きく分けると、可視化と予測の2種類(リクルート)
■ビッグデータ活用検討商談の4類型(NEC)
①オペレーション高度化・品質向上(安全管理、機会損失の発見)
②サービス価値向上(需要予測を踏まえた商品開発)
③マーケティング強化(顧客流入の拡大)
④情報管理強化・不正検知(インサイダー情報の不正開示、ヤフオク不正出品の検知)
■人材ビジネスにおける活用の可能性
①オペレーション高度化・品質向上
└求人情報の正確性の向上
└求人票の完成度分析
└入社後アンケートで蓄積される不満を分析してミスマッチを防ぐ
└特定派遣の未稼働期間の短縮
②サービス価値向上
└FPのエリア分け、ラックの設置場所の最適化
└どのエリア版に載せると最も効果を期待できるか、枠の大きさと予測応募人数(掲載顧客に明示)
└類似案件のレコメンド
└求職者ベースでのライバル分析(どんな人がいつ動きどこで決まるか→いつ動き何件応募すればよいかを可視化)
③マーケティング強化
└登録者の活性化
└スカウトの最適化
④情報管理強化・不正検知
└トラブル(セクハラ等)のリスクレベルを就業先別に付して注視対象を明確化
■ビッグデータ分析の目的は、ユーザーに対してその時その時に最適の体験を提供すること(Yahoo!JAPAN)
└マーケティングよりも先に、感動やより良いサービスの実現に活かすべき
【2.データ分析の事例と組織体制】
■リクルートのビッグデータ活用
IT部門にて2012年1月よりHadoopの基礎研究から始め、2012年10月のグループ再編を機にアナリストチームと統合
■データサイエンティストの人材不足
マーケターとアナリストを組ませて「データサイエンスチーム」としてビルドする(DNP)
■メンバーに求めた成長(リクルート)
キーワードは「浸食」(役割分担を決めきらない)
①Webデザイナー②サイエンティスト③エンジニア
└①デザイナーがアルゴリズムを理解
└②サイエンティストがサイトコミュニケーションとエンジニアリングを理解
└③エンジニアはアナリティクスを理解
└海外スタートアップはエンジニアがサイトコミュニケーションへの理解も進めているので開発スピードが圧倒的に早い
IT部門が勉強会「メディアの学校」で技術情報を事業部門に共有し、案件につなげる
【3.データ分析の最適解の導き出し方】
■明確でわかりやすいアウトカムで経営とアナリストのベクトルを合わせる
└解決したい課題(狙い)を明確にして取り組まないとなにも得られない
└アウトカムが見えてきたタイミングでスモールサイズで成果を出し、それを明確にして経営に焚きつける
└目的は会社の方針とベクトルを合致させよう
■試行の速度を早め、発射台の性能と照準の精度を磨いていく
└ミサイル(データ)があっても発射台と的がないと飛ばせない
└リクナビにおける最重要KPIは一人あたり閲覧数
【4.データ活用を高度化するデータエクスチェンジの可能性】
■キーワードはクロスプラットフォーム分析(Accenture工藤氏)
└年収の高い人が一様の指向性を有するわけではない 外部のオープンデータと掛け合わせてブレイクスルーを探る
■米ACXIOMの事例
Safe HavenとしてのAudience(?) Outsourcing Systemプラットフォームを構築
「Look Alike Modeling」(類似のオーディエンス情報:非PI1を共有)
└匿名化して提供→プラットフォーム上でマッチ→セグメントで分類したデータを共有
「All about the Data」というページを用意して、保有している個人データの種類をすべて透明化
■データエクスチェンジ・コンソーシアム(4/16 日本経済新聞1面)
業界の垣根を越えたデータ交換を促進し、社会価値を創造
目的は場づくり、ルールづくり、システムづくり
■カスタマーエクスペリエンスの向上が目的なら、個人情報(PI1)として保有する必要はない(Yahoo!JAPAN)
└すなわち、識別非特定個人情報の状態でのデータ活用は可能
└とは言え、ユーザーにとってどんなベネフィットがあるかをアピールし、そのための「実験」にユーザーの理解を得る必要がある
勘どころは少し見えてきたので、周りを「焚きつけ」て取り組みを始めてみます!
【1.データ活用の可能性】
■大きく分けると、可視化と予測の2種類(リクルート)
■ビッグデータ活用検討商談の4類型(NEC)
①オペレーション高度化・品質向上(安全管理、機会損失の発見)
②サービス価値向上(需要予測を踏まえた商品開発)
③マーケティング強化(顧客流入の拡大)
④情報管理強化・不正検知(インサイダー情報の不正開示、ヤフオク不正出品の検知)
■人材ビジネスにおける活用の可能性
①オペレーション高度化・品質向上
└求人情報の正確性の向上
└求人票の完成度分析
└入社後アンケートで蓄積される不満を分析してミスマッチを防ぐ
└特定派遣の未稼働期間の短縮
②サービス価値向上
└FPのエリア分け、ラックの設置場所の最適化
└どのエリア版に載せると最も効果を期待できるか、枠の大きさと予測応募人数(掲載顧客に明示)
└類似案件のレコメンド
└求職者ベースでのライバル分析(どんな人がいつ動きどこで決まるか→いつ動き何件応募すればよいかを可視化)
③マーケティング強化
└登録者の活性化
└スカウトの最適化
④情報管理強化・不正検知
└トラブル(セクハラ等)のリスクレベルを就業先別に付して注視対象を明確化
■ビッグデータ分析の目的は、ユーザーに対してその時その時に最適の体験を提供すること(Yahoo!JAPAN)
└マーケティングよりも先に、感動やより良いサービスの実現に活かすべき
【2.データ分析の事例と組織体制】
■リクルートのビッグデータ活用
IT部門にて2012年1月よりHadoopの基礎研究から始め、2012年10月のグループ再編を機にアナリストチームと統合
■データサイエンティストの人材不足
マーケターとアナリストを組ませて「データサイエンスチーム」としてビルドする(DNP)
■メンバーに求めた成長(リクルート)
キーワードは「浸食」(役割分担を決めきらない)
①Webデザイナー②サイエンティスト③エンジニア
└①デザイナーがアルゴリズムを理解
└②サイエンティストがサイトコミュニケーションとエンジニアリングを理解
└③エンジニアはアナリティクスを理解
└海外スタートアップはエンジニアがサイトコミュニケーションへの理解も進めているので開発スピードが圧倒的に早い
IT部門が勉強会「メディアの学校」で技術情報を事業部門に共有し、案件につなげる
【3.データ分析の最適解の導き出し方】
■明確でわかりやすいアウトカムで経営とアナリストのベクトルを合わせる
└解決したい課題(狙い)を明確にして取り組まないとなにも得られない
└アウトカムが見えてきたタイミングでスモールサイズで成果を出し、それを明確にして経営に焚きつける
└目的は会社の方針とベクトルを合致させよう
■試行の速度を早め、発射台の性能と照準の精度を磨いていく
└ミサイル(データ)があっても発射台と的がないと飛ばせない
└リクナビにおける最重要KPIは一人あたり閲覧数
【4.データ活用を高度化するデータエクスチェンジの可能性】
■キーワードはクロスプラットフォーム分析(Accenture工藤氏)
└年収の高い人が一様の指向性を有するわけではない 外部のオープンデータと掛け合わせてブレイクスルーを探る
■米ACXIOMの事例
Safe HavenとしてのAudience(?) Outsourcing Systemプラットフォームを構築
「Look Alike Modeling」(類似のオーディエンス情報:非PI1を共有)
└匿名化して提供→プラットフォーム上でマッチ→セグメントで分類したデータを共有
「All about the Data」というページを用意して、保有している個人データの種類をすべて透明化
■データエクスチェンジ・コンソーシアム(4/16 日本経済新聞1面)
業界の垣根を越えたデータ交換を促進し、社会価値を創造
目的は場づくり、ルールづくり、システムづくり
■カスタマーエクスペリエンスの向上が目的なら、個人情報(PI1)として保有する必要はない(Yahoo!JAPAN)
└すなわち、識別非特定個人情報の状態でのデータ活用は可能
└とは言え、ユーザーにとってどんなベネフィットがあるかをアピールし、そのための「実験」にユーザーの理解を得る必要がある
勘どころは少し見えてきたので、周りを「焚きつけ」て取り組みを始めてみます!