「やっぱりサービスでしょ」新卒時代にそう考えて疑わなかった私が、AWSでビジネスを動かす楽しさを見出すまで

このエントリーをはてなブックマークに追加

事業会社で活躍するデータサイエンティストに、仕事のやりがいやキャリアパスを聞いていく当企画。今回語っていただくのは、AWS Japanでデータサイエンティストを務める大橋司さん。新卒で入社したDeNAでさまざまなサービスや人事分析を経たのち、AWS Japanに転職。現在は分析能力を生かして営業戦略・組織戦略の立案に関わっているという。

新しい職種で、キャリアパスがはっきりせずロールモデルもいない中、データサイエンティストとしていかに自身のキャリアを築こうと考えているのか。聞き手はデータストラテジー代表の武田 元彦さん。

大橋さん(写真左)、武田さん(写真右)。対談はオンラインで実施

エンジニア採用で「アナリストがやりたい」

――大橋さんと過去のキャリアの話をするのは初めてですね。アルゴリズムや機械学習の研究をされていたのですか?

大橋 はい、修士で卒業して現在社会人8年目です。大学時代は機械学習系の研究室で、機械学習の基礎理論の研究をしていました。機械学習というとデータマイニング、音声認識、画像認識と応用先はいろいろありますが、汎用的に使える基礎理論やアルゴリズムの研究が中心でした。

就職先にDeNAを選んだのも、当時ソーシャルゲームが流行していて、「ビッグデータの分析ってどういうものなのだろう」と興味を持ったところが大きいです。

――なるほど。大橋さんのように機械学習の分析や研究をされている方だと、自身の研究分野や近い部分に身を置きたい、という気持ちがあるのではないかと思うのですが。卒業後にDeNAに入られたときも、最初から分析の仕事をされていたのですか?

大橋 当時DeNAの新卒採用はエンジニアもしくはビジネス、という枠組みだったのでエンジニアで入社したのですが、部署配属のときに「アナリストがやりたい」と伝えたところ、配属していただけました。

入社後はゲームに限らずメディアや旅行サービス、お客様の顧客体験を高めるマーケティングなどいろいろな分析に関わりました。また、退職前の最後1年間くらいは人事の分析も担当しています。社員数2,100人 ほどの大規模な組織をいかに運営していくか、個人のキャリアアップのためにどのようなパスを作ったらいいのか?といった分析をしていました。

「その分析に、AIは必要なのか?」

大橋 でも入社当初は、今のように「機械学習ができるからAIで分析していこう」とはならず、「ビジネスにインパクトする分析をするために本当にAIは必要なの?」と逆に問われ続けました。私自身も機械学習の研究経験をそのまま活かす、というよりは事業の中で活きるデータ分析とは何か、を学びながら手探りで進めていくという感じでした。

――AIが流行り始めて「分析でAIを使おう」という話になっても、ビジネスに良い影響を与えられるのか、そもそもなぜAIなのか?という話はよくあります。実際どうやってブレイクスルーしたのですか?

大橋 当時上長だった友部さん(現ビジョナルグループ HRMOS WorkTech研究所 所長)と「ビジネスにインパクトするような分析とは何か」「分析の結果何を生み出せるだろうか」とずっと議論していたことがありまして。さまざまな分析に関わる中で、AIありきではなく、自動化にどの程度メリットがあるのか、他にも転用可能なのかなどを吟味した上でAIも検討しよう、と段階を踏む形で進めていました。

――いきなりAIのアルゴリズムを作るということではなくて、役に立ちそうか試してからビジネスに組み込むと。

大橋 そうですね。

特に事業会社の中では、いざ分析をやってみると、データに慣れ親しんでいる方とそうでない方との間でコミュニケーションに齟齬が起きやすいです。「AIってなに?」とちょっと懐疑的な方に分析結果だけを渡しても、説得力に欠けてしまいます。そのため仮に複雑なアルゴリズムを使うのがベストだったとしても、説明可能な要素まで落としこんだ分析に置き換えることは意識していました。

――ただ、説明可能なものと分析精度の高さは相反する部分もあります。簡単なアルゴリズムを使えば説明はしやすいものの、精度は低くなります。逆に精度を求めようとすると、ディープラーニングでカリカリにチューニングしていって、どんどんブラックボックス化してしまう。そのバランスって組織によって変わってくると思うのですが。

大橋 おっしゃるとおり、組織のカルチャーによるかなと思います。DeNAはシニアリーダーをはじめ、多くの人に伝わる「分かりやすさ」が優先されていました。事業のスピード感も早かったので、複雑なアルゴリズムではなく、定性的な情報も含めて自分たちで判断できるということが重要でした。

Webに閉じず、自分の知らないビジネスの世界を見たくなった

――いろいろ経験を積まれていく中で、なぜ転職を考えられたのですか?

大橋 7年くらいの同じポジションで長く働いていましたので、自分の視野を拡げたいと感じるようになりました。中途入社されたマーケティングアナリストやコンサルタントの方からAWS Japanではさまざまなチャレンジができるという話を聞くうちに、他の組織や企業のことももっと知りたくなってきたんです。

特にBtoC、CtoCのサービスが多いDeNAにはない、BtoBビジネスをしている企業での分析は気になっていました。

――AWS Japanを選んだ決め手は。

大橋 Web業界だけでなく、老舗の大手企業や地方の中小企業まで、自分の知らないいろいろなビジネスを見ることができる、と思ったからです。

組織としてデータを活用するという意識が高いためデータの活用が売上に貢献でき、かつまだまだ成長中なのでいろいろなことに挑戦できる、というところに魅力を感じました。

――ちなみに転職先はどうやって探されたのでしょう?大橋さんのように「データ分析ができます」って人だと、引く手あまたかと思うのですが。

大橋 LinkedInでオファーやご連絡をいただくことが多かったです。しかし実際お話してみると、企業によって求めている「データ人材」は多種多様でした。データ基盤を作りたいからエンジニアリングを進めてほしいという企業もあれば、経営戦略やマーケットを分析するアナリストを求める企業、コンサルタント的な動き方をして欲しい企業など様々でした。

――企業によってデータ活用のフェーズが違うのですよね。オファーを見るうえで重視されていたところはあります?

大橋 データサイエンティスト協会が公開した「データサイエンティストに求められるスキルセット 」 で、サイエンス・エンジニアリング・ビジネスの3つの軸が紹介 されています。幸い私はDeNAでそれぞれの軸の一定レベルの知識は学んでいたのですが、転職にあたり改めてどれを強みとしたいのか再整理し、ビジネス分野の力を伸ばすことにしました。

ここでもし、ビジネス重視の私が「データ人材」の看板だけを見てエンジニアリング力を求める企業に転職してしまうと、ミスマッチが起きてしまいます。それは企業にとっても私にとっても不幸でしかないので、「ビジネス軸重視のデータ人材」という軸はブラさず企業の求める人材像もお聞きする、ということはしていました。

――サイエンス・エンジニアリング・ビジネスの役割が1人のデータサイエンティストに求められがちというのは、事業会社独特だと思いました。

大橋 実際、AWS Japanでも組織として成長途中ということもあり、私がデータ基盤を触ることもあります。もちろん本職の方はいますが、必要があれば自分も触りに行く、というフットワークの軽さが役に立つ場面もあるとは思います。

「ビジネスインパクトに繋がる分析がしたい」

――今はどんな分析に取り組まれていますか?

大橋 セールス戦略とオペレーションの分析担当として、ビジネスリーダーの意思決定をサポートしています。マーケット分析や時系列分析などのモデルを使って、今後どう営業戦略を仕掛けていくかの仮説分析をしています。

DeNA時代と比べると、分析結果を誰に届けるか、という点が大きく変わっています。前職ではサービスをどう改善していくか?というプロダクトリーダーに対する分析が主でしたが、今はシニアリーダーや経営層が意思決定するための分析が中心です。

――サービスとビジネスの分析、どちらが好きとかはあります?

大橋 いまは現在手掛けているビジネス分析のほうが楽しいですね。大学時代は「サービス分析のほうが面白そう、やっぱりサービスでしょ」と考えていましたので、私の興味も動いています。

ただインパクトのある分析をしたい、という思いは当時から変わっていません。いろいろな経験を積んでいる中で、「事業を動かすための分析も必要だ」と気づいてからは、ひとつのサービスだけを追うだけではなく、サービス群として事業全体を見ることで、よりインパクトの大きい仕事ができると考えるようになりました。

――逆に分析結果が反映されない、インパクトが目に見えないとなかなか辛いのかな、と思います。社内の環境、文化も含めてインパクトに繋がりそうな職場・部署の傾向はあったりします?

大橋 DeNAとAWS Japanには、客観的なファクトとしてデータを重視する文化があり、データを見て判断することが当たり前の組織である、という共通点があると思います。

もちろん分析といっても、常にわかりやすい結果が出るとは限りません。「○○したら絶対に売り上げが伸びます」「××したら顧客満足度が上がります」と言えると良いのですが、そうではなく「△△をしたら売り上げが下がる」「この部分に何かしら原因がある」という答えしか出せないこともある。

それでも、それを土台にロジックを積み重ねることで意思決定まで持っていける組織だと、分析結果をインパクトに繋げやすい、と感じます。そうした組織だと、仮に失敗しても「やはり分析は使えない」ではなく「どこでどうロジックが間違っていたか考える」というモードになるので、最終的には分析結果をインパクトに繋げていけるのではないかと思います。

ビジネスとデータ分析人材はどう歩み寄るか?

――先程も社内のコミュニケーション問題に触れましたが、社内でもシニア層、あるいは経営層といったレベルの方がエンジニアリングや分析経験があると、話がスムーズに進む印象があります。なので、大橋さんのようなキャリアを積まれた人がどんどんシニア層に増えていくと良いと思います。

大橋 がんばります(笑)。

コミュニケーション問題は、データ分析人材側の動きである程度解消できるのでは、と思うところがあります。たとえばまずはモノを作って分かりやすい例を出す、というのは重要だと思います。ロジックを説明するより先にモックを動かして、使えそうか否かを見てもらう、というようなことが大切だと感じます。

――重要ですね。ただ「やってみたものを出す」というのはありますが、内部のデータ基盤がなくて作るのに時間がかかる、というのも……。

大橋 はい。でも内部データを整備して100%のものを作るより、Amazonなど既存のAPIを使ってみたりして、まずは60%ぐらいのものを作ってみる、というのが良いのではないかと思います。そこでどの程度嬉しいかのイメージが湧くので、あとは費用対効果で何%を目指すか決める。

――今の話の逆で、エンジニアの中には「ビジネスがエンジニアリングを学んでよ」という声もあるじゃないですか。大橋さんのようにエンジニアがビジネスを学ぶとき、具体的にどんなことを学んだほうがいいと思いますか?

大橋 ビジネスの人が目指している姿ってなんだろう?を考えることから始めるといいかなと思います。

例えば新しくソーシャルゲームをリリースし、1年後にどういう姿になっていたらいいのか、プロデューサーの視点になって考えてみる。売上規模やユーザー数はこれくらい、ゲームのサイクルはこうで、ユーザーが満足するポイントは……と考えていくと、ビジネス側では定量的な情報だけではなく、定性的な情報も含めて考える必要があることが分かってくる。

その上で「ユーザーさんはこう動くからここはこうするのが重要」「サービス規模を大きくするにはこの程度DAUを増やしていかないと」という情報を自分なりに解釈して、ビジネスの人と会話できるようにする。それがビジネス理解に繋がると思っています。もちろん最初は齟齬もあるでしょうが、自分なりの解釈をぶつけてすり合わせることが重要だと思うので。

キャリアモデルがない世界だからこそ

――今後のキャリアパスや方向性を聞かせてください。

大橋 今のところ具体的なイメージはないですが、選択肢を狭めないようなキャリアの作り方をしていきたいと思っています。

データを使ってインパクトのある分析をする、という軸は持ちつつ、今日本でやっている分析を他国にも適用してみたり、より抽象的なテーマから分析を組み立てて意思決定まで導いたりということは挑戦していきたいです。シニアリーダー向けのコンサルタントのような動き方になるかも知れません。ゆくゆくはマネージャーとして分析チームをどう作っていくか、というのも一つのキャリアパスとして考えています。

データ人材になりたいなら、あえてデータだけに頼らない

――事業会社内でデータ人材になりたい、と考えている方に向けたアドバイスってありますか?

大橋 大きく分けると2つあります。

1つはデータ人材として、ビジネス・サイエンス・エンジニアリングのどの分野を強くするかの軸を持つこと。どれもある程度理解していることは重要ですが、データエンジニア、データアナリスト、データサイエンティスト、それぞれ見られ方も自身の売り方も変わります。転職のときのミスマッチも防げますので、自分で設定しておくのは必要だと思います。

もう1つは、データがなくても、自分で論理立ててストーリーを作れるようになること。データは重要な要素ではあるものの、データだけに頼らず、自分がよく知らない分野でも論理立てて考えていけるか、ロジカルシンキングができるかというところでしょうか。

――論理立てて考えることはデータ分析をするうえでの基礎体力、足腰みたいなところです。逆に、「データ人材を増やしたい」という企業の方へのメッセージはありますか。

大橋 当たり前のことではありますが、「なんでもできるデータ人材がとにかく欲しい」ではなく、採用したい人材像を言語化して優先順位を決めると求職者とのミスマッチが減らせるかと思います。業務内容についても先の3つの軸を念頭に置いた上でコミュニケーションして、何を期待しているかの認識をすり合わせると良いのではないかと思います。

データ人材側も、他の人と比べた自分の強みを考えていかないといけないと感じます。まだ試行錯誤の業界だからこそ、自分の深めたい領域、今後伸ばしていきたい方向性を見据えて自分自身を引っ張っていく、ということが重要です。

――そうですね。個人的には大橋さんのようにデータ分析がよく分かる方が出世し、データ分析に明るい組織が増えると素晴らしいと思います。

大橋 武田さんと久しぶりにお話ができてとても楽しかったです。本日はありがとうございました。

聞き手:
DataStrategy代表取締役 / CEO
武田 元彦 (たけだ もとひこ)

スタートアップから大企業、地方自治体に対してAI/データ経営導入やDX組織の立ち上げを支援するデータストラテジー株式会社を2016年4月に創業。これまでに50件を超えるAI/データ経営導入、DX組織立ち上げを支援。100名超のデータサイエンティストが在籍するKDDI株式会社のデータ分析部署において、最も難易度の高いモデリングや開発を行う高度分析チームのリード、テック系企業での技術顧問等も実施。
東京大学大学院修了(経済学修士)。株式会社三菱総合研究所にて自治体向け戦略策定業務に従事した後に不登校の子どもへ教育機会を提供するNPO団体幹部、フリーのデータサイエンティストなど、多岐にわたる活動を経て現在に至る。