こんにちは。クラシコムデータ分析チームの高尾です。

先日、Kurashicom Tech Talkにてデータ分析に関するお話をしました。

当日は100名以上もの方にご参加いただき、とてもいい時間になりました。
今日はそのイベントでお話した内容の一部についてご紹介します。

「イベントでお話したい！」と広報や人事に僕から相談して、開催が決定したのですが、お話したい、と思えたのは、僕自身が、ようやく「こういうデータ分析チームのありかたもいいかもしれない」と思えたから、だったのでした。

そこで、イベントでは、参加してくださった方にも、そう感じていただければいいな、と考えてお話をしました。

データ分析を、「健康」にたとえて考えてみる

僕らのデータ分析チームは、いうなれば、「かかりつけの小児科医」のような存在だな、と感じています。クラシコムのデータ分析は、ビジネスの健やかな成長を支えている、と考えていて、そういう意味でも、健康をメタファーにしながら考えるのがよさそうです。

データ分析チームが発足したころ、データチームとして３つの役割を果たしたい、と考えていました。

健康診断、意思決定支援、予測です。

健康診断：事業の状態を常にウォッチできる環境を作る。
健康にたとえると、体重をはかれるように体重計を用意する役割です。

意思決定支援：意思決定のための情報、観点を提供する。
週に一回ランニングするといいのでは？とアドバイスして運動を促す役割。

予測：見込みの情報を提供する。
このままいくと、３ヶ月後はこういう健康状態になっていると考えられます、と伝える役割。

　　　　　　　　　　　　　　　データチームが果たしたい３つの役割

健康をメタファーにするのがしっくりくるのは、クラシコムのKPIへの向き合い方とも関係がありそうです。
KPIを目安と必達目標にわける、という考え方については、過去にこちらのブログにまとめたので、お読みいただけると嬉しいです。

簡単にまとめると、会社がコントロールレバーを握っているのかどうかでKPIの扱い方を変えて、コントロールレバーを握っている場合は、「目安」としてトレンドをウォッチし、コントロールレバーを握れる場合、重要な指標であれば「必達目標」として管理する、という考え方です。

データチームの成り立ちについて

現在のデータ分析チームは、図のような４つの役割をもつメンバーで構成されています。

　　　　　　　　　　　　　　　データチーム構成

この体制に至るまでの３年間の取り組みを紹介します。

有志で勉強する時期

2019年、僕がクラシコムに入社した頃、社内の有志（経理担当者、バイヤー、僕）でSQLの勉強をして、分析を行っている時期がありました。
ああでもない、こうでもないと議論しながら、SQLを書いたり書けなかったりと、すべてを手探りで行っていました。
わいわい議論する環境は、楽しさはあったものの、分析できる内容に行き詰まりを感じていたこともあって、業務委託の募集をしました。

先生を得た

当時は自分たちの進むべき方向も明確にできたいなかったため、「分析の先生か、一緒にもがいてくれる人にきてほしい」と募集し、いろいろな方にお会いした結果、先生として、データアナリシスの専門家を迎えることとなりました。
同時期に、カヤックさんとの業務提携もはじまり、このタイミングでデータアナリストとデータエンジニアの専門家を擁するチームができました。

データ分析基盤の原型を作り始めた時期

しかしながら、当時はデータ分析基盤が整備されていなかったこともあり、データをスプレッドシートに集約する運用を行っており、度々発生するデータ転送の抜け漏れの対応に工数がかかる状況となっていました。

そこでデータアナリスト、データエンジニアの協力を得て、BigQuery、Lookerの導入を行いました。2020年の夏は、lookMLを学ぶ夏となりました。
この２つのツールによって、一定データ基盤が安定したこともあり、複数データソースを使いたい、という気持ちが強くなり、データ転送ツールのtroccoを導入しました。

新たな仲間を迎える時期

データ分析チームの今後の方向性には、ずっと悩んでいたのですが、2021年の暮れごろに、風音屋さん（データ分析の本を書いているゆずたそさんの会社）がデータ分析の支援をされている、というプレスリリースを出されていて、「これは僕らに必要なものを提供してくれそうだ！」と感じたので、風音屋さんのコーポレートサイトからお問い合わせしました。そして、縁あって、そこからクラシコムのアドバイザリーをしてもらっています。

そうこうするうちに、こちらのnoteでも紹介したとおり、lookMLの運用が複雑化してきたので、primeNumberさんとの共同プロジェクトを行いながら、troccoのdbt連携機能活用を進めているところです。

　　　　困りごとが発生したら、新しい仲間やツールを外にもとめて解決してきた3年間

データ分析チームの貢献とは・・・？

さて、このように変遷をとげてきたデータ分析チームですが、僕の頭のなかにはずっと「クラシコムにどう貢献できているのだろうか」というもやもやした気持ちがありました。

「はかる」「わかる」「かわる」

データ分析をする上で、僕が心にとめているフレーズに「はかる」「わかる」「かわる」というものがあります。
これは、健康経営の文脈などでよくいわれているものです。
「かわる」ために「わかる」必要があり、「わかる」ためには「はかる」必要がある。逆に「かわる」ことができるのであれば「わかる」必要はないし、「わかる」ことができるのであれば「はかる」必要もありません。

クラシコムの「わかりかた」

クラシコムは、従業員の８割が元顧客、という構成なので、お客様のことは、自分たちの胸に手を当てて考えると、一定の水準で「わかる」、という特徴があります。

また、社内slackには、#salesというチャンネルがあり、毎15分、売上情報が自動的に反映される仕組みが構築されています。社内のスタッフや経営陣は、長い人であれば10年くらいのスパンでこれを見続けており、どういう施策をすると、売上がどう変わるかを、肌感覚として身につけてもいました。10年を超える肌感覚の蓄積にまさる「わかる」を提供するのも、相当に難易度の高い取り組みです。

ようやく見えてきた３つの貢献

しかし、改めてデータ分析チームが取り組んできたことを振り返ってみると、以下の３つの貢献があるのではないか、ということが見えてきました。
・わかるを広げる。
最初は、「経営者や、社内のスタッフ」の「わかる」を（10年の肌感覚の積み上げもなく、元顧客、というわけでもない）僕が、「わかる」ために始めた取り組みでした。
この「わかる」を、更に、上場準備や上場を通じて、投資家さんをはじめとした、社内外の多様なステークホルダーにも広げることができつつあります。
・わかるの種類を増やす
また、売上のトレンドからは見えにくい、顧客軸での蓄積などは、SQLを書かないとなかなか視覚化することができなかったこともあり、こういったデータを提供できたことで「わかる」の種類を増やすことができています。
・はかるの効率化
日々、現場で数字をウォッチしながらみんなが業務を行っている中で、たとえば、メルマガ経由の売上はどれくらいだったのだろうか、という指標が、データ基盤の構築によって効率的に取得できるようになりました。こうして、みんなの「はかる」が効率的になっています。

　　　　　　　　　　　　　　　　データ分析チームの３つの貢献

こうして考えてみると、ドラマチックな「かわる」をもたらしてはいないものの、いうなれば、かかりつけの小児科医のような安心感が提供できていそうだな、ということをじんわりと感じられたのでした。

カヤック池田さんから技術面のお話しをしてもらった

さて、今回ご紹介したのは、ビジネスサイド、チーム運営側の視点でしたが、当日のイベントでは、業務委託でお世話になっている、カヤックの池田さんにも登壇いただき、技術面についてもお話いただきました。
こちらの資料にまとまっていますので、ぜひ、御覧ください。