「そのデータサイエンスは、本当にビジネス貢献できていますか？ 」
ー『効果検証入門』著者が語るデータサイエンスのあり方ー

Profile

• 

  安井翔太　サイバーエージェント AI Lab　Economic Research Scientist
  2013年Norwegian School of Economics MSc in Economics 修了後、サイバーエージェント入社。 入社後は広告代理事業にて広告効果検証等を行い、2015年にアドテクスタジオ（現AI事業本部）へ異動。以降はDMP・DSP・SSPと各種のアドテク商品においてデータを元にした意思決定のコンサルティング等を担当。 現在はAI LabのEconグループのリーダを担当。

事業に貢献するには。自分なりの「データサイエンスの正解」

──ノルウェーで経済学を学んだ後、どうような経緯で新卒でサイバーエージェントに入社したのですか？

学生の時は環境・資源経済学における実証に興味がありノルウェーの大学院で「養殖サーモンの価格に周期性が存在するのか？」というテーマに取り組んでいました。
就職活動では業務の中でデータを扱う事が出来る会社を探していたのですが、2013年当時、企業の中でどうデータ分析に携わるのが正解なのかは誰もよく分かっていませんでした。そういった不確実性の高い未来がある場合は、自分で判断し挑戦できる環境にいることが重要だと思いました。そのため会社がどの程度の裁量や自由度を与えてくれるかに重点を置いて様々な会社を見ていたのですが、僕の知る限りではサイバーエージェントが当時ダントツに自由度が高いと感じ、志望しました。
また、「ビジネスに貢献出来ないデータサイエンス」の需要はいつか無くなると思っていたので、ビジネス貢献のイメージを具体的にするためにエンジニアコースではなくビジネス職として入社しました。

因果推論で評価する、事業に対するデータサイエンスの貢献度

──データサイエンスの正解とはどのようなイメージですか？

シンプルに、データサイエンスプロジェクトが何によって評価されるのかを明確にし、その評価が改善されるタスクの設計や手法の選定を行うといったものです。データサイエンスが「ビジネスやサービスの質に貢献する」ことをゴールにするのであれば、その貢献度合いが当然評価の対象になるべきです。

──では、データサイエンスの貢献度合いはどのように評価するのでしょうか。

この貢献度合い評価に関しては、ABテストや因果推論が大きな役割を果たすと考えています。しかし、このような因果効果による評価が行われるときに、どのような手法を利用すれば良いのかはあまり明らかになっていません。
例えば機械学習モデルの評価が最終的にはABテストで行われるにも関わらず、どのモデルをABテストに掛けるかはそれとほぼ関係性がない精度指標で決められる状況はよく見られます。

──新たな着眼点と実績が認められ、前回のサイバーエージェント全社総会では最優秀ベストエンジニア賞を受賞されていましたね！おめでとうございます。

ビジネス貢献につながる産学連携の形を作り上げていきたい

──産学連携を通して、どのような発見があったのでしょうか？

イェール大の成田先生との共同研究は、自分が因果推論と機械学習の組み合わせが重要だと思い始めたタイミング、研究に集中できるAILabの環境、以前のインタビューでも紹介したように「成果の出ないダサい産学連携はやらない」という成田さんの強烈なモチベーションといった条件が上手く重なった研究プロジェクトでした。その結果AAAIで論文が採択されたり、そのほかにもCCSE2019や日本経済学会でパネルディスカッションしたりと楽しい産学連携ができていると思います。

──日本とアメリカ、遠隔での共同研究は大変ではなかったですか？

特に不都合はありませんでした。帰国なさった際に打ち合わせもしていましたが、普段もSlackで連携をとっていたので。また、研究組織の成長という観点においては、成田先生と矢田さん（イェール大学の大学院生）の研究の進め方から、色々な学びを勝手に得させてもらいました。ここで得た学びはその後の研究プロジェクトに大きな影響を与えています。

──どのような影響があったのでしょうか。

特に社内メンバーのみで立上げた研究開発プロジェクト、「遅れCVプロジェクト」ではこれを最大限に利用して研究を進め、国際カンファレンスのThe Web Conference 2020 (WWW’ 20)に採択されています。この共同研究で多くのことを学べていなければ、社員で書いた論文が国際会議で採択されるような研究開発の環境は作れなかったと思います。こういった経験を得たことで、国際学会での論文採択を積極的に狙う研究インターンも実施出来るようになりました。研究組織を成長させるという点でも非常に大きな学びがあった産学連携だと思います。

著書「効果検証入門」に込めた思い

2020年1月、著書「効果検証入門」を出版。

──このような取り組みの中で執筆された「効果検証入門」が非常に話題になっていますね。　

基本的に自分自身がデータ分析に興味を持ち始めた学部生の時に知りたかった内容についてまとめているので、経済学の先生達にも入門書としてお勧めして頂いたのはかなり嬉しかったです。
効果検証入門は、先ほど述べたような「データサイエンスの正解」の一歩めに当たる、評価の部分で使われる因果推論・計量経済学の入門書です。大まかには「どうやって適正な評価を行うのか？」について書いています。データサイエンスプロジェクトの効果の測り方はあまり意識していない人が多いと思います。しかし、「インパクトの最も正しい測り方が何か？シンプルな測り方の何が問題か？」といった基本的な知識が無い状態で、ただ機械学習をビジネスに投入すると、その評価がよくわからず、何の効果も無い事をただ続ける状態にもなりえます。これはデータサイエンティストにしてみれば、長期的には何の経験値も得られない無駄な時間を過ごすことになってしまいます。「効果検証入門」を通じて、自分の分析が何で評価されるかをしっかりと理解した上で、自分の分析を進めるといったデータサイエンスの基本的なスタンスが広まると良いなと思っています。