「データサイエンスを通して事業をスケールさせたい」
経済学を活かしたビジネス価値創出への挑戦

――学んだ経済学の活用先として、サイバーエージェントを選んだのはなぜだったのでしょうか。

学生時代は、東京大学経済学研究科の若森ゼミで実証産業組織論と計量経済学の研究を通して経済学を学び、データを正しく分析することでできる意思決定の価値や楽しさに気が付くようになりました。研究者としての道も考えましたが、経済学などアカデミアの知見をビジネス現場へ応用することが、ビジネス的な価値やお金を生み出すことに興味が沸き、企業への就職を選択しました。
その中でもデータ分析だけではなく、アルゴリズムの開発からシステム導入まで全て自分の手でやってみたいと思い、エンジニアという働き方を考えるようになりました。当時、経済学出身のエンジニアを募集していたサイバーエージェントに興味を持ち、話を聞いたところ、アドテクスタジオ（現AI事業本部）では、分析やアルゴリズムのシステム導入などにおいて経済学の知見がビジネス価値に繋げられそうなイメージが湧き入社を決めました。現在は、ダイナミックリターゲティング広告のDSP（※1）である「Dynalyst」でデータサイエンティストとして働いています。

（※1）Demand-Side Platformの略で、オンライン広告において広告主の広告効果の最大化を支援するツール

――データサイエンスチームのリーダーとして意識していることはありますか？

昨今のAIブームでは、とりあえずデータサイエンスチームを作ってみて、とりあえずAIっぽいことをやっているケースもあると思います。ブーム中はそれで営業トークになったり様々な評価が上がったりするかもしれませんが、ブーム終了と同時に終わってしまうでしょう。なので、一過性のブームでなく持続的な価値をもたらすために、「データサイエンスでビジネス貢献すること」を意識しています。特に重視しているのは、ビジネス貢献を実現するための強力なツールであるA/Bテストです。ビジネスKPIとの関係が明確なOEC（※2） を設定し、機械学習モデルの導入による介入効果が有意に正であることが計測できれば、ビジネス貢献できたといえます。
また、長期的にプロダクトのコアな機能となる部分にもAIを導入し、ビジネスチャンスを広げられるようなチームにしたいと考えています。

（※2）Overall Evaluation Criteriaの略で、 実験の目的を計測する値のこと。
　Trustworthy Online Controlled Experiments : A Practical Guide to A/B Testing 参照

――プロダクトに属しているデータサイエンティストならではのチーム作りの特徴もあるのでしょうか。

Dynalystのデータサイエンスチームには、データサイエンティスト・機械学習エンジニアが所属しています。チームのパフォーマンスを最大化するために、意識して行なっているポイントが3つあります。

「たくさんの機械学習施策を高速に試すための工夫」「長期的なプロダクトのコア機能開発ができる環境づくり」「人数が増えたときのプロジェクトの回し方の工夫」です。
 

――論文採択にも貢献されていたと聞いています。どのように研究に関わっていたのでしょうか？

普段から同じ部署のAI研究開発組織「AI Lab」の研究者とは近くで議論を交わしていて、AI Labが考案した手法をDynalystで導入するといった取り組みにもチャレンジしていました。過去には、慶応義塾大学 星野崇宏教授との共同研究でバンディットアルゴリズムのアップデートを進めたことがありましたが、この際はプロダクト固有の問題に当たってしまい、導入に大変苦労しました。粘り強くモデルをアップデートし導入を進めたことで、その結果を示した研究論文がWSDMのワークショップに採択されましたが、この経験はとても学びが大きく、「共同研究においては実際にモデルを導入するプロダクト側の人間が、プロダクト固有の問題やプロダクトとしてのインセンティブマッチを担保すべきである」ということを強く学びました。

――共同研究から得た強い学びがあったのですね。

はい、実際に取り組まないと分からない学びでした。この経験を生かし、今回プロダクトへの導入に成功したのがWWWで採択された「遅れCVモデル」に関する研究です。
元々AI Labで、因果推論と機械学習の融合に関する知見を元に提案した手法「遅れCV」についての研究をしていることは知っていたので、Dynalystで新規プロダクトを作っていくにあたり、その技術が使えそうだと思い、DynalystからAI Labに話を持ちかけました。そこからDynalystでの実験を前提とした研究プロジェクトがスタートしました。

――自ら提案された今回の研究プロジェクトは、どのように進めたのですか？

私が担当したのは、DynalystでのA/Bテストの設計と遅れCVモデルをプロダクトで動かすための実装です。特にA/Bテストの設計は、研究側とプロダクト側で実験したいものは必ずしも一致しているわけではないため、プロダクト側のデータサイエンティストである自分が中心となって設計することが重要であると考えていました。

例えば、研究側はできるだけ論文になりやすいものを、プロダクト側は売上や利益に直結したり、既存システムの資産がそのまま使えるもの、実験終了後もメンテナンスしやすいものを実験したいと考えます。これらをすり合わせずに研究プロジェクトが進んでしまうと、論文は書けるけどプロダクトでは使えなかったり、その逆が出来上がる可能性が高いです。だからこそ、プロダクト側のデータサイエンティストはビジネスモデルやシステム構造の理解、そして最新の研究内容のキャッチアップをすることが大事だと考えています。

また、実装部分でも事前にプロダクトのバックエンドエンジニアや、AI Labのリサーチエンジニアである芝田と一緒に進めていくことで、プロジェクトを成し遂げることができました。

――横断の研究で強み活かすことが出来たのですね！最後に、今後のビジョンについて教えてください。

AI事業本部にはデータサイエンティストの横断組織「データサイエンスセンター」があり、責任者の１人として所属しているのですが、この活動を通して、データサイエンティストの採用・育成や組織の在り方について模索していきたいと思っています。特に、横断組織ではなくプロダクト開発チームにデータサイエンティストが所属しているという、AI事業本部ならではの面白さがあるので、メリット・デメリットを見極めながら、それぞれを補完できる仕組みをつくりたいと考えています。

「真にデータサイエンスでビジネス貢献できるチーム作り」また、データサイエンスでできることが長期的なプロダクトの戦略になっていくような、「データサイエンスドリブンなプロダクト作り」をやりたいと思っています。

僕個人としては、経済学・因果推論の知見を応用したプロダクトの改善や新しいプロダクト作りを経験したいと思っています。例えば、サイバーエージェントで力をいれている広告クリエイティブの評価などでは親和性が高いと考えているので、知見を応用することでプロダクトの価値を上げ、ビジネスに大きなインパクトを与え、さらにアカデミックにも価値のあるようなことを実現していけたら面白いなと思ってます。