ビジネスの現場で価値を出すデータサイエンティストへ
ーサイバーエージェントの「DSOps研修」とはー

技術・デザイン

AI事業本部のデータサイエンス組織「Data Science Center」は、データを事業に活用することでビジネスインパクトに差をつける重要な役割を担っています。

今回は「Data Science Center」が行う施策の1つ、新卒のデータサイエンティストを対象とした「DSOps研修」にフォーカスし、どのようにデータサイエンスのスキル・マインドをスケールさせているのか、研修を牽引する金子・暮石に実態を聞いてみました。

一般的な教科書では学ぶことが出来ない「DSOps研修」とは?

  金子 雄祐     /  Dynalyst データサイエンスチーム リーダー / Data Science Center ボードメンバー  
東京大学経済学研究科統計学コース修士課程で計量経済学と因果推論を学び、2018年サイバーエージェント入社。入社後は新規事業の立ち上げに従事し、AI事業本部「Dynalyst」へ異動後は広告配信アルゴリズムの開発に従事。現在はDynalystデータサイエンスチームのリーダーとData Science Centerボードメンバーを兼務。  
  暮石 航大     /  Dynalyst データサイエンティスト  
京都大学大学院情報学情報学研究科知能情報学専攻修士課程で機械学習やデータマイニング手法を学ぶ。学生時代に AI Labのリサーチインターンシップ への参加を経て、2020年サイバーエージェントに入社。「Dynalyst」で広告配信アルゴリズムを担当。昨年は新卒として「DSOps研修」に参加、次期研修リーダーを担当予定。
金子 雄祐 / Dynalyst データサイエンスチーム リーダー / Data Science Center ボードメンバー
東京大学経済学研究科統計学コース修士課程で計量経済学と因果推論を学び、2018年サイバーエージェント入社。入社後は新規事業の立ち上げに従事し、AI事業本部「Dynalyst」へ異動後は広告配信アルゴリズムの開発に従事。現在はDynalystデータサイエンスチームのリーダーとData Science Centerボードメンバーを兼務。

暮石 航大 / Dynalyst データサイエンティスト
京都大学大学院情報学情報学研究科知能情報学専攻修士課程で機械学習やデータマイニング手法を学ぶ。学生時代にAI Labのリサーチインターンシップへの参加を経て、2020年サイバーエージェントに入社。「Dynalyst」で広告配信アルゴリズムを担当。昨年は新卒として「DSOps研修」に参加、次期研修リーダーを担当予定。

「データサイエンス」と「ビジネス」を結びつける「DSOps研修」

ー ビジネス実務の現場から見る、データサイエンティストのあるべき姿とは?

【金子】「データサイエンスをビジネスにどう活かすか」をまず、考えられることが大事です。その上で、データを用いて事業課題を解決し、売上を作れる存在であるべきだと思います。

僕自身、入社後に新規事業の立ち上げに携わった経験があるのですが、当時プロダクトがスケールせず悔しい思いをした経験から、データサイエンティストがより業界やビジネス構造を知り、そこから出来る提案や価値を増やすべきという思いになりました。


ー 一方で、新卒をはじめ実務経験がないメンバーにとっては、そのスキルや考え方をすぐに習得するのは難易度が高いのではないでしょうか?

【金子】 実際のところ、入社後すぐに「データサイエンスをビジネスにどう活かすか」までを考えるのはハードルが高いです。なぜなら一般的に、データサイエンスの技術に関する教科書は大量にありますが「技術を使って正しくデータサイエンスの価値を生み出すノウハウ」に関する教科書はありません。
そこで始めたのが、「DSOpS研修」でした。

手法だけではなく、実際にデータサイエンスを使い「プロダクトの指標をどう改善していくか?」を考える研修が、「DSOps研修」です。
民間企業のKPIや売り上げなどわかりやすい指標がある中で、どのような形で課題発見をしてどう対応すれば、真にプロダクトにとって価値のあるデータサイエンティストになり得るか、を独自の方法で学習できるプログラムを作っています。


データサイエンスを使ってプロダクトのKPIを改善し続けるための「身につけておくべき技術」を、入社後すぐに学ぶことができる場ですね。

数年前に発足した、AI事業本部内のプロダクトを横断したデータサイエンティスト組織「DataScienceCenter」が行う施策の1つで、現在は僕と暮石が中心に担当しています。


ー 具体的に「DSOps研修」では、どんなことを行うのでしょうか?

【金子】サイバーエージェント入社後の新卒のデータサイエンティストメンバーを対象に、約3ヶ月にわたり以下のような研修を行います。

 


DSOps研修
実際にデータサイエンスの手法を事業/ゴールに対し落とし込んでいくための 方法と考え方を学ぶ場

時期
プロダクト配属後の新卒メンバーに対し、約3ヶ月・ 週1回・2時間にわたり実施

内容
前半:講義パート
データサイエンティストの実務における実タスク・ABテストやデータ活用の文化作り・応用的なデータサイエンスのトピックに関する講義

例)因果推論・ABテスト・プロダクト内のDS課題へのケーススタディ、 課題に対してどのような動きをとれば売り上げに繋がるかの説明等

後半:ディスカッションパート
新卒がプロダクト配属後の自身のタスクやその実施理由、プロダクトの収益モデル等について説明。それらの認識や改善案について講義を担当する先輩社員とディスカッションを実施

例)実際のプロダクトの収益構造をベースに、自分のタスクの修正をディスカッション

2021年度の研修講義資料および詳細は、新卒データサイエンティスト研修「DSOps研修」とは何か?をご覧ください 。

 新卒データサイエンティスト研修「DSOps研修」とは何か?
新卒データサイエンティスト研修「DSOps研修」とは何か?

【暮石】僕自身、実際に去年は研修を受ける側だったのですが、最初は講義の内容にびっくりしました。まずお金の流れを意識し、そう考えた時にこんなデータサイエンスの課題があるよねというところから話が始まって…

特に、「なぜ今のタスクをやってるのか」を徹底して問われる議論パートは印象的でした。研修開始時は、「自分自身のタスクがプロダクトの何を改善するのか」「そのタスクを実行することで売り上げが上がるのか?」といった、今考えれば当たり前のことを正確に言葉にできておらず...

それって、自分の仕事の価値がそもそも分かっていないってことだなと。自分のタスクがどのKPIにヒットし、さらにそのKPIの改善がどう売上に貢献するのかが分かってないと、データサイエンティストとして厳しいなと感じましたね。

【金子】毎年、実際にこの研修を行うようになってから各現場でポジティブなフィードバックが来ています。

研修を通して学んだ、
データサイエンティストが持つべき「視点」

ー ポジティブなフィードバックとは?

【金子】新卒を受け入れる現場の声としては、新卒メンバーがデータサイエンスをビジネスの課題解決のためのものという前提の考えを持ってジョインしてくれるので、コミュニケーションやタスク設計がスムーズという話を聞きました。

【暮石】実際に研修を受けた側としては、データサイエンティストという仕事の見え方に厚みが増したと感じます。僕自身、最初は「手法」にしか興味がないタイプだったので、研修を受けずに配属されていたらビジネスインパクトが小さい課題や、そもそも改善に繋がらないタスクに取り組んでいたと思います。

研修を通して、実サービスにデータサイエンスを応用していくには1人1人が責任者のような視点で課題を考えて仕事に落とし込むことができないと、データサイエンティストとしてやっていくのは厳しいことを痛感しました。
実際、研修を受けたことでプロダクトのKPIの改善につながる課題設定を行う力が身についたと思います。

ー 研修の学びが活きた具体的なエピソードはありますか?

【暮石】研修の学びが活きたと感じたのは、配属後最初に任された仕事です。広告プロダクト「Dynalyst」での最初のタスクは、クリックしてから購買(CV)に至る確率であるClickCVRの予測モデルの改善でした。最初は、ClickCVR予測モデルの精度指標をオフラインのテストデータ上で改善すれば良いと思っていたので、精度指標を改善する方法を模索していました。

しかし、丁度このタイミングでDSOps研修が始まり、研修序盤の議論パートで「取り組んでいるタスクの価値」を説明する必要があったのですが、なかなかうまく説明できませんでした。

そこで、研修で得た内容を参考に、そもそもどんなデータで自分のモデルを評価するべきなのかを整理し直しました。その結果、ビジネスから要求される”オンライン”(実際のサービス上)での精度の改善から逆算して適切にタスクを整理することができ、最終的に大幅なプロダクトのKPIの改善を実現しました。
また、この結果が組織的にも認められ、社内で表彰をいただく機会にも繋がりました。

研修がなかったら、自分のデータサイエンスの知識がビジネスに繋がって、実際に事業貢献することは、新卒1年目の段階ではできなかったのではないかなと思っています。


ー 今後の研修はどのような体制で行うのですか?

【暮石】来年は、僕が金子さんからリーダーを引き継ぎ、研修をアップデートしていく予定です。

【金子】毎年、研修を受けたメンバーが翌年の研修を行うことで、研修自体も委譲し、どんどんアップデートされています。生きた研修にすることで、文化も継承されていっています。

【暮石】現状の状況を踏まえ、今後研修では、2つの点を改修していきたいと考えています。

1つは、研修の講義内容のアップデートです。現状だと先行的にデータサイエンスがビジネスに貢献できていた1~2個のプロダクトの事例から土台が作られています。事例の質としては高いのですが、事業領域が異なると応用するのが難しくなっています。幅広い事業領域を展開しているサイバーエージェントのデータサイエンティストを支えるには、研修のベースも広げていく必要があると思うので、その点をアップデートしたいです。研修を経たデータサイエンティストの事例も色々と出てきているので、これらを取り込みたいと考えています。

もう1つは、研修で学んだことを活かす場を作ることです。
現状では、配属先のプロダクトの環境に依存してしまい、実践することがそもそも難しいことが度々あります。学んだことを実践することで身につくと思うので、その点も更新したいと思っています。
配属された新卒が一層、力を発揮できるような研修にしていきたいですね。

【金子】「DSOps研修」を全社的にスケールさせるには、組織形態やデータサイエンティストの裁量・事業内容によってカスタマイズが必要だということを実感していたので、今後のアップデートで、より良い研修になっていくのが楽しみです。
 

多様なアプローチで発展していくデータサイエンス組織へ

ー 組織として今後新たにチャレンジしてみたいことはありますか?

【金子】「新たなアプローチ方法」は常に考えていきたいと思っています。データサイエンスで何をするかを考える際に、「課題」から考えるパターンと「手法」から考えるパターンがあるんですよね。

どちらも良い面があって、「課題」から行くと、サービス課題に対する解き方が生まれるので、ビジネスに直結するインパクトがあります。ただ一方で、同じことを繰り返しがちなので、データサイエンティストとして解決できることの幅は広がらないという点もあります。 

逆に解き方から考えて、それで解ける問題を探しましょうと言うのが、「手法ドリブン」のあり方です。これができるようになると、普段頑張って考えても気がつかないような、新たな課題を見つけることができるかもしれない、という利点があるんです。

【暮石】「手法ドリブン」は成功例を作るのが難しいのですが、僕自身としては今後、手法を使うというゴールから逆算し、新たな可能性を広げるやり方にもチャレンジしていきたいです。幸いにも今のチームには、それができる組織の余力があると思っています。


ー 最後に、おふたりが目指していきたいことを教えてください

【金子】データサイエンティストが事業や経営企画にもっと入っていき、顧客のニーズを掴んだ上で実現可能かつ売れる機能を提案できる、わかりやすく言うと「お金を持ってこれるデータサイエンティスト」になることで、データサイティストの存在価値がもっと高まっていくのではないかと思っています。
そういった意味でも、事業・営業企画にもっと僕らが入っていき、売り上げにコミットできる事例を増やしていけると強い組織になるのではないかなと思っています。

【暮石】金子さんと同じく、ビジネスや売上のためのデータサイエンスを突き詰めていくのはもちろん、僕自身としてはやはり「手法ドリブン」でも何かを生み出せるようになってけると、更に面白い発見ができると思うので、その道を作りたいです。

【金子】サイバーエージェントには、僕のような経済学出身のメンバー、暮石のような機械学習系出身のメンバーなどさまざまなバックグラウンドのデータサイエンティストがいます。
色々なタイプの人が活躍できる組織の土台があるので、課題ドリブンでリアルな事業課題の解決を行うこと、手法ドリブンでイノベーションを生み出すことなど、幅を狭めず果敢にチャレンジしていきたいですね。
 

この記事をシェア

公式SNSをフォロー

  • Facebook
  • Twitter
  • Instagram
  • Line

対象者は1,000名以上、サイバーエージェントが日本一GitHub Copilotを活用している理由

技術・デザイン

当社ではAI時代においてもリーディングカンパニーであるために、技術力を駆使して会社の持続的な成長を創出することを目指しています。2006年より「技術のサイバーエージェント」ブランドを掲げていますが、それらを実現するため2023年を「生成AI徹底活用元年」とし、様々な取り組みを進めています(参照:「AI時代においてもリーディングカンパニーを目指す、サイバーエージェントの技術戦略」)。

AIによって、技術者を取り巻く環境は大きく変化しましたが、その最たる例がGitHubが提供するAIペアプログラマー「GitHub Copilot」ではないでしょうか。当社では2023年4月の全社導入以来、対象となる1,000名以上の技術者のうち約8割が開発業務に活用しており、アクティブユーザー数日本一、またGitHub Copilotへのコード送信行数、GitHub Copilotによって書かれたコード数も国内企業においてNo.1の実績です。

社内でGitHub Copilotの活用が大いに進んでいるのはなぜなのか、旗振り役を務めるDeveloper Productivity室 室長 小塚に話を聞きました。

Page Top