「AI × 経済学」で社会に貢献するために、データサイエンティストが創出し続ける新たな価値

── 担当が自社プロダクトから協業プロダクトに変わったこの3年で、データサイエンティストとして新たな価値を生み出すためにどのような取り組みを行ってきたのか、教えてください。

新規事業の立ち上げ期であること、そして協業プロダクトであること、どちらにおいても従来の動き方では難しい局面が多くあり、当初は壁にぶつかりました。

グロース期の自社プロダクトと異なり、立ち上げ期の新規プロダクトでは、データが各所に分散していたり、データを使って改善したい施策が存在しなかったりするため、データサイエンティストとして、どう事業に貢献すべきか試行錯誤していました。その際得た気付きを、若手技術者を中心に開催した当社の技術カンファレンス「CA BASE NEXT 2021」にて、「事業立ち上げにデータサイエンティストは必要なのか？」と題したセッションでお話しました。

その中で、事業立ち上げ期に貢献できるデータサイエンティストは、経営コミット前提でデータ活用を力強く推進し、データサイエンスで事業成果を出せる環境を整備できる人だと定義しました。そのために取り組むべきこととして、データサイエンスを活用したプロダクトグロースのロードマップ作成、データ生成過程の設計やデータ分析基盤の整備、予測機能の実装という3つを挙げています。ご興味をお持ちの方は、ぜひスライドをご覧ください。

── 新規事業の立ち上げ期には、データ活用を力強く推進できる人材が必要なのですね。では、協業プロダクトにデータサイエンティストはどのようなスキルが求められていると考えますか？

ただ、データサイエンティストが事業成果を出すための環境が整備ができたとしても、協業先からの需要がなければ事業に貢献することはできません。そこで、先日開催された「CyberAgent Developer Conference 2023」にてお話したのが「協業DXにおける『斜め上の需要』に乗るデータサイエンスとその先」です。

私が関わってきたような広告配信プロダクトなど、Web系の自社プロダクトであれば、データサイエンティスト自身が深いドメイン知識を持っていますし、施策がソフトウェアで完結するため介入コストが低く、A/Bテストを行うなどして失敗コストも低く抑えられます。そのため、データサイエンティスト自らがボトムアップでタスク（需要）を生み出し、事業に貢献することが可能です。

その一方で、協業プロダクトでは、自らが作ったタスクがクライアントの課題の芯を食わないことが多く、仮に芯を食った提案ができたとしても、クライアント社内のオペレーションや組織構造によって、施策の実行コストが高くなるケースが多々ありました。これらは全てクライアントとの情報格差が要因です。このギャップを埋めるために、社内の情報を踏まえて出てくることが多い、クライアントからの“斜め上”の 需要（クライアントからのAIに関する要望で、データサイエンティストが想定する範囲を超えているもの）と向き合うことの重要性を痛感しました。
自分ではハンドリングできない“斜め上”の 需要にすぐに対応するために、今あるデータの分析から何かしらの知見を蓄積することが必要なのですが、そこで有用なのが経済学における自然実験です。自然実験とは、ルールやビジネスロジック、偶然などによってあたかも施策が実験のように実施された状況を用いて、因果関係を推定する方法のこと。「新しい実験を行なって、〇〇という施策の因果効果を明らかにしましょう」ではなく「（実験をせずとも）過去のデータから〇〇という施策の因果効果はありそうだ」などという示唆を出すことができます。

自分も含め、数年前は「それはAIではできません」と、“斜め上”の 需要を跳ね除ける風潮がデータサイエンティストにあったように思います。でも、それはもう時代遅れです。今は、斜め上の需要に乗り、ボトムアップでは改善できない新たな領域に挑戦することで、データサイエンティストが事業貢献できる領域を広げていくことができると考えています。