国内最大規模のデータ分析企業で得られる経験とは
ARISE analyticsは2017年2月にKDDIとアクセンチュアのジョイントベンチャーとして設立された、国内最大規模のデータアナリティクス企業。KDDIのデータ活用による事業競争力の強化だけではなく、そのノウハウをグループ内外に提供するためのデータ活用を推進できる人材、DX人材を育成することがARISE analytics設立の目的だ。
現在、ARISE analyticsではデータを活用した顧客理解やマーケティング施策高度化を支援するマーケティングアナリティクス、IoTデータを活用し画像解析や需要予測などAIソリューションの開発、それらを支えるデータ基盤の構築やデータサイエンティストの育成、DX支援に注力して事業を展開している。
現在同社では派遣社員や業務委託なども含めると社員数は500人弱。そのうち約350人超がデータサイエンティストとして活躍している。彼らが第一線で活躍し続けるための成長支援やキャリア開発支援の仕組みも整備されている。
入社してデータサイエンティストとして一人前になるまでのキャリア形成初期は、全員がアナリストとしてスタート。その後、専門性に応じて「データコンサルタント」「AIエンジニア」「データアーキテクト」「ソリューションエンジニア」のいずれかのキャリアトラックを選択する。
データコンサルタントはお客さまのデータ利活用に向け、データ分析を通じて得られた示唆を基にデータドリブンなビジネス戦略の構想・提案、実現に向けたコンサルティングを実施する。AIエンジニアは、人工知能を始めとする分析スキルを用いて、お客さまのビジネスニーズを満たす分析アルゴリズムの設計から実装までを担当する。データアーキテクトは、大規模データ処理基盤の設計、およびデータ特性に応じた最適な分析システムの基盤の設計、実装に携わる。ソリューションエンジニアは、分析システム・アプリケーションの設計や開発、ビジネスニーズや分析要件にマッチするソリューションの検討・実装を行う。これらのキャリアトラックはキャリア形成に応じて、トラックを移動することも可能だという。
実はこのようなキャリアトラックが用意されているのは、同社の特徴とも言える。ARISE analyticsでは、他のデータ分析会社と違い、KDDIという事業会社に伴走したさまざまなプロジェクトが存在し、それらを支援するデータサイエンティスト・エンジニアにも多様なスキル・役割が求められる。そのため、この4つのキャリアトラックを用意し、データ分析だけではなく、事業への実装や施策への反映、さらなる改善提案など、データ分析の結果をビジネスに生かすまでトータルで支援を行っているのだ。
ビジネスの世界に新たな価値を提供できる「AIエンジニア」の楽しさ
ARISE analyticsでAIエンジニアとして活躍する渡邉孝裕氏は、2019年に新卒1期生として入社した。渡邉氏がキャリアトラックとしてAIエンジニアを選んだ理由は、「自分の興味がそこにあったから」。統計的なアプローチや機械学習、ディープラーニングを用いて、人間の意思決定と同じような仕組みをシステムとして生み出したいと思ったという。
渡邉氏は就職活動にあたり、「何をやるか」「誰とやるか」という2軸で就職先を考えていた。「何をやるか」の軸で渡邉氏が選んだのが「データサイエンス」だった。しかし、当時の新卒採用ではデータサイエンティストの募集は一般的ではなかったため、「対象企業が絞れた」と渡邉氏は振り返る。絞った複数社の中でARISE analyticsを選んだのは、「前向きで柔軟な人たちが多いと感じたから」と明かす。
入社して4年目、これまで渡邉氏は大きく3つの案件に関わってきた。
最初に携わったのはテレマーケティング業務の効率化のためのプロジェクト。KDDIのテレマーケティング業務では、お客さまに電話を掛けてサービス加入を促していたが、お客さま一人ひとりのニーズにマッチしたサービス提案に課題があった。これを解決するため、お客さまの属性やサービス利用状況などのデータを活用し、サービスへの加入確率を計算、ニーズマッチ度の高い順に架電していくことで、業務を効率化するというプロジェクトが発足した。
渡邉氏は加入確率を計算するモデルの作成を担当。「ニーズマッチ度の高い順に架電していくことで、初月は従来の倍に近い加入率を獲得しました。学生時代から理論として機械学習や統計学に触れていましたが、ビジネスの世界で適用して実際に価値を提供できたことが嬉しかったです」（渡邉氏）
次に携わったのは、ARISE analyticsの社内向け分析ライブラリの開発だ。「ARISE analyticsはKDDIの巨大なデータを管理する基盤を構築しているのですが、分析するにはさらに使い勝手を良くする必要がありました。そのためライブラリを開発することで、業務効率化を狙いました」（渡邉氏）
この案件では、分散処理のフレームワークにApache Sparkを採用した。「分散処理でデータを加工するには、推論を立てるには、また分散処理がうまくいかないときにはどのようにデバッグをすればよいかなど、分散処理に関する技術に取り組めたところが面白かったですね」（渡邉氏）
このほかにも、KDDIのある部署と要件定義を詰めてPoCを始めるという、プロジェクトマネジメント的な役割を果たす案件も経験したという。このようにさまざまなプロジェクトを経験することで、データサイエンティストにとって必要な3つのスキル、エンジニアリング力、ビジネス力、データサイエンス力を身につけていき、2年前に「AIエンジニア」というキャリアトラックを選択するに至った。
現在、渡邉氏が携わっているのは、携帯電話の基地局におけるデータ容量を最適化するプロジェクトだ。将来のトラフィックを予測することで、どの基地局の容量を増やすべきかを検討する。トラフィックを最適化することで、ARPU（Average Revenue per User：携帯端末1台あたりの平均売上高）を向上することができる。「基地局建設の部署は、どの場所に基地局を建てればいいのか、どの基地局を修理すればいいのかを知りたい。それを分析であぶり出すというプロジェクトです。今回を機にKDDIの根幹事業である通信設備の支援にも切り込んでいけるということで、まさに当社にとってパイオニア的プロジェクトです」（渡邉氏）
「ARISE university」で学び合いの文化を醸成
ARISE analyticsで求められるAIエンジニアのスキルについて、渡邉氏は次のように語る。「統計学、機械学習の教科書的な知識を突き詰めることはもちろんですが、一番大事なことはお客さまが抱えるビジネス上の課題をデータサイエンスの問題として変換できるスキルがあること。なぜなら、教科書的な問題が現実に落ちているわけではないからです。その上で解くための手法や実装力も必要です。例えば予測モデルを作るのであれば、PythonでPoCができるレベルのコードが書けることが重要です」（渡邉氏）
こう聞くと、敷居が高そうに感じるかもしれないが、同社には「ARISE university」という一人ひとりが成長できる教育体系が用意されている。ARISE universityはトレーニング、ラーニング、キャリアという3つのカテゴリーごとにさまざまなメニューを用意し、OJTを支える教育の仕組みとなっている。
入社時に用意されている「On-Boarding」カリキュラムもその一つ。新卒社員にはトータル4カ月に及ぶ集中カリキュラムが用意されている。最初の1カ月で社会人として必要なコアスキルを学ぶ。その後3カ月間は「データサイエンティストブートキャンプ」に参加し、データサイエンティストとして求められるベーシックな知識・スキルを学び、8月に各部署へ配属されるという。配属後は、四半期毎に自身の目標に対する振り返り（リフレクション）を実施している。
そのほか、金曜日の午前中は自己研鑽をする時間としており、各種勉強会やLightning Talk（LT）が実施され、2022年はすでに99もの勉強会やLTがラインナップされている。実際、渡邉氏も毎週、LTや勉強会に参加。もちろん発表者として登壇することもある。LTに参加する良さは「毎週、お客さまが現実に抱える課題をどう解決したかなど、実際に業務で使われた手法が紹介される。各チームが汗をかいた結晶は非常に価値のあるもの。それを共有してもらえるので、非常に勉強になる」と渡邉氏は話す。
さらに、自習支援や書籍補助などのメニューを用意。部活動の支援もその一つだ。渡邉氏が所属するKaggle部では、Kaggleを中心に国内外の分析コンペティションに参加している。「Kaggleのコンペに参加する際にはAWSを利用しているのですが、Kaggleへの挑戦は3カ月というスパンになり、大規模な処理になるため、インフラのコストが数十万円もかかります。この費用をサポートしてくれるので、非常に助かっています」（渡邉氏）
さらに、リーダーシップキャンプ、キャリアインタビュー、キャリアチャレンジなどキャリア開発支援メニューが用意されている。
制度が充実しているだけではない。向上心のある人たちが集まっているのもARISE analyticsの特徴だという。現場力を向上させるワーキンググループ活動や個人のスキルを向上させるようなギルド活動など、さまざまな活動が発足し、学びあいの文化が醸成されているのだ。
渡邉氏も「良さそうな本が出れば、Slackに『有志勉強会を開催しませんか』という流れがすぐできるんです。学ぶ文化ができているので、私も常に新しく出る論文や本をチェックしたり、データサイエンス界隈の有名人のSNSをフォローして情報をキャッチし、社内にシェアしたりということを自然に行うようになりました」と続ける。
データサイエンスを突き詰め、お客さまの課題を解決していきたい
今後、渡邉氏はAIエンジニアとしてどのようなキャリアを描いていこうと考えているのか。「2つ目標があります」と渡邉氏は語る。
「一つはデータサイエンスを突き詰めること。統計学や機械学習は、学問として興味深いと思っているからです。ARISE analyticsの社内にも同じような好奇心を持っているメンバーがいて、先のような学びの循環のサイクルもできているので共に成長できると思っています。
もう一つは、課題ベースの考え方を身につけること。つまりビジネス上の課題、お客さまの課題に対して適切な技術を目利きする力を養うことです。現実の課題はデータサイエンスの世界だけで完結していません。データサイエンス以外の要素を含めて、いろいろな要素が組み合わさって一つの課題になってしまっているので、うまく分解してデータサイエンスで解ける形にする必要があります。そのうえで、目の前の課題を解決するにはどういう技術が必要で、それが不足しているのであればどうやってキャッチアップしていくのかを考えられるようになりたいです」
