データ分析事業の3つのポイント
講演は原田氏がリクルートで実践してきたことをベースに、具体的な方法論、事例を紹介する形で進められた。
まず、原田氏は、データ分析の提案を行う場合、シーズありきはNGだという。目的や戦略を持ったデータ収集、分析が欠かせないポイントとする。
そして、データ分析を提案、成功させるためには次の3つが重要だとする。
- スコープと攻守の明確化
- コストインパクトを精査し、納得感のある合意形成
- 分析チームの戦力の可視化
事業の課題と施策の攻守を見極める
スコープは、言うまでもなく分析対象とする事例や課題の絞り込みだ。そして、それがコストダウンや現状維持の守りの戦略なのか、投資や売り上げアップにつながる攻めの戦略なのかを明確にする。「このデータを分析する」のではなく、「これを実現したいから分析させて欲しい」という戦略を示すことが重要だ。戦略が見えてくれば、分析対象となるデータは自然に決まる。
実際のスコープの取り方、戦略の考え方について、原田氏はリクルートでの事例をいくつか紹介した。
事例1：リクナビNEXTのモニタリグ環境の課題
リクナビNEXT（転職・求人情報サイト）では、Salesforce、Oracle、Adobeなどの複数のサービスから得られるデータと、解析ツールがシステムごとに稼働している。これを管理部門や開発部門、パートナーなどが業務・目的ごとに個別にアクセスする。そのため必要なデータを得るためのコスト、効率が悪い、同じ指標で解析できない、などの課題があった。
この問題に対して、BIツールとHadoopによるデータの標準化、高速化、効率化の施策を示した。Hadoopを統合データベースとして配置し、BIツールで統一的なデータ解析を行うようにした。これにより、データアクセスの効率が増し、レポート作成の時間も短縮できたという。
事例2：リクルートエージェントでの内定要因の定量化
リクルートエージェント（エージェントによる転職支援サービス）では、マッチングの最適化、成功率アップのため重回帰分析を利用した。求人票の内容と成功率を定量化することで、時間、コスト共に最適なマッチングを実現する求人プランを立てることができる。重回帰分析は、採用成功率を目的変数とし、求人票の項目を説明変数として、Modelerの影響度を数値化した。
事例3：アソシエーションルールによる行動喚起
アソシエーションルールを活用した事例では、リクナビNEXTの「転職仲間」という同業種の求職者どうしのつながりを持たせる機能が紹介された。転職活動は1人で行われることが多いが、アクティブユーザーの属性・行動履歴に対して年齢、地域、職種などのカテゴリを分け、アソシエーションルールを適用して「転職仲間」をレコメンドする。求職者は、横のつながりを得て、情報交換を行ったりできるというサービスを実現した。
事例4：Airレジのサポート体制改善
次に紹介されたのはリクルートが展開するAirレジ（iPad/iPhoneをPOSレジにできるアプリ）サービスの事例だ。Airレジ利用事業者へのサポート体制を改善するため、位置情報ごとの事業者の操作データなどを分析し、予測モデルを含んだクラスタリングを行い、店舗ごとのサポートを強化したという。
