Inside of data science
データサイエンスに纏わる様々な視点を発信しています

社員紹介

「データサイエンスはMBA以上の武器になる」 データミックスCOO藤田

こんにちは、データミックスメディア編集部です。

今回、弊社データミックスのCOOで事業を多方面でリードしている藤田にインタビューしました。

藤田は、公認会計士・戦略コンサルタントを経た後、Amazon・クラウド会計フリー・Twitterのファイナンス部門を歴任した経歴の持ち主。その藤田に、データサイエンスへの想いやデータミックスでのビジョンを語ってもらいました。

 

 

Profile

株式会社データミックス / COO 藤田 亮一

上智大学経済学部卒業(経済学科) 元公認会計士

在学中に公認会計士試験に合格し、新卒でKPMGあずさ監査法人に入社。経営コンサルティング会社コーポレイトディレクションを経て、2014年4月アマゾンジャパンのリテールファイナンス部門でハードライン事業の戦略立案・KPI管理を担当。2017年〜2018年、クラウド会計フリーの財務責任者として、上場準備プロジェクトや資金調達を実行。2018〜2019年ツイッタージャパンを経て、2020年1月より現職。

-まずは、これまでの経験について教えてください

中学・高校とスポーツに明け暮れていたためか、大学在学中は、「仕事」というものにさほど興味もなく、とりあえず資格でも取っておくかな・・・ということで、会計士試験を受けました。そこで合格したのを機に、新卒で大手の監査法人に就職しました。数年後に経営コンサルティング会社に転職し、その後、アマゾン、最近上場したクラウド会計フリー、ツイッターと経験してきました。フリーでは、上場のプロジェクトも担当してきましたが、これまでの仕事で一貫して行ってきたことは、ファイナンス部門で「データ」からインサイトを導き出し、事業を前に推し進めてきたということです。

-どのようなインサイトでしょうか?

例えば、アマゾンでしたらビジネスモデルとしてジェフベゾスがレストランのナプキンに書いたとされる『Fly Wheel』が有名ですが、Fly Wheelを動かすエンジンとなる品揃え・低価格・CX(顧客体験)は、事業やカテゴリーごとにニュアンスが違います。単価が、数万円以上の商品もある家電と、数百円の商品が多い文房具や家庭内の小物をイメージするとお解りいただけるでしょうか。したがって、事業ごとに最適なKPIを定義・モニタリングし、改善するためのアクションを提案していました。ツイッターの例だと、収益が広告収入なので、デジタル広告のKPIであるCPM, CPC, CPVなどの数値を見るわけですが、別の視点も必要で、私は、ユーザーごとやプロダクトの利用ごとにどの程度の収益化が出来ているかという視点を入れ、利用時間1分あたりの収益が極端に低い機能を特定し、プロダクトの改善案を出したりしました。

その他にも、週次でしか見ることができなかった数字を毎日見られるようにし、オペレーション最適化のスピードを上げるなど、長期的な目線から短期的なものまで、またインパクトも収益、利益、ユーザー経験までと多岐に渡るデータ分析をしてきました。

AmazonのFly Wheel

-今回データミックスのCOOに就任されましたが、どういう背景でしょうか?

私は、主に外資のテック企業でデータを分析する仕事をしてきたので、幸運なことにデータサイエンスの分野に触れ、学ぶ機会がありました。というより学ばないと仕事でバリューを出せない状況がありました。テック企業では、分析の視点を持っていても、SQLが扱えなければ、行いたい分析が出来ず、業務のスピードも落ちてしまいます。したがって、必死に勉強して、自分の仕事の質を高めてきました。

しかし、世間一般的に、このデータサイエンスの分野は、他分野に比べると「若い分野」であり、データサイエンスについても正しく理解している人が少ない現状にあると感じています。マスメディアの影響もあるのだと思いますが。端的には、社会の人々が正しくデータサイエンスを理解できれば、仕事の質や時間の使い方、すなわち『働き方』が変わるのではと思い、社会人へデータサイエンスの技術を教えているデータミックスにジョインしました。

-しかし、データサイエンスは専門的で一般の人には難しいのではないでしょうか

データサイエンスは、「データサイエンティストという特殊な勉強をした専門職が使いこなすスキル」「一般人には理解できないスキルだ。」このような認識をされている方もいるかもしれませんが、私は、その認識がそもそも間違っていると思っています。

近年、『機械学習』や『ディープラーニング』などの専門用語が流行し、さらには、「AIが人の仕事を奪う・・・」のような記事を目にすることも頻繁にあります。残念ながら、こういったマスメディアの発信からデータサイエンスの意味が歪んでしまったのだと私は感じております。

パソコンで仕事をするようになった時、誰もがPCスキルを学びました。それと同様に本来、データサイエンスもデジタル時代において、全ての人が一定のリテラシーやセンスを身に付けるべきものだと私は思っています。

例えば、皆さんが日々利用されているソーシャルメディアやECサイト、最近流行しているクラウドのサービスに、AIや機械学習のアルゴリズムが適用されていること自体は、皆さんよくご存知だと思います。しかし、例として、ソーシャルメディアだったら、機械がどうユーザーやコンテンツを分類し、類似性やスコアを測り、表示・レコメンドするコンテンツを決めているのか、という内容までは理解し感覚を持っている方は少ないかと思います。数学的な理論まで完全に理解する必要はないですが、機械が何をしているのかを「感覚的に」わかっているかどうか。これは、エンジニアやデータサイエンティストでなくても、仕事に大きく影響することです。自社のプロダクトが何をしているのかを知らない営業担当者が、クライアントの問題を解決する提案をできるのかどうか、自社および提携先のプロダクトを理解していない事業開発が、イノベーティブな提携へ導くことができるのかどうか、といったことですね。

 

もう1つの例としては、実はテック企業であっても、エクセルでの分析は上手だけど、「データが多すぎてエクセルに収まらない、動かない」、「この元データ(ダッシュボード)にこういう項目があればいいのに」、「データ依頼したけど1週間も待たされている」と言った問題により、思うようにデータ処理を進められていない人が多数見受けられます。もしかしたら、今この記事読んで「びくっ」としているかもしれませんね(笑)。こういった問題はSQLがちょっとできれば大方解決します。専門的なレベルまでできる必要はありません。「ちょっと」出来れば良く、例えば、最近配っているこのサンプルテキストの内容くらいで十分です。

実際、私はアマゾンに勤務していたときにSQLの基礎を習得し、ファイナンスチームの分析・データ作業スピードを以前の何倍にも向上させました。他にも、エクセルでのグラフ作成に膨大は時間を取られている、という場合は、RとかPythonのコードで作成することに慣れてしまえば、圧倒的に時間を短縮できるわけです。その方が、美しく格好良いチャートも簡単に作れますし。

このように、データサイエンスは、もともとは多くの人に役立つ普遍的なスキルです。実際、プログラミングも義務教育化されるわけですが、データサイエンスも分野的にはプログラミングと大部分が重複しています。むしろ、ビジネスパーソンにとっては、プログラミングの中ではデータサイエンスが一番「身近」と言っても過言では無いです。データサイエンスは、エクセルなどのスプレッドシートで出来ることの延長という面がありますので。

今後、社会はますますデジタル化します。私は、その時に、データサイエンスのリテラシーが一定数あるかないかで、仕事の質や職業選択に歴然とした差が付くと思っています。しかも、現時点では、GAFAのようなMBAホルダーが多勢働いているテック企業であっても、データサイエンスの素養がない人が多いのが実態です。これからは、MBAを持っているよりも、ある程度のデータサイエンスのスキル・センスを身につけている方が断然強みになると私は考えています。

 

-今後データミックスはどのように展開していきますか?

まずは、世間からのデータサイエンスに対する上記誤解を解きたいですね。「データサイエンスは、どんな人にとっても身近なもので、かつ、そのリテラシーを身に付けることで、活躍の幅が圧倒的に広がるものだ」、という理解をしていただけるよう、様々な情報を発信していきたいと思います。さらには、これまでは、オフラインスクールでのデータサイエンティスト養成に注力してきたスクール事業ですが、今後はオンラインでの展開や様々な手法も用いまして、幅広い職種の方を対象としたプランも展開し、より多くの方にデータサイエンスの価値を広めていきたいと考えております。

-最後に、この記事を読んでいただいたる方に

データミックスは、「技術だけでなくインパクトを意識してデータサイエンスを教えること」に注力している国内唯一の会社です。この記事を見て、データサイエンスの本質を理解してみたい方は、ぜひデータサイエンティスト育成コースの説明会にお越しください。

また、弊社は事業が急成長を遂げている最中であり、人手が足りず、共に成長を味わう「仲間」を積極採用中です。

私の価値観に共感いただける方は、ぜひお声がけいただけますと幸いです。

«
»

ブログ一覧