弊社サービス開発部には、プロダクトの課題を仮説検証し、探索的に課題解決を図っている「グロースチーム」があります。今回はグロースチームに所属している藤田をご紹介します。

所属しているチームと役割について

初めまして、UXグループの藤田です。チームでは主にOfferBoxを利用した学生と企業のマッチング数の向上にコミットするための活動をしています。

そのなかで、私はデータサイエンティストとして、主に以下の活動をしています。
・論点を設定して仮説構築し、分析すべき問題を定める
・企業や学生がOfferBoxで活動したデータを収集
・データからそれぞれの行動を分析
・プロダクトの質的改善に繋がる施策の立案
データサイエンティストといえば、データ分析が主な仕事と思われがちですが、実際にはその前段階である分析テーマの企画にも携わっています。

施策を打ち出す際には開発した機能のABテストを実施し数値を測定しながら効果検証をおこないます。私が入社する前も統計的仮説検定を用いた検証は既に行われていました。これに加えて、私がテスト前検証や効果量を考慮した必要サンプルサイズの推定などを導入したことで、より慎重に効果検証が行われるようにしています。

i-plugに惹かれた理由

i-plugに入社する以前は、大手化学メーカーでデータ分析の業務を担当していました。どちらかといえば機械学習による予測タスクの精度向上をメインに仕事をしていましたね。
当時からデータサイエンティストとして働いていましたが、まだ自分のスキルには不足している点を感じていました。
データサイエンティスト協会が開示しているデータサイエンティストの3要件には、「データサイエンス力」「データエンジニアリング力」「ビジネス力」があります。私はこの中でも、ビジネス力を伸ばしたいと考えていました。
i-plugと出会ったきっかけは、i-plugがランチスポンサーをしていたデータコンペティションです。登壇内容を聞いているうちに、i-plugでの業務内容に興味を持ちました。
また、i-plugが運営する「OfferBox」は新卒採用の課題を解決するために生まれたプロダクトだと知りました。私自身も新卒で入社した会社で苦労した経験があります。i-plugは就職活動の仕組みを変える会社ということで、入社して自分のように困っていた学生を助けることができたら良いなと思い、選考を受けることにしました。
選考過程でOfferBoxの現状の課題を聞き、問題としてはかなり難しいものに挑戦しているなと思いました。特に難しいのは、企業と学生の2つの軸で課題と解決策を考えないといけないところです。両者のニーズが噛み合うように最適化しないと良い改善ができません。
一方で、私自身には解けないことが濃厚な問題や簡単な問題は自分の成長に繋がらないという考えがあるので、非常に挑戦する価値のある課題だと感じました。

どういったプロダクト成長を目指したいか

結果ありきの成長はしたくないと考えています。KGIにしても、達成するための過程が大事だと思います。考え得る施策を手当り次第に実施し数値達成することは良い課題解決とは言えないでしょう。
良い課題解決とは、プロダクトに求められる要件を見定め解決策を練り上げていくことにあります。そのためにユーザーのニーズを見極めていくこともデータサイエンティストには求められますし、勘や経験則に頼った解決策ではなく、データに基づいて何が必要なのか、足りていないのか、課題はどこにあるのかを炙り出していきたいですね。

今後のキャリアについて

先述しましたが、現時点ではよりビジネスサイドの知見を深めたいと考えています。
これまで機械学習やデータ分析はしてきたものの、ビジネス課題を特定・解決する能力がまだまだ足りていないですね。仮説を証明する力としての分析だけではなくてその前工程部分をもっとできるようにしていきたいと考えています。