1986年生まれ、大阪育ち。2012年3月、立命館大学理工学研究科基礎理工学専攻物理科学コース修了。修士（理学）。ゲーム会社でQAを経験したのち、プログラミングと機械学習を学んでデータサイエンティストに転職。大手総合化学メーカーで機械学習アルゴリズムの実装業務に従事。2020年4月にi-plugに入社し、プロダクトのデータ分析やBIツールによる可視化、機械学習を利用した機能作成・改善などデータに関連する業務を幅広く行っている。

よりよいマッチングを目指したアルゴリズムの探求

i-plugに入社したのは2020年4月でした。入社の理由としては、OfferBoxの利用企業数や学生数、サービス立ち上げから現在までの期間の長さから十分なデータがたまっているのに活用しきれておらず、プロダクト改善の伸びしろが大きいことにやり甲斐を感じたからです。また、自分自身新卒での就活があまりうまくいかなかったため、新卒採用という領域をよりよくしたいという思いもありました。これから社会に出ていく人たちが、前向きに社会人になれる手伝いが出来たら良いなと感じたんです。

現在はデータサイエンティストとして、主にOfferBoxの検索機能の改善に携わっています。OfferBoxの企業利用画面には学生検索機能があります。利用企業は、希望勤務地や希望職種などの条件で検索し、表示される学生プロフィールを見てオファーを送ります。検索結果は並び順が早いほど目に留まりやすく、登録されている学生がどの順番で表示されるかは非常に重要な観点です。

検索条件によっては大量の学生プロフィールが表示されることになり、すべてに目を通すことは非常に難しいもの。検索表示順位を最適化するため、アルゴリズムの開発に取り組んでいます。最適化に用いるのは属性のような単純な情報だけでなく、企業と学生それぞれの行動なども加味します。企業にとってはオファーを送りたいと思う学生を探しやすくなり、学生にとっては承認したくなるような企業からのオファーが届きやすくなる、双方のニーズに合致するオファーの流通を目指しています。

仕事内容の流れを簡単に説明すると、5つのプロセスに分けられます。フェーズ1では、現状アルゴリズムの内容や精度を確認し、理想とのギャップを認識してビジネス上の問題点として整理します。フェーズ2ではその問題をどういう方針で改善するかを決めます。KPIの設計もここで行います。続くフェーズ3は、実際にプログラムに解かせる「タスク」の設計です。例えば、機械学習モデルなどに入出力するデータや評価指標を決定することに相当します。その後、フェーズ4でアルゴリズムの選定を行います。フェーズ5は評価です。アルゴリズムがフェーズ1であげた問題の解決に紐づいているかを検証します。

業務のなかで特に重視しているのは、正しい問題設定ができているか、さらにその問題とプログラムに課したタスクの一致度合いが高いことです。「実際に観測された」という制約付きのデータを用いて設定した目的関数を最適化することが、KPIの改善にも繋ることを意識したタスク設計を心がけています。

また、仕事は一人では出来ません。関係者に対して、アルゴリズム改善の実施を納得をしてもらうために、定量データを出し、必要性や有益性を理解してもらうよう努めています。

データから新たな発見が生まれる面白さ

もともとこの仕事についたのは、2010年代のデータ分析のブームによる影響が大きいです。ちょうど、ディープラーニングによる画像認識などが話題となった時期ですね。メジャーリーグでのデータを活用した弱小球団の再生などにも興味を持ち、面白いと思える事例は多かったです。

実際に仕事として取り組んで見ると、データ分析の面白さに惹かれました。世の中にある、「多分こうだろう」という固定概念をデータが覆す瞬間は言葉にできない面白さを感じます。

OfferBoxで実際にあった例をあげます。企業がオファーを送るときに見ている情報について調査をしていたケースです。社内では、学生の属性が大きなウェイトを占めているという通説がありましたが、自分はそこに疑問を持ちました。

属性は検索時点でもある程度は項目を絞れるので、送るかどうかはプロフィール文を読んで決める企業も多いはずと仮説を立てたんです。そして、自然言語処理などを用いた分析で仮説が正しかったことを示せました。

誰にでも分かりやすい結果を1例だけあげると、コンサルティング業界に属する企業は要約すると「問題解決が得意」とプロフィール文中に記載している学生にオファーを送っている傾向が強いことが分かりました。自身はある程度想定していた結果だったのですが、分析レポートを見た方々は驚いていたのが印象的でした。一般的には属性が主だと思われていた一方で、オファー型の可能性を感じました。

今後もOfferBoxでマッチング数の最大化に取り組んでいきたいと思います。OfferBoxはまだまだ伸びしろがあると考えています。手段は様々です。また、データは道具でしかありません。困っているユーザーがいて、社内にも課題が転がっている。それらを拾える人間であり続けたいと思います。