データを“資産”に、 AI／機械学習など先端テクノロジーを駆使しクライアント企業のビジネス変革と持続的成長をリード

就職の志望先としては、データサイエンティストを目指せる環境なのか、チームとして働く環境が整備されているのか、そして採用前に現場の社員の方とカジュアル面談を通して話を聞くことができるのかを軸に活動をしていました。

その3つの条件をクリアした1社に電通デジタルがあり、カジュアル面談の際に、単なるデータ分析だけでなく、ビジネスコンサルティング寄りのデータサイエンス業務に従事できることを聞いたこと、また面談を担当した方の人柄に魅せられたのも入社の決め手となりました。

学生時代は商学部で、データサイエンスに特化した学部、学科ではなかったのですが、マーケティングの授業で企業のデータ活用について学んでいたことや、先輩が部活の硬式テニスのスポーツ分野でデータ解析を実践しているのを見て興味を持ち、独学で勉強し、データサイエンスの道に進むことを決意しました。

学生時代、理工学部でデータサイエンスに近い勉強や研究をしていて、おもしろいなと思ったのが、データ分析に携わる仕事を志望した理由です。
中でも私は、多種多様な業界の様々なデータに触れたいと思い、事業会社でなく、広告やコンサルファームなどを検討し、その1社として電通デジタルとの出会いがありました。

電通デジタル入社の決め手としては、面接を通じて、エンジニアリングやプログラミング専門の方、ビジネス寄りのコンサルティングに特化した方など、様々なスキル、専門性を持った個性あふれる人が所属していることが分かり、自分も一緒に働きたい、と直感的に思えたことが背中を押してくれたように思います。

カジュアル面談で社員の方に話を聞いていたので、大きなギャップはありませんでしたが、データサイエンティストが集う社外コミュニティがあるのに対し、入社当時は社内のデータサイエンティストたちとの横のつながりがあまりないと感じました。
そこで、自分が発起人となり、まずは同じグループ内でコミュニケーションツールを使った交流を進めています。若手でもこういう新しいトライができるのは、電通デジタルならではの良さだと思います。

いい人、おもしろそうな人が多いというのは入社前から感じていたのですが、上司との距離感が思っていたより近いのは、いい意味でのギャップでした。世間話もするし、仕事に関するフィードバックもカジュアルな形でもらえるのは、風通しの良さに繋がっていると思います。

ソリューション戦略1部 データサイエンスグループでは、デジタル広告領域のデータ活用に関する業務を担っています。

具体的にはデータを活用した広告効果の計測、配信、ソリューションの開発やそのデリバリーで、私自身はAIや機械学習で事業成果の予測モデルを構築し、マーケティング施策を最適化する自社のソリューション「X-STACK（クロス・スタック）」を使った広告配信最適化プロジェクトを担当しています。

Webサイト上の行動データや企業のCRMの両データを分析・統合したマーケティングデータ基盤をもとに、AIや機械学習を用いて来店率や成約率などの予測モデルを開発するプロジェクトで、広告施策に適用し、LTV（Life Time Value＝顧客生涯価値）向上を実現することがミッションです。

私が所属するグループのミッションとしては、クライアント企業の課題解決に向け、企業サイドで持っている購買データなどのオリジナルデータの利活用に関するコンサルティング、データとAI／機械学習などの最新技術を活用したソリューションの開発、運用などを担っています。

私自身も、クライアント企業が持つデータの分析、およびデータ活用に関するコンサルティング、取るべきアクションの提案を任務に、クライアント企業やチームメンバーとも会話をしながらプロジェクトを進めています。

現在、営業や店頭接客を変革をご支援するプロジェクトを担当しています。営業のスキル向上を課題に、成績が優秀な担当者と芳しくない担当者で、属人的になりやすいトークスキルの違いなどを、実際のセールストークを録音した音声データや起こしたテキストデータを基に分析し、解決策を導くのが目的となります。

分析結果のアウトプットとして目指しているのが、営業マニュアルなどの作成につなげるほか、データ分析から得たナレッジ、成功パターンをChatGPTなどと連携、構築したAIモデル構想です。既に実証実験も進めています。

担当しているプロジェクトの1つが、金融業界のクライアント企業における「X-STACK」運用です。

具体的には、自社Webサイト内の閲覧者の行動ログデータをアクセス解析ツールで蓄積し、金融商品の見積時のアクセス情報や見積条件などから推定成約額を算出することで、より成約額の高いユーザーに配信を強化するというものです。先にも挙げたように、売上・LTV向上に直結した広告運用の実現が任務となります。

まず、機械学習モデルをビジネスに適用するために必要な開発、分析、運用スキルを指すMLOps（エムエルオプス）です。機械学習（ML）と運用（Operations）を組み合わせた、ソフトウェア開発における「DevOps」から派生した用語なのですが、開発・運用サイクルをより効率的に回せるようになったのは成長したポイントだと感じています。

次に、正しい施策を考える、ソフト面でのスキルです。デジタル広告に関する多くの相談を受ける中で、大前提としてデジタル広告で費用対効果が本当に上がるのかを考える習慣をつけることで、デジタル広告に代わる、より効果的な施策についても解答・提案ができるようになったのは業務を通じて得られた進歩と捉えています。

分析を踏まえたコンサルティング業務を通じて、データからどんなことが言えるのか、どういう分析作業で自分たちが求める示唆が抽出できるのか、分析を設計するような力は身についてきたように感じています。

先に挙げた医療業界のセールストークのケースですと、実際の商談データを会話で使われている単語で見るのか、話題の内容で見るのか、雑談と商談の割合で考えるのかなど、様々な切り口があります。
どの切り口でデータを見れば、課題解決につながる示唆が得られるかは、数字だけを見ていたのでは求める正解にたどり着けません。

業界の専門知識を身につけることは当然として、データが発生した周囲のあらゆるリアルな事象もとらえた上で、データを俯瞰し、真に出したい結果、切り口を見い出すスキルはさらに向上させていきたいですね。

大きく２つあります。１つ目が資格取得に関するサポートです。AI関連の資格だけでもG検定やE資格など様々な資格がありますが、その受験費用を会社が負担してくれる制度です。
２つ目がデータサイエンス業務に関わる書籍購入費用の支援です。統計や機械学習、深層学習などに関する専門書は高価なものが多いので、ありがたいですね。

チーム内外でナレッジシェアの機会が多いのも特徴です。実際の案件で作成した提案書や作成物、成果物などを閲覧できるサイトがあり、スキルアップにつながるナレッジを共有できるコンテンツが豊富なのも、電通デジタルならではだと思います。

ビジネス面でのコンサルティングと、エンジニアリングの領域となるデータサイエンス分野のどちらも担える人材になりたいです。

分析の専門職として頼りにされながらも、データに精通しているからこそ提案できるデータの具体的な利活用法や企画内容など、プロジェクトの上段部分をもけん引できるよう、幅広く経験を積んでいきたいと考えています。

私自身は、今、担当している案件を一個一個丁寧にやっていきたいという気持ちが強いのですが、将来的な展望として挙げるなら、デジタル広告領域以外のデジタルマーケティング全体のデータサイエンス業務にも関わっていきたいです。

統計学や情報工学、機械学習などの勉強も大事ですが、それ以外の素養としてデータサイエンスに関わる業務をしている人に共通して言えるのは、探求心や知的好奇心が強いという点です。

大学生活やプライベートでも、気になった事象やトレンドについて数字で分析してみたり、仮説を構築してみたりなど、探求心や疑問を持って考えるクセをつけていくと仕事にもつながっていくのではないでしょうか。

新しいテクノロジーに興味を持って、積極的に関わる姿勢も大事だと思います。例えばChatGPTがなぜ話題になっているのか、将棋の世界でAIがどう活用されているのかなど、興味のアンテナを張って新しいことをおもしろいと思える人ならば、きっとデータサイエンスの分野でも楽しく活躍できると思います。

必ずしも数学や情報工学などを専攻していなくても、新卒で活躍している人は数多くいます。学びの場も社内に豊富に用意されているので、「やってみたい」と思ったら、ぜひチャレンジしてほしいですね。