見出し画像

【SHE×wellday CTO対談】スタートアップにおけるデータプロダクトの開発戦略

はじめまして!SHEで人事をしております永田です。現在は複業としてSHEにジョインしており採用を担当しております。今回のテックノートは「スタートアップにおけるデータプロダクトの開発戦略」と題して、SHE株式会社執行役員CTOの村下(あきらさん)と株式会社wellday執行役員CTO中村さんが対談した内容をお届けします。連載を予定しており今回は初期のデータ収集戦略に焦点を当てた内容となっています。スタートアップ初期でひとつのハードルとなる「データ収集」に各社がどのように向き合い、乗り越えてきたのか?必見の内容となっているので是非ご覧ください!

登壇者紹介

村下トップ

SHE株式会社 執行役員CTO / 村下 瑛
1989年生まれ。東京大学在学中から幅広い開発活動に関わった後、求人検索サービスindeedの最初の日本新卒としてジョイン。 機械学習を用いた候補者のレコメンド・エンジ
ンの開発に従事し、エンジニアリングマネージャーとして多国籍のチームをリード。 コミュニティと学習を掛け合わせたSHEのサービス設計に感銘を受け、2019年4月から現職。

wellday_中村 圭宏_執行役員CTO

株式会社wellday 執行役員CTO / 中村 圭宏
東京工業大学大学院知能システム科学専攻博士課程修了後、リクルートホールディングスに入社。旅行領域の新規事業の人工知能構築に従事し、数億単位の年間利益貢献により全社賞を受賞。創業期より株式会社wellday(旧株式会社 Boulder )にジョイン。


スクリーンショット 2021-12-20 0.17.50

大手とは違い、スタートアップでのデータ収集の難しさを痛感したwelldayの創業初期

(中村)ありがとうございます。よろしくお願いいたします。
弊社が提供する「wellday」は、私の前職であるリクルートで同期だった代表の牟田から相談を受けて「このようにするといいのではないか?」と提案し、構想がスタートしました。創業初期からデータプロダクトとして構想していました。

データプロダクトとはデータから主要な価値を生み出すプロダクトのことです。そのため当たり前かもしれませんが、データがないとプロダクト開発ができないことが創業当初からの苦労したポイントでした。
私自身、大企業でデータプロダクトの開発は経験していたのですが、スタートアップでデータプロダクトを開発をするというのは大きな挑戦で楽しさを感じながらも試行錯誤の日々でした。

代替データでもなく、データホルダーと組むのでもなくwelldayが見出した第3のデータ収集戦略

画像7

サービス画面

(村下)創業当初からデータプロダクトを軸に構想されていたのですね。
リクルートでデータプロダクト開発を経験されていたのことですが、スタートアップでのデータ収集については比較すると大きな違いがあったのではないかと感じています。

特に大企業とスタートアップでは扱えるデータ規模も違うためどのように初期のデータ収集戦略を描かれたのが非常に気になります。
(中村)おっしゃる通りで前職と比較して扱えるデータの規模や予算の使い方などは大きく違うと感じています。前職では代替データを活用したり、クラウドソーシングでデータを作ることができました。
創業期のスタートアップではそのようなことができず、データプロダクトを作ることの難しさを痛感しましたね。

しかし私たちが開発しているのはデータプロダクトなのでデータがないと価値提供ができず、ユーザーもデータも集まらない状態となってしまいます。
他社などでよく取られている初期データ収取の戦略には次の2つがあると考えています。1つ目は、クラウドソーシング作った人工データなどの代替データを使う方法。2つ目は、多くのデータを保持している他企業(データホルダー)と組む方法。

しかし、私たちはスタートアップだからこそ取れる戦略があると考えて他ではやっていない第3の方法、段階的にデータとプロダクトを変えていく進化的戦略に挑戦しています。最初から目指しているプロダクトを作るのではなく、それを作るのに必要なデータを集められるようなプロダクトを作り段階的に目指しているプロダクトに近づけていくという戦略ですね。最初はデータを何かしら集めることを進めていて、テキストデータから突破口が見えてきたので開発を進めていきました。
(村下)段階的にデータとプロダクトを変えていく進化的戦略という言葉が印象的です。とてもおもしろいですね!
新たな戦略を進められる中でデータにおけるミッションはどういったものを設定されているのでしょうか?また個人的にはテキストデータは扱うのが難しいと思っているのですが、重要なシグナルはどのように見つけていかれたのでしょうか?
(中村)弊社でのデータにおけるミッションでは「Employee Success」を掲げています。

その中でコンディション把握の可視化を第一弾として進めています。テキストデータに最初に着手したのは、心理学の文献を漁っている中でテキストデータからコンディションを把握することができるいうエビデンスが見えてきたからです。村下さんのおっしゃる通りテキストデータを扱うことは非常に難しいのでスタンプの数やメッセージの量など簡単な部分から着手していました。

しかしスタンプの数やメッセージ量では心理状態の把握に繋がらないことが見えてきたこともあり、テキストデータを進めるしかないと判断しました。そして技術的なブレイクスルーもあり、ディープラーニングを組み合わせることでうまくいくことが徐々にわかってきました。全体的な感情のトーンなど単語によらない高度なインサイトが取れるようになりました。
(村下)まず簡単な部分から着手されてからテキストデータの必要性を感じ、シフトしていかれたのですね。確かにディープラーニングを組み合わせることで複雑な解析ができるようになることはイメージが持てました。

その中でwelldayさんでイテレーションの流れをどのように進めて高度化されたのでしょうか?

ーwelldayの進化的戦略を可能にするイテレーションの高度化

画像6

Slackで取得しているサーベイ画面

(中村)弊社のイテレーションの流れとしては、「コミュニケーションの流れの可視化→サーベイの開始→パルスサーベイの効率化→予測結果の精緻化」で進めました。

まずコミュニケーションの流れを可視化することで、誰がハブになっているのか?この人が辞めると組織崩壊するなどのインサイトからアラートを把握することができるようになりました。
しかしコミュニケーションを可視化するだけではAI構築に必要なデータは集まりませんでした。そこで次にサーベイを取得して、コミュニケーションツールとの間にどのような関係があるのか?などののレポーティングを始めました。

ユーザーも獲得しながら開発を進めていましたが、サーベイを答える側の負担が浮き彫りになってきたのです。そこで状態の悪い人だけに集中してパルスサーベイが送られるように効率化したのが第二フェーズですね。

徐々に予測も活きてきて健康な人にはサーベイが飛ばないようになり従業員負荷は下がりました。この段階だとコミュニケーション量の客観的なデータとサーベイ結果しか出していなかったですが、この次は予測結果を出すフェーズがやってきます。第二フェーズでサーベイを取得したので、コミュニケーションツールを使った予測の改善ができるようになりました。
そして数値としても提供しても問題ないレベルまで達したのでスコアとしてユーザーに提供していく形となります。
(村下)まさにイテレーションで進化し続けている事例だと感じました。弊社もこれからデータを収集していくフェーズなので非常に参考になり面白いお話を聞かせていただきありがとうございます!
(永田)中村さん貴重なお話をお聞かせいただき、ありがとうございました。初期のデータ収集という観点において段階的にデータを精度高く集めておられる戦略が非常に興味深かったです。
では次にSHEのデータ収集戦略についてあきらさんよろしくお願いいたします。


スクリーンショット 2021-12-20 0.17.19

ーSHEが見出した「つながり」の価値。コミュニティ学習プラットフォーム構想が立ち上がった創業初期。

(村下)ありがとうございます。SHEはwelldayさんとは少し違い、もともとテックスタートアップとして設立された会社ではありません。女性の人生における課題解決に伴走をしたいという想いで立ち上がった会社です。
コワーキングスペースから事業が始まったのですが、事業的に難しさがありスクールにシフトしました。レッスンが好評だったこともありシフトに踏み切った形ですね。当時は2ヶ月買い切りで展開していましたが、2ヶ月という期間だとキャリアチェンジや自分のありたい姿の実現に限界がありました。

そして徐々にコミュニティ同士での繋がりが価値になっていることがわかってきました。この時期に立ち上がったのが、学ぶ人同士が集まって一緒にゴールを目指す「コミュニティ学習プラットフォーム構想」です。私自身はこのタイミングでジョインしています。

当時は人が中心となってコミュニケーションの型を整えていました。目標設定のためにグループコーチングのテストをしてみたり、コミュニティを盛り上げるためにコミュニティプランナーを採用して人を繋いでもらったりと人を起点として体験の設計を行っていました。私がジョインしてから1年〜2年程度だったと思います。
(中村)確かに新しいことに挑戦するときに知り合いがいないのはしんどいと思うので繋がりがあることは非常に素晴らしいことだと感じました。
「人と人の繋がり」が価値になるのは素敵ですね。そんな中でSHEさんのデータにおけるミッションはどういったものだったのでしょうか?

ー 人が作ってきたプロダクト体験を100万人規模に展開していく。それがSHEのデータにおけるミッション

【2021年11月】エンジニア採用deck

SHEの技術ミッション

(村下)ありがとうございます。SHEは「人が作ってきたプロダクト体験を100万人規模に展開していくこと」を目指しています。100万人規模への展開と言っていますが、女性の自己実現からSHEを社会のインフラにしていくために体験の再現性をデータAI技術によって構築していきたいと考えています。

データを活用し、人が理想・夢に近づく速度を10倍にしていきます。例えば理想の教室を作るという話で「達成思考が強い人」の同じクラスメイトはどんな人がいいのか?マイペースな人を入れるのか?といったことをデータで科学して体系的にコミュニティを作っていくことでスピードを上げることができないか?のようなイメージです。

そして最近はよりデータに力を入れていくフェーズになってきているので、まず「型」を作っていくことが重要と考えています。

ー顧客体験とデータ収集を一気通貫で進める。SHEだからこそできるデータ収集戦略

(村下)繰り返しとなってしまいますが、初期のプロダクトミッションはまず「型」を作るということでした。その中で最初に着手したのは顧客自身がPDCAを回せる仕組みを作ることです。サブスクの基盤やシフト管理、アンケート基盤など色々な軸で枠を作れてそこにアンケートなどを入れてPDCAを回せる基盤を整えていきました。ここは大きかったと思います。
(中村)周辺領域の基盤を作っていくことは非常に素晴らしいですね。普通だと感覚でPDCAを回す気がしているのですが、データ取得をやり始めたのは初期からなんですか?
(村下)そうですね。SHEは初期からデータリテラシーが高い会社でした。現在もデータ分析基盤の週次のアクティブユーザーは全社で80%で5人に4人が1週間に1回データを見ている状態となっています。初期からデータを非常に大切にしていましたね。

ただ私たちも初期にはいわゆる「コールドスタート問題」を経験しています。そもそも規模にまだまだ伸び代があります。現時点で受講生の方々は累計4万人、アクティブユーザーは約5,000名となっておりその中でいかにシグナルをデータから得ていくか?が課題です。データ収集と体験の作り込みを一気通貫でやっているのが今のフェーズになっています。
(中村)データ収集と体験の作り込みを一気通貫でやっているのは素晴らしいですね。村下さんがおっしゃるようにデータ収集戦略として、いかにシグナルからデータを得ることができるか?が重要になってくると感じています。現状としては何かシグナルは見えてきているのでしょうか?

ーSHE受講生の方々の繋がりの情報化。プロフィール機能を通して、データを社内に貯めていく。

画像8

自分だけのプロフィール画面✨

(村下)現在は蓋をまず開けることが大切かなと思っています。コミュニティの繋がりは正直現時点ではわかりません。重要なのはわかっていますが、人と人がどのように繋がっていてそれが学習に影響しているのか?を科学できる基盤がまだ整っていないのが現状です。

まず今は繋がりの情報化を進めています。プロフィール機能をリリースし、どのような人同士で繋がっているのか?やSNS連携を通してライトにどのようなコミュニケーションが行われているのか?をデータとして貯めていこうとしています。
その中でどのような繋がりだと盛り上がるのか?学習が捗る繋がりは?などをデータとして貯めていけると考えています。

一方で受講生の方々のライフステータスやコミュニケーションスタイルなどの他で効果がありそうな情報も整備できていないので、合わせて整備していきたいと思っています。プロフィール機能を通してマッチングの起点となる情報も集めようと描いています。

▼SHEのプロフィール機能についてはこちら

(中村)プロフィール機能、非常に効果的な戦略だと思います。村下さんがおっしゃる通り、プロフィールを機能を起点として様々な情報・データを取得できるのではないかと私も感じました。

例えばこの業種だとこのプランがあなたに適していますよ。などのようなことがわかってくるということでしょうか?
(村下)そうですね。他に例を挙げると、例えば自分のペースで頑張りたい人にはどのような傾向があるのか?などですね。
加えて我々はコーチングも提供しているのでスタッフとの相性も全てわかるようになります。そこで何が起こっているか?の理解は一気に進むと考えています。

蓋を開けて会員を理解することを目標に置き開発を進めています。目標設定などの領域も学習ログは取れていますが、何を人生レベルで目標にしているのか?は取れていないため価値観・長期的な目標と繋がった構造化された目標データも取りたいと思っており、合わせて学習進捗の評価ができるといいなと模索しています。
(中村)目標に対して見える化するだけでもモチベーションが上がりますね。村下さんのお話を聞いて、「人が作ってきたプロダクト体験を100万人規模に展開していく」というSHEさんのミッションが実現される世界にワクワクしました。
我々とまた違ったデータ収集戦略をお聞きすることができ非常に学びが多かったです。ありがとうございました!
(永田)あきらさん、中村さん貴重なお話をありがとうございました。今回の対談を振り返ってみて改めてスタートアップにおける初期のデータ収集についてお二人から難しかった部分ややりがいを感じた部分などをお聞きしてもよろしいでしょうか?

ー初期のデータ取得の難しさと同時に感じた確かな「やりがい」

(村下)データがない中で、データの取得と価値の実証を並行して進めていくことが一番難しいところだったように思います。
例えば、会員同士の『繋がり』が学習に大きな効果をもたらすことはほぼ確実でしたが、データを使った最適化の余地がどこにあるのかはそれほど自明ではありませんでした。

最適化に使うためにはまず、データを取得してあたりをつける必要がありました。そしてデータを取得するためには、会員の方に大きなメリットがあるような機能を開発する必要があります。いかにリーンに、顧客体験とデータ取得を両立させていくかは初期フェーズで難しくもあり、やりがいもある部分でしたね。
(中村)やはり結構大変だったという所感があります(笑)既に存在しているデータを集めたりデータホルダーと組むことの方がやり易さは正直あります。

しかしそれだけだと成熟した領域でしか勝負できないので、スタートアップの戦い方と合わすことが大事だなと強く思っています。データプロダクトにおいては、そもそもデータがないと価値提供ができないのでデータ収集が非常に大変ですが、他では集められないデータと触れることができるのでとても面白いです。

例えばですが、既存のデータを使うと他の方もやっているので新規性がなく車輪の再開発になるので面白さややりがいを感じづらくなってしまいます。新しいことをやるならデータから集めることにチャレンジするのは非常に面白いですよ!
(永田)ありがとうございました。では最後に採用についてアピールしましょう!お二人から現在募集しているポジションや求める人物像についてお聞かせいただけますでしょうか?

ー各社エンジニア採用を強化中。ミッションを実現するべく最高の仲間との出会いに奔走する日々。

(村下)現在はデータアナリストとデータエンジニアを絶賛採用中です!

データアナリストの役割はデータ分析と機械学習モデルにより、体験の個別化を推進することです。例えばチャーン改善のチームでは高精度のチャーン予測モデルを活用し、チャーン潜在層に対してCRM施策により個別化した寄り添いを行う体制を構築しています。

データエンジニアの役割は、エンジニア・ノンエンジニア双方に開かれた保守が容易なデータ基盤を構築することです。エンジニア側では、バージョン管理されたテスト可能なETL整備やMLOpsのサポート、ノンエンジニア側では、データカタログをはじめとするドキュメンテーションや検索性の向上に取り組んでいます。

どちらの職種もモダンなアーキテクチャーで、事業と表裏一体のデータ活用を体感していただけるのではないかと思います!

▼SHE / データエンジニア、データアナリスト求人

(中村)採用は絶賛強化しています!
先に現在のチーム構成をお伝えします。現状ですとWebアプリケーションサイドに社員2名+業務委託1〜2名、データ系は社員は私のみで業務委託1〜2名のミニマムなチーム構成になっておりそろそろ無理がきています(笑)

そのため今の注力ポジションは、データ収集・基盤整備をリードしていただけるデータエンジニアです。現状は機械学習のバッジ運用をしていますが、スタートアップなのでスピードを重視していたため荒削りな状態なのが正直なところです。
そのためその環境の整備をしていきたいと思っています。先進的な構成(GCP.+ Kubernetes + Prefect)にはしているため、技術的にもチャレンジングな環境をご用意できると思っています。

どんな方と働きたいか?の観点でお伝えするとまだまだシード期ではあるため1から全て作りたい方や顧客目線で開発できる方と一緒に働きたいです。

▼wellday / データエンジニアの求人


ーそれぞれ独自のデータ収集戦略を描き、急成長を遂げる両社のCTOは対談を終えて伝えたいこととは?

スクリーンショット 2021-12-20 0.52.01

(村下)SHEのエンジニアリングチームのゴールは、『自己実現の民主化』です。『人』と『スキル』これまで偶然の出会いに左右されていた2大要素の出会いをデータと情報科学の力で体系的に作り出すことで、100万人規模で自己実現を加速させるインフラを作ろうとしています。

まだ誰も取り組んだことがない課題であり、それ故の困難も多いですが日々優秀なメンバーと目標に向かって一歩一歩近づいていることを感じています。この目標をワクワクすると思っていただける方、まずは一度カジュアルにお話ししましょう!ご応募お待ちしています!
(中村)社会問題と繋げてお話しすると日本は労働人口が減ってきていて、生産性がどんどん重要になってきていると思います。

生産性をどのように上げるか?を考えたときに、モチベーションやエンゲージメントが1つの大きな要因であると考えています。ある調査では、日本はモチベーションが高い人が一番少ない国であるという結果が出ており、大きな改善余地があると感じています。

このような課題に対して「wellday」はエンゲージメントを上げて従業員がよりイキイキ働けるようにすることで生産性を上げ、従業員自身だけではく会社にもメリットを出すことで大きな社会問題を解決する一つの道標となると信じています。

個人としてもやりたい仕事をするのが一番幸せだと思っているため、welldayを通して従業員がイキイキ働ける世界を実現していきたいと考えています。

最後までご覧いただきありがとうございました!
次回は初期のデータ収集戦略の対談を経て、各社が描く未来のデータプロダクト開発戦略についてお届けします。次回も楽しみにしていてください!


みんなにも読んでほしいですか?

オススメした記事はフォロワーのタイムラインに表示されます!