スタートアップこそがデータサイエンスを武器に強くなれる

Why スタートアップ？

Apahce + PHP + PostgreSQL

このフェーズでフルタイムの

データサイエンティストは必要か？

• 学習と実行は別環境で
• 深層学習はGPU環境などリッチなリソース環境で行う
• モデル更新のタイミングでインスタンスを起動すればよい

今後5年で新しいアーキテクチャが確立されていく

このフェーズからのスタート

• データも溜まってきたしそろそろデータサイエンティスト入れようか？
• 色々な課題が浮き彫りになる

失敗パターン

• データありきで始めてしまう
• 「うちもビッグデータやろう」
• 「データ渡すから何か見つけて」
• システムやデータベースがスパゲッティ
• 「どこにデータがあるか分からない」
• 「このカラム名って何だっけ？」
• 必要なデータが取れていない
• 「ユーザーの異動履歴ないんだっけ？」

時、既に遅し、、、

データ戦略

• 事業戦略に基づいたデータ構造を定義

インフラ・技術

• データストア（RDBMS、Hadoop）
• クエリー（SQL、NoSQL）

組織・人材・スキル

• データエンジニアリングの素養
• 機械学習、深層学習（Deep Learning）

創業メンバーとデータに関わる戦略を議論し、必要なデータ項目を洗い出す（週イチ～隔週）

人工知能系のサービスの場合にはフルタイム必須

データ戦略

• 分析が組み込めるオペレーションシステムの構築

インフラ・技術

• Webサービス・フレームワーク
• Python Webフレームワーク（Django、Tornado）

組織・人材・スキル

• データエンジニアリングもできるPythonエンジニア

分析環境も構築できる

サーバーサイドエンジニア

（兼任でフルタイム）

データ戦略

• 顧客獲得のための施策をサポートする

インフラ・技術

• 仮説検証（DCAP）が素早く回せる
• 施策の自動化

組織・人材・スキル

• データサイエンス分野のスキル

データサイエンスとデータエンジニアリングができ、常に社内にいてコミュニケーションを密に取りながら進める

データサイエンスチームを作る

（フルタイム x 2）

データ戦略

• 蓄積されているデータ自身に価値を持たせる

インフラ・技術

• ビッグデータを格納する基盤
• 大量データを分析するサーバーサイド環境
• 並列処理やGPUなど

組織・人材・スキル

• 業界知識、ビジネススキル

ビジネスを良く理解していて、”データ” 自体に価値を付けることが出来る

（フルタイム x 3）

アナリティクスネイティブ

データエクセレンスへの道程

サービスの成長に合わせ、各フェーズで押さえるべきポイント

スタートアップこそが

データサイエンスを武器に強くなれる

自己紹介

SOMPO Digital Lab 中林 紀彦

• 電子部品メーカー
• 情報システム部
• 営業企画室
• 外資系ITベンダー
• プリセールスエンジニア
• マーケティングマネージャー
• 営業部長
• インキュベーション

安定期

データ戦略

• データを通貨のように流通させる

インフラ・技術

• さまざまなシステムとのデータ、API連携
• ガバナンス、セキュリティ

組織・人材・スキル

• 事業開発、業界知識、ビジネススキル

• データサイエンスラボ
• 副所長（事業開発）
• ラクスル
• データサイエンティスト
• SOMPO
• データ戦略統括
• 筑波大学大学院
• 客員准教授

"オートメーション化, データでも儲ける"

既にデータサイエンティストではない？

ユーザー数 > 4桁～6桁

大企業も

成長期

アナリティクスネイティブ

• データエクスチェンジ
• API連携によるデータ交換・売買
• ”街のお菓子屋さん”もアナリティクスネイティブ

1990年代後半インターネット涼明機に、新しい流れに乗ってWebへの準備が出来ていた企業が急成長できたように、2010年代後半からは”データ”に対して十分な準備ができている企業が今後10年で大きく成長していくであろう。

"日々蓄積されるデータの活用フェーズ"

大企業はどうなの？

データエクセレンス・カンパニー

• サービスの高度化
• データが溜まってくるので”データ”自身が価値になる
• 分析結果も含めたAPI提供による更なるデータの価値

CTDO

Chief Technology Data Officer

企業の時価総額ランキング

1999年

クラウド

モバイルネイティブ

Ruby on Rails

フレームワーク

忍耐期

インターネットネイティブ、Webネイティブ

アプリケーションサーバ

大企業のデジタルシフト

"データ構造を維持し続ける"

ユーザ数 < 3桁

インターネットネイティブが

大きな競争優位だった

1990年代後半インターネット黎明期に、新しい流れに乗ってWebへの準備が出来ていた企業が急成長できたように、2010年代後半からは”データ”に対して十分な準備ができている企業が今後10年で大きく成長していくであろう。

• ユーザ獲得のための色々な施策を展開
• 色々やるけどデータベース構造だけはしっかりキープ
• 外部サービスとのデータ連携をしっかり
• Google AnalyticsやFacebook広告など
• FB広告 / GA / MySQLのデータが分断されているとつらい
• ユーザ獲得のためのデータサイエンス
• PDCA → DCAPでサイクルを超早く回す
• 次のフェーズへの準備を怠らない
• データがどんどん増えていく

アナリティクスネイティブ

データエクセレンス・カンパニー

変革期

"20 Years Later"

次の形態へのトランスフォーム

このフェーズでフルタイムの

データサイエンティストは必要か？

サービス立上げ期

どこにいるのか？

どうやって探すのか？

”育てる”

そろそろ調理の準備が必要

"アーキテクチャを確立"

• サービスがプロトタイプ、α版、β版と進化
• アーキテクチャを固める重要な時期
• ”分析”＆”オペレーション”融合システム
• 最初からオペレーションへ組み込んでおく
• モデルのポータビリティ

創業期

"データの構造やデータベースをしっかり作る"

どこまで自前で持つのか？

Tornado

Pythonでの分析結果をそのままWebサービス化

• データサイエンスの使いどころも意識して、サービスやプロダクトを準備する
• ”ビッグデータ”、”人工知能”、”IoT”の本質
• 重要なエンティティに関するデータ項目を洗い出す
• 顧客やサービス・プロダクト
• ”CREATE TABLE”はデータサイエンティストがやる

素材がないので、まだ料理できない

データエクセレンス・カンパニーへ！