最終更新日： 2020年12月3日

こんにちは、AINOW編集部のゆーどーです。

2010年代に“ビッグデータ”に注目が集まって以来、IT業界以外でもデータを分析し、事業に活かす取り組みが盛んになっています。

それ以降、企業はデータアナリストやデータサイエンティストのようにAIを運用できる人材の採用・育成に力を入れています。

今回は、株式会社ZOZOの分析本部に所属する牧野氏と岡田氏に分析本部の業務内容と、プロジェクト成功のポイントをお伺いしました。

牧野洋平：株式会社ZOZO 分析本部 本部長。1981年生まれ。アクセンチュア株式会社を経て2017年にZOZOグループに参画。ZOZOテクノロジーズ分析部部長、アラタナ社外取締役を経て2019年より現職。ZOZOでは分析部門を立ち上げ、分析基盤・BIツールを構築するとともに、因果推論や機械学習などの分析手法を導入。社内のあらゆるビジネス部門に向けた分析サービスを統括している。

岡田 涼佑：株式会社ZOZO 分析本部 ビジネスアナリティクス部 ディレクター／データサイエンティスト。1989年生まれ。英国エディンバラ大学経済学修士課程（MSc）修了後、コンサルティング会社、金融機関を経て、2019年より現職。ZOZOでは計量経済学や機械学習等を活用した施策の効果検証、ビジネス部門の意思決定支援や業務効率化のための分析のディレクションに従事。

分析本部の設立の経緯

ZOZOの分析本部は、ZOZOグループの各ビジネス部門に対して難易度の高い分析サービスを提供する部門として2017年に設立されました。

分析本部では、注文や商品の閲覧などの行動ログ、物流のトランザクションデータなど蓄積されたデータを分析・可視化することで、事業を推進するうえでの意思決定をサポートしています。

まずは、分析本部の設立の経緯についてお伺いしました。

分析の力で1,000億円の取扱高アップを目指す分析本部

ーー分析本部はどのようなきっかけで設立された部門ですか。

牧野氏：私が2017年に入社した際に高度な分析の専門部隊として立ち上げました。
当時もデータを集計・分析するチームは各部門内に存在していたのですが、そこからもう一歩踏み出して、データをうまく組み合わせて意思決定やビジネスに活かしていくというところまではなかなか手が回っていない状況でした。

そして、私が前職のコンサルティング会社でやっていたようなデータ分析で意思決定をサポートするような戦略コンサルティングのノウハウや、所謂ビッグデータを活用してビジネスを回すための仕組み作りをしていくためのプロジェクトマネジメントのスキルセットが、当時のZOZOにとって必要とされていることがわかってきました。

入社後すぐに、せっかく事業会社でやるならしっかり実績を残したいなと考え、チームの目標を「分析の力で1,000億円の取扱高アップを実現すること」としました。

ーー分析本部を立ち上げた際に苦戦したことを教えてください。

牧野氏：特段に苦戦した記憶はないのですが、リリース面では複雑な分析に慣れたメンバーもおらず、人数も自分を入れて5人という状況で、楽というわけではありませんでした。

手が足りないので、私も週の半分くらいはSQLを書くような状況でした。

また、環境面でもデータが分散していたり、巨大なエクセルのレポートはあってもBIが無かったりと整備が必要な状況だったので、テクノロジー部門のサポートをもらいながら一つひとつ構築していきました。

幸い、メンバーの成長も速く、採用も順調に進んで次々に優秀なメンバーが参画してくれたことや、他部署のメンバーも協力的であったため当初から仕事はしやすく、よく聞くようなデータ活用のカルチャー（せっかく分析しても社内の理解が乏しく活用されない）での悩みは全くありませんでした。

ZOZOには澤田をはじめとして、データが好きでデータを見ながら事業を進めていくというカルチャーがもともとあったので、部署が組織にすんなりなじんでいった感覚があります。

異なる業界出身の少数精鋭メンバーにより構成

分析組織を設立する際に、社内にデータが数多くあっても基盤が整っていなかったり、そもそも社内にデータ分析ができる人材が少ないという課題は多々見られます。

また、データ分析組織の設立目的やビジネスでの課題が明確になっておらず、組織を継続できないという問題も挙げられます。

そういった懸念が囁かれるデータ分析組織において、5名の少人数でスタートしたZOZOの分析本部は現在の20名までどのように拡大していったのでしょうか。

次に少数で設立された分析本部がスケールする過程についてお聞きしました。

ーー分析本部は、現状の20名の組織までどのようにスケールさせたのですか。

牧野氏：まずは会社にとっての優先度や実利を意識しながら案件をやりくりし、部署を拡大した方が良いというコンセンサスを取れる実績を作っていきました。

その上で、人自（人事）部の協力ももらいながら採用も積極的に進めました。

ブログ執筆や週2回程度の面接など、それなりに時間をかけて、1か月か2か月に1人のペースで採用を行いつつ、最近では、人材採用サービスのスカウトも活用して、こちらから声をかけて採用したメンバーも数人います。

スカウトはまずカジュアルに面談をするところからスタートするのですが、我々が実際にどのような仕事をしているかをお話しすると、かなりの確率で「めちゃくちゃ面白そうですね」という反応をいただき、面談をした方の6～7割程度がその後、本選考に進んでくれています。

採用時の判断基準としては、スキルや経験以上に事業に対する思い入れを重視しています。

そうして採用したメンバーが事業に対する想いを候補者の方に伝えて、志望度があがるという好循環が起きているのかもしれません。

ーー分析本部にはどのようなキャリアを積んだ方々が集まっているのですか。

牧野氏：多岐に渡ります。

業界としては、私や岡田と同じくコンサルティング会社や調査会社、システムインテグレータ、インターネットサービス系が多いですが、自動車や電機・部品といったメーカー出身者や小売出身者も在籍しています。

職種はデータサイエンティストやデータアナリストが半数程度、あとはマーケターやエンジニアなどで、学生時代も含めて何らかの形でデータ向き合ってきた人がほとんどです。

年齢は第二新卒の20代前半から30代後半までのメンバーが在籍し、ボリュームゾーンは30歳前後です。

ーー分析本部は、マーケティング以外の課題にも取り組んでいるとのことですが、どのようなスキルや考え方が必要ですか。

岡田氏：分析本部ではデータサイエンティスト・データアナリスト・BIスペシャリストという職種を定義していますが、それらの仕事を高いレベルでやるには、まずはデータサイエンスやアナリティクスの実務スキルと「ドメイン知識」と呼ばれるような、業界や自社、自社の業務そしてデータに関する知識も必要になります。

また、それらに加えて「コンサルティングのスキル」が必要であると考えています。

「コンサルティングのスキル」とは、ビジネス部門からの依頼に対して言われたとおりにデータを抽出するのではなく、彼らが抱えている課題と答えるべき問いを言葉にして、仮説を立て、抽出したデータから何をすべきかを洞察し、なかなか説明が難しいような内容でも判断できるようにクリアに図示し、分かりやすく説明するスキルを指します。

これをするには、お客様や社内のビジネス部門、その上にいる経営層が何を考えているかについて理解したり、ビジネス部門に限らず、テクノロジー部門を含めた関連部門と日ごろから信頼関係を築くといったソフト面のスキルや行動特性を持つと、より一層仕事の幅が広がります。

もちろん、このようなスキルを全て持ち合わせて入社する人はいません。

そのため、スキルマップを作成し、本部内で定期的に開催する勉強会などでもサポートするようにしています。

初期からいるメンバーは特に、見違えるように成長してくれています。

マーケティングだけでなくあらゆる部門と連携

分析本部内のメンバーのキャリアはさまざまで、それぞれの経験が活かされているほか、月に2回ほど研修を行い、それぞれの得意分野の知見をシェアしているようです。

多種多様な職種を経験したメンバーがいるからこそ、お互いの得意分野や興味・関心に触れることは得られるものが多いですよね。

データ分析本部はどのように他部門と連携を行っているのかについてお伺いしました。

経営層と密接に関わる分析本部

ーーZOZOの分析本部は社内でどのような立ち位置なのですか。他部門との関わり方をお聞かせください。

牧野氏：高度なデータ分析を必要とする案件や重要度の高い施策の事前・事後の検討や検証をする際には必ず分析本部に相談がくるという立ち位置になっています。

シンプルなデータ抽出であれば、ビジネス部門内で抽出するか、BIからエクスポートしてもらうかで対応してもらっています。

現在は社長直下のプロジェクトが10数本走っていて、その半数程度は分析本部が担当部門と並走しながら進めています。

特に投資するコストやリターンも大きいマーケティング部門や、営業部門、グループ会社のZOZOテクノロジーズとは案件を協業することが多く、常に何本かのプロジェクトが走っている状態です。

そのほか、物流部門やカスタマーサポート部門、マルチサイズやD2Cなど新規事業を担当する部門、また広報や人事、デザイン部門まで、あらゆる部門から相談がきます。

ーービジネスに活かされるデータ分析のために心がけていることがあれば教えてください。

岡田氏：ビジネスに活かされないとやる意味がないので、心がけているというよりそれが当たり前というスタンスで仕事をしています。

ただ難しい案件になればなるほど、普通に考え付く範囲では効果が出ないことが多いので、そういった状況に差し掛かった際には意識して「ああ、ここが普通みんなが諦めるポイントだな」「すなわち、もうひと踏ん張りして考えると良い答えにたどり着く可能性が高い」と考えるようにしています。

この考えは、分析を進めてきた当事者だけでは、なかなか自分がどのポイントにいるかを見失いがちなので、お互いに相談しあえる雰囲気づくりは大事にしています。

私も自分が中心に進めた案件であれば、どこかで思考停止に陥っていないかを確認するため、意識してメンバーとディスカッションするようにしています。

分析本部は独立した部門としてプロジェクトを進める

ーー分析部門がマーケティングやシステム部門の下部組織ではなく独立しているというのは珍しいと思いますが、一般的な分析部門と比べてどのような違いがあるのでしょうか。

牧野氏：独立した部門として経営層やビジネス部門のリーダーたちと並走するという形式はあまり多くないかもしれません。

この形式の利点は、特定の部門に偏らずグループ全体の持つ課題の中で優先度の高い仕事ができるというところや、経営層にも近い位置にいるので情報をキャッチアップしやすいといったところです。

また、手前味噌ですが、なかなかここまで難しい案件をやっている分析部門はあまりないのではないかと思います。

通常は外部のコンサルティング会社に依頼するようなレベル感の仕事を内製でやっているような状況です。

ビジネス部門と並走し課題を解決

ここからは、分析本部が実際に成果を挙げた事例についてお聞きします。

分析から生まれた逆提案

ーーWEAR経由の売上30％アップの秘密についてお伺いさせていただきます。この時は気軽な相談が逆提案に繋がったと聞いております。この逆提案について詳しくお聞かせください。

牧野氏：ある日、ファッションコーディネートアプリ「WEAR」の部門長から、WEARからZOZOTOWNに送客した人の分の売上が増えているので要因を分析してほしいという相談がありました。

分析を進める中で我々が着目したのは、WEAR経由売上の波形がWEARの訪問者数より、ZOZOTOWNの売上の波形に近いという事実でした。

WEARからZOZOTOWNの送客のメインの導線は、コーディネート画像の下に付けている、コーディネートで着用されているアイテムのボタンだということは分かっていました。

ですが、訪問者数と近い波形になってくるはずなのに、そうではないということに矛盾を感じました。

となれば次に見たくなるのは、着用アイテムのボタンからZOZOTOWNに来ていただいたお客様が結局のところ何を買っているかということです。

結果としては着用アイテムそのものを買われるお客様も多いものの、やはりその日その日で変わるセールやクーポン、新着アイテムなど着用アイテム以外の商材を買われるお客様も多いことが分かりました。

当時WEARではZOZOTOWN上で掲載が終了したアイテムについては、ボタンを消す処理をしていたため、このデータをもって

「ZOZOTOWNへ来ていただくことが重要。現に他のアイテムを見つけて購入されているお客様が多数いらっしゃる。掲載終了アイテムへの導線は付けられなくても似たアイテムの検索結果などのボタンは付けておくべき」

と提案しました。

WEARの部門からすると、売上増加の要因分析をお願いしたら逆に開発の提案をされてしまったという状況なのですが、喜んでボタンを開発してくれ、その結果として、WEARの経由売上は30％も増えました。

送客した人の売上増加の要因に注目して、的確な分析を行い、他部門の次の動きを読んだ上で、新しい開発の提案をしたわけですね。

イェール大学とのリテンションマネジメントに関する共同研究

ZOZOは2020年2月より、アメリカのイェール大学と共同研究を行っています。

ZOZOTOWN上でのサービスの拡張と、長期的な顧客のLTV価値の最大化を目指し研究に取り組んでいます。

ーー具体的にはどのような研究を行っているのですか。

岡田氏：ZOZOTOWNでは日替わりのブランドクーポンやセールの案内などさまざまな顧客コミュニケーションを行っています。

イェール大学とは、そうしたコミュニケーションが「誰に」「いつ」「どのように」行われると顧客のLTVが最大化するか、というテーマで研究を進めており、最終的には、そうしたコミュニケーションを最適化するようなアルゴリズムをZOZOTOWNのMA(マーケティングオートメーション)の仕組みに実装することをゴールにしています。

しかし、ただただ機械的にCVR（訪問者に対する購入者の比率）といった表面的な数字が上がりやすい自動配信アルゴリズムを考えるのではなく、やはり背後にある顧客の行動心理に関する深い理解が必要になります。

そうした消費者の流入から商品検索、そして購買行動に至るまでの行動心理に関する理解が進むことで、そこで得られたインサイトを短期的にはマーケティングキャンペーンなどに、長期的にはサイト全体のUX改善や推薦アルゴリズムなどにも活用していきたいと考えています。

ZOZOTOWNのサービスをより良くしていくための長期的な視野・展望を持ちながら研究を進めています。

膨大なデータを所有するZOZOTOWNが、顧客ごとに適したマーケティングのアクションをとることは大変難しい研究だと感じます。

一方で、今後顧客とのコミュニケーションの最適化に成功すれば、それは大きな成果となり、さらなる事業拡大や売上の最大化を図ることが可能です。

事例：機械学習・因果推論で経営課題を解決

次は、ZOZOでデータがどのように活用されているのかをお聞きしました。

ZOZOTOWNでのAIの活用事例

ーーZOZOTOWNのサービスや会社としての業務において、AIはどのように活用されているのですか。

岡田氏：ZOZOでは、機械学習をさまざまな業務に活用しています。

例を挙げると、毎日ブランド様からZOZOTOWNの物流倉庫「ZOZOBASE」に入荷いただく段ボールの数の予測などに活用しています。

ZOZOBASEでは毎日多数のスタッフが検品作業や新商品の撮影作業を行っていますが、日々変動する入荷数に対してシフトで出勤したスタッフの数が少なすぎると残業が発生してしまい、一方で多すぎると時間を持て余してしまいます。

そうしたビジネス課題への対処として、シフトを決める前月の中旬までに翌月の日別の入荷数を予測するアルゴリズムを構築しました。

また、機械学習ではないですが、サービスに関わる部分で言うと、マーケティングキャンペーンの実施やサイト全体のポリシー変更などの際には、事前に効果や施策条件に関するシミュレーションが必要になりますが、事前のABテストの実施が難しいあるいは実施コストが高いという時には、因果推論の手法を用いて効果を推定し、経営の意思決定をサポートしています。

ーーAIを構築する際に、苦戦したこととその解決策を教えてください。

岡田氏：先ほどの物流倉庫の入荷量予測では、最大で1月半先の予測をすることとなることや、途中生じた倉庫の増床などにより過去データが一部不足していたことなどにより、当初は精度が想定していたほど出ませんでした。

加えて、物流部門との協業機会が比較的少なかったため、現場の業務知識のキャッチアップには若干苦労しました。

あるあるかもしれませんが、目的変数の粒度に関して現場と認識が違っていたためにやり直しが発生したりもしていました。

これに関してもややコンサル的ではありますが、コンサル出身のメンバーが再発防止のため細かい業務フローや、予測するモデルのスコープや定義を図示して、現場と認識合わせをしてくれました。

与えられた機械学習タスクとしての精度改善は、説明変数やパラメータのチューニング、あるいは学習データの集計方法を工夫するなどして、地道に改善を図ることができます。

一方で、それ以前に、最終的なゴールに最短距離で達するためには、シンプルですがやはり現場とビジネス要件をとことん詰め切ったうえでプロジェクトの全体設計ができ、計画通りに進めるための現場との調整力を兼ね備えた人がいると、プロジェクトが円滑に進行しやすいように思います。

それには、高度なデータサイエンスの知識だけでなく、会社のデータやビジネスに関する深い理解が必要になってくると思います。

今後はビジネスとデータの両方に強い人材が強い

最後に、AI（人工知能）の活用が進む中で今後、どのような人材が必要とされるのかをお聞きしました。

ーー今後、AI（人工知能）の活用がさらに進むことが予想されますが、そんな時代の分析部門の人たちに必要なスキルや考え方はどのようなことだとお考えですか。

牧野氏：自動化が進むことを念頭に置くと、ビジネスとデータや機械学習のオぺレーションの両方に強い人材が一番強いのではないかと思います。

その次に強いのはデータや機械学習はそこそこ分かっていてビジネスに強い人、最後にデータや機械学習のみに強い人という順番になると思います。

自動化ツール以上に機械学習に強く、スキルでレバレッジを効かせられる業界やポジションを選べる人はこの限りではないでしょう。

しかし、そうではない人は両取りを目指しつつビジネスにしっかり軸足を置くと伸びしろが大きいのではないかと思います。

岡田氏：分析した結果、創出できる売上や削減したコストなどのインパクトを経営層に示して、ビジネス的な価値や有効性を立証できる人が、経営層からも信頼されると思います。

実務的にもそういった想定されるインパクトや最終的なゴールを念頭に置いて、最適な分析手法を選択する必要があると思いますが、高度なデータサイエンスの手法も今後自動化されていく流れを踏まえると、その重要性はさらに強まっていくと思います。

当社の分析部門は経営層との距離も近く、若いうちからプレゼンする機会もあり、必然的にそうした視点が身につく環境があると思います。

ーー分析本部のこれからの展望をお聞かせください。

牧野氏：引き続き、事業を伸ばしていきたいと思っています。人員も増やし、一人ひとりの能力をあげていきたいです。

新しく参画する人が早期にこの部門で活躍できるように、分析業務のマニュアルを作っています。

前職のコンサルティング会社でも「標準方法論」と呼ばれる業務マニュアルがありましたが、分析本部でもそれに近いものを構築しつつあります。
現在は、プロセスやアウトプットの整理・定義が完了し、TIPS、事例、サンプルなどをまとめているところです。

これにより業務の品質とスピードの改善を狙っています。

さいごに

事業会社では、データ分析を事業に活かすために、「データが好きでデータを活用していくというカルチャー」が重要で、その上で数字をしっかり示しながらビジネスに貢献し、社内での信頼度を高めていくことが重要であると感じられました。

多くの企業では、データ分析に特化した企業に、データ分析の案件を外注するケースも見られます。企業内部にないリソースを外部に頼ることは、正しいとも言えますが社内に分析部門を設置することで、自社のサービスを理解しているビジネス部門と密にコミュニケーションをとることができます。

そんな中だからこそ、ZOZOの分析本部では事例の中にもあったような逆提案などが生まれ、データ分析部門とビジネス部門が相乗効果を生み出しながら事業を成長させることが可能になったのだと思います。

ゆーどー

駒澤大学仏教学部に所属。YouTubeとK-POPにハマっています。
AIがこれから宗教とどのように関わり、仏教徒の生活に影響するのかについて興味があります。