はじめまして！
グロービスでデータサイエンスチームのプロダクトマネージャーをしている宮島です。

現在グロービスでは学習データとHRデータの活用に注力しており、そのためにデータサイエンスチームの立ち上げを始めました。
そこで、今回はグロービスにおけるデータサイエンスチームの概要をお伝えしたいと思います。

チーム立ち上げの背景

チームが立ち上がった理由は大きく2つあります。

1つ目の理由は、データを用いれば社会人教育領域において大きな価値創造が出来るという勝ち筋を見いだせたからです。
詳細は記載出来ないのですが、価値創造のパターンとしては「データによるマネタイズ」と「教育業界におけるイノベーションの創出」の2つで考えています。

もう1つの理由は、既存事業の成長支援のためにデータ利用が欠かせないからです。
データを用いたサービス改善はサービスのグロースフェーズにおいて有効になるのですが、そういったグロース中のサービスが社内に存在しているためです。
(例：グロービス学び放題)

これらの理由から、前身となるデータチーム(=データ民主化やダッシュボード整備を行っていたチーム)を母体としてデータサイエンスチームが立ち上がりました。

チームのミッション

上記の立ち上げ背景も踏まえ、チームのミッションは大きく下記の2つを掲げています。
　・データを用いて新しい価値創造をする
　・データ専門性を活かして既存事業の成長に貢献する

そして、その2つのミッションを細分化したものが以下になります。

具体的な業務の例

上記のミッションだと内容が抽象的なので、公開出来る範囲内で各ミッションに紐づく業務を紹介させて頂きます。

チーム内のRoleについて

チーム内には、下記表のように5職種のRoleを設けています。

この中で、以下については違いがわかりにくいと思いますので補足説明を記載します。 　
　・データサイエンティストと機械学習エンジニアの違い
　・データサイエンティストとデータアナリストの違い

データサイエンティストと機械学習エンジニアの違い

データサイエンティストと機械学習エンジニアの定義は企業によって異なるかと思いますが、グロービスにおいては下記のように定義しています。

データ専門性を保持しているという事は共通しているのですが、以下のような違いがあると考えています。
　・データサイエンティスト：データ専門性とビジネス力を併せ持つ方
　・機械学習エンジニア：データ専門性とエンジニアリング力を併せ持つ方

データサイエンティストとデータアナリストの違い

こちらは違いが更にわかりにくく、企業によっても定義が異なるかと思います。

グロービスにおける定義も悩んだのですが、現在は以下のように定義しています。
　・データアナリスト：クロス集計などのベーシックなデータ分析を用いて、ビジネス上の課題解決を行う。
　・データサイエンティスト：データアナリストの要件に加えて、統計モデル構築を用いたビジネス課題解決を行う。

データ専門性とビジネス力を併せ持つという点は共通しているのですが、利用する分析手段が異なるという整理にしています。

開発環境について

データサイエンスチームで利用している開発環境は以下になります。
分析のための環境は大体揃っていますが、機械学習開発環境に関してはこれから整えていく予定です。

さいごに

以上がグロービスのデータサイエンスチームの全体像になります。

まだ立ち上がったばかりという事もあり、PM以外の全Roleにてコアメンバーとして活躍して頂ける方を募集しています！
少しでも興味を持って頂けたようでしたら、ぜひ気軽に話を聞きに来て下さい！