Sign up for free

This page is intended for users in Japan(English). Go to the page for users in United States.

社内に集約したあらゆるデータを分析し、会社の利益に貢献。ビジネス目線もあわせ持つデータアナリストをウォンテッド!

株式会社リクルートライフスタイル

What we do

リクルートライフスタイルとは?

リクルートライフスタイルでは『じゃらんnet』(旅行)、『ホットペッパ ーグルメ』(飲食)、『ホットペッパービューティー』(美容)など、日常のあらゆるシーンで、新しい価値を生み出し、カスタマーの行動を支援するサービスを運営しています。

チームのミッションは、社内に集約したあらゆるデータを分析し、そこに付加価値を創出し、会社の利益に貢献すること。 テクノロジーとマネジメントの観点を組み合わせ、戦略を決めるうえで「カスタマーが求める情報や機能は何か?」 「それは、なぜか?」とカスタマーを分析・理解し、各サービスのプロデューサー(責任者)のヒアリングから浮き彫りになった課題に対して、解決方法を探ります。

Why we do

ここからは、データサイエンスチームを率いる2人に、この仕事の概要、やりがい、一緒に働きたい人物像などを聞いていきます!

what
what まつもと たけし
1973年生まれ。大学では統計学を学び、そこから画像解析を専門に行う企業に就職。その後、統計に関するコンサルティングや大手Web企業でのデータマイニング、リサーチ企業でのデータマイニング&コンサルティング業務などを経て2007年、リクルートに。その後一貫してデータ分析業務を専門に画期的なシステムを開発したりするなど活躍。
what
what こばやし ひろぶみ
1974年生まれ。大学では会社法を専攻し、そこから会計事務所系のコンサルティングファームに就職。その後マーケティング領域における顧客分析・レコメンデーションモデル構築、サプライチェーン領域における需要予測・在庫最適化等、多数の分析プロジェクトに従事。2013年、リクルートに。その後一貫してデータ分析業務を専門に幅広い領域での分析プロジェクトを立ち上げ。

お二人は、具体的にどういうお仕事をされているのですか?

what

小林

弊社には様々なサービスがあるので、一口に分析といっても幅広いんですよね。 僕がしているのは、不正アカウントの検知とか、リコメンドモデルの構築の分析とか。 不正アカウントの検知でいうと、弊社のIDを複数つくってポイントを不正に使用する、というユーザーがいるんですが、その状況を必要な部署にヒアリングして解決方法を提案する、というようなことですね。

what

松本

僕はどちらかと言うと、マシンラーニングやデータ解析をしています。 いま取り組んでいるのはCRMまわりの分析。 その一つが、ポイントを最大化するためのモデル作りです。 カスタマーの中には、ポイントをもらったらアクションが伸びる人がいるんです。 そういう “ポイント感度の高いユーザー” のアクションを最大化するようなモデルを作っています。

what

ポイントの効果を数学的に測定するのって、意外と難しいんです。 対象者はポイントをもらっている状態なので、“もらっている状態” はわかるけど、“もらっていない状態” はわからないですよね。 両方測定することができれば単純比較するだけですが、そうじゃないので。 色々な方法がある中で、「こういうときどうやって効果測定をするのか?」と考えたりします。

what

小林

課題が見えているときもあれば、見えないときもありますからね。 そんな中で、「こういうデータがあれば、こういうことが可能になる」と提案することもあります。

what

松本

方法論としては、仮説を立てて、立証していくという感じですね。 自分の仮説どおりになるとうれしいし、ならなかったらまた別の仮説を考える、その繰り返しです。当初立てた仮説が全然違うということも多いですよ。

what

ポイントの話でいうと、じゃらんのカスタマーって、大きく分けて「ビジネス利用層」と「レジャー利用層」の2種類なんです。 これまでのデータから、レジャー利用層にポイントを付与したところ単価が上がったという例があったので、それをそのままビジネス利用層にも置き換えてみたんですが、うまくいかなかった。 ビジネス層もポイントは使ってくれるんですけど、ビジネス利用ってどうしても単価が低いので、付与したポイントの分、赤字になってしまったこともあります。そうやって、知見を積み重ねていきます。

仕事をするうえで、一番おもしろいと感じるのはどういうところですか?

what

小林

収益につながりやすい」という点ですね。たとえば、レコメンド機能で年間数億円アップの効果があったなんてときは、目に見える結果が出るのでうれしいです。 僕たちの部署は、比較的、マネジメントの意思決定に近いとこにいるので、枠にとらわれない提案が許されます。 マネジメントがやりたいことと、テクノロジーができることをうまく組み合わせて、プラスアルファ、将来を予測して売上げに貢献する。 それができるところが一番の醍醐味ですし、やりがいを感じますね。

what

松本

僕は純粋に「わからないことがわかるようになった」という点ですね。 カスタマーの動きって、最初はよくわからないんですよ。 でも、分析していくうちに、考えていることや行動パターンがなんとなくわかってくる。そういう気づきがおもしろいです。

what
what

松本

あと、ライフスタイルならではのおもしろさというのもあります。 たとえば、SUUMO(リクルート住まいカンパニー)で「その家買うなら、この家もどうですか?」というレコメンドは意味を成さないし、 ゼクシィ(リクルートマーケティングパートナーズ)で「この式場が気に入ったらリピートしませんか?」というのも変ですよね。 “レコメンド”や“リピート”という概念は、カスタマーが日常的にアクションを繰り返すライフスタイルならでは。 もちろん、ライフイベントにはライフイベントならではのおもしろさはありますが。

How we do

チームが発足した経緯や現在の状況を教えてください。

what

松本

チームができたのは3年ほど前で、初期メンバーは4人でした。 2人がデータベースを整備する「データ基盤チーム」、僕ともう一人が、今と同じく、集めたデータを使ってビジネス的な課題に対してどうすればいいのか分析する、 という「データサイエンスチーム」

そのすぐ後に、博文さんや他のメンバーが入られて、徐々に増えてきました。 分析を通じて結果が出始めると、経営層からの投資も増えていきました。

いま流行りの「ビッグデータ」なんかの流れに乗ってる感じもありますけどね(笑)

what

小林

来年また4人ほど入る予定ですし、メンバーはどんどん増えてますよ。 いま10名程度くらいでしょうか。 日常的な動きとしては、個人プレーがほとんどです。 ふだんは新人とメンターの2人体制で動くことが多いですね。

働く環境としてはどうですか?

what

小林

分析という仕事には、調べものをしたり、新しいことを学んだりする “インプット“ が大切です。弊社の働きやすさのひとつに、インプットの時間を自分でコントロールできるという点があると思います。

what

以前いた会社では、インプットの時間があまり許されず、アウトプットだけしなきゃいけない、というような状況がありましたが、それだと精神的に追いつめられます。いまは比較的その辺のバランスが取れているので、やりやすいですね。

what

松本

会社からインプットの価値を認めてくれているのは、ありがたいですね。 分析者にとって働きやすい環境だと思いますよ。社内に賢い人が多いことも、良い刺激になってるし。

仮に分析のことは全然わからないとしても、なにかしら飛び抜けたスキルを持っている人が多いんです。 自分にないものを持っている人や、能力がある人と一緒に働くのは、居心地が良いですからね。 自分自身の新たな発見につながったり、分析のヒントになることも結構あります。

Description

こんな人と一緒に働きたい!という人を教えてください。

what

松本

数学や統計の知識だけでは働きづらいと思います。そういうスキルは当然必要ですけど、それに加えて、ビジネスやマーケティングに貢献する力も必要です。

what

分析者というと、分析だけしているというイメージがあるかもしれませんが、実際にはいろいろな周辺知識が必要です。 CRMとか、Webマーケだけ担当するという時代は終わって、データを見ながら経営企画に提案したり、 結果に活かすことが必要な時代になってきています。大変ですが、あらゆる知識を身に着けていかないと、と思いますね。

あと、プログラミングに対する理解やスキルはほしいですね。とにかくデータが膨大なので、SQLができないとかのレベルだと、データに埋もれてしまいます

働く環境としてはどうですか?

what

小林

「データ分析」というとエンジニアリングに強い人が集まってくるんですが、どちらかというとマネジメントに対して、データ分析を使った提案をして結果を出すということが求められます。 そこは、弊社で分析をするうえで特に重要なポイントですし、本人にとってもやりがいを感じるところだと思います。

what

松本

明確に「〇〇のデータがほしい」とかだったら集計するだけでいいのですが、実際は「できるかできないかわからないけど、こういうことがしたい」というような抽象的な要求が多いんです。 それがどういうことなのか自分の言葉に置き換えて、何をすれば実現できるか、いうことを考える。 パズルを解くように、あらゆるデータの中から自分の分析を設計できる人と一緒に働きたいですね。

what

働く環境としてはどうですか?

what

小林

アカデミックにしろビジネスにしろ、バックグラウンドがしっかりしていて、提案力がある人は向いているでしょうね。

what

松本

今までされてきたことと弊社での分析は全然違うと思うので、臨機応変に自分を変えていける人や、必要なスキルを学び続けられる人が必要です。 解いたことないがない問題を解ける人、とでも言いますか。 言われたことを忠実に遂行できる人よりも、問題に対してできる限りやろうという意思を持ってやりきる人がいいですね。

なんでもいいので「一つのことを深く考え抜いた経験がある人」は弊社に合う気がします。 解決すべき課題はまだまだたくさんあるので、入社されたタイミングで、その人の強みを生かせるような仕事をお任せしたいです。

いかがだったでしょうか? データアナリストチームの働く様子は少しでも見えましたか?
最後に、「こんなスキルを持っている人にはぜひ来てほしい!」というリストがあります。

下記SQLに当てはまる人はぜひ「話を聞きに行きたい」ボタンを押してください!笑

what

データアナリスト.sql

001

select

002

こんなスキル持っている方!

003

from

004

データアナリスト

005

where

006

skill_type IN (

007

'仮説構築~データ分析~具体的な施策の提案の一連の流れの経験',

008

'SPSS,SAS, R,Pythonなど統計ツールの活用経験',

009

'SQLの知識',

010

'データマイニング、統計解析、機械学習などいずれかの専門知識',

011

'アルゴリズムの設計・実装の経験',

012

'ビジネス・マーケティングの知識',

013

'データ析の分析手法や概念を、企画者やボードメンバーに正しく伝える技術'

014

)

Highlighted posts

Basic info
Looking for Marketer
Job type Mid-career
Company info
Founded on October, 2012
Headcount 3313 members
Industries IT (Internet/Mobile) / Media / Publishing / Advertising

Recommendations (48)

View all

There are no recommendations yet.

Having more recommendations will help this job posting appear in the Company ranking.

Recommendations (48)

View all

There are no recommendations yet.

Having more recommendations will help this job posting appear in the Company ranking.

Location

東京都千代田区丸の内1-9-2 グラントウキョウサウスタワー

Page top icon