オンラインにおけるユーザーの行動や感情をリアルタイムに解析。一人ひとりを強烈に可視化し、それぞれの人に合わせた体験を設計できる、顧客理解からパーソナライズまでを一気通貫で実装できる toB SaaS プロダクト「KARTE」と、そこに集まる「1st Party Customer Data」を中心に、様々なプロダクトやソリューション、プロフェッショナルサービスを展開しています。 ”1st Party Customer Data × リアルタイム × マルチチャネル” をワンストップで提供するデータ活用の新しいプラットフォームを目指しています。 KARTEプロダクトツアー : https://www.youtube.com/watch?v=C_zOA8wtNUY プレイド事業紹介 : https://plaid.co.jp/business/

プレイドは「データによって人の価値を最大化する」というミッションを掲げるテックスタートアップです。 世界で爆発的に増え続ける多様で複雑なデータ。その価値を最大化するためには「人の創造性」が不可欠です。大規模で複雑な非構造データを「直感的に」人が扱えるようにすることで、人の柔軟なアイディアや感性をミックスしながら、「データと人の相互作用を起こし双方の価値を最大化すること」を目指します。 人の力によって生まれる新たなデータの価値を、さまざまな企業やサービスを通じて、一人ひとりの日々の体験や生活に還元していく。そうすることで自然とデータが社会を支えるインフラになる。私たちは、そんな世界を実現しようとしています。

働く場所 / 時間 / 経費 などの環境を「手段」と捉え、それらを柔軟に満たすことでプロダクトや事業に最大限集中できる環境設計をしています。発想の生まれる余白を作り、非線形の成長をするためには発想が重要です。環境をベストに維持するため戦略的休息や会社外での経験も大切にしています。 (期間を問わない有給休暇、承認レスの少額決済、副業可など) 複雑なルールやフローはブラックボックス化して自走を妨げ、スピードの阻害要因となります。メンバーの素早い判断と行動こそが事業を推進させると考え、プレイドではリスクを鑑みて要所は保守的に管理しつつ、そのほかは信頼をベースに設計することで、組織全体の推進力を高めています。シンプルで透明性の高い仕組みを作ることで、目的に最大限集中できるようにしています。

# このissueで取り組むこと ### 複雑な行動データを最新の機械学習技術で複雑なままパターン化する - 既存の機械学習技術を、ナイーブに行動情報に適用しモデル化するのは簡単ではありません。 - そもそも人間の行動は複雑だからです。 - その複雑な特徴を捉えたままモデル化することは、一見矛盾を孕んでいますが、ユーザーの行動を本質的に理解するために重要です。 - 適切に行動をモデル化することができれば、ユーザーにとって無駄のないアクションが可能になり、ユーザーにとっても利益があります。 - 介入アクションを実行することが可能な環境であるため、アクションを実行しながら理解を深めていく強化学習的アプローチをとることができます。 - また機械学習プロジェクトが失敗しやすい原因である技術と実問題とのギャップを小さくし、価値の高い機械学習モデルが創出される基盤作りを重要視しています。 # これまでやってきたこと - 現状の基盤では、数十ペタバイトのデータを蓄積し、月間数百ペタバイトのデータを解析しています。 - 多様なクライアントのデータに基づいて主にオンライン上の行動データのモデリングをしています。 - GCPのサービスを活用しながら、モデリングだけではなく機械学習基盤の構築にも取り組んでいます。 機械学習基盤の開発について Google Cloud Next ' 19 in Tokyoにて発表、KARTEで提供を予定 https://press.plaid.co.jp/data/20190801/ - 大量のリアルタイムデータからパターンを発見する機械学習システムと、人にしかできない思考や発想とを継続的に統合するEnd-to-Endの機械学習パイプラインを実現しています。 GoogleCloudDayDigital PLAID MLPipeline On AIPlatform https://speakerdeck.com/kargo113/googleclouddaydigital-plaid-mlpipeline-on-aiplatform # このissueの魅力 ### 大量の実データに基づいてWeb上の行動データのパターン化に挑戦できる 1. Sequence to Sequenceモデルなどの最新技術やアイデアを駆使し、画像データや言語データではなく行動データのパターン化という実データがないと取り組めない課題に取り組める 2. リアルタイムに介入可能な環境化での強化学習問題に取り組むことができ新しい問題の見方ができる # 担ってほしい役割・責任（最低限の条件） ### 現実の問題に適用可能なモデル作り 1. 最新技術やアイデアを生かして試行錯誤しながらモデルを作ること 2. モデルを実際にサービスに組み込むことで、ユーザー行動を理解することなどの現実問題に適用して評価すること ### 役割は決めない 1. 課題を解くための手段を自由に選択可能にするため、個々人の役割は決めていません。 2. プロダクト全体を俯瞰し、課題だと思う部分は、主体的に取り組むことができます。 # 本issueへの社内メンバーからのオススメ ### 無限大の可能性のあるデータから新たな価値を生み出す KARTEでは多岐の業界に渡るデータが膨大に蓄積されています。そのため取り組める問題は、シンプルな行動分類、コンバージョン予測、異常行動検知、配信最適化、行動要因探索など非常に幅広く存在します。これらの問題を自身で提案する手法で主体的に解きにいくことができ、問題×手法のパターンは無限大に存在します。様々な方法論を駆使して、このチャレンジングな課題に取り組む仲間を募集しています。 Engineer 春日 瑛