2023 年 8 月 に 発 表 さ れ た、世 界 を 変 える 30 歳 未 満　「Forbes JAPAN 30 UNDER 30 2023」、＜GROUP4＞SCIENCE &TECHNOLOGY & LOCAL において、AI 事業本部所属のデータサイエンスマネージャー 藤田光明が選出 [1] されました。
2018 年に入社した藤田は、広告配信プロダクト「Dynalyst」での広告配信アルゴリズムの開発を経て、2020 年より活躍の場を小売業界の DX 推進に移しました。より一層の事業貢献を目指して、データサイエンティストとしての新たな価値を創出し続けています。かねてより、経済学・因果推論の知見を応用した新しいプロダクト作りを志していた藤田が、現在注力しているのが「AI × 経済学」を活用した新規事業です。なぜ「AI × 経済学」なのか、そして新規事業の立ち上げや協業 DX におけるデータサイエンティストとしての新たな価値とは？話を聞きました。

“斜め上” の需要に乗ることで、データサイエンティストとしてさらに事業に貢献できる

小売業界の DX 推進において、どのような役割・領域に日々挑戦しているのでしょうか？

藤田：大きく 3 つありまして、1 つ目は「AI × 経済学」を活用した、価格最適化の新規事業におけるプロダクトマネージャーとしての役割です。約 3 年前に実施した前回のインタビュー「『データサイエンスを通して事業をスケールさせたい』経済学を活かしたビジネス価値創出への挑戦」[4] で、今後は経済学・因果推論の知見を応用した新しいプロダクトを作りたいとお話させてもらいました。まさにそれが目下取り組んでいる「AI × 経済学」の新規事業です。
2 つ目は、複数の小売企業と協業したリテールメディアの開発です。主に小売アプリのグロースを担当しており、データサイエンスや経済学を活用した UI/UX の改善、販売促進施策を行っています。
3 つ目は、担当領域に関わらず、データサイエンスで事業成果を出す組織作りを推進する、AI 事業本部を横断した取り組みです。横軸組織「Data Science Center」[5] のボードメンバーとして、新卒研修 [6] など育成や評価、採用活動に取り組んでいます。

なぜ経済学が重要なのでしょうか？

担当が自社プロダクトから協業プロダクトに変わったこの 3 年で、データサイエンティストとして新たな価値を生み出すためにどのような取り組みを行ってきたのか、教えてください。

藤田：新規事業の立ち上げ期であること、そして協業プロダクトであること、どちらにおいても従来の動き方では難しい局面が多くあり、当初は壁にぶつかりました。
グロース期の自社プロダクトと異なり、立ち上げ期の新規プロダクトでは、データが各所に分散していたり、データを使って改善したい施策が存在しなかったりするため、データサイエンティストとして、どう事業に貢献すべきか試行錯誤していました。その際得た気付きを、若手技術者を中心に開催した当社の技術カンファレンス「CA BASE NEXT 2021」にて、「事業立ち上げにデータサイエンティストは必要なのか？」[7] と題したセッションでお話しました。
その中で、事業立ち上げ期に貢献できるデータサイエンティストは、経営コミット前提でデータ活用を力強く推進し、データサイエンスで事業成果を出せる環境を整備できる人だと定義しました。そのために取り組むべきこととして、データサイエンスを活用したプロダクトグロースのロードマップ作成、データ生成過程の設計やデータ分析基盤の整備、予測機能の実装という 3 つを挙げています。ご興味をお持ちの方は、ぜひスライドをご覧ください。

新規事業の立ち上げ期には、データ活用を力強く推進できる人材が必要なのですね。では、協業プロダクトにデータサイエンティストはどのようなスキルが求められていると考えますか？

藤田：ただ、データサイエンティストが事業成果を出すための環境が整備ができたとしても、協業先からの需要がなければ事業に貢献することはできません。そこで、先日開催された「CyberAgent Developer Conference 2023」[8] にてお話したのが「協業 DX における『斜め上の需要』に乗るデータサイエンスとその先」[9] です。

私が関わってきたような広告配信プロダクトなど、Web 系の自社プロダクトであれば、データサイエンティスト自身が深いドメイン知識を持っていますし、施策がソフトウェアで完結するため介入コストが低く、A/B テストを行うなどして失敗コストも低く抑えられます。そのため、データサイエンティスト自らがボトムアップでタスク（需要）を生み出し、事業に貢献することが可能です。
社員インタビューその一方で、協業プロダクトでは、自らが作ったタスクがクライアントの課題の芯を食わないことが多く、仮に芯を食った提案ができたとしても、クライアント社内のオペレーションや組織構造によって、施策の実行コストが高くなるケースが多々ありました。
これらは全てクライアントとの情報格差が要因です。このギャップを埋めるために、社内の情報を踏まえて出てくることが多い、クライアントからの “斜め上” の 需要（クライアントからの AI に関する要望で、データサイエンティストが想定する範囲を超えているもの）と向き合うことの重要性を痛感しました。
自分ではハンドリングできない “斜め上” の 需要にすぐに対応するために、今あるデータの分析から何かしらの知見を蓄積することが必要なのですが、そこで有用なのが経済学における自然実験です。自然実験とは、ルールやビジネスロジック、偶然などによってあたかも施策が実験のように実施された状況を用いて、因果関係を推定する方法のこと。「新しい実験を行なって、〇〇という施策の因果効果を明らかにしましょう」ではなく「（実験をせずとも）過去のデータから〇〇という施策の因果効果はありそうだ」などという示唆を出すことができます。

自分も含め、数年前は「それは AI ではできません」と、“斜め上” の 需要を跳ね除ける風潮がデータサイエンティストにあったように思います。でも、それはもう時代遅れです。今は、斜め上の需要に乗り、ボトムアップでは改善できない新たな領域に挑戦することで、データサイエンティストが事業貢献できる領域を広げていくことができると考えています。

「AI×経済学」で日本の閉塞感を打破するために

学生時代、経済学の研究者としての道も考えたものの、アカデミアの知見をビジネスの現場へ応用することに興味を感じ、サイバーエージェントに入社したそうですね。
この数年で社内外問わず、経済学出身のデータサイエンティストも増えてきたように思いますが、振り返って当時の決断についてどう思いますか？

藤田：学生時代の同期や先輩のレベルの高さや研究に対する熱意を見ると、もしあのまま研究の道に進んでいたら厳しかったように思えます。まずそういう意味で、ビジネスの現場に来てよかったです（笑）。実際に現場で働いてみて、研究では所与の
ものとされるデータ生成過程を自分でデザインできたり、自分が考えたアルゴリズムや意思決定ルールをプロダクトに即座に反映したりできるのは楽しいですね。
また、アカデミアの経済学者とお仕事させていただく上で、経済学という共通言語を持ちながら、どのような視点がビジネスの現場として価値があるのか提案できることも、自分ならではの強みが活かせていると思います。

日々の業務を通してデータサイエンティストとしての新たな価値を創出し続けていますが、それらを会社だけでなく社会全体に還元するために、今後どのような目標を掲げていますか？

参考資料

1. 世界を変える 30 歳未満「Forbes JAPAN 30 UNDER 30 2023」に、AI 事業本部 データサイエンスマネージャー 藤田光明が選出
   https://www.cyberagent.co.jp/techinfo/news/detail/id=29259
2. https://www.dynalyst.io/
3. https://www.cyberagent.co.jp/news/detail/id=24416
4. https://www.cyberagent.co.jp/way/list/detail/id=24754
5. 【DX 最前線】「追いつけない差」を生み出す、データサイエンスの核心
   https://www.cyberagent.co.jp/way/list/detail/id=27313
6. https://speakerdeck.com/ko_fujita1/how-data-scientists-can-help-startups
7. 新卒データサイエンティスト研修「DSOps 研修」とは何か ?
   https://developers.cyberagent.co.jp/blog/archives/34628/
8. https://www.cyberagent.co.jp/way/list/detail/id=29110
9. https://cadc.cyberagent.co.jp/2023/sessions/ds-collaboration/
10. パーパス「新しい力とインターネットで日本の閉塞感を打破する」に込めた想い
    https://www.cyberagent.co.jp/way/list/detail/id=26689