データアナリストのスキルがLayerXのAI事業PjMにどう活きるか
こんにちは！2024年9月にLayerX AI・LLM事業部に入社したyamagaです！
これまでデータアナリストやプロジェクトマネージャー（PjM）としてキャリアを積み重ねてきましたが、生成AIによる技術革新の流れの中で「最先端の技術領域で新しい価値をつくりたい」という思いから、LayerXにジョインしました。
入社から3ヶ月が経ち、これまでのキャリアが想像以上に今の業務に活かされていることを実感しています。
この記事では、データアナリストの経験が生成AI時代の業務にどのように役立つかを共有し、キャリアアップを検討されている方に少しでもヒントをお届けできればと思います！
これまでのキャリア
2015年に社会人となり、現在はキャリア10年目を迎えています。これまでの職務経験は以下の通りです。
1社目：ニフティ株式会社
toC向けのWebサービス・モバイルアプリのエンジニア（2.5年）
2社目：株式会社オプト
CRM支援のデータアナリスト・コンサルタント（5年）
グループ会社に出向し、新規事業支援のプロジェクトマネージャー（2年）
データアナリストとしては、アパレルブランドや商業施設のデジタルマーケティング支援を担当しました。具体的には、顧客データの分析をもとにしたCRM戦略の策定や、メルマガ・アプリマーケティングの運用、CDP(顧客データ基盤)構築、BIダッシュボード構築など、多岐にわたるプロジェクトに携わりました。
また、オンラインにとどまらずオフラインも含めた新しい顧客体験を創出するために、プロジェクトマネージャーとして新規事業支援もおこないました。
現在の業務内容
LayerXでは、「Ai Workforce」という「企業がAIを使いこなすためのプラットフォーム」のプロジェクトマネージャーを担当しています。
私は、主にエンタープライズ企業の専門的で人手のかかる文書処理業務に対して、Ai Workforceを活用して効率化を実現するための導入支援をおこなっています。具体的には以下のような業務です。
業務プロセスの再設計：
AIに任せられるタスクと人間の判断が必要なタスクを分解し、業務全体の効率と精度の両立を実現する方法を検討します。
特に大事にしていることは、AIの出力に曖昧さや誤りが生じる可能性を考慮し、確認・修正のしやすいプロセスやアウトプットを設計することです。
AIによるデータ処理の設計・構築：
AIに任せる業務は、Ai Workforceの「AIワークフロー機能」で処理を構築します。どのようなインプットから、どのような処理を組み合わせて、どのようなアウトプットをつくるか設計します。
シンプルなものであれば自分でワークフローを構築することもありますし、複雑な処理を組み合わせる業務であればエンジニアと一緒に進めることもあります。
Ai Workforceの機能開発への貢献：
顧客の業務を深くまで理解し、業務にAIを導入するためのボトルネックを特定します。その上で、Ai Workforceに不足している機能はプロダクトマネージャーにフィードバックし、開発ロードマップに反映します。
データアナリストのスキルがAI活用にどう活かされているか
ここからは、データアナリストとしてのスキルが現在の業務にどのように活かされているか、私の体験をお伝えします。
①イシューを特定する・分解する
データ分析では、まず解決すべき課題を明確にし、それを適切に分解して解決策を考える力が求められます。例えば、CRMでLTV（1ユーザーあたりの売上金額）向上を目指す場合、ユーザー属性や購入履歴などを多角的に分析してボトルネックを見つけて施策を実行します。
AI活用でも同様です。契約書の内容を効率的に抽出したい場合、まずどの項目を抽出するべきかを明確にし、現在の業務プロセスを分析して抽出における課題を特定・分解します。その上で、AIの処理プロセスを設計し、抽出の精度を高めるチューニングをおこないます。
② アウトプットをつくるためのプロセスを設計する
AIに業務を任せるには、インプットからアウトプットを生成するためのプロセスを適切に設計することが重要です。具体例として、文書処理業務では以下のようなケースが挙げられます：
契約内容の管理：契約書から「支払い条件」「納期」「保証条項」などを抽出し、検索しやすい形式で整理する
購買データの在庫管理：購入品目を「原材料」「消耗品」「設備投資」などのカテゴリーに分類する
入札資料の読み込み：資料から「技術的要件」「価格要件」「契約条件」を抜き出し、簡潔に要約する
これらの文書処理プロセスの設計は、データ分析におけるデータ処理プロセスの設計と本質的に共通しています。
私が文書処理のプロセスを考えるときは、多様なインプットを構造化データに変換し、インプット間の結合や足りない項目の加工をおこない、最終的に求めるアウトプットを生成するという流れを基本としています。
データ分析で培ったルールベースのプロセスに、生成AIの柔軟なプロセスを取り入れることで、これまで効率化が難しかった業務に取り組むことができています。
③データの前処理をする
生成AIは、非構造化データの意味や文脈を解釈し、一定のルールに基づいて構造化データへ変換することが得意です。
例えば、さまざまなフォーマットの契約関連書類から「日付」「金額」「取引先名」といった項目を抽出し、統一されたフォーマットに整理することができます。
このプロセスでは、非構造化データをどのようなルールに基づいて構造化データへ変換するかを設計することが重要です。具体的には、以下のようなアプローチが考えられます：
レイアウトの暗黙的な規則をルール化する
例：インデントを従属関係として扱う
内容の関連性をルール化する
例：「10%割引」や「配送無料」といった項目が、どの商品の金額に適用されるのかを紐づけて取得する
データ分析の業務では、欠損値や異常値の処理、テキストデータから必要な情報を抽出するためのルール設計など、さまざまなデータ整形に取り組んできました。
このデータ分析の業務で培った前処理スキルをベースに、生成AIのコンテキストを理解した汎用的なアプローチを組み合わせて、複雑で高度なデータ前処理ができています。
④ステークホルダーと円滑にコミュニケーションをとる
AI活用には、クライアントや社内外のステークホルダーとの連携が不可欠です。クライアント側ではAI推進担当者、実務担当者、システム担当者などが関わり、社内では営業、ワークフロー構築エンジニア、プロダクトエンジニアなど、さまざまな役割のメンバーが関わります。
そのため、業務目的やプロセス全体を理解した上で、適切に情報を引き出し、関係者間の認識を統一する「橋渡し役」としての役割が重要です。単なる調整役にとどまらず、AIの強みと限界を理解し、技術的および業務的な観点から効果的な提案を行うことが求められます。
これまで経験してきたデータ活用プロジェクトでも同様に、実務担当者やデータ基盤の開発担当者と連携し、技術的および業務的な調整を行いながら施策を実現してきました。このときに培ったスキルを基に、不確実性の高いAIプロジェクトでも円滑に推進できていると感じます。
さいごに：LayerXで一緒に挑戦しませんか？
最後に、キャリアアップを考えている方に向けて、データアナリストの経験を踏まえ、LayerXをおすすめする理由をお伝えします。
私は、これまでさまざまな分析ツールやBIツール、マーケティングオートメーションツールを駆使し、データ活用に取り組んできました。しかし、データ活用はツールやデータ基盤の制約に左右され、非効率な作業を余儀なくされたり、やりたいことを断念する場面も少なくありませんでした。
一方で、自社プロダクトを開発するLayerXでは、自分の課題がそのままプロダクト開発に活かされます。Ai Workforceは、今年6月にローンチしたばかりでまだまだ成長途上ですが、利用者としての意見がダイレクトに反映される環境が整っています。
私自身が顧客の業務に深く入り込み、そこで得られた課題をPdMやエンジニアに共有すると、それがAIを実務に取り入れるための課題として真摯に受け止められ、圧倒的なスピードで解決が進みます。その結果、AI時代の新しいプロダクトや業務のスタンダードづくりにチャレンジできていると強く実感できます。
LayerXでは、一緒にAI活用の最前線で挑戦したい仲間を募集中です！
AI・LLM事業部については、以下のリンクに情報がまとめられています。
ご興味のある方、ぜひお気軽にご連絡ください！
（おまけ）
AI・LLM事業部の雰囲気はこんな感じです！
四半期に一度、事業部全員で集まり事業の戦略や方針をアップデートしています！
みんなでご飯を食べながらラフに意見交換や雑談も！
