“カスタマーサクセスデータサイエンティスト”をどう確保した？　NTTコミュニケーションズだからできた、専門性が異なるスキルセットの身につけ方

どうしたらコードを書かずに因果分析ができるようになるのか

及川卓也氏（以下、及川）：切通さん、どうもありがとうございました。

切通恵介氏（以下、切通）：ありがとうございます。

及川：いくつか質問が出ていますが、その前にNode-AI自身をもう少し知りたいなと思います。「AIで完全にノーコードで」って、「本当にコードをぜんぜん書かなくてできるの？」というようなイメージを持たれると思うんですね。

やはり予測とか因果分析みたいなもの。そういったところに使われる時に、具体的にそのカードをつなげていってというところで、どんなカードをつなげるとコードを書かないで時系列データから予測とかができるのか。そのあたり（で）少しイメージが湧くものがあるとうれしいんですけれど。

切通：ありがとうございます。実際の画面も用意しておいたので、話しながらやれればいいかなと思っています。

イメージとしては本当にノーコードでやれるようになっています。データをアップロードしてもらって、それをドラッグ＆ドロップでCSVデータを置いていって、そこに対してモジュールにあるような、いろいろな前処理。

例えば何か欠損値がある場合とか、正規化とか。そういった前処理を（カードで）置いてはつなげて。

基本的にはカードを開いてパラメーターを入れて実行することを繰り返してやっていけるようなものにはなっています。

一応こういうイメージではありますが、さらにNode-AIはレシピという概念があって。「これをいきなり作れ」と言われても難しいと思うので、プリセット的に……。例えば「予測はこういうふうに、こういうツリーを作ったらいい」というものも用意しているので。それもドラッグ＆ドロップして置くことで、だいぶ使いやすくなっています。

及川：わかりました。ありがとうございます。

カスタマーサクセスデータサイエンティストをどう集めたのか

及川：今画面を出してもらいましたが、sli.doにいくつか質問が来ていて。（画面を示して）ここでいうと1個目と3個目のところがカスタマーサクセスデータサイエンティストについての質問なので、これを一緒に見ていきたいと思います。

（質問の中の）トップに書いてあるのが、「もっともだな」という質問だと思うんですけれど。このカスタマーサクセスデータサイエンティストって、「ぶっちゃけ無理じゃね？」みたいな人なわけですね。

かなり専門性が異なって、「スキルセット的にこんなメンバー、本当にいるんでしょうか？」という質問なんですが。どうですか？　実際に難しかったとは思うんですけど。

切通：そうですね。確かにプロダクト開発とプロダクトマネジメントは、かなり違うところなのかなと思っています。しかもスキルセット的に、開発とかではなくて、データサイエンスのかなりコアの部分を知らなければならないです。

けっこう難しいのは難しいと思います。一方で、ちょっとお話しできていませんでしたが、我々の所属しているチームは、もともとデータサイエンスに特化しているチームだったところがあるんですね。

なので、プロダクト開発があって、そこにデータサイエンティストチームを作っただけじゃなくて、もともとデータ分析の研究を行っているチームが隣にいたというのがあって、そことかなり連携をしてやっています。

なので、今まさにその人たちと協力をしながらデータ分析に関する部分、コアな部分は聞きながらやっているところもあるし、それを経てプロダクトをやっているデータサイエンティストチームも、どんどんスキルアップをしていて。

もちろんすでにそういうこともできるような人もいるわけなんですけど。そういったかたちでサポートを一応して、スキルセット的に高めていくことをやっています。

及川：その人って、もともとカスタマーサクセスマネージャー的な人がデータサイエンティストのスキルも身につけて、カスタマーサクセスデータサイエンティストになっているのか、それともデータサイエンティストが顧客のグロースというか課題発見とか。先ほど説明していただいたようなことをやって、カスタマーサクセス的なスキルも身につけていくのか。どっちが多かったんですか？

切通：そうですね。後者が多かったかなと思っています。やはりカスタマーサクセスからデータサイエンティスト（になる）というのは、スキルの方向性とかもかなり違っていくので難しいところもありますし、我々のチームの素養としても、データサイエンスに詳しい人が多かったというのもあるので。

データサイエンスがある程度できる、分析とかも自分でできるし、分析方針を考えるとかもできる方に、カスタマーサクセスデータサイエンティストとしてNode-AIを売っていくとか、販売支援をしていく方向に動いているかたちにはなっています。

及川：なるほど。わかりました。ありがとうございます。

SLGだけではなくPLGも加えた理由

及川：（質問の）3つ目もカスタマーサクセスデータサイエンティストについてですが、これはどっちがいいかな。

（画面を示して）先ほど「これから」と言っていたけど、今トップにあがったSLG（Sales-Led Growth）。セールスがリードするようなグロースの方向から、PLG（Product Led Growth）のように売り方を転換した。実際には転換じゃなくてプラスですよね。SLGもあり、PLGもありというかたちですが。そもそもこのPLGを追加したきっかけは、どんなところにあったかを説明してもらえますか？

切通：それでいうとSLGをどんどん進めていっていたわけですが、やはりNode-AIを利用するお客さまへのリーチは、うまくいく時とうまくいかない時があったところが多いかなと思っています。

やはり営業から入っていって売っていくとなると、例えばNode-AIを利用するお客さまなので、現場でデータをすごく使っている人とかにつなぐのは、けっこう難しかったりするんですよね。営業さんとかからだと、そこって見分けるのがなかなか難しかったりするので。

例えばお話ししてみたら、やはりAIを使う人ではなかったとか。さらに抽象の概念で、課題とかがぜんぜんないようなお客さまから来たりすることがあって。うまくNode-AIを利用するお客さまにリーチして売っていくことがちょっと難しかったところもあります。しかも、いろいろなお客さまにどんどんアタッチしていくんですが、提案コスト自体もやはり高かったりするなというところがありました。

一方でNode-AIはノーコードのAIツール。ノーコードというところもあるので。それよりも、提案して一緒に課題発見とかをしていって、最終的に分析の中でで使っていく。その一連の流れをやってからNode-AIを使ってもらうより、まず使ってもらうという。そういうやり方。

丁寧なやり方（を教える）だけではなくて、まずは使ってもらうということをやることで、今までリーチが難しかったお客さまにもすぐ使ってもらえるというのもあるし、提案コストを完全に飛び越えていきなり買ってもらえるようなことがあるんじゃないかなと思ったので、SLGからPLGに移ったところはあります。

及川：これは、ターゲットとするお客さん自身も、けっこう違うお客さんにもリーチするようなことがPLGでは可能になるというのもあるかと思いますが、そこはどうですかね？

切通：そうですね。今までよりはちょっと変わってくる時はあるのかなと思います。やはりSLGで来た時にはじめにリーチするお客さんって、例えばDXとかITの部署から全社的なデータ分析戦略も考えたいみたいな。そういったトップダウンから入ってくるお客さまも多くて。そこから下っていって、最終的にはボトムのほうに会うことがあります。

PLGの場合には、やはりボトムアップ的に、どこかの現場の中のデータサイエンスをやっている担当者みたいなところから当たっていくので。はじめに当たるお客さんも違ってくるし、最終的に落ちてくるところも本当に現場の現場なのか、ちょっとIT系の部署なのかとかも、けっこう差異が出てくるかなと思っています。

及川：なるほど。わかりました

PLG戦略でもカスタマーサクセスデータサイエンティストは分析やコンサルをしているのか

及川：本当はちょっとこちらから聞こうかなと思っていたやつが、ちょうど2つ目（の質問）に入っているので。そのPLG戦略において、先ほど職種の内容を教えてもらったカスタマーサクセスデータサイエンティストは、同じように分析方針のコンサルなどもPLGでやっているようなかたちなのかという質問です。

切通：これに関して（の回答）は「イエス」になります。PLG戦略に関しては、SLGではもちろんやっていきますが、PLG戦略においても、まさにユーザーの継続性であるとか。ビジネス的なことを言うとプランをアップしてもらうところに対してやらなければならないことって、たくさんあるかなと思っています。

例えば、Node-AIのPLG版だと月数万円から月数十万、数百万みたいな。そういったいくつかのプランがあったりしますが、それに対してもやはり上がってほしいところがあるんですよね。

そういったところでカスタマーサクセスデータサイエンティストが入っていって、そこでロイヤルティを高めていったり、お客さんに成功体験を作っていってプランを高めてもらうという戦略も1つあるので。そういった継続性とかプランアップというところで、カスタマーサクセスデータサイエンティストはすごく活躍するんじゃないかなと期待をしているところです。

及川：つまりアレですよね。PLGという入り口は用意したけれど、SLGで必要な部分も、そのPLGからうまくつなげられるような仕組みは残しておくので、PLGで完結したら完結したでいい。そこもコンサルなどが必要な時には、ちゃんとつなげられるような仕組みを残しているというかたちですよね。

切通：はい、そのとおりですね。

及川：わかりました。

（次回に続く）