GreenJinn が Datalore でコアテックチームの負荷を軽減し、200% ROI を達成した方法
GreenJinn の規模が拡大するにつれ、テック・エンジニアリングチームは運営、インサイト、販売、マーケティングなど、技術系以外のチームから寄せられるデータ抽出の要求に追われるようになりました。これらのチームはデータの処理をテック部門に頼っていたため、ボトルネックが生じ、業務が長引き、製品開発に支障を来していました。
「数か月前に質問されていたら、完全に行き詰っていると答えていたでしょう。当社は常にインサイトの要求を満たそうと奮闘していました。テックチームはデータの抽出や果てしない修正など、価値の低いタスクで身動きが取れず、優先度の高い製品開発に専念できていませんでした」
— Daniel Sonny Agliardi、GreenJinn テックリード
インサイトループは定型的なサイクルでした。運営・インサイトチームがデータの要求を出しても、多くの場合は最初の要求が不完全であるため、何度もフォローアップや遅延が発生していました。この非効率さが原因でテックチームは本来の開発作業に専念できず、週に最大 11 時間をデータ抽出に費やしていました。
「非効率さの根本的な原因は、データ抽出をテックチームに頼っていることであることがわかりました。常にフォローアップや説明に追われていたため、タイムリーにインサイトを提供できていませんでした」
— Marco Patrini、GreenJinn 運営・インサイト部門リーダー
GreenJinn の小さなテックチームは技術的負債と古いダッシュボードと苦闘しており、システムに余計な負担がかかっていました。これにより、会社全体で遅延と誤解が生じ、最終的には意思決定に遅れが出ていました。
GreenJinn は非技術系チームが各自でデータを管理できる適切なツールがないことが原因でテックチームに大きく依存していたことに気付きました。この問題に対処するため、協働データサイエンスプラットフォームである Datalore を導入し、運営・インサイトチームが自力でデータ抽出と分析を行えるようにしました。その結果、テックチームの負荷が軽減されました。
「Datalore のおかげで、テックチームに頼ることなくあらゆる要求に対して柔軟に抽出と分析を処理できるようになりました」
— Marco Patrini、GreenJinn 運営・インサイト部門リーダー
協働 SQL および Python ノートブックとレポートの自動スケジュール設定を備えた Datalore のおかげで GreenJinn のデータワークフローが大幅に合理化され、より効率よく円滑にチーム間でデータを管理できるようになりました。非技術系のスタッフがこのプラットフォームの使いやすいインターフェースを通じて個別にデータにアクセスして抽出と分析を行えるようになり、さらには Google Looker などのツールとのシームレスな統合も実現できました。
ユースケース 1: B2B 顧客レポート作成
GreenJinn はかつては顧客レポートを手動で作成しており、レポートごとに最大 2 日もの時間をかけていました。運営チームは顧客レポートの作成に必要なデータの抽出、クリーニング、およびセットアップをテックチームに頼っていました。
運営チームは Datalore を使用してデータ抽出からレポート生成までのプロセス全体を自動化しました。SQL クエリと Python コードを使用することで、Datalore にデータを取り込み、それを分析し、すぐに使用できるレポートを半日未満で生成できるようになりました。プラットフォームの柔軟性が高いため、チームはレポートの形式を変更することなく作成量を 70% 増加させ、追加のリソースなしでクライアントからの需要増加に対応することができました。
「提供時間を大幅に短縮し、何の中断もなくレポートの出力量を増やすことができました」
— Daniel Sonny Agliardi、GreenJinn テックリード
ユースケース 2: 社内 KPI のレポート作成
GreenJinn の社内 KPI レポート作成プロセスも断片化しており、さまざまなスプレッドシートにデータが散在していたため、大量の手作業が必要とされていました。Datalore により、データ抽出、分析、および可視化のプロセスを 1 つのプラットフォームにまとめることができました。
複数のチームメンバーが SQL と Python の共有ノートブックを使用し、リアルタイムに協働で KPI 分析に取り組みました。レポートビルダーによって Jupyter ノートブックを欠点のないレポートに変換する作業が単純化され、メトリクスセルによって重要な KPI が浮き彫りになりました。対話可能な視覚表現により、チームはパフォーマンスメトリクスを簡単に追跡し、戦略を調整できました。このリアルタイムのデータアクセスのおかげで、GreenJinn は KPI 達成率を 35% 改善し、継続的なフィードバックにより迅速に対応できるようになりました。
「KPI レポートの作成プロセスを合理化することで、社内フィードバックにより迅速に対応できるようになりました」
— Marco Patrini、GreenJinn 運営・インサイト部門リーダー
GreenJinn は Datalore の導入によって対社内・顧客プロセスの両方で時間を節約して効率を改善し、投資収益率(ROI)を 200% 向上させました。
以下は主な結果です。
「Datalore によってリソースが解放され、社内と顧客の両方のワークフローが合理化されることで、200% 増という目覚ましい ROI を達成できました。時間を節約できたというだけでも大きな価値があります」
— Daniel Sonny Agliardi、GreenJinn テックリード
「Datalore はデータへの取り組み方を変え、チームを強化して全体的な効率を改善してくれました」
— Marco Patrini、GreenJinn 運営・インサイト部門リーダー
GreenJinn は Datalore の採用によって運用の規模を調整し、意思決定を最適化して貴重なリソースを解放できたため、大幅な業績の改善と目覚ましい ROI を達成できました。
Steffen Möllenhoff 博士、neXDos マネージングパートナー
以前は、JupyterLab と JupyterHub をホスティングすることで、トレードアルゴリズムのプロトタイピング、バックテスト、および投資の保護を行っていました。しかし、このアプローチは、サーバー環境の管理、頻繫な更新の実施、JupyterLab 内の関連するプラグインの処理などの多数のエリアにおける複雑な作業により、問題となっていました。
Alexandria Morales-Garcia、Venerable 社投資リスクアナリスト
弊社の効率に影響を及ぼしていた主な問題の 1 つは、このスプレッドシートの相関性でした。スプレッドシートの 1 つにエラーがあるのに、それに気づいていない状況を想像してみてください。3 つのスプレッドシートで作業した後、前のスプレッドシートに戻って修正しなければならないのです。そのシートに依存する他のシートもすべてです。社内に送信していないこと、あるいは最悪でも社外に送信していないことを願うしかない状況です。
Youngrae Lee、Drama & Company ビッグデータセンターチームリーダー
Datalore を採用する前、Drama & Company はスタンドアロン型の Jupyter サーバーをデータ調査のニーズに対応する目的で使用していました。ただし、この環境ではパフォーマンスの問題が発生していました。データパイプラインへの調査結果の転送、調査担当者が書いたコードの配布、およびその他の同様なタスクは困難で時間がかかることが判明しました。Drama & Company 社は、より強力で拡張可能なデータサイエンスプラットフォームが必要であることに気付きました。