メンバーズデータアドベンチャー新規部門事業計画書

Proprietary and Confidential to
Members data adventure Co.,LTD
AI・データエンジニアリング新規部門
事業計画書
株式会社
メンバーズデータアドベンチャー
TEL: 03-5144-0644
URL: https://www.dataadventure.co.jp/

メンバーズデータアドベンチャーにつ
いて

会社・カンパニー紹介
サービス開始
事業内容
所在地
カンパニー社長
カンパニー名
2018年11月1日
データ領域特化プロフェッショナル常駐サービス
東京都品川区西五反田七丁目25番5号
西五反田七丁目ビル5階
白井恵里
メンバーズデータアドベンチャーカンパニー
（メンバーズの社内カンパニー）
社名株式会社メンバーズ（東証一部）

ミッション・ビジョン・サービス方針
MISSION
データと意志と情熱で
心豊かな社会をつくる
VISION
データをキーに人の心を揺り動かし、
持続可能社会への変革をリードする
サービス方針
データを手段として使い、
顧客ビジネスにおける成果を出す

社長のご紹介
白井恵里（しらいえり）
株式会社メンバーズ（東証一部）執行役員
兼メンバーズデータアドベンチャー
カンパニー社長
東京大学を卒業後、
新卒で株式会社メンバーズ入社。
webディレクション、UXデザイン、デジタ
ル広告企画・運用業務などに従事した後、
2018年11月に社内公募にてメンバーズの子
会社社長として株式会社メンバーズデータ
アドベンチャーを立ち上げ。親会社のカン
パニー制移行により現職。2020年10月から
株式会社メンバーズ執行役員兼務。

市場の状況
国内データ分析関連市場は伸び続けており、
2022年には1兆6,000億近くに達する見込み。
出典：IDC Japan「国内BDAテクノロジー／サービス市場予測、 2017年～2022年」https://bp-affairs.com/news/2018/08/20180831-
7937.html
国内BDA（Big Data and Analytics）テクノロジー／サービス市場規模

市場の状況
事業会社でのデータ分析業務は増加傾向。
出典：独立行政法人情報処理推進機構社会基盤センター「IT人材白書2020」

市場の状況
「AIツールでデータ分析を行い、自社の事業に活かせる従業員」は
69%の企業が不足していると回答。

市場の状況
DXに取り組んでいる企業のうち67%がITに関わる内製化を進めている。
常駐ニーズが増加すると推測できる。

市場の状況
日本の労働生産性はG7中最下位。
このデータを踏まえ、総務省情報流通行政局は「データを活用した経営戦
略の策定・事業推進など」を例示しながらICT利活用を提言している。
出典：総務省情報流通行政局「日米比較を通して日本の労働生産性向上の方策を考える」
https://www.soumu.go.jp/johotsusintokei/02tsushin02_04000050.html、2021/2/4閲覧
（図表は日本生産性本部「労働生産性の国際比較2017年版」を基に総務省情報流通行政局が作成したもの）

提供するサービス

DAが提供するサービス
顧客ビジネスの成果向上に貢献するということは、ありたい姿に向かうための支援をするという
こと。重要なのはビジネス課題の設定と施策に繋がる示唆出し・提案で、分析は間を埋める手段
の一つという位置付け。
現状評価・ギ
ャップ出し
ありたい
姿の定義
ビジネス
課題の定義
仮説出し
定量・定性デ
ータによる裏
付け
次の施策に
繋がる示唆出し
・提案
施策実施

我々のサービスは市場に受け入れられている
2018 2019 2020
400万
1.3億
2.6億
年間売上推移

顧客と業務内容
非デジタル系大手企業からデジタルサービスメガベンチャーまで顧客数多数。
扱うデータはデジタルマーケティング系のトラフィックデータ、売上データ、会員データが
中心。デジタルマーケ、ビジネス貢献をゴールとした分析が強み。一部デジタルマーケに止
まらず経営・事業に資する分析や、データ活用組織の立ち上げや組織設計まで対応。

顧客と業務内容
データ
基盤
API以外のアウトプッ
ト
AIモデル開発→API化
AI以外の自動化モデル
開発→API化
アプリケ
ーション
等デプロ
イ
/
単体でア
プリ化
BI/
レポート/
企画書等
DA既存データアナリスト
狭義の「データ分析」
データサイエンティス
ト・機械学習エンジニア
データエンジニア
「データ活用」
広義の「データ分析」
既存案件は狭義のデータ分析領域中心。一部データ基盤も対応している。

方針
● 拡大
● ストック型売上を上げる
● 基本直請
拡大前提のため、
この領域を取りに
行く
業務難易度高

AI・データエンジニアリング領域
新規事業部門について

問題意識
● メンバーズグループ中期経営計画である
VISION2030達成に向け、プロフィット部門
社員数の拡大が必要。メンバーズデータアド
ベンチャー既存のサービス領域だけでは人数
拡大の限界がある。
● メンバーズグループ全体でこれまでのウェブ
運用支援からDX支援領域に進出する方針と
なったが、後述するデータから見たDX支援
全体に対応できるケイパビリティを持ってい
ない。
VISION2030について https://www.members.co.jp/company/vision2030.html

何をやるか
データ基
盤
（データ
レイク・
DWH）
マーケ
（集客）
フロント
エンド
（webサイ
ト/アプリ
等）
セールス
（営業/接
客/販売）
ユ
｜
ザ
｜
インフ
ラ系
SE/
PG
データ
エンジ
ニア
データ
アナリ
スト/
サイエ
ンティ
スト/
機械学
習エン
ジニア
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
マーケ
ター
/SNS
ウェブ
制作者
/UXデ
ザイナ
ー
DXとはデータバリューチェーンの最適化と理解
ネットワー
ク/セキュリ
ティ/サーバ
ー

何をやるか
データ基
盤
（データ
レイク・
DWH）
マーケ
（集客）
フロント
エンド
（webサイ
ト/アプリ
等）
セールス
（営業/接
客/販売）
ユ
｜
ザ
｜
インフ
ラ系
SE/
PG
データ
エンジ
ニア
データ
アナリ
スト/
サイエ
ンティ
スト/
機械学
習エン
ジニア
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
マーケ
ター
/SNS
ウェブ
制作者
/UXデ
ザイナ
ー
データバリューチェーンに対するメンバーズのポートフォリオ
ネットワー
ク/セキュリ
ティ/サーバ
ー
データ基
盤
（データ
レイク・
DWH）
マーケ
（集客）
フロント
エンド
（webサイ
ト/アプリ
等）
セールス
（営業/接
客/販売）
メンバ
ーズ
既存サ
ービズ
データ
アドベ
ンチャ
ー
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス
データ
アドベ
ンチャ
ー?
データアドベン
チャー?
ネットワー
ク/セキュリ
ティ/サーバ
ー

何をやるか
ネットワー
ク/セキュリ
ティ/サーバ
ー
データ基
盤
（データ
レイク・
DWH）
マーケ
（集客）
フロント
エンド
（webサイ
ト）
セールス
（営業/接
客/販売）
ユ
｜
ザ
｜
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
これまでEMCの対応領域を足がかりに隣接領域に進出してきた
メンバ
ーズ
既存サ
ービズ
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス
データ
アドベ
ンチャ
ー
データ
アドベ
ンチャ
ー?
データアドベン
チャー?

何をやるか
データ基
盤
（データ
レイク・
DWH）
マーケ
（集客）
フロント
エンド
（webサイ
ト/アプリ
等）
セールス
（営業/接
客/販売）
ユ
｜
ザ
｜
データ
アドベ
ンチャ
ー
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
新規事
業？
新規事業？
本新規事業は更なる隣接領域進出により、DXに足りないピースを埋
める取り組みと理解
ネットワー
ク/セキュリ
ティ/サーバ
ー
メンバ
ーズ
既存サ
ービズ
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス

何をやるか
データ基
盤
（データ
レイク・
DWH）
マーケ
（集客）
フロント
エンド
（webサイ
ト/アプリ
等）
セールス
（営業/接
客/販売）
ユ
｜
ザ
｜
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
新規事
業
新規事業？
市場調査結果から、スタートアップ段階ではメンバーズが強みを持
つフロントエンドを出口とするAI活用とデータ基盤に注力
新規事
業？
ネットワー
ク/セキュリ
ティ/サーバ
ー
新
規
事
業
データ
アドベ
ンチャ
ー
メンバ
ーズ
既存サ
ービズ
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス

何をやるか
データ基
盤
（データ
レイク・
DWH）
マーケ
（集客）
フロント
エンド
（webサイ
ト/アプリ
等）
セールス
（営業/接
客/販売）
ユ
｜
ザ
｜
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
新規事
業
新規事業？
スタートアップ後、隣接領域に順次進出
新規事
業？
ネットワー
ク/セキュリ
ティ/サーバ
ー
新
規
事
業
データ
アドベ
ンチャ
ー
メンバ
ーズ
既存サ
ービズ
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス
メンバ
ーズ
既存サ
ービス

AI・データエンジニアリングを対応範囲に加えることで
DAは「データ活用」全体にたいする対応能力を確保
データ
基盤
API以外のアウトプッ
ト
AIモデル開発→API化
AI以外の自動化モデル
開発→API化
アプリケ
ーション
等デプロ
イ
/
単体でア
プリ化
BI/
レポート/
企画書等
DA既存データアナリスト
狭義の「データ分析」
データサイエンティス
ト・機械学習エンジニア
「データ活用」
広義の「データ分析」

市場状況（シェアは白井推定）
https://prtimes.jp/main/html/rd/p/000000004.00
0053344.html
https://aismiley.co.jp/2020/05/28/predict-ai-
chaos-map-2020/
合計3000億
(2018年)
※DA0.09%
（2019年売
上で計算）

AI・データエンジニアリング領域ポジショニング
モデル作成（分析・解析）
実装
バックエンド志向
フロントエンド志向
● SIer
● AI開発ベンダー
● メンバーズ既存事業
● データエンジニアリング新規
事業
● AI新規事業
● レコメンドツール
● ウェブ接客ツール
● チャットボット

AI、データエンジニアリング、データアナリシスの捉え方
● DX支援のため、AI、機械学習のケイパビリティを持つことは必
要。
● AI、機械学習をサービスメニューに掲げることで、リード発生
面を拡大できる。
● AI、機械学習はPOC→本実装→運用で移行していき、モデリン
グの専門家が常時必要なわけではないので、スポット型の売り
上げの割合が大きくなる。
→収益見込みを立てづらい、モデリングの専門家は大量には必
要がなく、人数拡大を前提とする状況には向かない。
● AI、機械学習のリードは、AI、機械学習以外の手段の方が必要
になることがままあることが見込まれる。
メンバーズのデータ活用サービス全体では、AIでリードを広げつつ、
データエンジニアリングとデータアナリシスでストック型の売り上
げを積み上げるのがよさそう。

どの職種に特化するのか
● データエンジニア
データ基盤作成・管理者（データエンジニア）
○ データレイク構築
○ DWH構築
○ データマート構築
○ ELT/ETL
データ基盤ユーザー（MLエンジニア）
○ 活用目的に応じてデータ基盤へリクエスト
○ 構築済みモデルをアプリケーションにデプロイ（AIの実装）
MLops
○ 上記業務に加え、モデルの運用・保守自動化エンジニアリングを一手に行
う
● データサイエンティスト（データアナリスト兼務）
機械学習・統計モデリング（AIの構築）（モデラー）
ビジネス視点のAI企画
● データディレクター（役割要検討）
顧客要件取りまとめ、エンジニアやモデラーへの指示出し、PJ進行管理
ビジネス視点のAI企画？
当面データエンジニアの需要の方が大きいことが予測されるため、
初期はデータエンジニアに注力

対象顧客はどこか
直近の収益性が高いと見込んでいる順に以下。
1. 売上1000億以上非IT企業
既存ローラーにより獲得
1. あああ
あああ
2. あああ
あああ

どのような手段で人材を調達・育成するか
分析や活用を意図したデータエンジニアは比較的新しい職種のため、採用市場から経験者の調達は難しいと判断。
→インフラ系エンジニアを採用し、データ基盤設計構築運用タスクを担えるように教育する。
データ
基盤
（デー
タレイ
ク・
DWH）
マーケ
（集客）
フロント
エンド
（webサ
イト/アプ
リ等）
セールス
（営業/接
客/販売）
ユ
｜
ザ
｜
イン
フラ
系
SE/
PG
デー
タエ
ンジ
ニア
デー
タア
ナリ
スト/
サイ
エン
ティ
スト/
機械
学習
エン
ジニ
ア
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
マー
ケタ
ー
/SNS
ウェ
ブ制
作者
/UX
デザ
イナ
ー
ネットワ
ーク/セキ
ュリティ/
サーバー
データサイエンティスト
既存のデータアナリストをスライド。初期は提携企業と協業し、PM・要件整理・機械学習モデルの設計までを提携企業
のデータサイエンティストが担当し、メンバーズ側のデータサイエンティスト（候補）がデータ収集とモデリングの実行
を行う。
データ
基盤
（デー
タレイ
ク・
DWH）
フロント
エンド
（webサ
イト/アプ
リ等）
セールス
（営業/接
客/販売）
ユ
｜
ザ
｜
イン
フラ
系
SE/
PG
デー
タエ
ンジ
ニア
デー
タア
ナリ
スト
マーチャ
ンダイズ
（商品計
画・調達
販売物流
構築）
ウェ
ブ制
作者
/UX
デザ
イナ
ー
ネットワ
ーク/セキ
ュリティ/
サーバー
マーケ
（集客）
※機械学習エンジニアとMLopsは初期は非注力。
機械学習エンジニアはデータエンジニアが兼務で
きるようになる流れの他、ニーズが十分存在する
ことが確かめられた段階で、インフラエンジニア
より人口が多いアプリケーションエンジニアの採
用・教育ルートも検討。
MLopsの調達は事業開始1~3年程度の時期に本格
着手予定。データエンジニア/機械学習エンジニ
アとして経験を積むなかでステップアップさせる
仕組みを設計する。

2021年度 2022年度 2023年度 2030年度
期末DC数 16 33 54 200
期末稼働率 83.13% 83.13% 91.48% 95.08%
当面人員計画
初年度人数はDAのデータ分析人材市場におけるシェアをインフラエンジニア人口に掛け合わせ
て算出。次年度以降は市場の天井にぶつからないことを確認の上、採用可能数積み上げ。他数値
は人数から算出。

組織体制
DA
カンパニー社長：白井
エンジニア部門（新規）
MG：事業推進担当（当
初は白井）
アナリスト部門
MG：白井
事業推進G
● 事業推進担当1名
（TBD）
デジタルクリエーター
G
● 新規採用
事業推進G（既存BO）
● 採用：工藤
● 教育：八木
● 営業：福田
デジタルクリエーター
G
● DC30名（既存）
EG
エンジニアリング
領域新カンパニー
事業で部門を分け、エンジニア部門を新設。当該新規事業はエンジニア部門で行う。事業推進担
当者を1名リクルーティングし、アナリスト部門の事業推進Gと連携し、これまで培った知見を
横展開して立ち上げ。エンジニアリング部分はメンバーズエッジ等エンジニアリング領域のカン
パニーや社外パートナーとの連携で知見取得。
社外パートナー
（データエンジニ
アリング領域）
DAでこれま
で培った知
見を提供
エンジニア
リング周り
のノウハウ
連携

この事業を通して何を成し遂げたいのか、ミッションは何か？
ミッション
データと意志と情熱で心豊かな社会をつくる
成し遂げたいこと
DXにおけるメンバーズの陣とりを進め、埋まっ
ていないポジションへの足がかりをつくり、デ
ータバリューチェーンを最適化できるケイパビ
リティをもち、VISION2030を達成する。

メンバーズデータアドベンチャー新規部門事業計画書

Recommended

Recommended

More Related Content

What's hot

What's hot (16)

Similar to メンバーズデータアドベンチャー新規部門事業計画書

Similar to メンバーズデータアドベンチャー新規部門事業計画書 (20)

Recently uploaded

Recently uploaded (12)

メンバーズデータアドベンチャー新規部門事業計画書

Editor's Notes