LINEヤフー データ分析パート参考情報一覧

LINEヤフーでは、事業やプロダクトをデータの力で支えるデータサイエンティストたちが活躍しています。記事では「LINE公式アカウント」のデータサイエンスを担う DS統括本部 分析本部 分析3部 公式アカウントチームの松田 祐汰と佐野 和幸に、LINEヤフーで働く魅力や、この会社ならではの成長機会について聞きました。

DS統括本部のなかでデータ分析領域を専門としている分析1部・2部の部長に、部の役割や組織の現状、今後の展望などを聞きました。

全体最適を目指したデータの設計・収集・蓄積・分析・可視化・利用などに取り組むデータグループのグループ長 佐々木潔とグループCTO 梁ソクホに、組織の現状や今後の展望について話を聞きました。

Data Science室に新卒で入社した若手エンジニアたち4名をご紹介します。LINEに入社した経緯や担当する業務、今後の目標などを聞きました。

Data Science室に所属するデータサイエンティストたちが、具体的なデータ分析業務の概要や環境、社内のカルチャーまでパネルディスカッション形式で話しました。

LINEの開発組織のそれぞれの部門やプロジェクトについて、その役割や体制、技術スタック、今後の課題やロードマップなどを具体的に紹介していく「Team & Project」シリーズ。今回は、LINE公式アカウントの分析業務を担当しているData Science室のOA Data Scienceチームを紹介します。

LINEの開発組織のそれぞれの部門やプロジェクトについて、その役割や体制、技術スタック、今後の課題やロードマップなどを具体的に紹介していく「Team & Project」シリーズ。今回は、LINE広告プラットフォームの分析業務を担当しているData Science室のAd Data Scienceチームを紹介します。 

LINE Data Labsにて主にLINE MUSICの分析と、LINEのサービスから取得される位置情報の分析を行う今井に、入社を決めた理由や詳しい業務内容・具体的な仕事の流れを聞きました。仕事を進める上で意識している3つのポイントについても紹介しています。

全社横断的な分析組織の紹介です。「Yahoo!ショッピング」や「Yahoo!オークション」に代表されるeコマース事業のなかで、データサイエンティストたちが果たす役割を紹介しています。

LINEヤフーでのインターンシップの価値や、エンジニアとしての成長機会について紹介しています。

分析本部で取り組む「ASE」プロジェクトの事例です。5分程度の発表をマイルストーンとしたLightning Talk会の取り組みや、背景について紹介します。

分析本部では、個々の成長を自己責任にせず組織的な実現を目指すプロジェクト「ASE」に取り組んでいます。その背景や取り組み概要、成果事例について紹介しています。

LINEヤフーのDS統括本部 分析本部 分析3部 公式アカウントチームは、データ分析を通じた「LINE公式アカウント」のサービス改善を担っています。データにもとづいた施策提案や検証を行うデータサイエンティストたちは、どのように価値を発揮しているのでしょうか。本記事では、同チームに所属する酒井 裕企と安藤 正和、永峰 宏規に、3つの代表的なプロジェクト事例をもとに、取り組みの舞台裏について聞きました。

LINEヤフーサマーインターンシップ2024で実施したコマース領域の分析取り組み事例です。過去の購入から一定期間次の購入のない状態のことを「休眠」といいますが、「LINEギフトの休眠防止のための分析」について紹介しています。

LINE PayのLINE公式アカウントにおける有用性を定量的に評価する仕組みや、ユーザー反応をモニタリングするツールを構築する取り組みについて、担当のデータサイエンティストに語ってもらいました。 

似たような、あるいは同じ計算式を何度も何度も使って同じメトリクスを計算しなければならない状況に直面したことはありませんか？このような反復的なタスクをどのように処理していますか？私たちの仕事の分野の多くのエンジニアが知っているように、dplyrは最もクールで効率的なデータ処理文法の一つであり、私たちの日常的なデータ操作の課題のほとんどに対して、多くの具体的な解決策を提供してくれます。この記事では、mmetricsというパッケージを紹介したいと思います。

R MarkdownをAtlassian Confluenceに投稿するためのRパッケージ・conflrをOSSとして公開しました。本記事では、このパッケージの開発に至った背景と、使い方について説明します。

サイエンス統括本部でデータ分析による社内サービスの課題解決支援をしている関口が、さまざまな理由からABテストができない場合にどのようにして施策の効果を評価・推定するかについて、具体的なケースからアイデアを紹介しています。

バルセロナで開催された、機械学習やデータマイニングをテーマとした論文の発表を行う国際会議「KDD 2024」に参加した際のレポートを紹介します。

Data Scientistとして、主にメッセージやスタンプなどコミュニケーション機能の分析を担当する弊社谷川が、Quantitative（定量的な）UX Research を主題とするカンファレンス「Quant UX Con」に参加した際のレポートを紹介します。

LINEが現在先行提供しているライブコマースサービスであるLIVEBUYの「配信中のチャット行動は商品購買を促進する」という仮説を検証するための一連の取り組みについて解説します。

LINEスタンプのLINE公式アカウントにおけるメッセージ配信を、マシンラーニングやデータサイエンスを用いて大幅な効率改善を行った事例について紹介します。

ヤフーとLINEのデータ部門のマネージャーが登壇し、両社の組織カルチャーやアプローチの違いに触れながら組織運営にまつわる様々なトピックについてディスカッションします。

LINE PayのLINE公式アカウント運用におけるユーザー体験を、データサイエンスを用いてどのように改善したのかを紹介しています。

LINEにおいてデータサイエンティストと機械学習エンジニアがどのように協業してプロダクト改善を進めているのかを、スタンプショップの推薦ロジックの改善を例にとって紹介しています。

ユーザーが求めている情報が優先的に届くように、LINEが提供するサービスによるメッセージ配信通数を抑える仕組みを立案・導入した際のデータサイエンス・機械学習の活用について紹介しています。

快適にスタンプの検索や送信ができる利便性を提供して、スタンプや絵文字を利用したコミュニケーションの頻度を最大化すべく立ち上げた、スタンプキーボードの改善プロジェクトのご説明をしています。

2020年4月にリニューアルされたトークメニューUIに関するデータサイエンスプロジェクトについて、LINEのデータサイエンティストが大規模なデータをどのように分析して、プロジェクト関係者の意思決定をどのように導いているのかを紹介しています。

LINE Data Labs において大規模なデータサイエンスプロジェクトがいかに進められているかを、「LINE」のグループ作成機能の改善を例にとって説明します。ネットワーク分析、オンライン A/B テストの半自動化されたモニタリングシステム、柔軟なデータ分析環境など、プロジェクトの過程で用いられる技術についても紹介しています。

データサイエンスを用いて業務改善を行うData Scienceチームが行った、LINEアプリの機能改善プロジェクトの概要について紹介しました。

実際の改善プロジェクトを事例に、データサイエンティストの役割と意思決定における考え方について語りました。

データサイエンティストが開発に集中するために構築した環境と、実際に分析を効率化した例について紹介します。

Libra Reportは、データサイエンティストのためのエンジニアリングタスクを自動化するA/Bテストシステムです。Libra Reportがデータ·パイプラインの生成を自動化することで、データサイエンティストは手作業による集計が不要になります。データサイエンティストが重要な問題だけに集中する環境づくりのため、データ取得からグラフ生成、統計量の算出までをLibra Reportで自動化するプロジェクトを紹介します。

本発表では、LINEのデータドリブンな意思決定を支えるShinyダッシュボードの技術についてお話します。Shinyを拡張する技術に加えて、Shinyを支えるバックエンドの技術、再現可能性を考慮したUI設計など、複数の要件を考慮したShinyダッシュボードを構築するための我々のノウハウについてご紹介します。