with AI時代のData AnalystとAnalytics組織のあり方
AIエージェントに迫られるData Analystの変革
こんにちは、メルカリのマーケットプレイス事業部のData Analyst サタニタケホ（@takebockle）と申します。
メルカリでは2025年7月現在、データ分析の領域においてAIによる急速な技術革新が起きています。 読者のみなさまにご紹介できる具体的な事例としてはPJ Socratesが挙げられるのですが、なぜこの取り組みが会社全体へのインパクトを生み出すようになるに至ったかは、ぜひLink先の記事をご覧いただければと思います。
さて、今回この記事でお話したいのはちょっと先の話です。
この春、Socratesの登場により、我々メルカリのデータ分析チームは突如、「AI活用が進んでいった先の世界でData Analystはどのように会社に対して価値を発揮し続けていけるだろう？」という問いを突きつけられました。
今回の記事は、「1人のAnalystとして、そしてチームとして、これからどのような変化が求められるのか」について、マーケットプレイスのAnalyticsチームで検討し、一旦出した現時点の見解になります。同じような悩みやモヤモヤを持つ他社のみなさんと共有できればと思っています。
なお"Data Analyst"とひとくちに言っても、この職種に対応する業務は業界や業種や事業フェーズなどによって様々というのが現状だと思います。そのためこの記事の第1部ではまず、前提となる状況を理解いただくためにメルカリを例にAnalystが関わる"業務"と業務の遂行に必要な"スキル"の整理 をご紹介し、次いで第2部で with AI時代を見据えたアップデート という構成にしています。お時間のない方やAIに関するトピックだけで十分！というかたはぜひ第2部だけでもお読みいただけたら幸いです。
第1部 Analystが関わる"業務"と業務の遂行に必要な"スキル"の整理
Analystが関わる業務の全体像
まずAnalystが関わる業務から見ていければと思うのですが、メルカリではAnlaystとは別の組織としてData PlatformチームやData Managementチーム、BI Productチームなどがおり、データのライフサイクルでいうところの上流部分に関してお任せできるプロフェッショナルなチームが存在します。そのため、Analystチームは彼らによって整備されたデータなどを駆使して分析し、会社の意思決定に貢献する責務を負っています。
では、実際にはどのような意思決定の種類があるでしょうか？
まず個々の施策のPDCAの意思決定にまつわる業務が最も大きなウェイトを占めています。具体的には、Planフェーズで施策ターゲットとなるお客様を言語化して定量化したり、Checkフェーズで効果検証やモニタリングをしたり、Actionフェーズで仮説との差分を振り返って次の一手を決めたりといった業務で、まずはこの業務領域で価値を発揮することがメルカリのAnalystに求められます。
そこからさらに発展して、事業計画や中期経営計画など中長期な意思決定にまつわる分析や、不定期だが緊急性の高い問題に対する意思決定をサポートする分析（例えば、「ここ数日、とある大事な経営指標が下がってきてるけどなんで？」とか）などを手掛けることもあります。
Analystに求められるスキル
そんな業務環境の中にあってAnalystにはどのようなスキルが求められるでしょうか？
先ほど触れたとおり施策のPDCAにまつわる業務が主であることから、まずはこの業務に必要なスキルを棚卸ししたいと思います。
メルカリのお客さまが落とすログデータを扱うためのSQL等のテクニカルスキルはもちろんのことですが、「データから何が分かれば意思決定できて具体的なアクションに繋がるのか（＝イシュー）」を理解し、分析におけるWhy/What/Who/Howなどを設計するスキルが分析の質を大きく左右します。またさらに言えば、イシューを与えられて理解するだけにとどまらずイシューそのものを自ら考えたり、あるいは再定義できることが、よりハイパフォーマーなAnalystの姿と言えるでしょう。
さらに、ログデータにとどまらず扱えるデータの幅を広げるという観点ではアンケートやインタビューといったデータをインサイトに昇華する能力、分析のHowの高度化のための適切な統計手法を適用できる能力、あるいは分析業務が効率的に実行できるようなデータマートを設計する能力など、Analystとしてのパフォーマンスを向上させるスキルはいろいろな方向性で存在しています。
業務 x スキル から見えてきたAnlaystの"コア"
さて、ここまで整理してきた中で我々にとってひとつの気付きがありました。今までなんとなく「事業計画や中期経営計画など中長期な意思決定に関わっているAnalystはハイパフォーマーである」というイメージがAnalystチームの内外問わず先行しがちだった部分があったのですが、それはただの結果論であって、あくまでその人のパフォーマンスのレベルはイシューそのものを能動的に定義でき、イシューに応じた分析を設計できるかに大きく依存するということでした。イシューから考えてステークホルダーと議論ができるので"結果として"中長期の取り組みの際に声がかかるし、イシューから考えるとどうしても既存のデータ範囲や手法では限界があるので"結果として"スキルの幅を広げていたのです。
そしてこのイシューそのものを能動的に定義でき、イシューに応じた分析を設計できるというAnalystにとってのコアスキルが、次の章でお話しするAI時代を見据えた働き方や組織論にも大きく関わってくるのです。
第2部 with AI時代を見据えた個人と組織のアップデート
冒頭でも触れたとおり、現在データ分析領域ではPJ SocratesをはじめとするAIによる技術革新が進んでいます。現時点できちんと自然言語で分析設計されたお題をAIに渡せば、SQLを書かずともアウトプットを得ることができるレベルに到達しており、この状況に私たちAnalystは大きな衝撃を受けるとと同時に強い危機感を抱きました。
おそらく今後1年以内には、詳細な分析設計までせずともイシューの定義さえきちんとできていれば、そこから自律的に分析設計を考え、クエリを発行してアウトプットを得てイシューに対する答えを得ることができるレベルに到達するものと思われます。この章では、そんな前提に立って個人と組織に必要なアップデートについて考えていきたいと思います。
With AI時代のAnalyst一人ひとりに求められるスタンス
AIによる自身の生産性の最大化: 日々の分析業務においてAIを積極的に活用し、自身の生産性(量と質)を極限まで高めること。
組織全体の分析力向上への貢献: Analyst以外のメンバー（特に社内で活躍するトップパフォーマーたち）がAIを活用することで、Analystがボトルネックにならずに自ら分析して施策の企画や検証ができるよう、積極的に支援すること。
質の高い意思決定を支える「守り」の担保: AIによって社内の誰もが手軽に分析できるようになったからこそ、誤った分析や質の低い情報に基づいて間違った意思決定をしてしまうリスクを考慮し、最低限の品質を担保すること。
Analytics組織に求められる新たな役割
次に、Analytics組織としては、AI時代にどのような役割を担うべきでしょうか。私たちは、主に以下の4つの領域で組織としての価値を発揮していく必要があると考えています。
AIが真価を発揮するための「データ」の整備: AIが良質なアウトプットを生み出すためには、質の高いデータのインプットが不可欠です。どのデータから整備していけば投資対効果（ROI）が高いのかを見極め、データ整備を担当するチームと連携してAIが最大限に価値を発揮できるデータ環境を構築・維持していく必要があります。
AIにインプットする「問い」の質の向上: どんなにAIに高度な分析をさせても、そのアウトプットを拠り所として人間が意思決定しなければビジネスは前進しません。つまり、「どのようなアウトプットがあれば意思決定ができるのか」から逆算した問いを定義しAIにインプットできるかがwith AI時代の生産性に大きく影響するのです。Analystはこの問いの質を全社的な目線で向上させていく必要があります。
AIが生み出す「アウトプット」の検証とフィードバック: AIが生成した分析結果や、その分析プロセス自体が妥当であるかをレビューすることもAnalystの重要な役割です。AIの特性を理解した上で、そのアウトプットを鵜呑みにするのではなく、批判的な視点を持って検証し、改善のためのフィードバックを行っていく必要があります。
AI活用を促進するための環境整備と啓発: 前述したスタンスの3番に関連する話ですが、AIを活用して分析を行う人々に対し適切なガイドラインやプロセスを整備することで、AI活用によってマイナスのインパクトを生じさせないような守りの観点での取り組みも必要です。
私たちAnalystは、特に2番目の「問いのレビュー」、3番目の「アウトプットのレビュー」を（そして主にマネージャーは4番目の「環境整備」も）主戦場としつつ、1番目の「データの整備」に対しても積極的に関与していくことが期待されます。 特にAIによる分析が普及して大量の分析が量産されていく未来を見据えると、「3.アウトプットのレビュー」の業務量が加速度的に増えていことになるため、いかに先回りして「2.問いの質」を高めて生産性を高められるかが重要になってきます。そしてこれができるかどうかは、第1部の最後に触れた「イシューそのものを能動的に定義でき、イシューに応じた分析を設計できるコアスキル」にかかっているのです。
これからのAnalyst像
ではこのような変化の中で、上記のスタンスや役割をベースとしつつ具体的にどのようなAnalystが求められ、どのように価値を発揮していくことになるのでしょうか？私たちは、大きく二つの方向性でAnalystがその専門性を発揮できると考えていますが、どちらも前項で触れた「2.問いの質」の向上に大きく寄与するAnalyst像を想定しています。
事業直接貢献型Analyst
この方向性のAnalystは、直接的なビジネスインパクトの創出に徹底的にこだわります（ここでのビジネスインパクトとは、売上向上だけでなくコスト削減やリソース配分の最適化なども含みます）。
例えば、以下のような形で事業に貢献します。
プロダクトマネージャーやマーケターと密接に連携し、具体的なサービス改善や施策実行を通じて、事業成果の最大化に貢献する。
事業企画や経営戦略といった領域にも積極的に関与し、中長期的な視点から事業成長や組織デザインに貢献する。
デジタルマーケティングのような特定の専門領域において深い知見を蓄積し、その領域での施策効果を最大化することで事業に貢献する。
このタイプのAnalystは、担当業務や関係者といった周囲の環境に左右されることなく、常に事業全体へのインパクトを最大化する視点で行動します。
またAIとの関わり方においては、AIでできることの「外側」をデザインする能力が求められます。具体的には、AIに与える「問い」の質を追求しAIからより質の高いアウトプットを引き出したり、AIに何ができて何ができないのかを理解してAIの誤った利用を防いだり、ニーズの高いAI開発テーマについて開発チームへフィードバックを提供できたりすることを期待します。
組織能力向上型Analyst
もう一つの方向性は、自身の高い専門性を活かして、組織全体の分析能力や生産性を向上させることに貢献するAnalystです。
例えば、以下のような形で価値を発揮します。
統計的な専門知識を基に、効果検証や需要予測といった分析手法の標準化を推進し、それらを社内のガイドラインとして整備したり、AIモデルのチューニングに活かすことで、事業全体の意思決定の質向上に貢献する。
常に最新の分析技術やツールをキャッチアップし、Analystや他の職種のメンバーの生産性を飛躍的に向上させるようなベストプラクティスを確立し、組織内に浸透させることで事業に貢献する。
このタイプのAnalystは、自身でベストプラクティスを生み出すだけでなく、それが組織全体に実際に活用される仕組みを構築し、実際に組織に変化をもたらすことのできる推進力や調整力も必要とされます。
おわりに
いかがでしたでしょうか。 なお、メルカリグループには様々な業種や事業フェーズのカンパニーやサービスがあり、それぞれの場所でAnalystも奮闘しています。そのため、今回お伝えした内容がメルカリグループにおけるすべてのAnalystの業務や役割を代表するものでないことはご留意いただけると幸いです。
2025年7月現在、メルカリのマーケットプレイス事業部ではwith AI時代のアップデートの荒波に一緒に立ち向かってくださる仲間を募集しています。
ぜひ一緒にこの荒波を乗りこなし、ご自身の経験やスキルをAIによって大きくレバレッジをかけ、事業部全体、さらにはグループ全体に大きなインパクトをもたらしましょう！
