【自己紹介】
#Twitter：@Nurruttan / #YouTube：@Nurruttan
【転職支援サービス】
転職を検討しているデータサイエンティスト向けに【完全無料の】転職支援サービスを実施しています！
詳しくは下記をご覧ください！
【キャリア相談サービス】
キャリアに悩むデータサイエンティスト向けにキャリア相談サービスをやっています！
詳しくは下記をご覧ください！
- データサイエンティストの企業探しが難しい理由
- データサイエンティストのキャリアプラン
データサイエンティストの転職で企業探しには悩みが付きものです。
- 企業情報を調べているけど、具体的な仕事内容のイメージが沸かない・・・
- 企業によって微妙に役割が違って、どの会社に入るべきか分からない・・・
企業を見ていると、似たような求人が多くて、どのような会社に入るべきか迷うことが多いんです。
これは、「データサイエンティストの定義が広く使われている」ことが原因です。
データサイエンティストという言葉の定義があいまいであり、各社の解釈でいいように使っていることで、転職志望者を惑わせています。
この課題を解決するため、筆者自身の経験を活かしてデータサイエンティストという職種を細分化して定義していきます。
この記事を読むと、データサイエンティストという職業をより解像度が高く理解でき、自己理解の促進・企業理解の促進につなげることができます。
結論はデータサイエンティストは下記の5つに分類できるということです。
本記事の前に、下記の【失敗しない】データサイエンティストの転職方法！をお読みでない方はまずは下記の記事をご覧いただけると全体感が分かります。
では、本題に移ります。
データサイエンティストとは？
そもそも論として、データサイエンティストとはなんなのか？というところから解説していきます。
本ブログでは、データサイエンティストを「データを活用して、ビジネス課題を解決する職業」と定義します。
これは、かなり広い意味で定義しています。
これは、各社が定義しているデータサイエンティストを広く網羅するためです。
データサイエンティストという職業が「データを活用して、ビジネス課題を解決する職業」だとして、後述の内容を理解していただければと思います。
データサイエンティストというビッグワードの罠
データサイエンティストはここ数年で登場した職業ですが、一種のビッグワードとして使われているのが現状です。
「データ分析官」というより、「データサイエンティスト」と称した方がキャッチーであり、聞こえがよいです。
このようなデータサイエンティストがビッグワードとして使われる現状に筆者は課題感を感じています。
なぜなら、データサイエンティストがビッグワードとして使われることで「就職・転職のミスマッチを引き起こしている」からです。
要因は下記の2点です。
- データサイエンティストという職業の定義があいまい
- 「データサイエンティスト」という言葉が都合よく使われる
詳しく解説していきます。
データサイエンティストという職業の定義があいまい
一つ目は「データサイエンティストという職業の定義があいまい」ということです。
データサイエンティストと一言に表現しても、多種多様な役割を持ちます。
多種多様な役割を持っているために、データが関われば幅広く「データサイエンティスト」と呼ばれることもあります。
実際にデータサイエンティストとして働いている身からすると、異なる役割・スキルであるにも関わらず。
データサイエンティストという職業の解像度が低いことで、労働者と企業にミスマッチが発生して、互いに不幸になってしまうことも多いのが現状です。
「データサイエンティスト」という言葉が都合よく使われる
二つ目は「「データサイエンティスト」という言葉が都合よく使われる」ことです。
前述したように「データサイエンティスト」という言葉があいまいであるからこそ、採用する企業が「データサイエンティスト」とう言葉を都合よく使っていることもあります。
データサイエンティストは需要が高く、採用することも難しい人材です。
そのため、人材が中々確保できない企業は採用の間口を広げたくなります。
すると企業側は、「データサイエンティスト」や「機械学習」などのビッグワードで興味喚起して、採用活動をすることがあります。
実際に採用後は、単純なデータ加工作業が多く、イメージしている業務とは異なるなどもあるのが実情です。
このように、データサイエンティストというビッグワードが要因となり、ミスマッチを起こすことが多いです。
このデータサイエンティスト特有の問題に筆者自身、強く課題感を感じています。
なぜなら、自身が高めたいスキルや経験したい仕事などにミスマッチが生じることで、自身が描きたいキャリアが実現できないということが起きるからです。
この課題を解決するために、本記事ではデータサイエンティストの「キャリアプラン」を細分化して定義していきます。
いままで筆者のマネジメント経験を基にして、データサイエンティストの「キャリアプラン」を詳細に解説していきます。
データサイエンティストの「キャリアプラン」
具体的にデータサイエンティストの「キャリアプラン」について解説していこうと思います。
前提として、筆者のデータサイエンティスト経験・マネジメント経験に基づいて、筆者自身が考える「キャリアプラン」です。
- 500名以上のデータサイエンティストが在籍する企業でのマネジメント経験
- 50人以上のデータサイエンティストのキャリア相談
- 社内データサイエンティストの評価制度を検討した経験
- 10を超える案件の実務経験
- 100を超える求人情報の調査
上記のような、経験に基づいてデータサイエンティストの「キャリアプラン」を検討しました。
筆者はデータサイエンティストの「キャリアプラン」を下記の5つに細分化して定義しました。
- データアナリスト型
データ分析により、意思決定をサポートする役割 - サービスグロース型
ビッグデータ活用により、サービスグロースをサポートする役割 - 製品開発型
データ活用により、製品開発・品質向上をサポートする役割 - データエンジニア型
データ基盤の構築により、データ活用を推進する役割 - AI開発型
ビッグデータを活用したAIアルゴリズムの研究・開発する役割
それぞれ詳しく説明していきます。
①データアナリスト型
「①データアナリスト型」はデータ分析による意思決定をサポートする役割です。
DX（Digital Transformation）の潮流を受けて、「データドリブン経営」や「データドリブンマーケティング」などの言葉が生まれています。
つまり、データを基にした意思決定を重要視する流れがきています。
意思決定を促すために社内に蓄積されているデータを活用することが「①データアナリスト型」の役割です。
大企業やコンサルティングファームに多く、ビジネススキルだけでなく、その企業の業界知識・社内知識・システム知識などドメイン知識も求められます。
昨今の市場環境では非常に重要視されている役割です。
➁サービスグロース型
「➁サービスグロース型」はビッグデータを活用したサービスのグロースをサポートする役割です。
ここでサービスと言っているのは、主にデジタルサービスなどを指します。
そのため、「➁サービスグロース型」のデータサイエンティストを欲しがっている企業はGAFA・メガベンチャーなどのデジタルサービスを主体としている企業です。
デジタルサービスをグロースさせるために、利用状態の可視化などの基礎分析はもちろん、レコメンド機能の構築・改善などサイエンススキルが求められます。
➂製品開発型
「➂製品開発型」はデータ活用による製品開発・品質向上を担う役割です。
画像認識で故障検知をしたり、パターン認識を使って製品開発をするなど、尖ったスキルが求められることが特徴です。
ドメイン知識も製品に特化した知識が必要であり、特定の領域のスペシャリストとして位置づけられます。
大手のメーカーやインフラなど、物理的なサービスを提供している企業に需要が高い役割です。
④データエンジニア型
「④データエンジニア型」はデータ基盤の構築によるデータ活用の推進を担います。
組織単位でデータを活用する際には、システム構築が鍵になります。
データ基盤を構築するために、「Snowflake」「Tableau」などの外部のソリューションを活用することも多いです。
上記のようなソリューションを既存のシステムにインテグレートするなど、ややSIに近い役割です。
システム構築は各企業が多くの費用を投下しているため、企業の競争力にもつながる重要な要素になります。
「④データエンジニア型」は企業の競争力を作る役割と言っても過言ではないです。
⑤AI開発型
「⑤AI開発型」はビッグデータを活用したAIアルゴリズムの研究・開発を担います。
ビジネスからはやや遠く、研究・開発周りで価値を発揮する役割です。
最近の潮流だと、生成AI・LLMなどの高度化なども「⑤AI開発型」にあたります。
AIの開発のスペシャリストとして、位置づけられるため、サイエンススキル・ドメイン知識は他を圧倒する高さが求められます。
ビジネスに遠いことから、需要は限定的でありますが、大手テクノロジー会社などの一部の企業には高い需要があります。
上記のように、データサイエンティストと一言で言っても、様々な役割があります。
それぞれのキャリアプランの理解を深めることで必ず自らのキャリアの役に立ちます。
少しづつでも、データサイエンティストの役割を理解していきましょう！
自己理解を深めよう
データサイエンティストの役割を理解したら、自己理解を深めましょう。
自己理解を深めることが重要な理由は下記です。
- 自分の強みを明確にできる
- 身に付けるべきスキル・経験が明確になる
- 身を置くべき環境・企業を明確にできる
詳しく解説していきます。
自分の強みを明確にできる
一つ目は「自分の強みを明確にできる」ことです。
いままで積んできた経験・身に付けてきたスキルがどのようなキャリアプランにあたるもの中を棚卸しすることで、自身の強みを明確にすることができます。
一般的に働いていると、データサイエンティストという職業を幅広く見る機会はほぼありません。
そのため、上記のキャリアプランを参考に自身がどの領域にいるのかを改めて考えることで自身の強みを理解しましょう。
まずは、自身の現在地を知ることが重要なポイントです。
身に付けるべきスキル・経験が明確になる
二つ目は「身に付けるべきスキル・経験が明確になる」ことです。
自分自身の強みを理解して、どのような姿を目指すか明確になれば、自身が身に付けるべきスキル・経験が明確になります。
- 自分自身が目指す姿に対してどのようなスキルが不足しているのか？
- 目指す姿に対して必要な経験はなにか？
が明確になることで、自分自身がいまやるべき行動の解像度が上がります。
暗中模索でスキル研鑽を図るのではなく、目指す姿が明確になればモチベーション維持が可能です。
自分自身が目指す姿を考えていきましょう。
身を置くべき環境・企業を明確にできる
最後に「身を置くべき環境・企業を明確にできる」ことです。
自身に必要なスキル・経験が明確になれば、いかに必要なスキル・経験を積むか？ということを考えるべきでしょう。
そこで重要なのは「環境・企業」です。
いまの職場が自身が身に付けるべきスキル・経験ができる環境なのか？という点を考える必要があります。
自らが伸ばしたいスキル・経験と実際の仕事が合致していることは非常に重要です。
もし、自身の環境が目指す姿につながっていないのであれば、転職も視野に入れて環境を変えることを検討すべきです。
自分自身で環境を選択して、目指すべき姿に近づきましょう。
データサイエンティストの転職・キャリアに迷ったら
データサイエンティストの転職・キャリアに迷ったら、直接ご連絡頂ければキャリア相談に乗らせて頂きます。
50人以上のデータサイエンティストのキャリア相談を経験した筆者の立場から、全力でサポートさせていただきます。
詳細は下記をご覧ください！
自身が望むキャリアを描こう
今回はデータサイエンティストに様々な役割があることを解説しました。
自身が目指したい姿、目指したくない姿は様々です。
重要なことは自分自身がなりたいデータサイエンティスト像を描き、そこに向けて行動をすることです。
そのためには、データサイエンティストという職業を徹底的に理解するコンテンツが必要です。
本ブログは筆者の経験をフル活用して、データサイエンティストのキャリアについて、発信をしていきます。
本ブログを上手く活用しながら、自身が望むキャリアを描いていきましょう！
今回は以上です。
にほんブログ村
