【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！
こんにちは、ぬるったんです。
今回はデータサイエンティストとして、市場価値を上げていくために大事なこと、自分が大事にしていることを記載していきます。
データサイエンティストは「データを活用して、ビジネス課題を解決する」職業だと私自身考えています。
そのため、分析には価値がなく、「ビジネス課題の解決につながる分析」に価値があります。この考え方が市場価値をあげるためにも重要です。
今回は、いかに分析をビジネス課題の解決につなげるか？という点で重要なポイントを解説していく記事です。
分析目線になりがち
データサイエンティストはどうしても分析目線になりがちです。
それは、手元にデータがあり、データから物事を知ろうとしてしまうからです。データを見ればなにかがわかると考えて、まずは手元にあるデータを先に見てしまいがちです。
ですが、事業においてデータはほんの一部でしかないです。詳しく言うと、過去のやったことに対する履歴、でしかありません。
この過去のやったことに対する履歴が膨大に渡されると、データサイエンティストはとにかくデータを見て、過去を知ろうとしてしまいます。
また、なまじデータ分析に対する専門性を持っているからこそ、すぐに分析的なアプローチに走ってしまいます。
例えば、過去のマーケティングの実績データを渡されたとします。
このような場合に、とにかくEDA的にデータを見て、言えることを探すことをしたり、クラスタリングをして顧客のセグメントの特徴を明らかにしよう、機械学習を使って、特定のサービスに加入しやすい人を分析しよう、というアプローチを考えてしまうことが多いです。
これは、意識してもどうしてもこのようなアプローチに寄ってしまいます。
なぜなら、ビジネス側の期待値もまたデータ分析をしてほしい、ということだからです。
ですが、データ分析者として重要なのは、「ビジネス課題につながる」データ分析をすることです。課題解決につながらないデータ分析は面白いどまりでほぼ価値はありません。
- 自分が持っている専門性
- 期待されている役割
が構造的にあるからこそ、データ分析者はどれだけ意識をしていても分析目線になってしまうということは間違いない事実です。
これは必ず理解しておくべき、事実だとまずは認識しておくことをおすすめします。
市場価値上げるために重要なこと
一方で、市場価値をあげるにはビジネス課題を解決する経験が非常に重要です。
ただ単に、Pythonが書けて、データ加工ができて、機械学習モデルを作れる人材は多く生まれてきています。
データ分析・データサイエンスを学べる環境が整ってきた＆大学などの教育機関でもデータサイエンスを学べる機会が増えて認知があがってきた、というのがその要因だと思います。
つまり、単に分析できるだけでは、市場価値としてあがりにくくなっているということです。
そのために、重要な経験が「ビジネス課題を解決するためのデータ分析をした」経験になります。
私自身、採用活動にも従事していますが、ビジネス目線で考えられる素質があるか？というのは、非常に重視してチェックしている観点です。
データサイエンスという自身の専門性をいかにビジネス課題の解決につなげる力があるか？という点を重視します。
だからこそ、過去にデータ分析により、課題解決を行った経験は大きな経験として評価をします。
すぐに分析しないこと
では、ビジネス課題の解決につながるデータ分析をするにはなにをしたらいいでしょうか？という点が気になると思います。
この質問に対する自身の回答は「すぐに分析しないこと」です。
データを見ると、そのデータから見えることが自身の視野になってしまいます。前述したように、データは過去の履歴でしかありません。
そのため、データを見ると視野が狭くなってしまうと考えています。
事業の構造、過去にやっていないが効果的でありそうな打ち手、事業を改善するための仮説、などデータ分析をする前に多くのことを考える必要があります。
まずは、データを見ずにフラットに「ビジネスを改善する方法」を模索することに時間を使います。
例えば、過去のマーケティングの実績データを例に取ってみると、
- その商材のベネフィットがなにか？
- 競合商品はなにか？
- 競合商品との差別化ポイントがなにか？
- どのような顧客が使っていそうか？
- どのような広告が重要なのか？
- どのようなチャネルで販売するのが効果的か？
- どんな販促が有効なのか？
などなど、あらゆる観点で自分なりに考え、仮説立てをすることから始めます。
このプロセスがなによりも重要であり、最初にデータ分析を始めてしまうと、はじめの1~3個目の商品性などの観点は抜け落ちてしまいます。
なぜなら、渡されているデータは自社のデータしか含まれていないことが多いからです。
だからこそ、一度フラットに事業に向き合って考えることが重要な考え方になります。いまはChatGPTなどの優れたツールがあり、アイデア・仮説出しまでサポートしてくれる有益なツールがあります。
このようなツールを使いながら、まずはビジネスに対する仮説出しをすることが「ビジネス課題を解決するデータ分析」をする秘訣になります。
もちろん、データ分析者の期待値は分析なので、分析は必ず期待通りに応えられることが大前提です。
ですが、期待値を越えるためには、必ずビジネス側と同等の目線で、データから言えることを武器に、ビジネスを改善するアクションを低減することが必要です。
だからこそ、データ分析者はすぐに分析に走ってはいけない、というのが、私自身が大事にしている重要な考え方になります。
とにかくビジネス目線から考えるべし
まとめに移りますが、データ分析者として、とにかくビジネス目線で考えることが重要です。
データ分析をしていると間違いなく、分析目線に陥ります。これはどれだけ意識していても発生してしまう事実です。
だからこそ、常に分析のプロセスにビジネス目線から考えるプロセスを入れるべきです。
自分の場合はデータを見る前に、必ずそのプロセスを入れます。
この仕組化が価値を出すために重要で、ビジネス側と限りなく同じ目線で語れるようになる、ポイントだと感じています。
ビジネス目線で考えることで、徐々に「ビジネス課題を解決するデータ分析」を実施できるようになり、市場価値の向上につなげることができるでしょう。
今回は以上です、ありがとうございました。
にほんブログ村
