【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ってどんな職業なの？
- データサイエンティストって楽しい？やりがいは？
- データサイエンティストって辛い？しんどいこともある？
データサイエンティストってかっこいい！となんとなく思ったものの、実際どんな職業なの？やりがいはあるの？忙しいの？などと具体的な仕事内容を理解できていない人も多いのではないでしょうか。
データサイエンティストはやりがい満載のオススメの職業です。一方で辛いこともあります。
データサイエンティストがあまり知られていない理由はここ数年で現われた職業であり、まだまだ知名度が高くない職業だからです。
私は現役データサイエンティストとして、長らく経験を積んでいますが、データサイエンティストはやりがい・年収・将来性などあらゆる観点でオススメできる数少ない職業です。
この記事ではデータサイエンティストの仕事内容について、解説をしていきます。この記事を読むと、データサイエンティストを詳しく理解でき、自分に適性があるかの理解を深めることができます。
- データサイエンティストはどんな職業？
→データでビジネス課題を解決する職業！ - データサイエンティストの魅力・やりがいは？
→「ビジネスインパクトを生める」こと！ - データサイエンティストが辛い・しんどいと思うときは？
→「突発的に忙しくなることがある！」「責任重大！」 - データサイエンティストは結局オススメなの？
→超オススメ！やりがいが勝つ！さらに、今後のキャリア形成に重要な要素が身に付く！ - データサイエンティストになってスマートなキャリア形成を！
それでは本題へ移ります。
データサイエンティストは「データでビジネス課題を解決する」職業
データサイエンティストは「データを用いて課題解決を推進する職業」です。あくまでデータは手段であり、目的はビジネス課題を解決することです。
各転職支援会社のデータサイエンティストの定義を見てみましょう。転職支援会社によると、データサイエンティストの定義は各社様々です。
データサイエンティストはここ数年で現われた職業であるため、どのような職業か浸透していないのが現状です。
しかし、データサイエンティストがビジネス現場での価値は「データでビジネス課題を解決する」ことです。どれだけ難しい分析をしても、高度なAIを作ってもビジネス課題解決につながっていなければ、価値はありません。
データ分析の結果がビジネス課題の解決につながって初めて、データサイエンティストの価値が発揮されます。
データサイエンティストの価値は「データでビジネス課題を解決する」ことだよ。分析することがデータサイエンティストの仕事じゃないよ。目的を間違えちゃいけないよ。
データサイエンティストのやりがいは「ビジネスインパクトを生めること」
データサイエンティストのやりがいは「ビジネスインパクトを生めること」です。データサイエンティストは「データでビジネス課題を解決する」ことで大きなビジネスインパクトを生むことができます。
データサイエンティストは下記のように3つのタイプに分かれます。
- 「ビジネス型」：ビジネス課題を抽出し、データを分析・活用して課題を解決できる人材
- 「サイエンス型」：統計学、人工知能などの情報科学系の知識を理解し、統計ソフトなどを用いた専門的な分析ができる人材
- 「エンジニア型」：データ分析を目的とし、プログラミング知識を使ってデータの収集、加工やシステムへの実装、運用ができる人材
それぞれのタイプで共通の”やりがい”は「ビジネスインパクトを生めること」です。
「ビジネス型」「サイエンス型」「エンジニア型」のどのタイプであっても大きなビジネスインパクトを生むことができます。
本章では各タイプがどのように大きなビジネスインパクトを生みだすか詳しく解説します。
それぞれのタイプの仕事内容は下記に詳しく解説しています。
この記事を読むと、データサイエンティストの仕事内容を詳細に理解することができます。
もっと詳しく知りたい方はぜひご覧ください。
「ビジネス型」は大きな意思決定を促してビジネスインパクトを出す
「ビジネス型」は大きな意思決定を促してビジネスインパクトを出します。
「ビジネス型」がビジネスインパクトを出しやすい領域はお金が多く動く領域です。
ここではマーケティング領域を例に具体例を見ていきます。マーケティング領域がいかにお金が多く動くか見るために、代表的な広告宣伝費をみてみましょう。
下記は東洋経済が調査した広告宣伝費が多い会社ランキングです。大企業ともなると、広告宣伝費は2,000億円以上の予算が充てられていることがわかります。また、翔泳社が調査した結果によると、今後3年間でマーケティング予算が増加すると答えた企業は全体で55%を越えています。
「広告宣伝費が多い会社ランキング」
「今後3年間のマーケティング予算の変化」
マーケティング領域では予算配分が最も重要なポイントです。コストがどこにどれだけ使われていて、どれほどの売上を上げているのかをデータ分析によって、明らかにしていきます。
データ分析によってコスト効率が明らかになります。このコスト効率を可視化して、予算配分を最適化する「意思決定を促す」ことでマーケティング効率を改善します。
マーケティング領域は予算が膨大であるため、数％効率を高めるだけで数億円・数十億円ものインパクトを生むことができます。
このように「ビジネス型」はデータ分析でいままで見えていなかったコスト効率を可視化して、「意思決定を促す」ことで大きなビジネスインパクトを創出します。
「ビジネス型」は大きな意思決定を促すことで「ビジネスインパクト」を創出するよ。お金がいっぱい動いているところでも意外と効果が示されていないまま進められていることは多いよ。
「サイエンス型」はデータの価値を最大活用してビジネスインパクトを出す
「サイエンス型」はデータの価値を最大活用してビジネスインパクトを出します。
「サイエンス型」が価値を発揮する領域の一つに「レコメンドシステム」の構築があげられます。
AmazonやYouTubeなどでよく見られるオススメ機能です。「サイエンス型」は過去のデータを基に顧客ごとにオススメの商品をオススメするアルゴリズムを構築します。
近年ではレコメンドシステムの性能がサービスの売上に直結しています。マッキンゼーの調査によると、下記のように、レコメンドシステムは大きな売上をもたらしていることが分かります。
- Amazon：全体の売上の約35%がレコメンドシステムから生み出されている
- Netflix：4人に3人がレコメンドシステムの推薦する映画を選択しており、総視聴時間の80%を占めている
21年度のAmazonのオンラインストアの売上は2220億7500万ドル（約30兆円）にも昇ります。このうち、35%（=約10兆円）もの売上が「レコメンドシステム」によって生み出されたものです。
このように「サイエンス型」はデータの価値を最大限活用することで何億・何十億円もの売上を生み出すことができます。
過去のデータを最大限活用することで大きなビジネスインパクトを出すことができるよ。「サイエンス型」は色んな知識を持っていて、データの価値を最大化するプロフェッショナルなんだ。
「エンジニア型」はシステム構築で企業の競争力を作る
「エンジニア型」はシステム構築で企業の競争力を作ります。
「エンジニア型」のデータサイエンティストは「分析環境の構築」という点で活躍します。
上記で説明した「ビジネス型」「サイエンス型」が分析するプラットフォームを構築することで生み出せるビジネスインパクトは一目瞭然です。
その地盤となる効率的な分析環境を構築することで、十億~百億円単位のビジネスインパクトを生むことができます。
実施に分析環境の市場は急速な拡大が見込まれる調査結果があります。
株式会社グローバルインフォメーションの市場調査レポートによると、データサイエンスプラットフォームの市場規模は2021年の953億米ドルから年平均で27.7%で成長していくと予測されています。
このように分析環境の構築は世界的に見ても成長市場であり、分析環境の構築は企業の競争力を作ると言っても過言ではありません。
分析環境を構築することで大きなビジネスインパクトを出すよ。基盤となるシステムを作ることは企業としての競争力に直結するよ。やりがいがたくさんだね。
データサイエンティストでしんどい・辛いと感じた瞬間
どのような職業でもメリット・デメリットはあります。
ここでは、データサイエンティストをやっていてしんどい・辛いと感じた瞬間を紹介していきます。
主に下記の3点です。順番に解説していきます。
- 突発的に忙しくなる瞬間がある
- 責任重大
- 学び続ける必要がある
突発的に忙しくなる瞬間がある
データサイエンティストは突発的に忙しくなる瞬間があります。データ分析をビジネスに活用する上で、タイトなスケジュールが設定されるためです。
ビジネスの現場はスピード感が命です。
迅速な意思決定を下すために、データ分析にもスピード感が求められます。
さらに、データ分析は結果を基にさらなる分析を求められることが多く、追加の宿題事項をもらうことが多い業務です。
特に、重役との重要会議や予算の策定時期など重要な意思決定が必要な時期が近づいてくると業務量は増えます。そのため、重要な会議の直前などは忙しくなり、仕事に忙殺されることが多々あります。
データ分析が意思決定に重要である裏返しでおきることだよ。それほど、ビジネスの現場でデータの重要性が増しているんだ。重要な意思決定の前ではどうしても忙しくなるよ。
責任重大
データサイエンティストはビジネスインパクトを大きる出せる反面、分析に対する責任は重大です。一つのミスが誤った意思決定を促し、何十億円もの損失を出してしまうとこともあります。
大きなビジネスインパクトを生むことはそれ相応のプレッシャーがかかる仕事であるため、慎重にデータ分析を進める必要があります。
そのため、あらゆる観点からデータ分析の妥当性をテストして分析の信頼性を担保するのですが、この作業はかなり地道な作業で神経をすり減らす瞬間です。
誤ったデータを出してしまうと大きな損失につながってしまうよ。責任重大だから慎重にデータ分析する必要があるよ。重要な分析は神経を使うよ。
学び続ける必要がある
データサイエンティストは常に学び続ける必要があります。
データサイエンス業界の技術の移り変わりは日進月歩です。次から次へと新たな技術が生まれてきます。加えて、ビジネス環境も日々変化していきます。
そのため、新たな技術を学び続けながら、日々移り変わるビジネス環境も理解する必要があります。新たな技術を常に学ばなければ、トレンドについていけずに業界から置いていかれてしまいます。
ビジネス環境を理解できなければ、データサイエンティストとして価値が出せません。
自身で業界のトレンドにアンテナを張りながら、常に情報収集・自己研鑽が必要な点はデータサイエンティスト特有の苦労ポイントです。
常に学び続ける必要がある点はデータサイエンティストとしても大変な点だよ。だから、常に新しいことを学び続けたい人に向いている職業だよ。
辛いことがあってもデータサイエンティストはオススメの職業
そんな辛いことがあるデータサイエンティストですが、それでも筆者はデータサイエンティストをオススメします。その理由は下記です。
- やりがいある楽しい職業だから
- 将来性があるから
- 年収が高いから
- 専門性が身に付くから
辛いこともありますが、筆者は「やりがい」の方が大きいと思っています。
加えて、今後のキャリア形成に向けて重要な要素が身に付けられます。ものすごくオススメできる職業であるため、データサイエンティストは胸を張ってオススメできる職業です。
下記の記事で、データサイエンティストについてもっと詳しく解説しています。
長年データサイエンス業界に身を置く筆者の目線で”超”詳しく解説しました。こちらを見ていただければ、データサイエンティストが超優れた職業であることがわかります。
ぜひ、ご覧ください。
データサイエンティストはものすごくオススメの職業だよ。今後のキャリア形成を考えた時に、重要な要素がたくさん身に付く職業だからだよ。詳しくは上の記事も見てね。
【まとめ】データサイエンティストは辛いこともあるが、やりがい満載の職業
データサイエンティストは辛いこともあるが、やりがい満載の職業です。
辛い仕事があるのはどのような職業でも同じです。それ以上にオススメできるポイントが多いことが、筆者がデータサイエンティストを強くオススメする理由です。
下記、本記事のまとめです。
- データサイエンティストはどんな職業？
→データでビジネス課題を解決する職業！ - データサイエンティストの魅力・やりがいは？
→「ビジネスインパクトを生める」こと！ - データサイエンティストが辛い・しんどいと思うときは？
→「突発的に忙しくなることがある！」「責任重大！」 - データサイエンティストは結局オススメなの？
→超オススメ！やりがいが勝つ！さらに、今後のキャリア形成に重要な要素が身に付く！ - データサイエンティストになってスマートなキャリア形成を！
データサイエンスでスマートなキャリア形成を目指しましょう！
今回は以上になります。
にほんブログ村
