【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スキルが必要なの？
- データサイエンティストに必要なスキルは多いけど、全部必要？
- どうやってスキルを身に付けていけばいいの？
データサイエンティストを目指そうと思い立ったものの、「必要なスキル多すぎじゃない！？」とびっくりする方も多いのではないでしょうか。
それもそのはず、データサイエンティスト協会が定義しているスキル項目は全572項目も存在するからです。しかし、実際にはすべての項目を習得する必要はありません。
筆者は現役のデータサイエンティストですが、見ず知らずのスキルも多いです。それでも、データサイエンス業界で十分活躍できていると自負しています。
つまり、すべてのスキルを身に付けなくてもデータサイエンティストとして活躍できます。
この記事ではデータサイエンティストが必要なスキルを具体的に解説していきます。
この記事を読むと、データサイエンティストとして真に身に付けるべきスキルがわかります。
下記が本記事の結論になります。
- データサイエンティストに求められるスキルは多い？
→多くない！役割ごとに必要となるスキルが異なる！ - 「ビジネス型」に必要なスキルは？
→ビジネスを動かすスキルが必要！ - 「サイエンス型」に必要なスキルは？
→データから有用な示唆を得る能力が必要！ - 「エンジニア型」に必要なスキルは？
→データ管理を最適に実施する力が必要！ - どうやってスキルを身に付ければいい？
→まずは自分に必要なスキルを見極めよう！その後は実践が必須！ - 未経験者が最初身に付けるべきスキルは？
→サイエンス寄りから分析の基礎を学ぼう！ - 「目指すべき姿に向けて少しづつスキルを身に付ける」ことが重要！
では、本題に移ります。
データサイエンティストはデータで課題解決する職業
データサイエンティストはデータで課題を解決する職業です。
近年では、急速なデジタル化に伴って各企業に蓄積されたデータの有効活用が注目されています。この「データの有効活用」に活躍するのが「データサイエンティスト」です。
データサイエンティストはデータで課題を解決するために、さまざまなスキルが求められます。
データサイエンティストはデータ分析することが仕事じゃないよ。データで課題を解決することが仕事だよ。課題を解決するために必要なスキルはたくさんあるんだ。
データサイエンティスト協会が定義するスキル項目は全572項目
データサイエンティスト協会のスキルチェックリストによるとデータサイエンティストに必要なスキル項目は572項目もあります。
「スキルカテゴリ」をピックアップしても下記のように、非常に多くのスキル項目が定義されています。
ここで重要な点は「ビジネス力」「サイエンス力」「エンジニアリング力」の3つの「力」が定義されている点です。
データサイエンティストは求められるスキルは幅広いよ。ビジネス理解から、システムの知識まで必要なスキルが幅広く定義されているんだ。
データサイエンティストは3つの役割に大別される
データサイエンティストは「ビジネス型」「サイエンス型」「エンジニア型」の3つの役割に大別されます。
データサイエンティストが実施した調査結果の中でも各企業が必要としているデータサイエンティストの役割は様々であることがわかります。
- 「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
市場に求められているデータサイエンティストは様々で、各役割がまんべんなく求められています。
これは、各企業が必要とするデータサイエンティストの役割が異なるからです。データサイエンティストは求められる役割によって必要なスキルも異なります。
データサイエンティストの仕事内容は下記に細かく解説しているので、詳しく知りたい方はぜひご覧ください。
データサイエンティストはそれぞれ、役割分担をしながら仕事を進めていくよ。それぞれの役割によって必要となるスキルも変わるんだ。
「ビジネス型」にはビジネスを動かすスキルが必要
「ビジネス型」のデータサイエンティストは「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」です。
「ビジネス型」にはビジネスを動かすスキルが必要です。これは、下記の3つに集約できます。
- 課題を設定して解決アプローチを具体化する力
- 分析組織をマネジメントする力
- ビジネスを推進する力
データサイエンティスト協会が定めるスキルとのマッピングは下記のようになります。
詳しく解説していきます。
課題を設定して解決アプローチを具体化する力
「課題を設定して解決アプローチを具体化する力」です。
ビジネスは複雑性が高く困難な状況が多いです。
複雑な状況の中で本質的な課題なにか？ということを見極めて明確化することが重要です。
「ビジネス型」のデータサイエンティストは解決すべき課題を明確化する力が求められます。
同時に、解決すべき課題に対して、どのように解決するか？を検討することが大切になります。
その解決策を見出すために、データ分析を活用しながら効果的なアプローチを具体化する力が求められます。
ビジネス課題は複雑だから、解くべき課題を見極めることが重要なんだ。課題を設定して、どう解決するかを具体的にすることがビジネス課題の解決につながるよ。
分析組織をマネジメントする力
「分析組織をマネジメントする力」が求められます。
ビジネスの現場では期限や人員が限られています。
さらに、システム負荷などの様々な要因も考量して分析を進める必要があります。
このような状況の中で、解くべき課題に対して、いつまでになにを明らかにすべきかを優先度を付けてスケジューリングすることが重要です。
さらに、日々刻刻と移り変わるビジネス環境の中では、分析の優先度が時がたつごとに変化します。
そのため、常にビジネスの状況を把握して分析の優先度を変えつつ、分析組織を動かすマネジメント能力が求められます。
課題解決に向けた分析を管理する力が求められるよ。ビジネスの状況・分析の人員の状況を含めて適切に判断していく能力が必要なんだ。
ビジネスを推進する力
「ビジネスを推進する力」が求められます。
高度な分析手法を使って得られた分析結果や示唆はデータサイエンティスト目線では理解できますが、分析の専門家ではないビジネスマンは理解できません。
どのような分析結果であっても理解されなければ価値は低く、無駄になってしまいます。
そのため、得られた分析結果をいかにわかりやすく伝えるかが重要です。
分析結果をわかりやすく伝えることで、結果的にビジネス全体を動かすことができます。
分析の結果、明らかになったこと・次に何をしていくべきかをわかりやすく意思決定者に伝えてをビジネスを推進していく力が必要です。
ビジネスを推進するには、ビジネスの意思決定者を動かす必要があるよ。分析結果をわかりやすく伝えて、意思決定者を動かす必要があるんだ。
「サイエンス型」はデータから有用な示唆を得る力が必要
「サイエンス型」は「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」です。
「サイエンス型」に必要なスキルは下記の4つに集約できます。
- 課題を深く理解・構造化する力
- 最適な分析アプローチを具体化する力
- 分析結果を解釈して意味づける力
- 専門スキル（必要に応じて）
「サイエンス型」では汎用的なスキルではないが、特定の領域で必要とされる「専門スキル」が必要とされる場合があります。
データサイエンティスト協会が定めるスキルとのマッピングは下記のようになります。
詳しく解説していきます。
課題を深く理解・構造化する力
「課題を深く理解・構造化する力」が求められます。
「サイエンス型」のデータサイエンティストは、ビジネス課題を深く理解することが重要です。
大前提のビジネス理解がないと、誤った分析を実施してしまいます。誤った分析をしないようにビジネス課題を深く理解して、課題をシンプルな構造に整理することが大切です。
ビジネス課題を構造的に整理することで目的に合致した分析を行うことができます。
目的に合致した分析をするために、ビジネス課題を深く理解して、構造化する力が求められます。
ビジネス課題を深く理解しておく必要があるよ。理解した上で、課題を構造的に整理することで目的に合った分析ができるようになるよ。
最適な分析アプローチを具体化する力
「最適な分析アプローチを具体化する力」が求められます。
「サイエンス型」のデータサイエンティストは解くべき命題に対して、多角的に分析アプローチを検討します。統計的な知識・数学的な理解・機械学習の知識を最大限活用して、最適な方法で分析を行うことが重要です。
「サイエンス型」のデータサイエンティストとして、知識・スキルが最も発揮できるフェーズであり、分析アプローチの引き出しの多さ・深さが価値になります。
この力を身に付けていくために日々の学習・トレンドの把握が重要で、日々の学習や情報収集が必須となります。
色んな分析手法から状況に応じて、最適な分析手法を選択することが重要だよ。日々の学習や情報収集で身に付けていくことが大切だよ。
分析結果を解釈して意味づける力
「分析結果を解釈して意味づける力」が求められます。
「サイエンス型」のデータサイエンティストには専門的な知識を活用して分析します。
分析アプローチによっては複雑性が高く、高度な解釈が求められることがあります。
最終的な分析の目的は解決策を導くことであり、ビジネス観点で有用な示唆を導出することが分析の価値になります。
そのため、「サイエンス型」のデータサイエンティストは高度な分析結果を解釈して、意味づける力が強く求められます。
分析した結果なにが分かったのか、有用な示唆を得ることが重要だよ。ビジネス課題を解決するためになにをするべきなのかを導出することが大切なんだ。
専門スキル
時に、「専門スキル」が求められます。
例えば、「自然言語処理」「画像・映像認識」「音声認識」があげられます。これらのスキルは特定の領域では重要になりますが、一般的なデータサイエンティストにとっては利用シーンが少ないです。
「画像・映像認識」や「音声認識」を専門的に扱う職種は「機械学習エンジニア」と呼ばれることが多く、データサイエンティストとはやや異なります。
そのため、必要に応じて身に付けるべきスキルと位置付けています。
特定の領域で活躍するには「専門スキル」が必要になるよ。領域に特化したデータサイエンティストになりたければ、必要なスキルだよ。
「エンジニア型」はデータ管理を最適に実施する力が必要
「エンジニア型」は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、運用ができる人材です。
「エンジニア型」に必要なスキルは下記の3つに集約できます。
- データ管理の課題を明確化する力
- 最適なシステム設計を具体化する力
- 持続可能な仕組みを構築する力
データサイエンティスト協会が定めるスキルとのマッピングは下記のようになります。
詳しく解説していきます。
データ管理の課題を明確化する力
「データ管理の課題を明確化する力」が求められます。
「エンジニア型」のデータサイエンティストは適切にデータ管理をして、分析組織全体の分析品質・効率を向上させる役割です。
そのため、データ分析者の業務を理解した上で、データ管理の課題を明確にする力が必要です。
大きな組織になればなるほど、複数のシステムにデータが散在しており、データ管理上の課題が多く発生します。
そのような状況の中ではデータ管理の課題が複雑化するため、より一層、課題の明確化が重要になります。
データ管理は分析効率を大きく左右する重要な要素だよ。データ管理を円滑にすることで組織の分析活用は大きく進むよ。そのために、データ管理の課題を明確にすることが重要だよ。
最適なシステム設計を具体化する力
「最適なシステム設計を具体化する力」が求められます。
分析の効率を最大化させるためには、データ管理システムが重要です。
「エンジニア型」のデータサイエンティストはデータ管理の課題を解決するためのシステム設計を担います。
システムを設計する際に、「インフラ」や「分析環境」の知識・最新の技術理解が必要になります。
これらの知識を活用して、データ管理の課題解決につながる最適なシステム設計を具体化する力が求められます。
そのため、「エンジニア型」のデータサイエンティストも常に情報収集して、最新の技術に敏感であり続ける必要があります。
データ管理を最適にするためのシステムを設計する力が必要だよ。システムを作ってデータを適切に管理することで効率の良い分析ができるようになるよ。
持続可能な仕組みを構築する力
「持続可能な仕組みを構築する力」が求められます。
分析組織全体の分析品質・効率を上げることは一過性のものであってはいけません。
持続可能な形で仕組みを構築することが重要になります。
システムを運用することはもちろん重要です。
しかし、時にはデータを分析するデータサイエンティストに依頼すべき事項も多くあります。例えば、各チームで利用しているデータを一覧化してもらうなど、ルールを決めることも大切です。
データ管理を適切に行うために、システムでカバーできる範囲・業務プロセスでカバーする範囲を見極めて分析組織全体の品質・効率を向上する仕組みを構築する力が求められます。
システムを作ったら持続的に運用することが大事だよ。ルールを決めて、ルール通りに使ってもらうことも含めて考えないといけないんだ。
スキルを身に付けるには実践が必須
データサイエンティストのスキルを身に付けるには実践が必須です。
なぜなら、データサイエンティストはスキルを活用してこそ、スキルが身に付いたと言えるからです。
データサイエンティストは「データで課題を解決する職業」です。「課題」は複雑であり、「解決方法」はその状況によって変わります。
そのため、状況に応じてスキルを活用して、課題を解決してこそ、「スキルが身に付いた状態」になります。
データサイエンティストとしてスキルを身に付けるには実践が必須であることを覚えておきましょう。
データサイエンティストは課題を解決してこそ価値だからね。スキルは活用できる状態になってこそ、「身に付いた状態」になるよ。そのためには実践が大事だよ。
自分に必要なスキルを見極めてから学習しよう
データサイエンティストは「自分に必要なスキルから身に付ける」ことが重要です。
データサイエンティストに求められるスキルは非常に多いです。そのため、がむしゃらにスキルを身に付けることは効率が悪いです。
まずは、自分がなりたい姿を決めてから、どのようなスキルが必要なのかを逆算的に考えることが重要です。
自身に必要なスキルが決まったら、学習を進めていくことが大切です。
自身に必要なスキルを見極めるために、「資格」を活用することも有用です。下記に、データサイエンティストの資格について詳しく解説しているので、ぜひご覧ください。
全部のスキルを身に付けることは現実的ではないよ。自分に必要なスキルを見極めて、学習を進めていくことが大切だよ。
未経験者であれば「サイエンス力」から習得しよう
未経験者であれば、「サイエンス力」から習得することが望ましいです。
データサイエンティストは「ビジネス型」「サイエンス型」「エンジニア型」の3つに大別することができると述べてきました。
しかし、初めに経験すべき領域はすべて同じであります。まずはサイエンス力の領域からスキルを付けていくことが望ましいでしょう。
なぜなら、前述したようにどの型であっても、根底にはデータ分析に対する深い理解が求められるからです。
まずは実際のデータ分析業務を経験して、データサイエンス力を一定の水準で身に付けて自力を固めることが重要になります。
そこから目指すべき型によってスキルの幅を広げて、下記のように少しづつ重心を寄せていくスキルアップが理想的です。
未経験からデータ分析のプログラミングを学ぶ方法は下記に詳しく解説しています。気になる方はご覧ください。
初めはデータ分析の基礎を身に付けることが重要だよ。データ分析が分からなければ、どのようになりたいかの検討もつかないからね。
【まとめ】目指すべき姿に向けて少しづつスキルを身に付けよう
データサイエンティストのスキルを身に付けるためには、「目指すべき姿に向けて少しづつスキルを身に付ける」ことが重要です。
まずは、自身のなりたい姿を決めることがスキルアップの第一歩です。
本記事のまとめです。
- データサイエンティストに求められるスキルは多い？
→多くない！役割ごとに必要となるスキルが異なる！ - 「ビジネス型」に必要なスキルは？
→ビジネスを動かすスキルが必要！ - 「サイエンス型」に必要なスキルは？
→データから有用な示唆を得る能力が必要！ - 「エンジニア型」に必要なスキルは？
→データ管理を最適に実施する力が必要！ - どうやってスキルを身に付ければいい？
→まずは自分に必要なスキルを見極めよう！その後は実践が必須！ - 未経験者が最初身に付けるべきスキルは？
→サイエンス寄りから分析の基礎を学ぼう！ - 「目指すべき姿に向けて少しづつスキルを身に付ける」ことが重要！
データサイエンティストについて、もっと詳しく知りたい方は下記の記事をご覧ください。
現役データサイエンティストが”超”詳しく解説しました。これを読めばデータサイエンティストはまるわかりです。
今回は以上になります。
にほんブログ村
