【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キャリアをスケールさせるには「教育」か「情報発信」なんじゃないかという話。
データサイエンティストは結局、人工（にんく）ビジネス（1人あたりxx円で商売するビジネス）になる。だから、基本は人がいないと売上はあがらない。
これは個人でも同じであり、結局自分の単価を上げることはできても労働集約型の仕事であることからは抜け出せず、自分が働かないと収益は得られない。
この労働集約型を脱却して、ストック型のビジネスをするには「教育」か「情報発信」しかないんじゃないかという話を書いていく。
関連記事はここらへん。
データサイエンスのビジネスはなにか事業がある前提
データサイエンスのビジネスって結局なにかの事業があり、そこにデータがたまっている前提であることが多い。
つまり、なにかの事業に引っ付く形でビジネスをやっているということ。
もちろん、データ収集のフェーズから入り、なにかプロダクトの環境作りにデータサイエンティストが入るというフェーズもある。
しかし、このようなケースはあまり多くはなく、主流なのはなにかの事業・サービスがあり、データ活用を進めるためにデータサイエンティストが登場することが多い。
さらに、データサイエンティストが必要になるフェーズはある程度、事業・サービスが大きくなってきてからの方が多い。
なぜなら、事業・サービスが小さい頃はデータも少なく、データ分析の難易度も低い。専任のデータ分析のプロフェッショナルなど必要ないということだ。
事業・サービスがある程度大きくなって、実態が少しづつ分からなくなり、大きなデータを解析して、状況を把握したくなった時にようやくデータサイエンティストの需要が生まれる。
データサイエンティストの需要はなにかの事業がある前提でしか生まれないという話でした。
データサイエンティストは結局人工ビジネス
データサイエンティストは結局人工ビジネスであるということ。
人工ビジネスとは1人あたりxx円という人間を売って、ビジネスをするという形態。端的にいうと派遣と同じだ。
データサイエンティストは人工ビジネスであり、1人あたりの単価でビジネスをすることが基本だ。
御幣を恐れずにいうと、他社の事業に依存したビジネス形態でもあるということ。商品は人であり、データ分析ができる人を売っていることになる。
完全なる労働集約型なのだ。
事業をスケールさせるには人を増やすか、人の単価をあげるかのどちらかかしかない。
近年のDXの流れを受けて、データサイエンティストの需要は急増している。
そのため、データ分析会社は採用数を増やし、社内の人材の強化を図っている。
だからデータサイエンティストはよき職業として語られていることも多く、筆者自身がそう思っている。
しかし、データサイエンティストは結局は人工ビジネスということは忘れないでいるべきだ。
将来的にデータサイエンティストの需要がなくなれば、価値は相対的に下がっていくことになる。
最近の生成AIの登場でありえないとは言えない状況になっているのが実情だ。
分析ソリューション作りは日本では現実的ではない
データサイエンティストが労働集約型から解放されるために真っ先に思うことが、データ分析の知見を活用した分析ソリューション作りだ。
データ分析会社の一部ではデータ分析のソリューションを開発している企業もある。
しかし、分析ソリューション作りは日本では現実的ではないのが実情だ。
つまり、分析ソリューションは海外で開発された実績のあるものが日本に持ち込まれる構造であり、日本で開発した分析ソリューションは競争力がないということ。
理由は下記の3点。
- データサイエンス自体が日本で最先端ではない
- ビジネス構造的に投資が必要な領域は日本は不利
- マネタイズができない
データサイエンス自体が日本で最先端ではない
まず、データサイエンス自体が日本が最先端でないこと。
データサイエンスが日本は最先端ではなく、米国などにはどうしても出遅れる。そのため、シンプルに動き始めが遅れる。
市場のニーズができるのも遅ければ、ソリューション開発の時期も遅れる。
いち早く動くべきソリューション開発に対して、どうしても遅れを取ってしまう構造になってしまっている。
頑張ってソリューションを作ったものの、海外からよきソリューションが持ち込まれて、一気に持っていかれてしまうことが多い。
ビジネス構造的に投資が必要な領域は日本は不利
次に、ビジネス構造的に投資が必要な領域は日本は不利であるという点だ。
莫大な投資をそてソリューションを開発して、後からマネタイズするビジネスモデルはやはり海外の方が優れている。
投資が主流の文化であり、日本とは桁違いの投資資金を集めることができる海外と比較すると、開発できる製品の規模・スピード感共に不利になる。
そのため、分析ソリューションは海外で開発され、海外で実績が積まれたものを日本に持ち込むことが多い。
具体的な製品名をあげると、「DataBricks」「snowflake」「Tableau」「Qlik」などだ。
これらはデータサイエンス業界でよく聞くソリューションだが、すべて海外から輸入されているものであり、海外で実績を積んだものが日本に持ち込まれている。
このように大規模な投資が必要な分析ソリューション領域はどうしても日本は後れを取ってしまう。
マネタイズができない
最後はマネタイズができないということだ。
ここらは分析ソリューションを自体でマネタイズしようとしていた際に、ビッグプレイヤーたちがより安価、もはや無償で同等のソリューションを提供し始めることがある。
例えば、Googleのレコメンドエンジンのソリューションだ。これはGCP上でレコメンドエンジンを簡単に構築できるソリューションである。
料金としては上述されているが、Googleはこの利用料だけでマネタイズしようとしているわけではない。
このレコメンドシステムを構築するために、GCP環境にデータを入れる必要があり、クラウドストレージの利用料でもマネタイズしようとしている。
そのため、状況に応じては、このレコメンドソリューションの利用費を0にして、クラウドストレージにデータを入れてもらうメリットの一つに全ぶりすることもできる。
この戦略を取られると、他にマネタイズ方法がない企業は太刀打ちができない。
分析ソリューションを開発するにはマネタイズポイントがなく、海外のビッグプレイヤーにつぶされてしまう大きなリスクを抱えている。
労働集約型から脱するにはBtoCを主として考えるしかない
データサイエンスのビジネスはBtoBによるものがほとんど。しかし、労働集約型から脱するにはスケールができるようにデータサイエンスをBtoC化させる必要があるんじゃないかと。
BtoBで人工ビジネスを行っている限り、ほぼ間違いなく労働集約型の仕事になってしまう。
人工ビジネスではいわば個人の技術やスキルが価値であり、商品ではなく、個に紐づいたスキルを商品としている。
そして、技術やスキルだけでなく、日々の積み重ねである過去の経緯の理解・信頼感も含めて価値を提供している。
こうなると、ますます属人化が進み労働が伴ったビジネスモデルになる。
この労働集約型から脱却するには、個人に紐づいた技術・スキルを手離れがよい状態にしなければならない。
データサイエンスの場合は上述した通り、分析ソリューション化は比較的むずかしいと個人的には思っている。
そのため、BtoC化を実施するには個人向けにビジネスを行う必要があるというのが個人的な意見。
データサイエンスをBtoC化させるには「情報発信」「教育」「転職」の3ビジネスしかないのでは
データサイエンスをBtoC化させるには「情報発信」「教育」「転職」の3ビジネスしかないのではという話。
データサイエンスは基本的に膨大なデータを持つ企業向けのサービスであることがほとんどだ。個人向けに展開することはむずかしい。
個人でデータサイエンティストが必要なほどのデータを保有していることは現状ほとんどない。（今後、数値化されていない生活データなどが取得できるようになれば話は変わってくる）
そうなると、個人向けにデータサイエンスをビジネスにするにはデータサイエンスのスキル・知見そのものを売ることが必要である。
細かく細分化すると下記だ。
- データサイエンティストを「知る」ための「情報発信」（広告）ビジネス
- データサイエンスを「学ぶ」ための「教育」ビジネス
- データサイエンティストになるために「転職」ビジネス
この3つ以外に、BtoC向けに事業をスケールさせられるビジネス形態はないんじゃないかと。
一つ目はデータサイエンティストを知るためにブログを開設して、広告収益を得たり。オンラインスクールなどをレビューして、広告収益を得るビジネス。
二つ目は教育プログラムを作成して、教育費用を収益とするビジネス。
三つ目はデータサイエンティストの企業と個人をマッチングして企業から採用費をもらうビジネス。（これは人手がかかりそうで、どこまでスケールできるかはむずかしいかも）
BtoC向けにデータサイエンスを展開するにはこの3つしかないんじゃないかと思う。
「情報発信」「教育」「転職」は個人が強い
「情報発信」「教育」「転職」の3ビジネスは個人の経験談が重要視される領域であり、上手く個人の経験談を活かすことで個人てもスケールできる収益モデルが作れると思う。
自分で事業をやるでもいいし、経験談を活用できる副業などを探してみるのも一手。
もちろん、自身がデータサイエンティストとして成果を出していることが重要ではあるが、その実績が作れれば、事業をやるなり、副業をやるなり、チャレンジしてみることが重要だと思う。
うまくいくか行かないかは当人のがんばりによるが、少なくともデータサイエンティストが労働集約型から脱却するには自身の体験を活かしてビジネスをする考え方が大事。
いつかうまくいくと信じて日々積み上げることがデータサイエンティストが労働集約型から脱出するただ一つの道。
いつか成果を出せると信じて愚直に毎日を積み上げていくべし。
今回は以上。
にほんブログ村
