【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！
【本題】
昨今のDXの流れを受けて、昨今ではデータ分析の一般化が進んできています。
これはデータが見られる環境が数年前より、整ってきているからです。
数年前はデータの専門家がデータを可視化しなければ、データ分析は進みませんでした。
しかし、DXを推進している企業では徐々に手元にデータがありながら業務ができるようになってきています。
データ分析を専門としないが、データ分析を行う、「シチズンデータサイエンティスト」という考え方があります。
この「シチズンデータサイエンティスト」という人たちにデータサイエンティストは脅威を感じて、危機感を少し感じた方がいいよ、という話です。
筆者はデータサイエンティストとして、大手企業のDXを推進している立場です。
筆者自身はこの脅威を感じているが、まだ危機感を持っていないデータサイエンティストも多くいます。
本記事では市場で起きていること簡単に解説した上で、今後のデータサイエンティストとしての価値の出し方を紹介していきます。
関連記事は下記です。ご参考までにご覧ください。
では、本題に移ります。
データ分析はコモディディ化してきている
まず、データ分析はコモディティ化してきているという話です。
データ分析の業界にいればわかると思いますが、市場には豊富なパッケージが多く展開されています。
それにより、ある程度知識があれば、簡単に機械学習を実装できます。
さらにクラウド技術の発展により、分析環境を整えることも難しくなくなってきています。
そこに拍車をかけたのがAIの登場です。
ChatGPTが登場して、AIがコードを書いてくれる時代になりました。
もちろん、コードの中身を理解していなければ、真に使いこなせるとは言えないが、間違いなくデータ分析へのハードルは下がっているはずです。
つまり、データ分析全体のハードル、参入障壁がグッと下がってきている市場環境です。
これはデータサイエンティストとしては気になる動きです。
シチズンデータサイエンティストの登場
「シチズンデータサイエンティスト」という概念を紹介します。
シチズンデータサイエンティストとは
シチズンデータサイエンティストはガートナー社が命名した用語であり、「データ統計や分析の専属担当ではないものの、高度なデータ分析や予測・意思決定機能を用いた機械学習モデルを構築できる人材」と定義されています。つまり、シチズンデータサイエンティストは営業、マーケティング、財務、人事などの事業部門に在籍し、各部門が直面しているビジネス課題に関して深い専門知識を持っているが、データ分析の専門家ではない人と言えます。
https://www.cheetahdigital.com/ja/%E3%83%96%E3%83%AD%E3%82%B0/jp-citizen-data-scientist/
端的にいうと、データサイエンティストではないが、分析をできる人材、と解釈できます。
この背景にはDXの流れを受けて、データ周りの基盤・環境が整備されてきていることが要因です。
近年のクラウド技術の発展やDX関連のソリューションにより、各企業データへのアクセシビリティは非常に高まっています。
つまり、データの専門家がいなくともデータを抽出・分析できるということです。
近年の大企業では比較的、このような環境が整備されてきており、データの専門家でなくともデータ分析できる環境が整ってきています。
もちろん、機械学習などの高度分析にはスキルが必要ですが、高度分析の必要性も多くないのが実情というのを次の章で解説します。
実業務で高度分析が必要となるシーンは多くない
実業務で高度分析が必要となるシーンは多くないという話です。
多くの場合はデータ分析において、高度な分析が必要となることは多くありません。
単純な基礎集計や複合的にデータを見るだけで効率をある程度高めることができてしまうからです。
データサイエンティストとして、高度なスキルを持っているのに、活用できる機会が少なく宝の持ち腐れ感を感じるデータサイエンティストも少なくないでしょう。
しかし、現実的には高度な分析はビジネス側の理解を得るのが難しい側面があります。
機械学習、クラスタリング、深層学習など様々ありますが、どうしてもアルゴリズムが複雑になること・示唆や解釈の透明性がさがることがネックになります。
そして、それは事業運営上も健全な判断だと思っています。
なにかよくわからないもので意思決定を行うことは事業運営上、正しい意思決定とは言えません。
だからこそ、高度分析を事業に用いることはちょっと難しい側面がまだ残っており、透明度が高い分析を実施しようとすると基礎集計や単純なものに落ちることが多いです。
あくまでデータ分析は手段であり、無理やり高度分析を使おうとしてはいけません。
同じデータを見たらビジネス側の人間に勝てない
同じデータを見たらビジネス側の人間に勝てない、という話です。
データを分析するには、分析力はもちろんだが、その裏側の背景や構造を理解しておくことが重要です。
そのような事業のドメイン知識はビジネス側の人間とデータサイエンティストでは大きな差分になります。
ドメイン知識の差異によって、ビジネス側の人間が優れた発見をすることも多いです。
そのため、同じデータを見た時にはデータサイエンティストはビジネス側に勝てないことも多々あります。
しかし、背景や事業構造の把握、最新情報をビジネス側の人間以上に知ることは難しいということは理解しておくべきです。
DSはどこで価値を出すか考えないといけない
このようにデータ分析がコモディティ化しているの中で、DSはどこで価値を出すべきか考える必要があります。
価値の出し方はさまざまあるが、今回は下記の4つをあげます。
データサイエンティストによって価値の出し方はさまざまですので、あくまで一例ということにご留意ください。
- 分析スキル（高度分析）
- 分析スキル（課題設定・分析計画）
- 特定ドメインの深い知識・経験
- データ活用スキル
詳しく解説していきます。
分析スキル（高度分析）
一つ目は「分析スキル（高度分析）」です。
機械学習や深層学習などに深い知識を持って、差別化する方法です。
機械学習などの専門性が高い領域にはシチズンデータサイエンティストは踏み込みにくい領域になります。
簡単にモデルを作る環境は整ってきているが、それを細かくチューニングしたり、改善するには深い知識が必要です。
そのため、高度分析のスキルを身に付けて価値を出すことは一手だと思います。
しかし、前述したように高度分析が必要となるケースは多くないので、活躍の場が限定的になる可能性はある点には注意が必要です。
分析スキル（課題設定・分析計画）
二つ目は「分析スキル（課題設定・分析計画）」です。
分析の初心者は比較的、データをすぐ見て言えることを探そうとしてしまいます。
これはシチズンデータサイエンティストも同様です。
真に優れたデータサイエンティストは明らかにすべきことを設定して、その目的に向かって真っすぐにデータ分析を行います。
このように計画的に分析ができない人は意外と多いです。
データサイエンティストとして、なにをどの優先度で明らかにすべきか、どのような分析をすべきか、データ分析の一連の分析計画・設計をすることで価値を出すことはできます。
この分析計画を立てることは豊富なデータ分析経験が必要であり、一長一短で身に付くものではありません。
簡単そうに聞こえると思うが、意外と最初の計画を立てるのは難しく、分析全体のプロジェクトを管理するにはそれなりの専門性が必要です。
そのため、分析のプロジェクト全体をマネジメントする役割で価値を出すこともできます。
特定ドメインの深い知識・経験
三つ目は「特定ドメインの深い知識・経験」です。
これは特定ドメインの深い知識・経験を積むことでそのドメインに専門性を持ち、分析経験を積んでいく方法です。
もちろん、ビジネス特有の情報はビジネス側が持っています。
しかし、ドメイン特化した知識や経験を持っておくことで過去の分析経験が大きなアセットとなります。
過去に実施した分析が、他の案件でも横流しにして使えることも多く、新たな依頼元には大きな価値に映ります。
「よくやる方法は～な形で分析して、～を明らかにして、～のようなアクションをとります。今回のケースでは～が異なるので、～形で分析するのがよさそうです。」
のように、過去の経験をいまのケースに当てはめて分析を考えることで、効果的な分析アプローチを考えることができます。
特定のドメインに特化したデータサイエンティストはまだまだ数が少なく、希少性も高いので、今後も一定の需要が見込まれます。
データ活用
四つ目は「データ活用スキル」です。
データをどのように活用するか？データを使えばこのようなことができ、事業のグロースに貢献できます、などデータの有効な活用方法を考えるスキルを指します。
これは、データに日ごろから向き合って引き出しを出しているデータサイエンティストならではの価値の出し方です。
データを分析する力ではなく、データを活用する力を身に付けることで他のデータサイエンティスト・シチズンデータサイエンティストとは一風変わった価値を出すことができます。
そのためにはさまざまな経験や知識が必要です。
詳しくは下記で解説しています。ぜひ、参考までにご覧ください。
データサイエンティストは価値の出し方を日々考えよう
データサイエンティストは自分の価値の出し方を日々考えて行動すべきです。
この記事で述べた通り、データ分析は一般化してきています。
その中でデータの専門化としてどのような価値を出すべきかは日々模索する必要があります。
常に与えられた分析だけやっていると、徐々に価値が下がっていきます。
そのため、データ分析が一般化する環境でどのように周囲と差別化を図って独自の価値を出していくべきかを日々考えて行動しましょう。
中々難しいことですが、日々模索して考え続けることが重要です。
今回は以上です。
にほんブログ村
