【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】
データ活用を考えられるデータサイエンティストは価値高いです。
なぜなら、データを活用してビジネス課題を解決することができるからです。
データ分析は要件に基づいて、データ分析を行うため、比較的かんたんです。
一方で、データを活用することは要件を自身で決めなければならないため、難易度は跳ね上がります。
データ活用に重きが置けているデータサイエンティストはあまり多くありません。
筆者は長年データサイエンティストとして、ビジネス元との会話中心としており、いわば「ビジネス型」のデータサイエンティストです。
ビジネス元の無茶ぶりにも多く対応してきており、比較的データ活用には向き合い続けています。
そんな経験から今回はデータサイエンティストがデータ活用を考えるためにやるべきことをまとめていこうと思います。
価値高いデータサイエンティストになるためには必須のスキル・考え方になりますので、ぜひ一度ご覧ください。
関連記事は下記になります。
では、本題に移ります。
データサイエンティストは分析スキルだけだとダメ
データサイエンティストは分析スキルだけ身に付けていても価値はだせません。
なぜなら、「ビジネス課題を解決する」ためには分析スキルだけだと不足しているからです。
まず、データサイエンティストという職業の定義から合わせましょう。
筆者はデータサイエンティストを「データを活用してビジネス課題を解決する」職業であると定義しています。
重要なことは「データを活用する」ことではなく、「ビジネス課題を解決する」ことであるということです。
「ビジネス課題を解決する」ためには、その分析対象を深く理解しておくべきであるし、ビジネス元の課題を明確にしなければなりません。
時には、チームを組んで成果を出す必要もありますし、人員確保のために他部署との調整を行う必要もあります。
言いたいことは、「データを活用してビジネス課題を解決する」ためにはさまざまなスキルが必要であり、分析スキルの他にも多くのスキルが必要とされるということです。
データでビジネス課題を解決するために重要なこと
データを活用してビジネス課題を解決するためには下記の3つが重要です。
- ビジネス課題を明確化すること
- ビジネス課題を事業者の目線から考えられること
- その領域に対して、自身の軸を持って語れること
それぞれ解説していきます。
ビジネス課題を明確化すること
一つ目は「ビジネス課題を明確化すること」です。
ビジネス課題を明確化することでどのようにデータ活用をすべきか考えやすくなるからです。
データサイエンティストに来る相談あるあるとして、「なんとなく～ことがしたい」というゆるふわ系案件も多くあります。
経験が浅いデータサイエンティストは、「もっと要件を詰めてきてください」と言います。
経験が深いデータサイエンティストは、「解決したい課題はなんですか？」と言います。
つまり、なにが課題か明確にするコミュニケーションを取って課題を明確化しにいきます。
データでなにができるのか、どのようなことがわかるのかはデータに明るいデータサイエンティストに期待値が合って当然です。
そのような中で、「もっと要件を詰めてきてください」は仕事を放棄しており、データサイエンティストとして最も価値高いフェーズを手放しているということです。
データでどのようにビジネス課題を解決できるかを「データサイエンティスト×ビジネス担当者」で考えることでデータ活用の活路を見いだすことができます。
そのためには、現状の課題を明確化して、コミュニケーションすることが大切です。
これがまず最初のフェーズであり、課題を明確化することでデータ活用の方向性が見えてきます。
ビジネス課題を事業者の目線から考えられること
二つ目は「ビジネス課題を事業者の目線から考えられること」です。
データ分析の観点から考えると、ビジネス課題の解決法は見いだせないからです。
データ分析の観点で語れる前提で、ビジネス課題を事業者の目線から考えれられることが重要です。
ビジネス目線で考えられていないデータ分析はただの面白い分析で、価値はありません。
- どのような構造の課題か？
- 課題を解決するために必要なアクションは？
- なにがわかれば意思決定ができるか？
- なにができれば課題が解決できるか？
など、事業者側の目線でビジネス課題に向き合うことが必要です。
ビジネス課題の解決を真剣に考えて、解決法を考え抜くことで自然とデータ活用の方法は見出されます。
「データ活用の方法」を考えるのではなく、「ビジネス課題の方法」を考えることが重要です。
それが、できれば自ずとデータが見たくなります。自然とデータ活用ができる状態になっています。
その領域に対して、自身の軸を持って語れること
三つ目は「その領域に対して、自身の軸を持って語れること」です。
そもそも、自身が身を置く業界について深く理解して、持論を持っておくことが重要になります。
例えば、マーケティング領域であれば、複数の本を読んで自身なりに正しいと思う方法論を自身の中にセットしておきます。
医療業界であれば、医療DXがこうあるべきという持論を持っておく、などです。
この自身の軸があると、課題解決の方法などが比較的スッと出てくることがあります。
それは依頼元目線でも嬉しいことであり、深い議論ができるパートナーを見つけた感覚になります。
自身が身を置く領域に関して、依頼元より詳しく持論を持っておくことで、コスパよくデータサイエンティストとしての価値を発揮することができます。
データ活用できるデータサイエンティストになるには
データ活用できるデータサイエンティストになるためには下記の2つが重要です。
- 経験
- 基礎知識
当たり前のことを言っているようですが、やはりここに集約されます。
詳しく解説していきます。
経験
まずはなんといっても「経験」です。「経験」と言っているのは大きく二つあります。
- 実務上の経験
- 自身の領域での実践経験
今回はマーケティング領域を例にとって、上記の二つを解説していきます。
実務上の経験
「実務上の経験」はデータサイエンティストとして、実務を積む上での経験を指しています。
依頼元と会話して、手探りながらも課題解決の経験を積んでいくことが重要です。
実際の経験に勝るものはなく、大切な修行の場だと考えて積極的に取り組むべきです。
これは当たり前のことを言っていますが、まずは実務経験を積むことがなによりも大切で、実務の経験がないとなにを話しても説得力に欠けてしまいます。
自身の領域での実践経験
「自身の領域での実践経験」は自分でその領域のなにかをやってみる経験を指します。
実際に自分でやってみると、非常に学びが多く、経験値にもなり、自身の考えの軸をはっきりさせることができます。
マーケティングを例にすると、SNSを伸ばそうと努力してみるであったり、ブログを始めてみるなどです。
本気でフォロワーを伸ばすために取り組もうとするとマーケティング的な要素が必要となってきます。
すぐにできることでもあり、WEBマーケの実践経験になります。
このように、自身で実践経験を積むことで重要なことが実感できるようになり濃い経験となります。
他にも副業を受けてみるという選択肢があったりします。
小さく少額の案件であれば、特にプレッシャーも少なく実践経験が積むことができます。
このように自身の領域でなにか実際に実践経験を積むことが経験となり、事業者目線で考えられる価値高いデータサイエンティストに近づくことができます。
基礎知識
二つ目は「基礎知識」です。
「基礎知識」と言っているのも当たり前に聞こえると思います。
これは具体的には自身の領域で軸となる考えを持てるまで基礎知識をインプットするということです。
おすすめはYouTube聞き流し＆本を読むことです。これが一番手っ取り早く、かんたんな方法になります。
YouTube聞き流し
一つ目は「YouTube聞き流し」です。
自身の領域について発信をしているYouTuberを見つけ、その方の動画をひたすら聞き流しておく、という方法です。
可能なら移動中でも、風呂でも、食事を作っている時でも聞き流しているとよいです。
何度も聞き流していると初めは理解できていなくとも、そのうち理解できるようになります。
とりあえず聞き流しておくことで勝手に基礎知識が身に付き、効率よくインプットすることができるため、おすすめの方法です。
本を読む
二つ目は「本を読む」ことです。
ただ、本を読む基準は10冊を基準にするとよいです。
特定の本だけ読むのではなく、同じ領域の本を複数読むことが重要です。
理解できないところは読み飛ばしてOKです。本を読むハードルを下げることが大事です。
10冊読むと気づくことがあります。結局どれも同じことを言っているということです。
この気づきが重要になります。
先人たちがみんな言っていることを自身の考えとしてしまってもいいし、持論を付け加えてもよいです。
10冊読むのは大変、と思うかもしれないがパラ読みで、気になったところだけ読むでも大丈夫です。
このようにYouTube聞き流したり、本を読むで自身の考えを確立させることができます。
自分の考えを作ることで、ビジネス課題に向き合いデータ活用ができる価値高いデータサイエンティストに近づくことができます。
他にやっておいた方がいいこと
他にもデータ活用を考えられるデータサイエンティストになるために必要なことはあります。
下記の2つです。
- 様々な事例を知っておくこと
- 幅広い知識を持っておくこと
様々な事例を知っておくこと
様々な事例を知っておくことは重要です。
様々な事例を知っておくことで、データ分析・データ活用の引き出しを増やすことができます。
この引き出しの多さは武器になり、日ごろから意識的に情報を収集することが大切です。
所属している会社の他の案件の情報であったり、活用事例を調べたり、多くのやり方があります。
特に重要なのは自分の領域外の知見について、知っておくことです。
マーケティング領域、医療領域、金融領域、製造領域などさまざまな領域の知識を知っておくことで、意外と自分の領域への活用に役立てることができます。
多くの事例を知っておくことはデータサイエンティストとして引き出しを増やせるので、意識的に日々情報収集することが重要です。
幅広い知識を持っておくこと
また、幅広い知識を持っておくことも重要です。
これはデータサイエンス領域に限らず、さまざまなことを知っておくと、意外なアイデアが出てきたりします。
投資の知識だったり、テクノロジーの知識であったり、多くのことを知っているとその考え方がトレースされて業務に活きることも多くあります。
筆者もWEB3.0の考え方を評価制度に組み込んで、技術的な優位性を促進しようと試みたり、複利的な考え方をデータ分析の考え方に導入したりしたこともありました。
意外と関係のなさそうの知識も知っておくことで、実業務に活かせたりします。
だからこそ、日ごろから色んなことに興味を持っておくことが重要です。
【まとめ】データ活用を考えられるデータサイエンティストになろう
データ活用を考えられるデータサイエンティストは非常に価値高いです。
データに詳しいのはデータサイエンティストです。
データサイエンティストが分析の目線からだけ考えていると事業は推進されません。
データサイエンティストが事業に本気で向き合いデータ活用を考えることで事業は推進され、自身の価値も向上させることができます。
価値高いデータサイエンティストになるために、日々情報を収集して、精進していきましょう！
今回は以上です。
にほんブログ村
