お久しぶりです。
データサイエンティストになってから、約半年が経ちました。
客先に提案に行き、受注をいただくことがちらほらありました。
ここ数か月はプロジェクトに入っており、データ分析をやっていましたので、実務に触れて、いくつか思うところを挙げていきたいと思います。
データサイエンティストとデータ分析
AIって超カッコいい！と思いこの業界に足を踏み入れてみましたが、ことデータサイエンティストは常にAIというか機械学習を使って仕事をしているわけではないようです。
最初に言うと、データサイエンティストに求められることはかなり多いです。
過去のブログにも載せておりますが、データの取り扱いにまつわる悩み事はデータサイエンティストが関与するほうが良いと思われます。
特に、データサイエンティストにとってデータ分析スキルは外せないのではないでしょうか。
「売上を上げたい」、「お客さんの特徴を知りたい」、「機械の故障検知をしたい」
みたいなビジネス課題を解決するために、まずやることは仮設の立案と分析による仮設の検証ではないでしょうか。(もちろん分析計画を立ててからの話ですが)
”雨の日はお店の売上が落ちる”
とか
”お昼の時間に来るお客さんはOLが多い”
人間が感覚としてなんとなく感づいていること(仮説)をデータから実証する必要があります。
この仮説検証によってこれらの仮説たちは人間の感じる感覚的なものから、データという根拠とともに説明される事実になります。
恐らく、世間一般に言われるデータアナリストというのは仮説に基づいてデータを分析し、事実をまとめていくプロフェッショナルなのかなと思うのですが、データサイエンティストはそこからさらにステップを進める必要があります。
データサイエンティストに求められるモノ
それは、ビジネス課題をデータから解決することです。
ビジネス課題とは、先ほどにも挙げた
「売上を上げたい」、「お客さんの特徴を知りたい」、「機械の故障検知をしたい」
みたいなことです。
結局、ビジネス課題を解決するということはその先のマネタイズに繋げたい、ということになります。
つまり、データを分析して事実を明らかにしただけではビジネス課題を解決したとは言えず、どうやってマネタイズに繋げるのかというところがデータサイエンティストに求められていることだと考えています。(主観、偏見だったらごめんなさい！)
例えば、機械学習を用いると次のようなことができます。
「その日の売上を予測する」、「お客さんの特徴からどの商品を求めているか予測する」、「機械がいつ壊れるか予兆検知を行う」
このように、機械学習によって予測することは我々にとても有益な情報をもたらしてくれることになります。
機械学習で上手く物事を予測するためにはしっかりと事前に分析を行い、機械学習モデルを構築する必要があります。
さらに言うと、機械学習モデルを構築するだけではなく、それを日常のビジネスで使えるように落とし込む必要があります。
マネタイズに繋げるまでにはかなり長い道のりがありますが、これらをやってのけるのがデータサイエンティストです。
今回は出てきませんでしたが、実際にデータを使うためにはデータをどうやって貯めるの？みたいな話もデータサイエンティストが関与する必要があります。
求められるものがあまりに多すぎる。だからこそデータサイエンティストには価値があるのです！
まとめ
データサイエンティストとして全てをやりこなすことは非常に難しいと思います。だからこそ、何か一つでも得意分野を持っておきたいですね。データ分析スキルだったり、機械学習に関するスキルだったり、システムに強かったり。
ちなみに自分にはこれらの初期スキルは何もないままデータサイエンティストになってしまったが故、大変苦労しております。
リセマラ(転職)して何か一つスキルを極めるかなぁ…
そんなことを日々考えているデータサイエンティストです。
以上！
コメント