どうも。データサイエンティストになって約1年になります。
私は元々製造業で勤務しており、データとは無関係な職場でした。
ふとしてきっかけから未経験でもデータサイエンティストになることができましたので、
今後データサイエンティストを目指している社会人や学生さんに向けて、そのノウハウをお伝えしたいと思います。
結論
データサイエンティストになるための方法はいくつかあると思いますが、以下のポイントを抑えることが重要です。
- データを実務で扱う(分析、可視化など行っている)環境に行くべし！データを溜めているだけではNG
- データサイエンスに関する知識は自分で勉強していく！
です。
以下に詳細を述べていきたいと思います。
データサイエンティストに必要な素養
まずは一般的にデータサイエンティストに求めらるスキルを簡単に説明します。
【必須スキル】
- データ分析の知識
- PythonやR言語といったプログラミング言語
- 統計、機械学習に関する知識
- ビジネス経験
【あったらより良いスキル】
- データベースに関する知識
- プロジェクトマネジメント力
データサイエンスを行うツール
データサイエンティストは機械学習予測モデルを作成したり、データから示唆を得るためにデータ分析能力が要求されます。
同時に、データ分析に用いられるツールにも熟知しているひつようがあります。
代表的なツールとしてはPythonやR言語といったプログラム言語がよく使われますが、データ量がそこまで多くない場合（～数万行程度）は十分エクセルも主力武器になります。
エクセルの良いところは多くの人が操作に慣れていたり、パッと見で使いやすいだけでなく、可視化・分析ツールとしても十分な機能を持っているところです。
また”結局資料はパワポでまとめないといけない”なんてことは本当によくあることでなので、パワポと相性の良いエクセルを使う方が効率的という場合はよくあります。
一方、PythonやR言語を使う方が良いケースは大きく以下の3つ
- データ量多く、ファイルサイズが数MB以上になる
- 複雑なデータを加工する必要がある(かつ加工内容を残したい)
- 機械学習予測モデルを作る必要がある
意外と軽視されがちなビジネス面の知識
続いて、データサイエンティストに求められる要素は”ビジネス面に関する知識”です。
データサイエンティストはデータから未来を予測するだけではなく、予測した結果どのようなアクションを取って利益に繋げるのか？ということを常に考える必要があります。
この利益に繋がるアクションがわかっていないとただデータを可視化しただけとなり、存在意義がありません。
従って、データサイエンティストはビジネスに関する知識を持ってデータサイエンスとビジネスを繋げる役割を果たす必要があります。
個人的な意見としては、ビジネスに関する理解は会社に勤めて担当部署で働いていないと難しく、できることならデータサイエンティストを目指す前に一度どこかでビジネス経験を積んでおくことをお勧めします。
（データサイエンティストを目指す学生さんは、いきなり目指すのではなく、違う職種を一度経験することもぜひ検討してみてください）
私がまさにその実例なのですが、”もともとデータサイエンスとは全く関係ないことをやっていた”という経験がデータサイエンティストになった後に生きてくる可能性は非常に高いのです。
結局、未経験でもデータサイエンティストになれる？
データサイエンティストになる前に、ビジネス経験を積んでおくことは重要であることを力説しました。
では、ある程度経験を積んだビジネスマンはどのようにしてデータサイエンティストの職に就けばいいのか。
私自身の経験をもとにいくつかルートがありますので紹介したいと思います。
①自社のデータ分析を行っている部門に異動する
これは誰しもがまず考えることだと思います。私もまずはこれをお勧めします。理由としては、自社のビジネスに関する知識をすでに持っているからです。
データサインエスを行う上で最も重要となってくるのがデータに対する理解の深さです。このデータへの理解の深さは、その会社に所属していたり、部門の担当であることにより身につきます。
データに関する深い知識がなくても、データに詳しい社員に簡単に詳細を聞き出すことができたり、また手続きもそう多くなく組織を跨いでデータを入手できたりできます。
そもそも、自社製品について、開発や製造、マーケティングなどどれか一つでも知っているだけで大きなアドバンテージとなります。
これらの知識やコネクションはデータサイエンスプロジェクトにおける成功確率を圧倒的に上げることができるのです。
もしデータサイエンスを他社に外注する場合は、自社製品や会社のことを全く知らない、データへのアクセスも自由にできない、機密情報が洩れるリスクだってある、そんな人を招き入れてプロジェクトを遂行することになり、難易度が跳ね上がるのは簡単に想像できますよね。
また自社のデータサイエンティストになるメリットとしては、自社のデータを自由に使って利益を産み出したり、新たな製品を作るためのインサイトを得たり、新たなビジネスを産み出したりすることがスムーズにできる点です。
これらの点は後述するデータ分析業務を請負で行ってる企業では成しえることができない大きなメリットとなります。
データサイエンスプロジェクトを成功させ、何億という利益を上げたいのであればまずは自社のデータサイエンティストを目指すのも一つの選択肢です。
②データサイエンスを行っている会社に転職する
次の方法としては、転職をしてデータサイエンティストを目指すパターンです。
転職を考えていて、新しいことにチャレンジしたいという気持ちは自身のスキルアップのモチベーションに繋がると思います。
データサイエンティストに転職をする現実的な方法としてここでは大きく２つのパターンを説明します。
データを保有しているがデータサイエンスができていない企業を狙う
データ分析を行ううえでデータ環境が整っていることは必須となります。
また、すでにデータの利活用まで進んでいるようなデータリテラシーが高い企業は即戦力となる経験者を募集する傾向にあるので転職の難易度は高いと言えます。
求人情報を見ていると、”【未経験歓迎】データ分析者”といった触れ込みをよく見かけます。
こういった企業を狙ってみるのは良いかもしれません。
しかしながら、一般的には全くの未経験からデータリテラシーの高い企業に転職するのはハードルが高いと言えます。
私がそうだったように転職をする際にお世話になる転職エージェントにも半ばキレ気味に「そのスキルレベルでそういう要望は受けられない、これ以上は紹介できない」と塩対応されてしまいます。
前職または過去に少しでもデータの扱いを行っている職種にいたのであれば話は別です。
昨今、データ利活用は会社としてとても大きなミッションとなっており、貴重なデータサインティスト人材の確保には注力しているので、少しでもデータに触れた経験のある人は大いにチャンスはあると思います。
全くデータサイエンス経験のない方は次の方法を検討してみてください。
データ分析を行っている”ベンチャー企業”を狙う
実はこの方法は、確実にデータサイエンティストになれる方法だと考えています。
データ分析を行っているベンチャー企業とは、自社でデータは持っていませんが、AI構築・データ分析を請負で専門的にやっているベンチャー企業です。
例え大企業であってもデータサイエンティストを自社内で育てるのは手間もコストもかかってしまい、踏み切れない例を数多く見てきました。
そこで白羽の矢が立つのが、AIベンチャーとなります。
AIベンチャーでは、仕事は沢山あるのに少人数で常に人材不足に悩まれているところも少なくありません。
大企業でも確保できていない貴重なデータサイエンティスト人材が小さな企業に集まるなんてことはなかなか考えられませんよね。
したがって規模の小さいベンチャー企業では人材を集めるために例え未経験でも採用して育成する！という気概を持っている企業が多いです。
ここが狙い目です。
面接時に”データサイエンスに興味があり、自分でも勉強している”とアピールすれば比較的すぐに採用してくれます。
ワンポイントアドバイスとしては、面接のときに「将来は○○社長のように独立して会社を起こしたい」と起業の野心を伝えると、苦労して起業の経験をしてきた社長は共感してくれて、心を掴むめる可能性があります。
（実際私はデータサインエス未経験ながらこの作戦で2社から内定を頂きました）
一度入社してしまえばデータサイエンティストの肩書が手に入り、その後についてはAIベンチャーで技術力を高めても良し、起業するのも良し、大企業にステップアップするのも良し、という感じです。
私は半年ほどAIベンチャー企業でお世話になり紆余曲折ありましたが、その後はSIerの大企業にステップアップすることができました。
⇒参考「AIスタートアップ企業、辞めました。【転職失敗談】」
【結論】未経験からデータサイエンティストになるための方法
- 自社内のデータ分析部門に異動するべし(推奨)
- 未経験でも採用してくれるAIベンチャーに入社し、データサイエンティストの実務経験及び肩書を手に入れるべし！
- そのままAIベンチャー企業を楽しむ、大企業に転職してステップアップを目指す、起業する、どうぞお好きな人生を！
以上。
コメント