データサイエンティストを目指すなら知りたい進路の話

 

こんなツイートをしましたが今回は、データサイエンティストを目指すなら、知っておきたい道のりについて解説していきます。結論、文系でも理系でも目指せますが、学習効率や就職や転職に置いて効率性に差が出るので目指すなら事前に知って対策をしておきたいところです。

 

この記事を書いている僕ですが、大学院時代からネットワーク解析をしており、今ではデータアナリストっぽいこともしていて、データサイエンティストとも働いており、データサイエンティストがどんな仕事しているのか、どんな経歴の人がデータサイエンティストになっているのか、どう目指したのか、その後どうなっているかなどをお話しできると思います。

 

どんなデータサイエンティスト目指すのかも考えとく

 

まず、データサイエンティスト目指すに当たって、勉強しないとならないとか専門性高めないとならないってのは当たり前なんですが、現実的に未経験から就職や転職してデータサイエンティスト目指す場合は、そもそもどんなデータサイエンティストになりたいかも考えとく必要があります。いわゆる業界分析とか自己分析に近い内容ですね。今回は切り口として、どんな会社でデータサイエンティストとして働くのかで考えてみます。こんな感じの分類です。

 

どんな会社でデータサイエンティストとして働く?どんなことやるの
事業会社既存事業のビジネス成長のためにデータサイエンスする
ソリューション系そもそもデータサイエンスが提供価値なソリューション開発して売る
コンサル系クライアント企業の課題をデータサイエンスで解決する

 

事業会社系

まずデータサイエンティストが働く会社として、事業会社があります。事業会社でいうと、それこそ楽天とかリクルートとかDeNAがデータサイエンティストを雇っていますね。

 

2018年のサマーインターンに参加した筑波大・横尾 修平(よこお しゅうへい)氏が取り組んだのは「横浜DeNAベイスターズのチーム強化のためのAIデータ活用」。最終的に横尾さんが発表した成果は、ベイスターズのアナリストたちも驚くほどのもの。 なぜ、DeNAのサマーインターンはここまで学生が成果を出せる環境なのでしょうか。
引用:DeNAのデータサイエンスインターン

 

事業会社では主に、既存事業のビジネス課題をデータサイエンスで解決するという響がなんともかっちょいいことが出来ます。事業会社でデータサイエンティストとして働く場合には、大手企業の方が楽しいかと。というのも、大手なだけに圧倒的な顧客基盤がもつデータの質と量があるからですね。

 

また役割的には、割とビジネス職種の人が課題設定してから、どうデータサイエンスで解決できるかというデータサイエンティストとしてのスキルを問われがちです。なので、ビジネスよりかは、データサイエンスに専門性があると就職や内定を得やすいでしょう。全方位的にスキルアップしたい場合は、あまり向かないのかもしれません。

 

ソリューション系

2番目にデータサイエンティスト目指す場合の会社は、ソリューション系ですね。この手の会社は、データサイエンスを切り口に提供価値を磨き上げたソリューションをクライアントに販売するようなケースが多いです。有名どころでは、IBMなんかは近しいかと思います。コンサルもやってますが、Watsonとか様々なデータサイエンスを活用したソリューションを提供しています。

 

 

コンサル系

ラストはコンサル系のデータサイエンティストですね。コンサル系は、クライアント企業の課題をデータサイエンスで解決するので、多種多様な業界や企業を相手にできるので面白いと思います。データサイエンティストとしてのスキルという意味でも、ナレッジのないクライアントもいるでしょうから、ビジネススキルもスキルアップできそうです。有名どころでは、ALBERTなんかがありますね。

 

当社は、日本屈指のデータサイエンスカンパニー※として、ビッグデータアナリティクス領域において最適なソリューションを提供しています。コアとなるアナリティクステクノロジーを用いた「ビッグデータ分析及びコンサルティング」「AIアルゴリズム開発とシステム導入」「AIを用いた独自プロダクトの提供」等のデータソリューション事業を通じて、より良い社会の実現を目指しております。また、国内においてデータサイエンティストが圧倒的に不足している現状を改善すべく、これまでに培ったノウハウを元に「データサイエンティストの育成支援」を行なうことで、データ活用のプロフェッショナル人材育成に貢献します。
引用:Albert

 

デメリットをあげるとすれば、必ずしもその課題をデータサイエンスで解く必要があるのか?ってところからの思考が欠如しやすい、ってのはあるのかなと思いますね。だってデータサイエンスソリューションが前提なので。事業会社だと、そこから検討したりします。コンサルなので、その辺も大丈夫な気もしますが、一応。

 

データサイエンティストを目指すならこんな目指し方が筋がいい

 

先ほどのようにそもそもどんなデータサイエンティストとして仕事したいのかも並行して考えながら、データサイエンティスト目指して勉強を進めるのが吉です。就職や転職では、あの辺も問われることでしょう。それかその辺も考えていれば、アピールとしては強いでしょう。で、データサイエンティスト目指す場合は、大学生が目指す場合と社会人が目指す場合とで大きく方法が変わります。

 

大学生が目指す場合

まず大学生がデータサイエンティストを目指す場合は、今すぐでにも近しい学問を勉強しましょう。近しい学問とは、この辺りです。

 

・計量経済学
・データサイエンス学部
・物理学部

 

なぜかというと、データサイエンティストとして就職する新卒大学生の多くは、このあたりから卒業されている方が多いです。なので、当然専門性は高いですし、論文や研究もデータサイエンスと親和性の高い内容ばかりです。今現在、データサイエンティストと親和性のある学部じゃないけど目指したい方は、転部しましょう今すぐに。じゃないとなれないと言ってもいいほど専門的な職業です。

 

何かの理由で転部は厳しい場合は、何とかしてデータサイエンティスト育成スクールに入りましょう。お金がまあまあ張りますが、就職サポートもあるので未来への投資と考えれば大したことないです。データサイエンティストになれた場合の明るい未来は後ほど触れます。

 

参考:データサイエンティストを完全独学で目指すのは無謀【経歴別に解説】
参考:データサイエンティストに文系からなる方法、業界、職種を解説

 

余談:院進学と就職

余談ですが大学院進学と就職どっちがいいの?という話がよくあります。これちゃんと考えると、この問い自体が甘いというのが結論です。せめて、次の問いくらいに磨かないと意味のある結論を出せないです。つまりポジショントークになっちゃう。

 

BeforeAfter
院進学と就職どっちがデータサイエンティスト目指すならいい?①行きたい会社がある。その会社にデータサイエンティストとして就職するならどっちがいい?
②とりあえずデータサイエンティストとして就職したい。どっちがいい?

 

せめてこれくらい問いの設定の解像度をあげましょう。ビジネススキルです。①なら、今あなたがすべきは、その会社に今就職活動をして内定を取れるほどポテンシャルがありますか?あれば就活、ないなら院進して準備です。

 

②なら、まず間違いなく就職活動なんですが、それはデータサイエンティストとして内定を取れるポテンシャルがある前提です。あれば就活、ないなら院進学です。こういう話をすると、行動に落とせない人がいます。その場合は、とりあえず就活して内定を持っている状態で悩みましょう。それでも間に合います。

 

社会人が目指す場合

次に社会人がデータサイエンティストを目指す場合は、また話が変わってきます。どう変わるかというと、データサイエンティストとして転職できるかどうかもわからないので、先ほどのように親和性の高い学部に入り直すのは筋が悪いです。しかも年数もかなり使います。

 

なので、社会人でデータサイエンティストへの転職を目指す場合には、次の方法が考えられます。

 

・データサイエンティストじゃないけど近しい職種にまず転職する
・データサイエンティストがいる部門に社内異動する
・データサイエンティスト育成スクールに入る

 

大きくはこの2つの方法が妥当です。前者でいうと、DB系のエンジニア、アナリティクス系のディレクター、そしてマーケターやコンサルです。まず転職して徐々にスキルアップを目指すのが吉です。または、転職ではなくても社内にそういった部門があれば社内異動が一番スマートです。あとは、社会人なので投資と割り切って、データサイエンティスト育成スクールに入るのを並行して検討する、になります。

 

データサイエンティスト目指すなら押さえておきたい分野と学習方法

 

では次に先ほどマクロ観点としてデータサイエンティストを目指す道のりを解説したので、ミクロ観点としてデータサイエンティストになるために押さえておきたい分野と学習方法を解説します。基本的には、データサイエンティストは、下記の3つのスキルが必要とされています。

 

・数学(データサイエンススキル)
・ビジネススキル
・プログラミングスキル

参考:データサイエンティストに必要なスキル【事業会社目線で解説】

 

数学

まずは数学ですが、統計、線形代数、最適化、確率統計、ベイズ統計、と徐々に専門的な内容を学んでいくのが、地道ながら最善の手です。これは、いわゆる新卒でデータサイエンティストになっている大学生が歩んでいる道なので、避けようがないです。

 

参考:データサイエンスに必要な数学知識レベル別まとめ【数学最重要説】

 

ビジネス

次にビジネスですが、もしあなたが社会人であれば課題設定するところから仕事をしていれば、その思考方法で大丈夫です。つまり、同じようにこのビジネスの優先的な課題は何でデータサイエンスで解決することで付加価値が出るのか?を考えればいいです。この辺は、ロジカルシンキングですよね要は。

 

もしそのさきのビジネススキルをつけたいということであれば、人間臭い泥臭い現場の話を掴む必要があります。端的にいうと、クライアントによってはデータサイエンスなんか使いようがないし、知らんがな!って相手にどう導入するのかっていう導入部分ですね。営業マンが考えたりもするわけですが、それだとデータサイエンティストのビジネススキルとしては近視眼的です。

 

プログラミング

最後はプログラミングですね。プログラミングでいうと、データサイエンティストを目指す場合は、RかPythonの2択でしょう。Rで行う人もいますし、Python使う人だっています。どっちでもいいです。とっかかりやすいのは、Rかと思います。

 

機械学習的なことをしたい場合は、Python使う必要があるので、Pythonは勉強しておきましょう。動画サービスでもいいですし、本でもいいです。とりあえず学習を継続していくのが最初の道ですね。

 

参考:pythonでデータサイエンスを学ぶ方法【まずは本でOK】

 

データサイエンティスト目指すのは筋がいい話

 

ここで余談ですが、データサイエンティストを目指すのは筋がいいです。どういうことかというと、下記を見ればわかるかと思います。

 

AI(人工知能)を研究・開発する人材が70万人足りないという。「AI世界一」を狙う米中は激しい人材争奪戦を繰り広げているが日本の対応は後手に回っている。
引用:AI人材獲得の給料争い

 

ここで言われているのは、データサイエンティストの中でも機械学習が使える機械学習エンジニアな職種ですね。数千万の給料を提示してまで各社が採用強化しているのは、結局需要と供給があってないからです。それくらい高度な専門職と言えるのですが、データサイエンティスト目指すならその可能性があるということなので、未来は明るいです。

 

しかし一方でこんな見方もあるので、中途半端に目指すのは要注意かもしれません。

結局、一部の特別なスキルや実績のある人材だけが高待遇にありつけて、それ以外の人売り企業のマーケティングに引っかかった元美容師や元飲食店のプログラマー(人売り企業の求人でよく見かけるパターン)は、年収350〜400万ぐらいの年収しかもらえずに一生を終えることになるんじゃないかな。
引用:

今データサイエンティストを目指してる人の7割が5年後に年収350万にしかなれない

 

まあこれは悲観的に考えていますし、さらに踊ろされてしまった人たちが対象なので真面目にコツコツとスキルアップしていけば流石に350万円なんてことはないと思います。というか、そもそもそうなっちゃうのはデータサイエンティストじゃかなったんだと思います。

 

参考:データサイエンティストの将来性と仕事内容【シンプルに凄い】

 

データサイエンティスト目指すなら知りたい就職・転職してからの話

 

ここからは個人的なデータサイエンティスト目指すなら、知っておきたい話をします。したい話としては3つです。

 

・データがないと無価値なデータサイエンティストにはならない
・仮説を立てられないデータサイエンティストはあんまり意味ない
・手段であって目的ではないと思う

 

まず1つ目、データサイエンティストの価値の根元は、他の人にはない高度なデータサイエンススキルです。そしてそれが役立つのはデータの質と量がある時です。いわゆるビッグデータ。なので、データがないと活躍できません、になると厳しいものがあります。どんなデータがあるとこんなことができるはず!みたいなことから考えられると、事業作りとかにも貢献できるデータサイエンティストになれそうです。

 

2つ目、仮説を立てられないデータサイエンティストはあまり意味ないです。だって、仮説立てられないのに分析=データサイエンスできないです。これはいわゆる作業に溺れているだけです。こうなると、もはや誰かの立てた仮説をデータサイエンスする高度な作業者に近いです。個人的な意見ですよ?なので、ビジネス理解やビジネススキルも大事です。

 

最後、手段であって目的ではないです。データサイエンスの活用を目的化すると思考の幅が狭くなると思います。いつだって、何かの価値を最大化するときには、その価値を最大化のするのがその手段である、というロジックがあります。よくあるミスとしては、アナログな代替手段があるのに、なんでも自動化とかAIだ!みたいなやつですね。アナログじゃダメな理由と、データサイエンスの付加価値を考えたいところです。

 

まとめ

 

ということで、データサイエンティストを目指すなら最初に考えたい、どんなデータサイエンティスト目指すの?という話と、経歴別での目指す方法、なってから考えたい話でした。

 

人気:データサイエンススクール厳選3社【現状スキルに合わせた選び方も解説】

最新情報をチェックしよう!