web系に関わる情報を 専門家が毎日発信!

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の将来性と仕事内容を簡単に解説します。データサイエンティストはこれから需要が圧倒的に高まりますね。それに伴い収入レベルも高まると思います。データサイエンス事例も合わせて解説します。圧倒的にすごいぞ、データサイエンティスト!

 

この記事の信頼性ですが、僕自体はデータサイエンティストの専門スキルが極めて高いわけではないです。ただ、仕事でデータサイエンティストと仕事をすることもあるので、そういった事例も交えてデータサイエンティストの将来性を解説できると思います。

 

データサイエンティストとは

 

データサイエンティストとは、これといった定義はないのですが、大量のデータからビジネスインサイトを見いだせるスキルを持つ人材を指す、これがわかりやすい定義かと思います。

 

データサイエンススキル*課題発見力

とは言え、分解したらどのようなスキルのある人材がデータサイエンティストなのか?をもう少し解説すると、データサイエンススキルと課題発見力、この2つがミニマムマストなのかなと思いますね。

 

というのも、データサイエンティストなので、そもそもデータサイエンススキルは当然ながら必須です。これがないとただの、分析屋さんです。これは具体的には、エクセルでヒストグラム作ってどうだらこうだらではなくて、RやPythonを活用して需要予測など統計モデリングができるレベルがデータサイエンティストのスキルレベルかと思います。

 

また、課題発見力もハイレベルなデータサイエンティストになるには、必要ですね。なぜかというと、そもそもビジネスインパクトの大きいことに対してデータサイエンススキルを活用することが本質であって、データサイエンス自体を目的化する意味はないからですね。そのためには、そもそも解決すべき課題を定義できるスキルが必要になります。

 

データ分析やアナリティクスディレクターとの違い

ちなみに、データサイエンティストと似たような職業名って結構ありまして、データ分析とかアナリティクスディレクターとかですね。僕なりに違いを解説するならば、データ分析は高度な統計モデリングとかじゃなくて、シンプルにエクセルを駆使して四則演算を行うレベルの分析ですかね。とは言え、正しい課題設定ができていてロジカルに分析ロジックを構築できればそれはそれですごいです。戦略コンサルみたいな感じかと。(戦略コンサル知らないですが)

 

アナリティクスディレクターというのは、データ解析とかアクセス解析の分野でのディレクターなので、エンジニアへのディレクションだったりとかをできる人たちですね。なので、必ずしも自分が解析できる必要はないのかなと。google analyticsとかAdobe Analyticsに強い人は、アナリティクスディレクターですよね。

 

データサイエンティストの将来性は高い

 

でこの記事の結論ですが、データサイエンティストは将来性高いんじゃないかなと仮説立てています。というのもですね、エンジニアも同じなんですが圧倒的に不足する見立てが付いていることと、そもそも提供価値がすごすぎる、この2点です。

 

データサイエンス人材は不足する見立て

これは結構知られていると思いますが、IT人材が不足するという見立てがありますよね。有名なのはエンジニアですが、データサイエンティストも同じです。こんな統計があります。

 

参考:データ活用を推進する上での課題
引用:総務省

 

総務省のデータなので、ある程度信頼性がありますよね。というのも、彼らはかなり残業してこうした統計数値のある資料を作成していますし、国家公務員ですからね。客観的な立場ですし。将来性でいうと、需要と供給の話に近いので、供給不足ということは希少価値が高いと言えます。

 

そもそも提供価値が高すぎる

個人的にですが、そもそも提供価値が高すぎます。というのも、ですね。エンジニアもデータサイエンティストも同じですが、そもそも普通の人ができないことをできる職業なんですね。エンジニアであれば、webサービス開発はエンジニアスキルがないとできません。

 

同じように、ある商品の需要を客観性のある形で予測することができるのは、需要予測の統計モデルに詳しいデータサイエンティストじゃないとできません。そして、需要がわかると原料などの調達計画が作れますし、今まで経験と勘で行なっていたことに科学がもたらされます。正直、これはかなりすごいです。

 

他にも機械学習という手法で自動化も進んでいますし、プロの将棋士よりも強い人工知能も出ているので、もはや分野によっては人間より強いことはもう証明されていますよね。

 

データサイエンティストの仕事内容

 

でですね、データサイエンティストの仕事内容を解説していくと、ざっくりいうと予測と最適化と自動化なのかなと思います。

 

予測

 

これは結構わかりやすくて、将来不透明な数値を何らかの統計モデルと各種数値によって、客観的に予測する統計モデリングをする、これがありますよね。例えば、将来的な何らかの需要だとか、価格を変えた時の販売数予測だとか。色々あります。

 

最適化

 

2つ目は最適化でしょうか。最適化というのは、インプット指標があった時にどんなロジックで分配するとアウトプットが最大化されるか、こんなイメージでいいでしょう。例えば、年間で目0流配信できる配信数が有限だった時に、どのようにメール配信すると購入が最大化されるのか?とかですかね。

 

自動化

 

3つ目は自動化でしょうか。これは機械学習という分野ですね。教師あり学習と教師なし学習がありますね。世の中には、単純作業がたくさんあるので、自動化できるだけでかなり価値がありますし、分野次第で人工知能の方が得意な分野もあるので今後も自動化の波は来そうですね。そのうち、クリーニングの受付が人工知能が行う日も来るでしょう。画像解析ですね。

 

 

データサイエンティストの就職選択肢

 

そんなデータサイエンティストは、就職先によって働き方と求められるスキルが大きく変わりそうです。これは僕が事業会社のディレクターなので、予想ですが概ね外してないと思います。大きく、事業会社のデータサイエンティストになるのと、ソリューション提供を行うコンサル会社の選択肢があります。

 

事業会社の大企業

 

まず、データサイエンティストは基本的に大企業での募集が多いと思います。というのも、データサイエンティストを活かすにはデータの質と量が大事ですが、そこはやはり大企業が優勢だからです。

 

ベンチャーですと、そもそもデータがなかったりすると思うので、基本的に事業会社にいく場合は、大企業がおすすめです。

 

また、事業会社の場合は課題発見も自らできますし、提案によって実際に事業を動かすこともできるので、そういう働き方がしたい場合はおすすめです。ただ、基本的に会社の事業ドメインでのみデータサイエンティストとして活躍はできなさそうですね。

 

データサイエンスコンサルティング

もう1つは、データサイエンスによるコンサルティングでして、ソリューション提供に近いですね。この就職パターンのメリットは、色々な企業のコンサルができるので、データサイエンティストとしての経験はばが広がることはありそうです。

 

ただ、課題は基本的にクライアントが定義しますし、提案しても実際にクライアントが実行するか不明ですし、その後の成果も基本的に詳細に振り返るのはクライアントでしょう。個人的には、こういうコンサル型のデータサイエンティストよりも事業会社のデータサイエンティストをおすすめします。なぜならですね、コンサルティングと事業を実際に行うのは絶対違うからですね。

 

ことさら、コンサルでデータサイエンスだと、もはや研究者に近いので、かなり理屈ドリブンになる気がします。ビジネスは理屈だけじゃないというのを学べるのは事業会社の方がいいです。

 

まとめ

 

ということで、データサイエンティストの将来性と仕事内容を簡単に解説しました。これからは、データサイエンスの知識があるだけで差別化が容易だと思います。なかなか誰にでもできないので、スキルアップにも持ってこいです。これからデータサイエンス系の情報も発信していきます。

最新情報をチェックしよう!