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に必要なスキル【事業会社目線で解説】

 

事業会社目線でデータサイエンティストに求められるスキルをいうと、データサイエンス*ビジネス*エンジニアリングのうちの、ビジネス(業務知識)が圧倒的に差分(データサイエンティストと周りの人の期待値の差分)が大きいです。事業会社目線だと何が変わるかでいうと、理屈はそうだけど実際使えるの?ということ。全員が全員データサイエンスな知識ないんですよっと

 

この記事の信頼性ですが、僕は事業会社で社内のデータサイエンティストと仕事をすることがあるんですが、事業会社でデータサイエンティストに求められるスキルというのをある程度理解できているかと思います。一般的に語られるデータサイエンティストに必要なスキルとの差分ポイントは、事業会社目線でして、ユーザが使えるかと、クライアント期待値です。

 

データサイエンティストに必要なスキル

 

まずはデータサイエンティストに必要なスキルセットについてです。大きくは、データサイエンティスト協会で語られている通りで、データサイエンススキル、ビジネススキル、エンジニアリングスキルの3つです。

 

参考:データサイエンティストスキルチェックリスト
引用:データサイエンティスト協会

 

データサイエンス

まずデータサイエンティストなので、当然データサイエンススキルが最優先になりますね。一部抜粋すると、統計基礎指標の理解、需要予測や画像解析などの個別具体的なデータサイエンス知識、検定やサンプリングなどの統計処理を行う上での前提処理ですね。

 

このスキル部分だけでも相当の量がありますが、これがデータサイエンティストの専門性なので致し方ないです。逆にいうと、このスキルを身につければ相当稼げる人材に慣れるということ。

 

ビジネス

 

次はビジネスです。このビジネススキル部分が、僕が解説できる付加価値の部分かと思います。データサイエンティストと仕事したり、彼ら彼女らの活躍を知っているからこその、何が一般的に必要とされるかのデータサイエンティストのスキルと実際の業務での差分です。

 

ビジネスでのスキルは、論理的思考による論点設定、仮説設定だけでなく、業務知識、導入設計などですね。ビジネス経験がないコンサル出身だったり、大学生が一番苦心するのはこの、導入設計や業務知識ですね。

 

エンジニアリング

3つ目のデータサイエンティストに求められるスキルは、エンジニアリングですね。エンジニアリングはデータサイエンスと同じように、理論でスキルを高められる部分です。なので学習すればするだけスキルアップが可能です。

 

例えば、環境整備やデータ加工、データ処理、実装ですね。事業会社でもコンサルでもエンジニアリングが高いとそれだけ実際に価値を出すところまで持って行きやすいので必須スキルになりますね。

 

事業会社目線ではビジネス(業務知識観点)がデータサイエンティストの1番の盲点スキル

 

では、この記事の1番の価値なんですが、データサイエンティストはデータから意味合いを導出し、アクションに繋げる提案やソリューションをエンジニアリングで作る専門家ゆえに、現場の本当の課題や課題が存在する泥臭いメカニズムに疎いことが多いです。しかし、これを知っているだけで他のデータサイエンティストと相当な差別化が可能です。ポイントは3つです。

 

使い人が使いこなせるか誰もがデータサイエンティストじゃないという当然の前提を知る
クライアントの期待値クライアントの期待値をあげすぎない
人間臭い心理的要因人間の心理的な機微がわからないとデータだけでは動かせない

 

使う人が使いこなせるか

まず多いのは、使う対象の人が使えるかどうかです。これはソリューション提供系のデータサイエンティストが犯す過ちに多い気がします。社内向けか社外向けかでも分かれますが、特に社外向けでクライアントに提供するソリューションを作るデータサイエンティストに多いですね。

 

要は、あなたはデータサイエンティストなので、使い方も素晴らしさもわかると思いますが、多くのソリューションを使う人はズブズブの素人です。相当リテラシーがないと思うべきですね。現実でいうと、PCを開発してもPCの使い方がわからない人は多いですよね。老人とかそうですし、老人向けにPC教室の需要があるくらいなので相当わからないんですよ。

 

これを想像せずにソリューションを開発するデータサイエンティストは多いです。実際には、ユーザビリティなどの専門家であるデザイナーと協業することでカバーしたりするのが実情です。

 

クライアントの期待値

 

2つ目はクライアントの期待値ですね。これは、ソリューション提供系だと課金なりなんなりでマネタイズすると思いますが、クライアントはデータサイエンティストじゃないので、データサイエンティストが開発したなんだか凄いツールだと思って、ソリューションを使うでしょう。

 

この時に、期待値調整ができてないと思ったような成果が出ない場合に、クレームの嵐になることは容易に想像できますよね。この辺もあまり想像しないデータサイエンティストが多いかと思います。特に、新卒のデータサイエンティストに多いかと、仕方ないですが。

 

人間臭い心理的要因

最後は、人間臭い心理的要因ですね。これは、データサイエンティストの要因じゃなくマーケターの問題でもありますが、ソリューション提供系の物を作ったとして、クライアントに売るとします。

 

理屈で言うとデータを基にした統計的な確度の高いソリューションだとしても、古くからの業務ツールを変更するのが面倒とか、古くからの付き合いだから無理、とか頑張っても給料上がらないから導入しないとかあるわけです。

 

こういった理屈じゃない情理的なロジックも解明できないと、導入までこぎつけません。データサイエンティストも、現場に出てデータ以外のことを知る必要性があることはこういった理由です。ただ、役割分担していることも多いのでデータサイエンティストがこの部分をカバーする華道家は別の話ではありますね。

 

データサイエンティストのスキルレベル

 

ちなみに、データサイエンティストに必要なスキルレベルは先ほどのデータサイエンティスト協会によると、4段階に分けられています。見習い、独り立ち、棟梁、業界リーダーです。いわゆる、新人、メンバー、リーダー、マネージャー的な感じですね。

 

未経験からデータサイエンティストになる場合は、ちゃんとした学習を受けられるところで学習するしかないと思います。大学やスクールですね。と言うのも、アカデミックな部分から発展しているので、なんちゃってスキルだと採用はされないですね。

 

ただ、エンジニアリングに長けていて、そこから切り込んで徐々に現場でデータサイエンススキルを学ぶと言うパターンはありそうです。とはいえ、スキルレベルで言うと新卒でも高度な統計モデルで論文を書けるくらいのスキルレベルが必要なので、結構なスキルレベルだと捉えた方が無難ですね。

 

出身別データサイエンティストになるためのスキル習得の進め方

 

次に、出身別でデータサイエンティストになるためのスキル習得の進め方を解説します。多くは、大学生や就活生からデータサイエンティストを目指す、エンジニアから転職してデータサイエンティストを目指す、コンサルやデータアナリストからデータサイエンティストを目指すかなと思います。

大学生・就活生

一番多いのは、大学生や就活生でデータサイエンティストになりたい場合でしょう。この場合は、大学や研究室、サークルなどを駆使して、データサイエンススキルとエンジニアリングスキルを身につけておくだけで十分です。

 

ビジネススキルは、就職後に働きながら身に着ける方が合理的ですし、就活生や大学生にそこまでのレベルは求めてないのが実情です。働きながらビジネススキルを身に着ける方が合理的です。頑張って、統計モデリングやエンジニアリングのスキルを大学生のうちに伸ばしておきましょう。もし、計量経済学や統計学、物理学、情報系の専攻でない場合は、データサイエンス系のスクールを受講する方が確実です。

 

エンジニア

またはエンジニアからデータサイエンティスに転職したい場合もあるでしょう。エンジニアの場合は、エンジニアリングスキルに長けているのが強みかと思います。一方で、ビジネススキルとデータサイエンススキルが弱みかと思います。

 

この場合は、データサイエンススキルの習得を優先して、転職できてからビジネススキルを身に付けるのが無難です。この場合は、もう大学生ではないのでデータサイエンス系のスクールを受講するほかは現実的な道はないです。エンジニアと違って、データサイエンティストは独学だけでは厳しいかと思います。現役のデータサイエンティストでさえも、博士課程をやりながら働いているので。

 

コンサル・データアナリスト

最後はコンサルやデータアナリストなど、ロジカルシンキングや論点設定などビジネススキルに長けているバックグラウンドの方ですね。もし数学が得意で、勉強が得意な方であれば、結構親和性が高いかと思います。

 

と言うのも、新卒からデータサイエンティストになる方の多くが一番苦手なのは、ビジネススキルです。しかし、コンサルやデータアナリストはそれらが得意です。なので、解くべき課題を見つけると言うビジネス上一番大事な部分は優位かと思います。あとは、データサイエンスを学んで、後からエンジニアリングかなと思います。

 

まとめ

 

と言うことで、データサイエンティストに必要なスキルを解説しました。基本的には専門性の高い人材なので、スキルの幅もレベルも高いですが、アカデミックな世界なので着実に学習を継続できれば進捗していくと言うやりやすさもありますね。データサイエンティストの将来性は高いので、挑戦するのは非常におすすめです。

 

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】
参考: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!