こんにちは！
消費財メーカーでのデータサイエンティストを経て現在は会社経営をしているウマたん(@statistics1012)です。
大学院時代は統計学を専攻していてマーケティング領域のデータサイエンスを主戦場としています。
個人的にはデジタルマーケターもデータサイエンティストもそれほど明確な境目はなくて、いかにデータを使ってビジネスをデザインできるかが価値の根源だと思っています。
この記事では、そんな立場の僕が
・データサイエンティストという職業が将来どうなるのか？
・はたしてデータサイエンティストがなくなる可能性はあるのか？
について徹底的にまとめていきます！
目次
データサイエンティストってそもそもどんなお仕事？
まずは、データサイエンティストとはそもそもどんな職業なんでしょうか？
以下の動画でも解説しています！
データサイエンティストは、そのまま「データから価値を生み出す人」なんですが必要なスキルは大きく分けて3つあります。
■エンジニアリング・ITのスキル
■統計学や機械学習理論のスキル
■マーケティング・ビジネスのスキル
１．エンジニアリングやITのスキル
データの抽出・加工、分析、データ連携、データベース構築などに必要で、SQL・R・Pythonなどのスキルセットが望ましいと思ってください。
２．統計学や機械学習理論のスキル
ただエンジニアリングが出来てもデータの読み方をミスすると大変なことになります。
検定を行った時のよくある勘違いや・偽相関・時系列データの見せかけの相関などエンジニアリングして出力した結果に対して解釈を間違えると大変なことになるパターンもあります。
３．マーケティング・ビジネス視点の能力
いくらデータエンジニアリングが出来て統計の知識が多くてもそれをビジネスの打ち手に落とし込めないと意味がありません。
出口設計まで出来てはじめてデータサイエンティストなんです。
事業会社にいると、ビジネスデザインが非常に大事だということをヒシヒシと感じます。
モデルの精度を上げることだけが正義ではないパターンも多くて、いかに現場の担当者に浸透しやすい業務設計のもとオートメーション化を進めるのかが大事だったり・・
データサイエンティストに関しては以下の記事でも詳しくまとめていますのでチェックしてみてください！
データサイエンティストはなくなるのか
さて、そんなデータサイエンティストはなくなるのかという疑問について見ていきたいと思います。
データサイエンティストのこれまでと現在
まず、データサイエンティストのトレンドをチェックしてみましょう！
実際Googleトレンドで調べてみると・・・
上昇傾向にあるんです！
一方でビッグデータというワードは一時のバズワード時期からだいぶ落ちてきますね。
このトレンドをもう少し読み解いていきましょう。
インターネット革命が1990年後半から2000年初期にかけて起き、2008年のiphoneの登場を境にインターネットは全世界の人の手のひらに広がりました。
この時期に同時に起きたのが情報爆発。
今までは取得できなかった大量のデータが世の中にあふれだします。
そこでトレンドになったのがビッグデータやDMPなどのワードですね。
もう少し細かく言うと、データレイク→DMP→CDPの流れがあって、
みたいな変化があります。
そして現在・・・
データを貯める場所をせっせと作ったはいいものの・・ん？どうやって使ったらいいの？という状態になっている企業は少なくありません。
正直データは貯めるだけじゃ意味がなくて、どのように使うかの出口デザインをせずに貯め始めたデータは無用の長物になります。
そう！現在は、データはたくさん貯めることが出来たんだけどそれをどのように利用してどのようにビジネスにインパクトを与えるかみたいなところが必要とされているんです。
だからこそデータサイエンティストの出番なんです！！
データサイエンティストの需要というのは年々伸びてきており、これからもある一定の割合で伸びていくことが予想されます。
データサイエンティストの将来
さて、そんなデータサイエンティストの将来はどのようになるのか予想してみましょう！
米国のデータサイエンティスト需要はまだまだありますので、すぐにはデータサイエンティストという職種がなくなることはないです。
時価総額ランキングに連ねるテック企業の成功の秘訣はデータサイエンスであることが多い
そんな大手テックはデータサイエンティストやAI研究者には超破格な給与を提示してる
でもそれは当然．GoogleもAmazonも成功の秘訣はデータだし，優秀な人を確保するのは意外に難しい— かめ@米国🇺🇸データサイエンティスト/ブロガー (@usdatascientist) April 21, 2020
これからもデータサイエンティストは重宝されるでしょうし、データサイエンティストになるために培った知識がムダになることは間違いなくないです。
ただ、個人的にはデータサイエンティストはビジネス特化型とエンジニア特化型の2極化が進むと思っています。
データサイエンティストって、ビジネスデザインまで出来るビジネススキル特化型とAI開発できるエンジニアスキル特化型の2極化が進むと思ってる。
どちらにも統計の知識は必要だけど統計特化型はビジネスの世界では生き残っていけなくてアカデミックの世界でバリューを発揮することになると思う。
— ウマたん@スタビジ (@statistics1012) April 25, 2020
今でもこの流れは多少見られますが、この流れは加速するでしょう。
そのため、中途半端なデータサイエンティストはいなくなってしまう可能性があるのではないかと考えています。
ちなみにどちらにも統計学や機械学習理論の知識は必要ですが、
理論に特化するのはビジネス世界ではあまりバリューを出せない可能性が高いです。
どちらかというと理論に特化する場合はアカデミックの世界で最先端の研究を行う存在、ある意味で真のサイエンティストになってきます。
この理論特化のサイエンティストは長期的な目線で非常に重要であり、世界を変えるのは彼らの存在であると言っても過言ではないのですが、
こと日本においてはまだまだ理論特化の道のりは輝いているとは言えません。
アメリカなどでは、GoogleやFacebookなどの企業が研究所と組んでR&D的な観点でAI開発を進めていて理論特化のサイエンティストが重宝されていますが、日本ではまだまだ・・・
ここら辺の話は、シン・ニホンという書籍で述べられていますのでぜひ読んでみてください。
(2024/10/29 23:46:18時点 Amazon調べ-詳細)
完全に分類できるわけではありませんが、
IT系のスタートアップやベンチャー企業に関してはエンジニアサイドのデータサイエンティストの方が、エンジニアとシームレスに連携してPDCAを回し最適化を行い、サービスをグロースさせていくことができると思います。
一方で大企業の多い既存産業では、ビジネスサイドのデータサイエンティストが必要。
いくら最先端の知識があってもそれをオールドエコノミーと呼ばれる既存産業に浸透させていけるかは別問題なんです。
これから数十年単位で各既存産業が大きく変わりAI化・デジタル化されていくと思いますが、その立役者となるのは
最先端の技術を知っている人ではなく、その産業のドメイン知識をしっかり持っていてビジネス課題を捉えることができかつ、現場に浸透させる気概と説得力・行動力のある人材
だと思っています。
このように役割が2分割されることで住み分けがされていくのではないかと。
ちなみにどちらにも統計の知識は必要ですが、統計特化型はあまりビジネス世界でバリューがないのでは？と勝手に思っています。
だからこそ統計学は共通知識として基本をおさえておくべきです。
将来生き残るデータサイエンティストになるために
さて、なんとなーく2極化するだろうなと思われるデータサイエンティスト。
中途半端なデータサイエンティストになって消え去らないためにどのように勉強していけば良いのでしょうか？
正直、正解はないんですが私的に思うおすすめ本とか講座を2タイプ分けて紹介していきますね！
ビジネスサイドのデータサイエンティストを目指すなら
ビジネスサイドのデータサイエンティストを目指すのであれば以下の書籍に目を通していただくと理解が早まるかと思います。
手前味噌ですが、僕自身が「俺たちひよっこデータサイエンティストが世界を変える」という書籍を出版しています。
ビジネスシーンでの実装についてストーリー形式で簡単にまとめていますのでイメージをふくらませてもらうのにちょうど良いかと思います！
価格は300円ちょっとですし、Kindle unlimitedであれば無料で読めるのでぜひチェックしてみてくださいね！
またビジネスサイドからのデータサイエンス勉強には、以下のUdemy講座がおすすめ！
| 【オススメ度】 | |
|---|---|
| 【講師】 | 僕自身！今なら購入時に「66FLEHE87LQ6」という講師クーポンコードを入れると94%OFFになりますのでぜひご受講ください！ |
| 【時間】 | 4時間 |
| 【レベル】 | 初級～中級 |
このコースは、なかなか勉強する時間がないという方に向けてコンパクトに分かりやすく必要最低限の時間で重要なエッセンスを学び取れるように作成しています。
アニメーションを使った概要編とハンズオン形式で進む実践編に分かれており、概要編では体系的にデータ分析・機械学習導入の文脈でまとめています。
データサイエンスの基礎について基本のキから学びつつ、なるべく堅苦しい説明は抜きにしてイメージを掴んでいきます。
統計学・機械学習の基本的な内容を学び各手法の詳細についてもなるべく概念的に分かりやすく理解できるように学んでいきます。
そしてデータ分析の流れについては実務に即したCRISP-DMというフレームワークに沿って体系的に学んでいきます！
データ分析というと機械学習でモデル構築する部分にスポットがあたりがちですが、それ以外の工程についてもしっかりおさえておきましょう！
続いて実践編ではデータコンペの中古マンションのデータを題材にして、実際に手を動かしながら機械学習手法を実装していきます。
ここでは、探索的にデータを見ていきながらデータを加工し、その上でLight gbm という機械学習手法を使ってモデル構築までおこなっていきます。
是非興味のある方は受講してみてください！
Twitterアカウント(@statistics1012)にメンションいただければ2000円以下になる講師クーポンを発行いたします！
Udemyは他にもおすすめの講座がいくつかあるのでぜひチェックしてみてください！
そしてビジネスの普遍的なスキルも必須です。
ただ、ビジネス感覚は実務で身に付けないと机上の空論になってしまうので定期的にインプットしつつ、実務でアウトプットしていきましょう！
自分自身、事業会社のデータサイエンティストだったので思うんですがビジネスデザインしてからでないと本当にムダな分析・モデリングになってしまう。
先に出口設計をして関係者とにぎっておくことが大事！！
ちなみにビジネスよりのデータサイエンティストを目指す方には当メディア「スタビジ」が提供するスタビジアカデミーというAIデータサイエンス特化スクールがおすすめです！
業界最安級AIデータサイエンス特化スクール：スタビジアカデミー（スタアカ）
ご受講お待ちしております！
エンジニアサイドのデータサイエンティストを目指すなら
エンジニアサイドのデータサイエンティストになるのであれば、データ分析・API連携・Webアプリケーション開発・インフラ構築・SQL・ディープラーニングあたりはおさえておかないとまずい。
また、Pythonで出来ることをAPI連携やWebアプリケーション作成を含めてまとめているのが以下の僕の講座でこちらも手前味噌ですがエンジニアサイドの駆け出しの方にはオススメです。
Pythonで出来ることのうち以下の5つを網羅して学んでいきます。
・データ集計・加工・描画
・機械学習を使ったモデル構築
・Webスクレイピング
・APIの利用
・Webアプリケーション開発
ディープラーニングについて学ぶならUdemyよりも書籍の方がおすすめです。
(2024/10/30 01:34:47時点 Amazon調べ-詳細)
またビジネスサイドであれエンジニアサイドであれ、副業をすることがあなたのデータサイエンティストとしての価値を高めると思っていますので余裕があればぜひ副業をしてみましょう！
データサイエンティストの将来性 まとめ
データサイエンティストがなくなるのか、将来はどのようになるのかについて見てきました！
結論、
データサイエンティストはなくならないけど今後2極化するかもよ！
これからデータサイエンティストを目指している人はどっちの領域に自分が向いているか軸足を意識して勉強を進めると良いでしょう！
データサイエンティストへの学習ができるおすすめスクールは以下の記事で詳しく比較していますのでチェックしてみてください！
また、統計の知識やPythonのスキルは全員共通で必要！
データサイエンティストへの勉強法や各種分野の勉強方法については以下の記事で詳しくまとめていますのでこちらもチェックしてみてください！
スタビジのコンテンツをさらに深堀りしたコンテンツが動画と一緒に学べるスクールです。
プレミアムプランでは私がマンツーマンで伴走させていただきます！ご受講お待ちしております！
