i-realize-myself

自己実現ほど面白い目標はない

*

2017/6/20 データをサイエンスするという肩書き

   


こんばんわ、今夜は久しぶりにビジネスライクなお話になりそう。

先日に縁あって、外部のデータに関するセミナーを拝聴いたしました。その内容がとても面白く、自分の考えは間違ってないな!とすごく納得を得ることが出来ました。

今回は「データをサイエンスする人」ではなく「データをサイエンスさせる人」に必要な3つのポイントをまとめました。自分の考えと先日のセミナーでマッチしてたところなので独りよがりではないと思います笑✨

IMG_7107

データをサイエンスするときに必要な3つ

データサイエンティストではなくて、サイエンスするのに必要な要素は3つです!

  1. データに対する統計や解析の知識・ノウハウ
  2. データを作ったり抽出する技術やデータベースの知識
  3. 導きたい結果や実行したい戦略への情熱

かっこよく言うなら単語で表現すべきでしょうが、削ることに効果を感じない自分は、いつもこの3つ文章です。ではそれぞれ説明して行きます。

まず、データに対する統計や解析の知識・ノウハウ

データがあります。これから何がわかるでしょう!?と言われた時に、実践的な場でのデータ項目は膨大なものです。自分にはこの膨大なデータから優位性の高い項目や、優良な対象を導き出すことは一筋縄では行きませんでした。

みたい項目を限定し、特化係数を算出しレーダーチャートで見るなど、正直手間がかかってしかたありません。

こういう時に、統計の知識や解析のノウハウは重要です。

大学の時に統計や解析の勉強受けてましたが、もっと真剣に受けとけば!?と後悔しかありません笑

次に、データを作ったり抽出する技術やデータベースの知識

次に、データ解析や統計に精通していても、では実際の社会ではそういう理論に当てはまる綺麗なデータ、ほしいデータの形や項目が揃ってないなど往往にしてあります。

「ここにいろんなデータ集まってるんだけど」という時にデータベースの知識やどういった抽出が可能なのかが分からなければ、分析に向けての前提データが準備できません。

このため、データベースやSQLなどのITスキルある程度持っておくべきです。

そして、導きたい結果や実行したい戦略への情熱

そして最後に、というか最も大事なのが「そもそも何をしたいのか?」です。

そもそもデータ分析したいの前に「売上が落ちた原因を知りたい」や「今年度は〇〇が良かったと思うので来年度は〇〇を進めたいがどうだろう」など

導き出したい事象や、実行したい戦略などがあってこそデータ分析が生きて来ます。

データがある、分析ツールがある、とりあえずやってみましたは何も生まないのです。(いや、めちゃ頭がいい人間やAIなら全然生まれるのかもですが笑)

ということでこの3つ目が最後の重要な要素です。

まとめると

今回感銘を受けたセミナーでは「全ての要素を1人の人間で完璧になる必要はなく、それぞれのプロフェッショナルでチーム作ればいい。」と言ってました。しかし合わせて「この場合、往往にしてチームの連携がうまくいかず失敗や実効性のない結果に終わる可能性がある」とも言っていました。

データサイエンティストというのは、これら3つの全てにそれなりに精通した人であると考えます。

このデータサイエンティストが、このチーム内の各要素のプロとプロのコミュニケートを支援する存在ろなれるかどうかが重要と考えます。(どこか一つはデータサイエンティストがプロであればさらに良いです)

データサイエンティストという肩書きは最近になって注目されて来ていますね。

自分もこのキーワードにキュンキュンしちゃいます!

ただ、実際にビジネスや組織の中で必要となるのは「データをサイエンスさせられる人材」だと自分は考えています。

ぜひいろんなシーンでデータをサイエンスさせることができたらなぁと思うこの頃✨そしてそれが全くできない今日この頃です。

頑張ろう。

 

 - スキル, データ分析 ,