第7章：データ活用の未来｜勝手に読み解く「データ活用実践教室」：万能型データサイエンティストはつくれない

本記事は、株式会社ギックスの運営していた分析情報サイト graffe/グラーフ より移設されました（2019/7/1）

データサイエンティストにも”タイプ”がある

本連載では、日経BP社より出版された「トップデータサイエンティストが教えるデータ活用実践教室」を、勝手に読み解いていきます。
今回は、白ヤギコーポレーション シバタアキラ氏による第7章「データ活用の未来」を取り上げます。

データサイエンティストの育成パスは4つ

本章では、データサイエンティストの「守備範囲」が広範であり、それをすべてカバーできるスーパーマンはほとんどいない、という観点から、どういう役割の人を、どう育てるべきかが語られます。具体的には4タイプあるとシバタ氏は考えています。本文より引用します。

• ビジネスパーソン型：今までエクセルなどのツールや、SQL言語での分析をしていたビジネスパーソンが、新しい可視化ツールを使って分析力を高める
• サイエンティスト型：すでにデータ解析技術を持っている研究者が、ビジネスへの洞察を深めてデータ解析を行う
• エンジニア型：サーバー開発やアプリケーション開発を行っていたエンジニアが、データ分析に向いた開発言語を習得することで分析力を高める
• インフラ型：サーバーやインフラ寄りのエンジニアが、ビッグデータ特有のデータベース技術を習得し、データマネジメントの立場から分析に関わる

この中で、シバタ氏が注目するのは「エンジニア型」です。

エンジニア型はPythonを学べ

シバタ氏は、エンジニアが「データサイエンティスト」を目指すにあたって学ぶべき言語としてPythonを推薦します。C言語の系譜をたどるために、エンジニアにとって学びやすい言語であることも理由の一つとして挙げています。

graffe.jpが応援したいのは「ビジネスパーソン型」

一方、当サイトgraffe.jpでは、「ビジネスパーソン型」に注目したいと思っています。「データサイエンティスト」のカバー範囲中で”最下流”に属する「分析結果を”ビジネス視点”で解釈して、成果につなぐ」部分に注力していただくべきである、と。
graffe.jp流にいえば、「データアーティスト」として活躍していただきたいのです。
一般的な事業会社にお勤めの方、特に、企画部門や営業部門に所属している方は、ビジネスに対する仮説や知見をたくさんお持ちです。しかし、その仮説はデータによって検証されず、知見はデータ分析に活用されていません。この壁を取り払いたいとgraffe.jpは考えています。
無理にデータ分析の”分析技術”を学ぶのではなく、”分析結果を読み解く（解釈する）”能力を養っていただくことが望ましく、そして、そのためのご支援をしたいと考えています。そのための仕組みとして「レベル別レポーティングサービス」および「社内データを用いた、データサイエンティスト育成講座」をご用意しています。
前者は、社内データを”分析レポート”にまとめたものを、データ分析の習熟度に合わせて「何を見るべきか」がわかるように配信していくサービスです。後者は、実際に、そのレポート（＝実際の社内データを分析した結果）を見ながら、「どういう観点で解釈してくべきか」についてワークショップ形式で学べるサービスです。これらのサービスを活用することにより、BIツールを導入して終わり、ではなく、本当の意味で”データを活用できる企業”へと変貌できるのではないかとgraffe.jpは考えています。

トップデータサイエンティストが教える データ活用実践教室
 

• 第1章：スピードを求める人のためのデータ分析術｜分析は短サイクルで何回も
• 第2章：どうすれば良い分析ができるのか｜issue-based problem solvingのススメ
• 第3章：会社を動かすデータ分析戦略｜アウトプットではなくアウトカムを重視せよ
• 第4章：データサイエンスを活用しよう｜従来の戦略論とデータ分析を組み合わせる
• 第5章：分析官の決断｜社内ハッカソン、社内アイデアソンもやってみてはどうか
• 第6章：予測分析の技法｜予測の前に”課題”を括りだそう
• 第7章：データ活用の未来｜万能型データサイエンティストはつくれない【今回】