データサイエンティストになるには｜未経験から業務で求められること

データサイエンティストになりたいけれど、未経験から何を身につければよいか分からない。統計や機械学習、プログラミングと、学ぶことが多くて手が止まる。データアナリストとの違いも、はっきりしない。

なお、私はデータサイエンティストもデータアナリストも、ゴールは業務に価値を届けることだと考えています。この記事では、その視点で必要なことを紹介します。

この記事でわかること

結論：分析の結果から、ビジネスの価値を言えること

データサイエンティストに業務で求められるのは、分析の結果から、どんなビジネスの価値が生まれるかを言えることです。

私が業務で「できる」と感じたのも、ここを言えていた人です。

一般には、データアナリストは、集計や可視化で現状を把握する仕事と説明されることが多いです。

一方のデータサイエンティストは、統計や機械学習を使い、予測の仕組み(モデル)まで作る仕事とされています。

ただ、私の見方では、2つの仕事は基本的には変わりません。違うのは、分析する手段だけです。

私が業務でうまくいっていないと感じたのは、データの分析そのものに価値を置いている人でした。分析のスキルが凄くても、分析の結果を人に伝えられていませんでした。

分析を頼んできた人(以下、依頼者)が一番知りたいのは、分析の凄さではありません。分析の結果、どんなビジネスの価値を生み出せるかです。

比べると、次のとおりです。

比べるところ	評価される人	伸び悩む人
価値を置くところ	結果から生まれる価値	分析そのもの
依頼者に伝わること	結果で何ができるか	分析の凄さ

この表では、差が分析のスキルではなく、何に価値を置くかに出ています。

未経験から目指すなら、最初に身につけるのは、分析の仕事の大枠の流れです。

分析のスキルは幅が広く、学問的な内容も学ぶ必要が出てくるので、どうしても時間がかかるからです。

分析の仕事は、依頼を聞く・データを集める・整える・分析する・伝えるの5つで進みます。結果から価値を言うのは、最後の「伝える」です。

5つの流れは、依頼1件を例に、次の記事で順に説明しています。

流れを押さえたら、学ぶ順番を決めて、分析のスキルを1つずつ積み上げます。

次の記事では社会人向けに、Excel・SQL・BIツール(Tableauなど)・Pythonの順で学ぶ道筋をまとめています。

学ぶことが多く、ひとりでは進めにくいときは、スクールで学ぶのも手です。選ぶときの判断基準は、次の記事にまとめています。

分析の結果を業務への効き方まで言えると、作った予測やモデルが業務で使われやすくなります。

例として、商品ごとの翌月の注文数を予測するモデルを作り、依頼者に報告する場面で比べます。

報告の仕方	依頼者に言うこと
精度で終わる	予測の誤差は平均5%でした
業務への効き方まで言う	誤差は平均5%なので、来月の発注数をこの予測で決められます。外れたときの影響を小さくするため、過去1年で売上が最も低い商品Aで試してみませんか

下の報告は、同じ結果に「何に使えるか」と「次に何をするか」を足しています。試す商品も、売上のデータから選んだ理由と一緒に伝えています。

精度だけを伝えると、依頼者は「それで、何に使えるのか」を自分で考えることになります。そのまま、モデルが使われずに終わることもあります。

業務への効き方まで言えると、依頼者はその場で使い方を決められます。