Q、どのような会社でデータ分析の業務を行なっているのでしょうか？
スミセイ情報システム株式会社で生命保険データを活用したデータサイエンス業務を行なっております。
一口に「保険」と言いましても、商品の売れ行きデータ、解約データ、営業職員の方のパフォーマンス数値など様々なデータが存在しています。こういったデータから「潜在的な要因の把握・分析」や「お客様の動向・嗜好の予測」等を機械学習で行っています。
実務では決定木やランダムフォレスト等、解釈性の高いモデルを活用する傾向が強いですね。
Q、なぜCBASを受験されたのでしょうか？
CBAS受検の目的は2点あります。
１点目は、プロジェクトの最初から最後まで自分一人で担当できるか、「プロジェクトに必要な要素を理解できているか」を確認してみようと考えました。
２点目は、自分のスキルを「客観的な視点」で証明しようと考えました。自分自身の価値向上ですね。
弊社はデータサイエンスビジネスを主とした会社ではないので、社内で機械学習等の技術的な要素を説明しても周囲の方には伝わり難く、スキルの証明が難しい。資格であれば「客観的な視点」になると考えました。
Q、CBASの取得（合格）はビジネスのどの場面で役立つとお考えでしょうか。
お客様の課題設定からプロジェクトの円滑な遂行・完遂に至るまで、多くの場面で役立つと思います。
まだ試験結果が出て間もないので、現時点で「ココに役立った」とは言えませんが、今まで自分が必要だと思っていた「KPIツリーなどを活用した課題設定の重要さ」等を今回の受験で確認することができたので、今後のビジネス場面で自信を持ってお客様に提案したいと思います。
Q、一緒に働くデータサイエンティストを採用する場面などでは、CBASの資格は一つの基準になりますでしょうか。
試験では網羅的に知識があるかを問われるので、「知識が偏っていないか」「全体像を理解しているか」といった点で採用のポイントになると思います。
私のチームメンバーにも一定以上の実務経験を積んでいる人には受検を勧めたいと思いますが、法務的な点や上流工程等、若手メンバーが経験しない部分もありますので、採用基準や評価基準等に適用する際は注意が必要だと思います。
CBAS試験の内容は、将来的には全て認識・理解するべきだと思いますので、受検する価値はあると考えています。
Q、試験を受けての感想を教えてください。
問題数と時間の関係で言うと、結構なスピードで解かなければいけないなと感じる部分がありました。
この点については思考の瞬発性と言いますか、判断するスピードが必要でかなり厳しかったです。ただ、理解度と判断速度の両面が求められるというのは納得できますし、すごく良かったと思います。
ビジネスでは技術やプロセス等、幅広く全体を理解しておく必要があると私は考えています。
そういった意味でCBAS試験は私が必要だと考えていたスキルにマッチしていました。
Q、試験対策の中で、どのような準備をされたのでしょうか？
試験対策としては、参考問題を振り返った程度になります。
ただ、Python、R、SQLは日常業務の中で触れていましたし、法務や分析プロセスは実務経験や過去に参加したセミナー・研修の経験が活きたので助かりました。機械学習等は独自に勉強を進めていたので改めて試験対策はせずに何とかなりました。
全体的に、実務に直結した試験問題が多かったので、過去の経験を活かせたと思います。
Q、これから受験される方に、この準備はしておいたほうが良いなど高得点を得る秘訣を教えてください。
試験ではデータサイエンスプロジェクト全体を網羅した問題が出題されるので、「ここしかやらない」「ここは知らなくてよい」ではなく、プロジェクト全体に視野を広げ、幅広く知識を吸収しておく必要があると思います。
例えば、エンジニアだからプログラミング言語や機械学習の仕組みだけ知っていれば良いとなれば、KPIや課題の導出方法に興味を持つことは出来ないですし、分析プロセスの背景等を理解する事は難しいと思います。
逆にコンサルティングのような技術だけで良いとなれば、プログラミング言語や機械学習の仕組みの理解が難しくなってしまいます。
繰り返しになりますが、データサイエンスプロジェクト全体を視野に入れ、何が必要なのかを理解しておく事が大切だと思います。
Q、西川さんが考えるデータ分析スキルの価値が今後どう変わると思いますか？ 今後、ビジネス面で必要とされるデータ分析スキルとは？
エンジニアリング等の技術的なスキルが必要・重要なのは今もこれからも変わらないと思っています。
「加えて」という意味で、AI・データサイエンスのビジネス分野で「一定量の技術的なスキル」と「良い課題設定ができるスキル」の両方が必要になると考えていて、両方のスキルを持った人材の価値が今後高まると考えています。具体的には、機械学習モデル、Python、R、SQL等の技術的な要素を理解することは必須として、KPIの導出方法や分析プロジェクトのプロセスをしっかり頭に叩き込み「良い課題設定」ができることも大切だと思います。
「良い課題設定」を行うことでビジネスに効果的・効率的な分析が可能になり、有効な施策が打てるので。
さらに、プロジェクトの円滑な遂行ができる「プロジェクトマネジメントスキル」を持っていればなお良いのではないかと思います。
