Inside of data science
データサイエンスに纏わる様々な視点を発信しています

トピック

データサイエンティストの働き方~どんな会社で働く?~

データサイエンティストとは、データを分析・活用しビジネス上の様々な課題を解決する仕事です。

データサイエンス(Data Science)とデータサイエンティスト(Data Scientist) という記事でも紹介していますが、データサイエンスでは下図のように

  1. コンピュータサイエンス(データエンジニアリング・プログラミング)
  2. 数学・統計学(モデリングの理論・分析検証の理論)
  3. 経営・ビジネス(ロジカルシンキング・業界知識・プレゼンテーション)

と主に3つの分野にまたがった内容を扱います。

データサイエンス

データサイエンティストという仕事でもこれら3分野にまたがった知識が必要とされ、その分カバーする業務領域も多岐に渡ります。

とはいえ、記事内でも紹介している通り実際にはこの全てに精通している人というのは稀で、実務においても会社がデータサイエンティストに求める役割や業務内容によって使用するスキルには偏りがあります。

ここでは働く会社を大きく3つのタイプに分けて、それぞれの業務内容の違いについてみていきたいと思います。

データ分析会社で働くデータサイエンティスト

データサイエンティスト

データ分析会社で働く場合、クライアントからの依頼をうけてのデータ分析や分析基盤の構築、機械学習を利用したサービスの開発に携わったりする事が大半です。(中には自社でデータ分析ツールやBIツールなどの開発・販売をしている場合もあり、そのプロダクトの開発や運用に回るケースもあります。)

会社によって強み弱み・特色があり、ビッグデータ解析や分析基盤の構築を得意とするところもあれば機械学習を用いたサービスの開発などエンジニアリング寄りを得意とするところなどがあり、それによって必要とされるスキルや重要性が変わってきます。

そのため一概には言えませんが、上記のようなケースでは一般的には数学・統計学のスキルとコンピュータサイエンスのスキルを重要視される事が多く、経営の知識・スキルは必ずしも重要ではないというケースが多い傾向にあります。

クライアントワークとなるため、プロジェクト単位で求められるスキルのバランスも仕事内容も異なりますが、その分様々な業界や企業のプロジェクトに携われる機会があることがメリットともいえます。

データ分析会社では当然ながらデータサイエンティストの仕事が会社の価値に直結するため、その分企業が教育や研修に力をいれており、データサイエンティストとして知識経験の豊富な人が周囲にいる環境で働けるという特徴もあります。

コンサルティング会社で働くデータサイエンティスト

データサイエンティスト

MBAとデータサイエンス という記事にもあるように、現在データドリブン経営には非常に注目が集まっています。
そのためデータに基づいたコンサルティングを強化するためにデータサイエンティストを募集するケースやデータサイエンスの高度な知識を持っているコンサルタントを募集するケースがあります。

いわずもがな、経営(ビジネス)に関する知識・スキルは非常に重要になってきます。また、財務・会計のデータを扱う事も多く、今後の経営に関係する指標の予測モデル作成などを求められることもありますので、数学・統計学のスキルも重要となります。

一方で、分析や予測モデルの構築以外のため以外にコードを書いたりする機会はそれほど多くないため、高度なコンピュータサイエンスの知識はあまり必要とされない傾向にあります。

コンサルタント業務も併せて行う場合には、実際にクライアントへ提供する資料の作成や分析結果の説明なども業務になるため、データの可視化やビジネストランスレーターとしての力量があると、それが強みとなります。

データ分析会社がコンサルティングサービスやそれに近い形のサービスを提供している場合では、機械学習の実装などエンジニアリング寄りを得意とするデータサイエンティストとコンサルティングなどのビジネス寄りのデータ分析を得意とするエンジニアの両方が在籍し、それぞれの得意分野によってプロジェクトや業務内容が割り振られるケースもあります。

事業会社で働くデータサイエンティスト

データサイエンティスト

事業会社で働く場合、仕事内容は大きくわけて2つに分かれます。

1つは業務内容が会社の提供するサービスや商材に直接関係している仕事で、データ分析に関連するサービスの開発や運用に携わる場合です。
もう1つは会社の利益や売上に間接的に貢献する仕事で、業務効率の最大化やコスト削減、利益向上を目的とした業務を行う場合です。

ソフトウェア開発やWeb事業をメインで行っている会社の場合には前者が多く、開発や運用のためにエンジニアリング寄りのスキルが求められる事が多くなります。

後者の場合では、分析や予測モデルを構築するために数学・統計学寄りのスキルを求められる事が多くなっています。
コスト削減や利益向上のための施策立案を行う場合には、経営陣などに対して施策の提案や実際の効果検証について説明する場面も多いため、経営者に近い視点や、ビジネストランスレーターとしての役割が求められる事もあります。

事業会社の場合、会社の規模や既にどの程度データ分析に対する理解があるかによっても仕事内容は大きく変わってきます。

これからデータ分析に力を入れてこうとしている企業で働く場合には、データ分析基盤の構築や、それに伴って社内システムやデータベースの改修も手掛ける場合があり、このようなケースではエンジニアリングのスキルが重要になってきます。

データ分析を活用した業務効率改善やコスト削減等に初めて着手するような場合には、社内各部署の人達がどのような仕事を行っているのかヒアリングしたり、データによる意思決定に理解を示さない社内の人達との対話に時間を費やす必要があったりと、データサイエンスの知識やスキルを活かすのとは異なる仕事に時間を取られる事も少なくありません。

既に独立したデータサイエンス部門が安定的に稼働している場合には、業務が縦割りになる場合と横割りになる場合とに分かれます。
業務効率の改善や売上向上のためのプロジェクトがいくつか並行して進んでいるような会社であれば、データサイエンティストはそれぞれに担当するプロジェクトが割り振られ、業務は縦割りとなり、データサイエンティスト以外の職種の人と一緒にプロジェクトを推進していく機会が多くなります。

一方で、機械学習を使ったサービスを提供している会社で開発や運用に携わる場合やデータサイエンティストの目的が単一の場合(例えばデータドリブン経営のための経営企画部配下にあるデータサイエンスグループなど)には、データサイエンス部門に対して割り振られた仕事を分担して進めていくような、横割りの業務進行が多くなります。

どういった企業で働いた方が良いという正解はなく、それぞれが思い描く将来像や今後のキャリアの築き方をどう考えているかによって最適解は変わってくると思います。

いずれにせよ、データサイエンティストとして必要とされる3つのスキルは会社によって求めるバランスが異なり、データサイエンティストに求められる企業内の役割も異なります。

  1. コンピュータサイエンス(データエンジニアリング・プログラミング)
  2. 数学・統計学(モデリングの理論・分析検証の理論)
  3. 経営・ビジネス(ロジカルシンキング・業界知識・プレゼンテーション)

データサイエンティストを目指して勉強をする場合には、自分にとってこの3つのスキルのどれが一番の強みになりそうなのか(もしくは強みにしていきたいのか)を意識して重点的に勉強すると良いかもしれません。

いざスキルを身につけてデータサイエンティストとして働き始めたものの、イメージしていた仕事と業務内容が違った、やりたいと思っていた事が出来る環境じゃなかった、といったようなミスマッチを防ぐためにも、ぜひこの3つのスキルのバランスや会社のタイプをぜひ参考にしてみてください。

«
»

ブログ一覧