データサイエンティスト育成講座：工藤 貴大 様

どのようなお仕事をされているのでしょうか？

総合電機メーカーの医療、ライフサイエンス事業を運営する部門に所属しており、予算の策定や、経営分析に基づいた提言を関係部署に行う経営管理の業務に従事しています。他にも需要予測や販売分析も担当しており、データ分析をもとに関係部署のアクションを推進させていくことも行っています。バックオフィスであるものの、それらの取り組みが事業の拡大に貢献していると感じることも多々あり、やりがいを感じながら業務にあたっています。

データサイエンスを学ぼうと思ったきっかけは何でしょうか？

経営企画の部署の中でもデータサイエンスを取り入れることがテーマとして毎年挙がっているのですが、会計とデータサイエンスの両者を理解している人がおらず、具体的なイメージが持てていないというのが現状です。経営管理部で身に着けた事業運営や管理会計の知識を踏まえつつ、データ分析のスキルを身に着けることによって、事業課題の発見から関係部署へのアクションの提言までできる新しい経営企画の姿を具現化していくことに興味を持ち始めました。

複数あるデータサイエンス教育サービスの中でデータミックスを選択されたのはなぜですか？

理論と実践、どちらかに偏らず両方バランスよく学べる環境が必要だと感じて講座を検討していました。データミックスの講座では初歩的な統計理論から学ぶことができ、最終的に卒業課題で実装まで行うので、一通り学ぶことができると感じました。また、講師が実務もされていて現場の目線ももっていること、卒業後もなんらかのつながりが持てることもポイントだと感じ、データミックスでの受講を決断しました。

データミックスのスクール形式への印象はいかがでしたか？

基礎から流れに沿ってカリキュラムが組まれていたため、統計や機械学習の知識を体系的に深めることができました。授業中に理解に苦しむ部分があっても、質問がしやすいため、すぐに疑問を解消できます。また、週に3度開講されていたので、予定の調整もしやすかったです。

予習や復習も必要になったと思いますが、どのように時間を使われたのですか？

週末は予習や復習を中心に時間を割いており、5～6時間程度を授業の復習や理論学習に充てていました。平日は30分ほど時間を確保し、主にプログラミングの実装練習に励みました。週末と平日で時間を分けることで、理論と実践スキルの向上を目指しました。

卒業課題ではどんなテーマに取り組みましたか？

卒業課題では、会社のデータの使用が難しかったため、個人的な趣味である競馬の予測をテーマに設定しました。競馬は変数が多く、過去のレース結果などの豊富なデータにアクセスできるため、取り組みやすいテーマだと感じました。具体的には、Webスクレイピング技術を用いて、過去のレースデータを収集しました。そのデータを基に、Pythonを使用して機械学習を用いた予測モデルを構築。さらに、統計的な分析を行い、モデルの予測性能を評価しました。このプロセスを通じて、データの前処理、モデルの設計、評価までの一連の流れを体験し、授業で学んだ内容を総合的に実践することができました。

7ヶ月間の受講を終えられて、どのような成果を感じましたか？

元々プログラミングに対して若干の抵抗がありましたが、講義や実践を重ねるうちにモデルを作成できるようになりました。ChatGPTのような生成AIツールを利用してコードの例やアイデアを得ることの貢献が大きかったと感じています。さらに、卒業課題を通じて、データの前処理からモデルの設計、そしてその評価に至るまでの一連のデータサイエンスのプロセスについて、実践的な理解を深めることができました。

スクールで学んだことは、実務でどのように活かされているのでしょうか？

現在担当している需要予測の業務において、学んだ統計的手法や機械学習のモデルを用いて予測の精度を大幅に向上させたいと考えています。加えて、今後は売上改善への貢献も視野に入れ、顧客の購買パターンや行動特性の分析に活かしたいです。