データサイエンティストの頭の中 vol.3～データサイエンティストの仕事編～

今回もYujiにインタビューした内容をまとめていきます。
今回のテーマは「データサイエンティストの仕事」で、実際に何してんの？どうやってやってんの？案件例とかは？みたいな話や、受託系企業でのサイエンティストと事業会社側のデータサイエンティストの違い等も聞きました！
興味ある方は是非動画もご覧ください！
また実践的に勉強したい方向けのオンラインサロンを開設しました！未経験の方でも実践的な勉強できる環境を用意しておりますので、そちらも下記リンクよりご覧ください！！

１　仕事の流れ

実際、データ分析等の仕事はどうやって進めているのか、全くわからないので聞いてみました。まず何してその後何すんの？？みたいな、、。

仕事の仕方は大体Yujiの場合（分析会社出身者）だと下記３パターンになるとのこと。

■受託で分析
■受託でモデリング
■常駐で各種業務

仕事の進め方はどのパターンでも同じらしい。

１　要件定義
→何をしてほしいのか、何がしたいのか、課題は何なのか、何ができるか
２　データの確認、把握
→基礎分析、基礎集計
３　具体的に分析やアウトプット
→データを確認して基礎集計や基礎分析の中で出てきたものを企業側と連携を取り合いながらどういうアウトプットにしていこうか進める

モデリングの場合も上記の進め方だが、
「モデリングを依頼される場合は、何をしてほしいかが明確なので、あとはデータの中で良い特徴量を企業側と連携取りながら探っていって、精度を上げていくイメージ」
とのこと。

※モデリングとは、、、
簡単に言うと予測モデルを作ること。
過去のデータから未来を予測する技術的なこと。

下記参考までに、、、

機械学習モデル | DataRobot 人工知能 Wiki

常駐の場合は、結構何でも屋。
「こういう課題があって、これをやってほしい、というよりはマンパワーが足りてないからとりあえずいて何でもやるイメージ」
だそう。
データ分析～モデリング等色々やっていくみたい。
常駐は業務内容は楽だけどあんま面白くなかったりすることもあるとのことで、受託や常駐系をやってる企業からすると常駐は金額的においしいのかもしれないが、サイエンティストからすると不満になる可能性もありそう、、、。

２　案件事例

次にどんな案件、どんな仕事をしたことがあるか、一部ではありますが聞きました！！
めちゃめちゃ多くの案件をやってきたので、仕事の仕方別で一つずつ話しやすいものをピックアップしてもらいました。

■受託で分析
【ECサイトの売上UP施策を考える案件】　
→ヘビーユーザーを増やしたい
・ヘビーユーザーとライトユーザーを分けて、行動データから分析し、どういう行動をとらせることが出来ればヘビーユーザーになりやすいのかを判断して施策に繋げていくイメージ

■受託でモデリング
【AIの求人マッチングモデルを作りたい】
→その中で求人に対する内定時の転職者の年収予測モデルの構築
・どういう転職者ならどういう求人にどのくらいの年収で決まっているか、データ分析をして、機械学習モデルに入れて予測モデルを構築していく。
・転職者が求人応募前、求人応募時点で内定時の年収の予想を個別に出す形

■常駐で各種業務
【EC系企業に常駐】
→データの集計、可視化、分析、モデリング等幅広く対応
・例えば行動データから誰にクーポンを送るか、という予測モデルを作ったりもした。最適な人に最適なクーポンを送ることで収益を最大化させる。
・ECの離脱予測もした。離脱しそうな人を行動データから分析し、早めに施策を打つ等

かなりざっくりではあるし、これを見ただけだと簡単だなーとか思うかもしれませんが、めちゃめちゃ時間かかるものもありますし、データ分析は奥が深すぎてかなり大変な部分もあります。。。

EC系やSaaS系は案件として多いとのこと。
数％の売上UPが大きな影響を及ぼすサービスにデータ分析やデータサイエンスは価値が高いらしく、ECやSaaSはその典型。
レコメンド機能とかもデータサイエンス領域では有名なところです。

３　面白い点/つまらない点

受託の分析会社にいて、面白いところとつまらないところを聞きました！
やはり最先端の業務に携われるところ、最先端の技術を使えるところは魅力や面白さを感じているとのこと。
また、
「受託系の分析会社ならではの、色んな企業の案件で色んなビジネスで応用させていくこともかなり面白いし、フリーランスや独立のときにも個の経験は役に立っている」
とのこと。

反対にしんどいところは、
「顧客の期待値の調整」「AI万能説を正す難しさ」があるらしい。
やはり顧客は高い期待を持ってAIとか機械学習を活用としている。ただできることとできないことはあるわけで、いかに現実的なラインまで持っていけるかは結構大事なスキルの一つらしい。
この期待値調整ができないと炎上の可能性大で信頼関係やコミットメントにも大きな影響を及ぼす。
データサイエンティストとして顧客企業側のAIリテラシーを上げることも価値になり得るなーと感じました！！

加えてつまらないところは、
特に常駐系で多かった「集計可視化のみ」「BIツール活用」はそこまで難しくなく、「データサイエンティストがやる仕事じゃない」と感じていたそう。
SQLでデータを取ってくるとかは非エンジニアでもできる内容なので、そういった技術の成長に繋がらない仕事も出てくるのは常駐のデメリットなのかもしれない。。。

４　分析会社と事業会社

分析会社と事業会社側で良い点悪い点の話を聞いてみた。

【分析会社】
■良い点：色んな事例を学べる。実績を早くから積むことが出来る
■悪い点：納品で終わるため、ビジネスインパクトまで追えない。うまくいったか、ダメだったか、改善業務があまりできないこともあるところ

【事業会社側】
■良い点：自分がやった分析やモデルが良いか悪いか追える。ビジネスインパクトを感じることができる
■悪い点：会社によりけりだが、担当業務範囲が狭い可能性が高い。携わることができる技術もその会社のビジネスによって少ない可能性も高い。
データサイエンスのノウハウが少なすぎて手探り状態でやらなければならないところも多い。＝スキルアップが難しい、正解がわからない。
※もちろん色んな技術に携われて、幅広い業務ができる事業会社側もある。

Yujiの意見だが、「給料が低くても、最初は分析会社で経験積む方が選択肢が広がる」、とのこと。
まず未経験からの場合事業会社側にいくことは新卒でなければ大体難しい。
であれば、「分析会社で早く幅広い経験、技術を身に着ければフリーランスや事業会社側にいく選択肢が増える」、とのこと。

フリーランス等であれば、まだまだ新しい分野のため、幅広く経験ある人材の方が企業が頼みやすい場合が多い。これは企業側にAIリテラシーがないので、ざっくりお願いされることが多いため、そのときに経験の幅が狭いと対応できないことも出てくる。
それぞれの良さ悪さがあるので、何を目的にするかっていう観点が非常に重要です！！！

５　こんな会社にはいくな

最後は過激なタイトルですが、データサイエンティストになるときにこういう会社は避けよう、こういうところなら行った方が良い、という内容です。（笑）
AIや機械学習と打ち出している企業は多いが、あまり大した技術力を持っていない、ノウハウがあまり無い会社は結構多いです。。。

「分析会社（受託会社）系では、SQLをメインで使うような企業は気を付けた方が良い」とのこと。機械学習とかはできない可能性が高いですし、おそらくデータ分析のノウハウを持っていない可能性が大です。
SQLやExcelでもデータ分析っぽいことはできますが、データサイエンスとは少し異なりますので要注意！！
データサイエンティストのキャリアで考えたときには優先順位は低い、とのこと。

あとは「社内にどのくらいデータサイエンティストがいるか、は気にしたほうが良い」とのこと。誰と働くかは自分の技術力や成長にも大きく関わってきます！

事業会社側であれば、「CTOがデータサイエンスの知見があるか、また分析チームやデータサイエンスチームがあるか」どうか。
ただ未経験ではおそらく厳しいです、、、、。

未経験で入る場合、誰とどんな環境で働くかで今後の技術力や選択肢にも関わってくるので企業の言葉に惑わされず、慎重に決断することが大事になります！！

今回のインタビュー内容は以上になります。
上記のような案件事例やデータサイエンティストにどうやってなれるか、勉強方法等はオンラインサロンでも配信したり勉強会していたりしますので、興味のある方は下記オンラインサロン概要見てみてください！！

下記インタビュー動画です！！

データサイエンティストとデータサイエンティストになりたい人のためのオンラインサロンを開設しました。興味ある方は見てください！！