データサイエンスのセミナーに参加してわかったこと。現実は辛い。

これからのデータ通信量やデータ通信速度の増大によって、世の中の情報量は倍増し、データを利活用できる人材が必要とされます。

データサイエンスという学問、とりわけその学問を習得した人をデータサイエンティストと呼びますが、内閣府・経済産業省・総務省など政府もこぞって2年前から人材育成を進めており、つい最近のニュースで筑波大学では、全生徒に対して必修科目になりました。

ただ、特別な学問というわけではなく、これからの将来、データサイエンスは、読み書きそろばんとなり、誰もが知っている知識となるのです。

これは、学生は、いづれどこかで学ぶ機会があるのですが、社会人は、自ら学ぶことをしなければ、どんどん時代から取り残されていくよ、ということを示唆しています。

データサイエンス：データの収集、データの管理、データの可視化、データの分析を通じて、データの理解と活用の手法を実践的に習得し、社会におけるデータの具体的な活用についての学問

では、どうやって学べば良いですか？という話になりますが、本でもネットでもオンライン講座（無料・有料）でもセミナーでも探せば星のようにあります。ただ、セミナーを受講してわかったのは、これらを読んで理解してもデータサイエンティストになれないということです。

それは何故かというと。

データサイエンスの能力には、”課題発見”・”統計学”・”エンジニアリング”の３つの能力が必要であり、とりわけ、課題発見やそれを解決する能力が重視されるということなのです。この３つの能力を全て兼ね備えている人材を育成しようということです。

今、どれかを持っているのはOK、ただし、将来は３つとも持っていてね。ということです。

「データを収集しました。確認してください。」

よりも

「データを収集し、このような傾向がでています。これから先、このようなことが起こりうると考えます。」

のような提案できる人材が必要とされるわけです。

つまり、先ほど述べた、「学生は、いづれどこかで学ぶ機会があるのですが、社会人は、自ら学ぶことをしなければ、どんどん時代から取り残されていくよ、ということを示唆しています。」ということを言い換えると、

「学生は体系的に、統計学・エンジニアリング能力を鍛えていき、体験をもって課題解決能力を高めていきましょう。社会人の方は当然、これまでの仕事から課題解決をしてきたと思いますので、課題解決のための色々なフレームワークを学びつつ、統計学・エンジニアリングを知らない人は学んでいただきましょう」ということです。

セミナの講師は、このように、きつめの言葉ではなかったのですが、「ビジネス課題を見つける能力を上げていくことが必要」とは、何度も話していました。読み返してみると、私のメモには、10か所ぐらい、同じような言葉が書いてありました。

ケンゴ@ITエンジニア (@hotperper) | Twitter