データサイエンス
データサイエンス関連を勉強中です。
（現在機械学習を勉強中。数理最適化も開始。）
改めて、データサイエンスってなんだっけ？と思ったのでまとめてみます。
データサイエンスとは
人によって異なりますが、大枠は「データを元に、有益な指標を導き出すもの」という解釈が多いです。
ただ、単純なデータ分析だけを示すものではなく、範囲は幅広いです。
データの集計から統計、機械学習、数理最適化なども含めてデータサイエンスに含まれます。
データに関する最初から最後までをひっくるめて、データサイエンスであるというのが正しそうです。
データサイエンティスト
データサイエンティストとは、dodaでは、「主にビッグデータを解析することで、経営に役立つ情報を抽出する人、ヒントや気づきになる新しい事象を発見する業務をこなす人、またはそのスキルを持つ人のこと」と定義されています。
そして、その仕事内容はデータの分析だけでなく、「データ収集」「企画・仮説考察」「前処理」「分析・解析」「結果の解釈・仮説検証」「レポーティング」というのが基本プロセスとなっています。
DS協会では、データサイエンティストに必要なスキルは、3つと定義しています。
だいぶ幅広いです。
データサイエンス力
データエンジニアリング力
ビジネス力
DS協会が定めるDSスキルは、下記リンクからダウンロードできます。
https://www.datascientist.or.jp/common/docs/skillcheck_ver4.00_simple.xlsx
それぞれのスキルカテゴリとして、以下のように分類されています。
データサイエンス力
基礎数学／データの理解・検証／意味合いの抽出、洞察／予測*／推定・検定／グルーピング／性質・関係性の把握／サンプリング／データ加工／データ可視化／時系列分析／学習／自然言語処理／画像・映像認識／音声認識／パターン発見／シミュレーション・データ同化／最適化
データエンジニア力
環境構築／データ収集／データ構造／データ蓄積／データ加工／データ共有／プログラミング／ITセキュリティ／AIシステム運用
ビジネス力
行動規範／契約・権利保護／論理的思考／着想・デザイン／課題の定義／アプローチ設計／データ理解／分析評価／事業への実装／PJマネジメント／組織マネジメント
スキルを見ると、AIモデル開発もデータサイエンティストの仕事に含まれそうですが、そっちはAIエンジニアの仕事になります。
データサイエンティストはAIモデルを使う側であって、作る側ではありません。
ただし、AIモデルの知識は必要です。
データサイエンティストとデータアナリストの違い
pasonaの定義を見てみると、どちらも似ています。
・データサイエンティスト：データ分析を行なう専門的な職種
・データアナリスト：データの分析や可視化を専門とする職種
ビジネスの意思決定に寄与するOUTPUTは以下のように記されています。
【データサイエンティスト】
大量のデータからパターンを見つけ、ビジネスの課題に対する解決策や洞察を導き出します。
【データアナリスト】
データから抽出した情報をもとに具体的な提案を行ない、ビジネスの意思決定に貢献します。
だいぶ似ており、具体的に何が違うのかがあいまいです。
AXISでは、以下のように違いが記されています。
「データアナリストは分析のビジネスへの応用、データサイエンティストは分析モデルの構築に、それぞれ軸足を置いているという違いがあります」
これが一番しっくりきそうです。
どちらも向かっている方向は同じですが、見ている視点が職種の違いになります。
・データサイエンティスト：エンジニアリング寄り
・データアナリスト：ビジネス寄り
データサイエンスの分野
様々な分野がありますが、三好さんの図がわかりやすいです。
※参照：AI・データサイエンスにおける技術群
この図では、大きく4分野に分かれています。
・基礎統計（集計・可視化）
・統計解析（記述統計・推計統計・時系列分析）
・機械学習（教師あり学習・教師なし学習・レコメンデーション）
・数理最適化
一般的にデータサイエンスというと基礎統計・統計解析・機械学習が頭に浮かびますが、数理最適化もデータサイエンスの中の重要な技術です。
この記事が気に入ったらサポートをしてみませんか？