【参加レポ】「データ分析」は職業として（今後も）成り立つのか？ ～データアナリスト・ウェブアナリスト・データサイエンティストのキャリアパスと業界の展望～（20190802）
**
はじめに**
「データ分析」は職業として（今後も）成り立つのか？～データアナリスト・ウェブアナリスト・データサイエンティストのキャリアパスと業界の展望～という、なが〜い名前のイベントに参加してきました。
イベントから帰宅したあとも、あれこれ考えさせられるというのはなかなかないことで、たいへん中身の濃いお話を伺うことができたと思います。
ならば記憶が新しいうちにまとめようとメモを見返していたら、ものすごい量になっていたので、
・印象に残ったお話
・内容を踏まえて、これから実践していきたいと思ったこと
・質疑応答パートの中で自分に刺さったところ
・自分の立場を思いつつ感想
を中心にざっくりとまとめてみました。
一応見直したものの、聴きながらのなぐり書きメインなので誤字脱字多いかと思います…！
当日の資料
於保さん資料のパスを確認し忘れてしまったので分かり次第追加します。
尾崎さんパートについては発言含めてシェアNGとのことなので載せられませんすみません（G社さんやはり色々と厳しいのね…）。
参加しようと思ったわけ
・登壇者の方はこの界隈で超有名な方々なので、一度生でお話を聞いてみたかったというファン的心理。これが一番大きな理由。
・データを扱う仕事をしているが、自分の今いる立ち位置ってどうなのか、会社の外からの視点で考えたかった（定期的に）。
・自身のスキルアップのために進めている方法・ふだんの心がけなど、世の中の会社や業種ごとに違いはあるだろうけど、おおよその感じで大きくズレていないか・足りないものは何かを確認したいと思った（これも定期的に）。
印象に残ったお話
・キャリアの話は人の話を鵜呑みにすると大変なので気をつけよう。
・業界全体の見通しは暗い。今後もあまり変わらなそう。
・とりあえずデータ関連の仕事は増えるだろう。「データ分析業界」ではなく「データに関わる人」なら選択肢は大きく増える。
・営業力、社内外アピール、セルフブランディングができるとよさそう。
・「そのデータをなぜ取りたいのか」その背景を確認する。それに対して提案する。ほしいのはデータではなく施策や改善案。
・最前線で戦っている人の話を聞く。それ以外は聞かなくていい。99%の事例は参考にならない。
- 事例よりも考え方が大事。
- 目的がモチベアップでもいい。
・情報は収集したら発信する。
・捨てる勇気も持つ。今やってる仕事の10%を減らす。棚卸ししないと、新しいことをやるのは大変。
・成果を出すことから逃げない。成果をアピールすることから逃げない。
自分でもすぐマネできそうなこと
特に小川さんパートのお話の中には、これなら今日からすぐ試せそう！というものがいろいろありました。
・ツールはいろいろさわってみる。数が勝負。新しいものはとりあえず触る。
- 有料のものも多いが、ブログで無料でレビューしますと相談するとか。するとアカウントが取れるのでダウンロードして使ってみる。
・試す場を社内外で用意する。社内ポータル、ブログ、プロフィールサイトなど。たとえば自分のサイトにGA入れてみたり。
・施策のストックを貯める
- PC・スマホで、色んなサイトをながめてみて、いいなと思ったらスクショを撮る。
- 例えばティファニーのおねだり機能。メール文面まで作ってくれる。施策のネタ帳になる。
・依頼側とのやりとりの際、アウトプットイメージのラフを提供できるといい。
- これはアナリスト側の責務。自身を楽にするためにも必要。手戻りを防げる。
質疑応答
進行中に sli.doでQAを募集しており、イイネ数が多かったもの優先で回答いただくという流れでした。それらのうち自分に役立ちそうと思ったところだけ抜粋。
Q. そもそも、分析ってなんでしょう？ 手法やそれぞれの企業、文化によってやってること、考え方が色々あるため自分のやっていることを分析と呼んでいいのかよくわからなくなっています。
- 意思決定の不確実性をどれだけ減らせるかの試み。数字をいじっているだけだと分析とは考えていない。
- ベタだけど、データを使ってインサイトを出して意思決定のために役立てること。それをどう解釈するかは人それぞれ。手を動かすのでも、機械学習でポーンと出すのでも同じ。
- Amazon社内のレポートは実はWord。最大6枚ルールというのがある。それを、ちゃんと伝える・理解できるところまで落とし込むのが分析の範囲。
- 「分けて考えること」ではあると思うが、対象物に理解を深める。ユーザーの解像度を高めるという話をしたが、どういう行動をするか・モデル化・仕組み化までできて、それをアクションにつなげたり意思決定のために可視化する。
Q. プロジェクトにおいて色々なことをアナリストがしていますが、会社内のアナリストの待遇があまりよくないと思ってます。社内での待遇をあげるためにどのようなことをしたらよいでしょうか。
- 転職したほうがいいのでは（笑）。ニワトリたまご状況があって、1人でいると評価されにくい。可能な限りもう1人か2人増やす。数の力が大きい。孤立してるなら増やす。プレゼンスが上がり評価されやすくなる。
- 転職（笑）。評価されないのは会社がそこに投資しないということ。いいところがあるなら転職を。
- すごい存在だとアピールする。まずは小さいところから。噂が噂を呼んで「こういう事もやりたい」と出てくる。そこで待遇が上がるのでは。
Q. データ分析界隈におけるキャリアのロールモデルが身近にいなくて困ってます…
- だからこのセミナー今回やりました（笑）
- いないのであきらめてくださいとしか。日本企業で全然やっていないから、いないのが当然。いないことを諦めた上で他でさがす。SNSとか。外で探す。
- ユーザー会に出ていくといいのでは。
- 狭い業界だけど、こういった場とか活用できればいいのでは。
Q. 今後行動経済学の知見は有効になっていきますか？
- バイアスをいかに取り除くか？だが、日本企業においては使えない。バイアスには勝てない。使い所は個人の知識としては重要かもしれないが、仕事で重要かと言われると怪しいのでは
Q. 要件定義ができるようになる過程について知りたいです。 講義なので体系立てて学べるものなのでしょうか。 経験して慣れるしかないのでしょうか。
- 「何をやりたいか」の上流部分が重要だが、中身をある程度外から見れるので、それを見るのが手っ取り早いのでは。
Q. ポジティブに捉えればデータを活用できれば競合から頭ひとつ抜けるはずで、そういった事例はないのか、ないならそれはなぜなのか
- 前はやらなくても済んでいたが、力を入れてるところは抜けてくるのでは。発展したから部署をもつ余裕があるのか、持ったから発展したのかはわからない。
- 「データをどう活用するか」を明確にしてるかどうかが大きい。あるだけで満足してるところもある。例えばワークマンはすごい。管理職昇進の条件はデータ分析できること。エクセルでも。高度ではなくABテストを実店舗でやってる。「データをどう使うか？」が最初からビジョンに入っているところは強い。データとりあえず持ってるだけってところはまずい。言えないけど。
- 競合もやらないから自分たちもやらない。競合がやるようになったらおそらくやる。ゲーム業界もそう。ガチャのモデルとかあの辺りはデータがすべて。射幸心どれくらい煽るか。直接お金になるから。
Q. 社内に対してデータ分析やデータに対するリテラシーを上げていくためにはどうすればよいでしょうか？？ 社内向けに勉強会開いても効果がある気がしなくて…
- 外部コンサル入れるのも1つ。事例を作ってそれを一緒にやっていきましょう、とする。
- コンサルは持っていない知見をおカネで買うこと。やがてどこでも「最終的には自分たちでやりたい」というが、実際できない。100社入ったら98はできない。上げ方は「それをやることで成果が出る」とわかるかどうか。成果が出た人がいたら、自分も、となる。本業の成功確率が上がることが伝われば。
- えらい人がデータを使うこと。えらい人が使わないなら下の人が使うわけがない。
Q. どうしたらGAFA、Mで働けますか？
- まず応募する。でも、中の人に友人を作るのが早い。リファラル。あとは電話の英語面接が突破できること。ここで落ちる人がめっちゃ多いのでそこだけは頑張ってほしい。残りの技術面接はそんなに難しくない。
- Mに新卒で入ったときに英語で自己紹介した。目立たないとだめ。あとはビジョンと合うか、自分が共感するところがあるか。文化に合わないとやっていけない。ビジョンと合うところを選ぶ。
Q. 〇クルートや〇イバー・エージェントなどメガベンチャーで働く方が動かす金額や人も多いので成長速度や人脈の面では有利なのでしょうか？ 現在30名そこらのITベンチャーで働いているのですがどちらがキャリアのためにいいのか。。。
- 大手は環境が揃ってるのは強い。優秀な人がいる。情報共有も早い。スキルアップもできる。でも自分の動き方次第。
- スキルセット育てたいか。自分が何をやりたいか。横はすごく広げられる。横断だからこそできることはある。しかし交渉が必要になったりすることも。
- 規模によって学べるものが違うだけ。小さいところは裁量を目一杯使ってどう幅広くできるか。大きなところは自分の裁量だけではだめだがまわりを巻き込めば動かせる。
- 人脈、有名になりやすい。中小ではまずない話。そういうのを武器にしたい人はより有名なところに行くのも選択肢。
Q. 日本企業でデータ分析・活用が進まない理由は何だとお考えですか？
- これまでの文化の積み重ね。すぐにどうこうなるという問題ではない。
Q. 伝統的日本企業でDS募集しているところは、（日本・外資問わず）テック系・web系の企業と比べると地雷である確率が高いですか？またその確率は肌感覚どれくらいでしょうか？
- 90%くらい。行ってうまくいくイメージがまったくない。そう思った理由は、話を聞いていると「それ以前の問題」が多いから。Windowsのメモリ2MBしかないPCでPythonインストールできない、とか。そういうところは環境を考慮してくれないので、環境を用意してくれるところに行くかどうかが全て。それが満たせないなら大きいか小さいかは関係ない。
- 90%というのは良心的。99%。うまくやってるところがあるなら教えてほしいくらい。
- レガシーだと昔ながらの情シスのかたがいるので、新しいものを受け入れ難い。クラウド化するだけでも大変。意志決定に何層もある。でも突破できたらものすごい大道。
所感など
・わたしの今いる会社はデータが豊富にあり、データ基盤・分析を担う部門もいくつもあるし、部門によるが「なんのために必要か」の整理もかなり進んでいると思う。
・そういうところに所属する人たちをどう評価するかの議論も始まっている。まだまだ足りないところはあるけれど、正直かなり進んでいる方なのだろうと思った。
・現場での需要は「分析したらお金が増えることが数字ですぐわかるかがカギ」というお話があった。確かにそう。
- eコマ系とか効果が見えやすいサービスなら、ゴールが明らかな分悩むことは少なそう。
- テキストや映像などで何かを発信することが目的の場合、その良し悪しをどう測るかというより、作って見られてこうつながってやがてお金につながるよ、という方向にもっていかなければならないのだろう。わかるけどそれだけでは…とも思う、引き続き悩みどころ。
・以前の自分自身も、データわかる人が誰もいない部署にポツーンと1人投げ込まれた人だった。その当時感じたことを思うと数の力が強いってのは真理だなと思った。
・sli.do の書き込みで「そもそも分析ってなんでしょう」にすごい数のいいねがついたことが印象的。自分もつけた。みんな悩みながらも独自に工夫して、でもそれでよいのかと悩んでて、そして人による濃淡はあるだろうけどこのお仕事が好きなんだろうな（じゃなければそもそも、こういうところに来ないだろうし）。というのが伝わってきた。
・最後に小川さんがまとめで「ロールモデルいないし、好きで楽しくやっていたら成長できたとなっていったらいい」と仰っていたが、ほんとそうなるといいな。
ほか、ぬけもれや追加したいことが出てきたら更新するかもです。
この記事が気に入ったらサポートをしてみませんか？