ガチ文系がエンジニアにピボットし後にデータサイエンティストになった経緯
見出し画像

ガチ文系がエンジニアにピボットし後にデータサイエンティストになった経緯

こんにちは、sja_analysisです。
大学は文系出身で日本文学を専攻していたガチガチの文系です。
その文系出身がなぜエンジニア就職を目指したのか?
また、データサイエンティストになれた経緯についてお話しいたします。

この記事では下記の方を対象としています。

・データサイエンティストを目指している方
・私文系だけど・・・大丈夫?
・そもそも私エンジニアじゃないし不安

1.自己紹介

私立の文学部出身、大学卒業後はサーバサイドエンジニアとして複数年業務に従事しました。
その後良い出会いもありデータサイエンティストとしてのキャリアをスタートしました。(データサイエンティストとしては2年目)

大学時代はコンピュータサイエンスとは程遠く、古文や、日本文学を読みふける毎日でした。そんな私がエンジニアを目指そうとしたきっかけは
当時発売されたiPhone3GSやAndroidでした。
当時としては非常に画期的で将来性を強く感じ
iPhoneやAndroidで動作するサービスを立ち上げたいと奮起したのがきっかけです。

その後は在学中に、独学でプログラミングを学習し
無事IT関連企業から内定をいただきました。

2.なぜ今データサイエンティストなのか

機械学習

データ分析

こちらはGoogleトレンドのデータですが、「データ分析」というキーワードはやや横ばい傾向です。
その一方で、「機械学習」検索ボリュームが2013年比で7倍ほどと注目されています。

データサイエンティストは大きく分けて3つのスキルが要求されます。

一つは、ビジネススキル
二つ目は、エンジニアスキル
三つ目は、AI・機械学習スキル

です、これらは人によってパーセンテージが異なり
自分の得意分野で戦うことが多いです。

Aさんはビジネススキルよりのデータサイエンティスト、コンサルや、データアナリスト出身です。

Bさんはもともとサーバサイドエンジニアをやっていて、Pythonを使う機会が業務であったため、AI・機械学習の案件を受注することに。
データサイエンティストとしてのキャリアをスタートすることになりました。

Cさんは大学院の研究で自動運転、AIスピーカーなど学業で機械学習、AIについて専攻していました。そのため新卒でデータサイエンティストとして就職することを決めました。

などでしょうか。
私はこの中ではBさんに近いと思います。

データサイエンティストは求められるスキルが多いものの、
会社によっては、社内にリテラシーの高い人物が他にいなくうまく入り込めればポジションを確保しやすいというメリットがあります。

体感ではありますが、優秀な人はより良い企業に集まり
データアナリスト・データサイエンティストが足りない企業はほとんど足りていない問題を抱えているという印象です。
そういった企業を見つけてうまく自分を売り込めれば、データサイエンティストとしてのキャリアをスタートさせることができるでしょう。

また、業務で取り組んでいるので業務時間内に学習することが多く
自己スキルを鍛える良い環境を確保することができます。
(業務時間中の学習が認められるケースが多い)

自分の得意・不得意に合わせてビジネススキルを伸ばしたり、エンジニアスキルを伸ばしたり、意思決定者に提案するための資料作りのスキルを伸ばしたりと適宜合わせていくのが良いでしょう。
(最終的にはほとんどのスキルが求められます。)

それらのスキルの掛け合わせで唯一無二の人材を目指すことができます。
1/100人材を目指すのか1/10000人材を目指すのかは貴方次第です。

以上のようにエンジニア目線からすると将来性のある分野で従事することで
社会に貢献でき、自己スキルを高めることができるデータサイエンティストを目指す理由となりました。

GoogleのAutoMLや各種BIツールの進化はさらに進み、普通のデータサイエンティストでは仕事が無くなる懸念があります。

色々なスキルの掛け合わせで自分の強みに変えていきましょう。

3.kaggleでスキルを積む

エンジニアとして業務をする一方で、kaggleという世界中のデータサイエンティストが集うコンペサイトで自己研鑽を欠かさずに行なっていました。
新しいアルゴリズムの提案、実装例に触れることができるため
学びが多いと感じました。

https://www.kaggle.com/

もちろん書籍での学習は大事ですが、データサイエンスは書籍のコードがそのまま利用できないケースが多く、データに合わせてコードを書いていく必要があり実際に手を動かして身につけていくことが重要です。

自分がやりたいことに適しているライブラリは何か、前処理はどう行うのか
どういったパラメータを使うのが良いのか、使えそうなデータはどこから手に入れるのか、たくさんの経験を積む意味でも
様々なデータが提供されているkaggleを利用することはとても良い価値になります。

より実務に近い形で学習できるのがコンペサイトのメリットです。
実際の現場ではサイトで提供される形のような綺麗なデータではないですが、複数のパターンで学習しておくことによって後の応用に繋がります。

最後に

文系エンジニアからのデータサイエンティストへの経緯について
お話をさせていただきました。

学習方法は様々あると思いますが、自分に合った形での学習を進め
スキルを身につけることがデータサイエンティストへ目指す近道となります。

・マーケティング、コンサルなどビジネス方面からのデータサイエンティストへのピボット
・エンジニアからデータサイエンティストを目指すケース
・学校在学中にデータサイエンティストを目指すケース


他人と比べるのではなく、自分自身がどのフィールドで活躍できるのか
求められるスキルのうちどこを伸ばすのかを適宜考えて伸ばしていきましょう。

ガチガチの理系出身データサイエンティストに勝つ必要はありません
変なプレッシャーはこの際捨てましょう。
自分の得意分野で活躍できる人材を目指しましょう。

この記事がデータサイエンティストを目指す方への少しでも役に立てれば幸いです。


この記事が気に入ったら、サポートをしてみませんか?
気軽にクリエイターの支援と、記事のオススメができます!
SJA_Analysis@データ分析とマーケティング

サポートよろしくお願いします。いただいたサポート費用は活動に役立てさせていただきます。

記事のスキありがとうございます。ぜひシェアもよろしくお願いします。
データアナリスト、スマホ向けゲームアプリ、ECサイト、クラウドファンディング、SNS、ブログなど様々な案件に携わる。マーケティング歴8年 Python/scikit-learn/keras/matplotlib