IE08 データサイエンティスト 要旨 ここ数年で「データサイエンティスト」という言葉を目や耳にすることが増えた。グー グルトレンドに依れば、「データサイエンティスト」の検索数は 2013 年頃から増え始め、 現在までほぼ一定の数を保っている。このことは、世の中に「データサイエンティスト」 という言葉が定着しつつあることを示している。 また、企業や政府に所属する「データサイエンティスト」が活躍した事例が数多く生ま れている。例えば、「楽天i」は顧客の会員情報や購買履歴、ポイントの活用状況を分析し、 その分析結果を顧客ごとに適した広告の配信やサービス利用率の向上に活用している。「デ ータサイエンティスト」の活躍の場は様々であり、我々は日頃からその恩恵を受けている。 それでは、ビジネスや我々の生活にデータ分析の恩恵をもたらす「データサイエンティ スト」とは一体何者なのだろうか。一般社団法人「データサイエンティスト協会」のホー ムページでは「『データサイエンティスト』には明確な定義がない」と述べており、巷で も統一的な定義は無いという見方が主流である。 そのため我々は、当研究における IE08 としての「データサイエンティスト」を定義した。 定義を考える上で、「データサイエンティスト協会」が提示するデータサイエンティスト に必要とされるスキルセットを紹介したい。これは、データサイエンティストに必要とさ れるスキルを具体的に示したものであり、以下の 3 つのスキルによって構成されている。 (1)ビジネス力：課題背景を理解した上で、ビジネス課題を整理し、解決する力 (2)データサイエンス力：情報処理、人工知能、統計学などの情報科学系の知恵を理解 し、使用する力 (3)データエンジニアリング力：データサイエンスを意味のある形に使えるようにし、 実装、運用できるようにする力 これらをもとに我々は「データサイエンティスト」とは「データを収集、運用できる基 盤を構築・活用し、データ分析から導き出された考察をもとに、ユーザーのビジネスに対 して高価値な提言を行う人物」と定義した。しかし、この 3 つのスキルをバランスよく備 えた人物はどれほどいるだろうか。実際のところ、先に定義したデータサイエンティスト の役割をたった一人で担っているケースは少なく、全社レベルでのプロジェクトまたは、 事業部として実現している場合が多い。 ここで我々は疑問を感じた。「上記の３つのスキルが備わっていなければ、データ分析 をビジネスに活用することはできないのだろうか。」と。我々は自身が関わっているビジ ネスの現状を理解しているし、日々集計している業務データはいくつかあるはずだ。つま り、ビジネス力とデータエンジニアリング力を既に少しは備えていると言える。我々に欠 落しているのは、データサイエンス力のみである。したがって、データサイエンス力を“身 に付ける”と言わないまでも“カジる（齧る）”ことでビジネスに活かせるデータ分析が 可能となるのではないか。 2014 Beacon Users' Group IE08 データサイエンティスト 要旨 我々はこのようなデータ分析初心者を“データカジリスト”と呼ぶこととし、「限られ た分析手法を用いて、身近なツールとデータからビジネス上の価値ある発見を行う人」と 定義した。 本研究では、“データカジリスト”がデータ分析を通じてビジネスにおいて価値のある 発見が行えるかを検証し、データ分析を活用したいと思っている方々に、データ分析をカ ジるきっかけを与えることを目的とする。 今回我々は 3 つのシナリオを用意してデータ分析を実践した。そのうち 2 つのシナリオ では、身近な分析ツールとして Excel を利用したデータ分析を、もう 1 つのシナリオでは 応用編という位置づけで R 言語を利用したデータ分析を行った。その結果、いずれの分析 シナリオにおいても“データカジリスト”レベルの分析から、ビジネスにおける価値のあ る発見が行える可能性があることを確認した。 今回、実際にデータ分析を実践した経験から、我々が特に重要であると感じた点は 2 つ ある。 1 点目はデータ分析の目的の明確化である。当然のことではあるが、データ分析の目的が 明確に決まっていない場合、適切な分析方針や分析対象となるデータや分析手法を選ぶこ とができないためである。 2 点目はデータの前処理とも呼ばれる「データクレンジング」である。調達したデータは 十中八九データ分析ができるほど整っていないため、データをきれいにする作業が必須と なる。「データクレンジング」の効率性にも限度があるため、純粋なマンパワーが必要と なってくる場面があり、データ分析において最も負荷がかかる工程となる。 最後に、データ分析未経験者がデータ分析を“カジり”やすくするために、“データカ ジリスト”として知っておくべき必要最低限の情報として下記をまとめた。 ・分析手順 ・分析手法マップ ・分析ツール利用法（Excel・R 言語） データ分析を日々の業務に活かしたいと考えている方々へ。 “データカジリスト”から始めよう！ ～データ分析はカジってみなければ分からない～ i 楽天は楽天株式会社の登録商標または商標です。 2014 Beacon Users' Group
© Copyright 2024 ExpyDoc
