新着Pick
294Picks
Pick に失敗しました

人気 Picker
NewsPicksさんの新しい媒体のローンチということです。仕事にフォーカスを当てた内容ということで、今は私は卒業してしまいましたが、データサイエンティストであったときのことをお話ししました。
データサイエンティストという作業者にならない。

データを分析するだけでは、それで?ってなることが多い。事業成長に貢献するインパクトを生まないと価値がありません。

本質的な課題を発見するインサイトが大事ですね。データサイエンティストという肩書きなんてどうでもいいんです。

何のためにやるのか?自分の役割は何なのか?常に考えましょう。単なる作業員にならないように。
弊社でもデータサイエンティストはDXを実現する一つの重要なテクニカルプロフェッションです。
データサイエンティストのロールは、プログラムできること、データの特性をよく理解していること、そしてテクニカルスキルでもって分析力を高めること、
これらはあくまで手段であるため、技術力は持っていなくてははじまりませんが、達成させたい目的が何かということですね。
DXも、デジタル技術で変革させることは手段でありこれにより社会がより、気付き得なかった付加価値を創造し豊かになる新しい体験を人々が味わうために進めています。
データサイエンティストの技術力と、新たなインサイトにより、人がどのように新しい価値を体験できるのか、この強力なリードまで持っていける人材が今後活躍するデータサイエンティストなのだろうと思います。データサイエンティストはそのためにその業界のノウハウにも長けており、業務知識も豊富です。若手にとっても人気なプロフェッションですので、豊富な知見で活躍する人材がこれからも多数出てくることを期待します。
米国ではデータサイエンティストの人手不足が続く一方で、大量解雇も起きている。引っ張りだこのデータサイエンティストとそうではない人の違いとは? キーワードは利益への貢献です。
まさしくおっしゃる通りで。

ビジネスの現場でデータサイエンスをしているからこそわかりますが、徐々にビジネスにおけるデータサイエンスの型はパターン化されてきています。フィーチャーエンジニアリングなどの完全な自動化は無理ですが、モデル構築はAutoMLなどの登場により、コモディティ化がますます進みます。

その時に真に必要とされる人材は、ビジネスの課題設定までできるタイプのデータサイエンティストと、Enterprise Architectureの中にモデルを組み込み高精度の仕組みを安定運用できるMLOps/AIOpsにも精通しているようなデータサイエンティストです。どちらもビジネスや業務のしみじみとしているところを知らなければならず、ただの技術屋では務まりません。

もちろんそんな議論が気にならないくらい圧倒的な業界トップ技術がある人はその限りではないですが、まあそんな人は滅多にいないので。
密かに今コツコツ学習しているのですが、ビジネス力、データエンジニア力、データサイエンス力が問われるキャリアという事や、それぞれの能力が60%以上あれば良いというようなお話も聞いています。データサイエンスですが、核心は人が生活やビジネスを行う上で課題となることを出来るだけ具体的に解決するミッションだなと思っています。日本をフォーカスするとまだまだデジタル化やトランスフォーメーションが可能な場面は多々あるので、まだまだ伸び代はあると思います。データサイエンティスト、今の日本のミッションでもあると思います。自分の力で少しでも、生活、商機、国際競争力に貢献したいです。それにしても数学が難しいです。今日もがんばります。貴重なお話ありがとうございます。
ビジネス戦略・マーケティング能力が備わってこそ、「データを何に利活用するか?」が可視化できますよね。
ここ数年で指示しないと手を動かせない、自称:労働集約的データサイエンティストの方が増えた気がします。
データサイエンティストは
・エンジニアリング力
・サイエンス力
・ビジネス力
の3つのスキルが必要で立場やタイミングによって必要となるスキルも変わってきますね。

1人で3つ全てのスキルを持ってるともちろん凄いですが、チームや組織でカバーできれば良いので自分はデータサイエンティストとしてどのスキルに軸足をおくかが大事だなと思います。