DX担い手、米の1割 AIに必須の「STEM」分野、人材投資が急務に
コメント
選択しているユーザー
注目のコメント
データサイエンティストとして働いてますが、人材は全然足りていません。
統計学や機械学習、プログラミングを操る理系人材ももちろんですが、ビジネスとデータサイエンスを橋渡しする人材も不足しています。
データサイエンティストにもビジネススキルが重要と言われ、営業部などからの要望を適切に分析に落とし込んだり、分析結果を考察、解釈して伝える事も重要です。
しかし、各部署との折衝や連携、初期段階での対話、スケジュール管理、現場を知った上での様々な提案などは手は回らず、ビジネスとデータサイエンスの中間に立った人達が奮闘してます。そして足りておらず仕事が上手く回らなかったり。
データサイエンティスト、ビジネスとデータサイエンスの橋渡し役の両方が足りておらず、またなかなか育成も難しい。
python、SQL、tableauが基礎でAWSやAzureなどクラウドもある程度扱えて、統計学や機械学習など数理面も理解し、データと泥臭く向き合うことができ、分析結果を分かりやすく解釈したり考察出来る人材で、画像解析や自然言語処理にディープラーニングなどまで出来る人…
こんなのなかなかいません。自分もまだまだ全部は出来ませんが、転職では求めていたりとミスマッチも多く、それだけ人材がいないか育てる環境も無いんでしょう。
データサイエンス学部の創立もされていますが、リーダー的なデータサイエンス人材がもう少し増えていくと流れも変わってくるのかと思ってます。DX を推進するにあたって、本当に AI 人材の不足がネックになっているのだろうか。AI 人材の不足が課題だと言う以前の問題で、つまづくことの方が多い気がする。もう少し大きなビューで捉えると
・そもそもテクノロジーを経営にどう活かすかの戦略づくり
・ソフトウェアの強みを活かすための「価値ある」データ基盤づくり
・意味のある仮説を立て検証できる分析・学習能力の獲得
・これらを活かしてアウトカムを最大化できるチームづくり
AI 人材の不足を叫ぶ前にこういった能力を獲得していかないと DX を推進することは出来ないわけで、実際テクノロジーカンパニーの多くもこれらが出来ていないのが実情だと思います。
AI 人材が不足しているのは確かに事実だと思いますが、そこだけに焦点を当てても DX は推進できないように感じます。記事の問題提起よりこちらの方が気になりました。
『25年までにビジネスで使うアプリの70%以上が複雑なプログラミングが不要なノーコード・ローコード開発になる』
セキュリティや可用性品質が求められますので残りの30%が重要とはいえ70%が推進出来るまでの準備は 人材投資に限らず膨大
本気でこのテーマに臨めるとして、25年までにやれるとしたら①〜④とa-zの網羅でしょうか。
①ビジネス変化への追従(カスタマイズ)方法を汎化
②ローコードでカスタマイズできる仕組みづくり
③セキュアで高可用なデータ蓄積・アクセス基盤づくり
④全く新しく網羅的なトレーサビリティ
■ターゲット軸
a)製品やサービス
b)企画・設計・準備・調達製造・運用・保守・改善と、契約継続・アップセル・クロスセル体制
■組織化
c)高精度な動機付け(TPS トヨタ生産方式やTOC 制約理論の様な価値観など)
d)アジャイルなトライアル・開発体制、オープンコラボ開発環境
e)お客様起点現場駆動プロセス
f)お客様の心を高揚させる作戦(改革起爆剤)
g)人間の限界起因な組織ルール撤廃(月次など)
■DX推進基盤
h)統合本人認証(お客様+全ステークホルダ)
i)不可逆的で堅牢なデータ蓄積・アクセス基盤
j)データ連携プラグイン設計
k)データスチュワード支援機能(高速クエリー等)
l)デジタルで完結するトレーサビリティ
m)全網羅を推進する検証・シミュレーション環境
n)上記gの自動ガバナンス機能(検知/ブロックと権限制御)
o)強固で進化し続けるバックエンド、API
p)既設システムへの暫定的なアクセス手段(追加APIやRPA)
q)ローコード基盤
r)教育を劇的に推進するバリアフリーな開発環境
■組織的なオペレーション
s)いちいち説明求められない位 仕組化・習慣化された精細なリスクアセスメント
t)既設システムが足を引っ張らない仕掛け。例えばデジタルヘッドオフィス発足と逐次適用範囲拡充
u)ローコード活用啓発。例えば社内エバンジェリストや活用スコアリングなど
v)ローコードでニーズ満たせない時に、バックエンド側の開発に参画を促す仕掛け+人事評価制度など
w)データの流れで人事評価できる制度
x)データの流れも人助けに活用する施策
y)社外チームとのコラボ
z)単なるデジタル化を繰り返さない