【超入門】文系が「データ」に強くなれば、無敵になる

SQLやタブロー、SASなどのスキルは、CRMなどデータベースを回す仕事においては、非常に優位であり、CRM人材でもSQLまで出来る方は多くはありません。ですから、優位にはなれますが、その他の職種においては、一般的に「分析スキルを伸ばす」ことで、よりビジネスが面白く見えてきますね。

文系で数字が苦手と思っている方が多いかもしれませんが、ビジネスの数字は、学校で学ぶ理数系とは全く違うので、食べず嫌いの可能性多いのでは？　ロジカルシンキングやロジカルtreeといった、分析スキルを上げていく経験を積んでいけば、実はとても面白い謎解きのような感覚ですね。そして、いかに好奇心があるかが、最も重要です。

さらに大切なのは、why？を繰り返していくこと。分析により一定の数字が導きだされ満足するケースが多くあり、その時点でさらに「Why？」、つまりこの数字が意味するのは何？なぜ？という問いを続けると、さらに深堀が出来て、分析が楽しくなってきます。

自身が分析した結果が、次のアイデアにつながり、プラスの売上につながるのは、分析の醍醐味であり、楽しい仕事につながりますね。好奇心で分析を楽しむのがコツです。数字を味方につけるとワクワクが増えていきます。

こういうと身も蓋もないようですが、そもそも文系とか理系とかいう区別はもうやめた方がいいと思います。
社会経済のデジタル化が進めば、分野を問わずその副産物としてデータが不断に生成されてくるという事実を忘れてはいけません。データは、「人類の活動のログ」です。
そのデータを自分で取得し、使い、やりたいことの精度を上げるということは、ビジネスでも政策でも、すでにデフォルトになりつつあります。「データを扱えるようになると最強になる」のではなく、「データを扱えないと普通以下になってしまう」と考えるべきです。それは「理系」がやること、という発想自体がもう過去のものになっている、と私は思います。
ついでに言えば、社会全体でいえば、世代交代が進めば、こうした考え方に違和感がない人がどんどん増えてきます。それによって文系とか理系とか、そういう意味のない区別の話をする人はいなくなり、データを扱えない人も早晩いなくなると思います。

最強は「自分でデータを触る」ことというのはその通りだと思います。
実際エコノミストでも、偉くなって部下にデータいじりを任せるようになると、おかしなことになることが散見されます。

どんな職種でも、プロフェッショナルな人たちは自分で突き詰めることが当たり前です。

ユーザーのことを知ろうと思ったら、直接会いに行った方がいい。製造会社なら工場の現場からスタートする。ニュースが気になるなら、まとめ記事などではなく原典を確認するのは当たり前。デザインしてたら1ピクセルの意味が気になるし、研究してたら、論文読まないとかありえない。

そこにデータがあるなら、どういう値があるのか、どういう風に整理されているのか、自分で何回も触って、クセを把握して初めてそのデータの意味がわかります。こだわり始めたら、知りたくなるのは当たり前だと思う。

世界と議論するための英語、データと会話するためのSQLは、コミュニケーションのための必須スキル。
経営トップは、会社で1番の仕事のプロなんだから、どっちもできるの当たり前だと思ってます。

大学院で心理学（その中でもとくに実験心理学といったりします）を専攻しています。文理区分的には文系になりますが、データを用いたり、統計を使ったりします。

そういう身からすると、「文系がデータに強くなると無敵」と言われても、「でも理系には絶対叶わないとこあるよ…数学とか強いしさ…あっちは超無敵だよ…」となってしまいます笑

ただ、この記事を読んではっとしたのは、PPDACというサイクルが大事で、分析が占めるのはそこまで大きくないというところです。哲学者の方をイメージしてもらえば分かると思うのですが、「問題（最初のPにあたる）」を作る（問いを立てる）のが本当に上手だなあと思いますし、心理学者はデータから解釈したり、「結論（C）」を出すことを常日頃やっています。ので、強みはあるかな！とも思えました。

英語も、データベース含むプログラミングも、会計も、全部言語だと思っている。そして、言語は、表現の手段だし解決の手段。

学校で習うことは、テストを前提にして、ある答えという解決の手段が大きいと思う。でも、社会では問題を表現するために言語を使い、表現できるからこそ解決にもつながることが多いと感じる。

その前提で、SQLはできるとめちゃくちゃ良いと思うが、まずはスプシで「上手に表現できる」が重要だと思う。
SQLは、めちゃくちゃ大量のデータを扱うときに良い。記事にもある行数の話もあるし、あとはシステムで様々なテーブル（いろいろなExcel・スプシのファイルやシート、と考えてもらえれば）にデータが分散しているのを、ほしいようにつなげて、抽出する。
やりたいことにはどういうデータ要素が必要か。また、ある用途と別の用途で重複するデータがどんどん発生すると面倒とかある。「うまくデータ要素を分けられる・つなげられる」というデータ概念の設計や応用ができるか。これは一種の表現だと思っている。
上手く表現できているからこそ、そのなかでデータが大量にある中でうまく使える（あとはビジネス側として、こういう風にデータを設計するとよいのではないかという提案ができ、エンジニア観点での最適解と景色合わせをしやすい）。また論理的にとらえられているから、データを大量に扱うときにもクエリを作れる。

まずはスプシで、上手く包含関係・独立関係とかを考えられて、何を使って結び付けられる（ユニークキー）とかができることが個人的にはオススメ。
スポーツカーもよいし、軽もよい。それぞれ用途次第という感じ。両方できると、用途に応じて良い感じにできる。

全プログラミング言語に言えるのは、気づいたら「目的」が入れ替わっていることです。

例えば、データの分析・管理のためにSQLを使うはずが、いつのまにかSQLを勉強することが目的になってしまっているケースです。

もちろんプログラミング言語は学ぶと案外楽しいので、いろいろなことをやってしまいがちです。
SQLに限らず、どんな言語でもある程度学習したら、一度立ち止まって、手段と目的を取り違えていないか確認することが大切です。

（ちなみに情報学部に所属していますが、SQLだけの授業があるくらい重要なものとして扱われています。）

大学で数学の単位を落としたきり数学恐怖症になり数学を避けてきた15年でしたが、頑張って勉強しておけばよかったと後悔してる民です。

ド文系で大学院の研究でRを使いそうなので、今Rを勉強しているのですが、SQLとか何なりでデータをキチンと扱える力を持っていないと、将来職に困りますよね。

プログラミングの学習と言えば機械学習ブームもありpythonが有名ですが、これからの時代、SQLなどのデータベース言語の重要性は上がってくると思います。データベースの構築や大規模データをハンドリング出来る人材はまだ足りていないので、(というより、世間のデータサイエンスのイメージにおいて忘れ去られている領域な気がします)学ぶ価値は高いでしょう。

私も昨年、nが数十万規模のデータを扱う機会があり、他言語ではメモリの関係でPCがフリーズしてしまったことがきっかけで少しSQLを自学しました。プログラミングの学習では、うまく動作しなくても諦めない気持ちの方が極めて大切で、そこに理系と文系の区別も無いと思います。