データサイエンスの現場で役立つスキルを磨きやすい職場環境

Copyright © 2018 AbemaTV All Rights Reserved.
2018年12月14日
現役社員が語る、エンジニア＆データサイエンティストキャリアトーク
データサイエンスの現場で
役立つスキルと
スキルを磨きやすい職場環境
株式会社AbemaTV 広告本部
阿部昌利

Copyright © 2018 AbemaTV All Rights Reserved. 2
まえがき
本スライドは、データサイエンティストという、
役割が定まり切っていない職種の、
キャリア形成に役立つスキルについて、
できるだけ明確な説明を試みたものです。
飽くまでも、筆者の経験に基づく
いち個人の見解であることを了承ください。
また今回振り返ってみて、今まで仕事を通じて
お会いしたすべての方々に感謝したくなりました。
どうもありがとうございました…！

社会人8年目で4社目。社内外向け問わず、
様々なビジネスモデルの組織で多様なデータの分析を経験
11年4月
14年4月
17年7月
18年1月
私のキャリア紹介
企業信用調査会社
スマホゲーム会社
総合金融サービス会社
AbemaTV 広告本部

データサイエンティストとして
スキルを磨いていくとは
どういうことか？
目次
4
• 仕事論
➢ 主な役割と業界概要
➢ プロジェクトサイクル
• スキル論
➢ 会社で役立つスキル
• 会社論
➢ スキル観点でのメリッ
ト・デメリット
データサイエンティストは
どんな仕事を、
どんな風にしているのか？
皆さんに伝えたいこと
会社の違いで、
磨かれるスキルが
どう異なるのか？

データサイエンティストの表記について
5
データサイエンティスト
（以下、分析官）

仕事論

分析官の仕事
7
分析官の仕事は2つに大別される
AI（Artificial Intelligence） BI（Business Intelligence）
アウト
プット
機械学習モデル
統計モデル
分析レポート
新指標（ダッシュボード）
目的
新サービス開発
サービス価値向上
自社メンバーや
クライアントの意思決定
例
・企業の倒産予測値
・クレジットカードの与信モデル
・サッカー翌3分間の得点予測モデル
・ラーメン屋出店時の来客数予測モデル
・AbemaTV視聴者のデモグラ推定モデル
・最適な割引頻度の分析
・無料クーポンの最適な配布量分析
・キャラの強さ指標策定
・ユーザ数減少要因特定分析

プロジェクトサイクル
8
AI（Artificial Intelligence） BI（Business Intelligence）
アウト
プット
機械学習モデル
統計モデル
分析レポート
新指標（ダッシュボード）
目的
新サービス開発
サービス価値向上
自社メンバーや
クライアントの意思決定
例
・企業の倒産予測値
・クレジットカードの与信モデル
・サッカー翌3分間の得点予測モデル
・ラーメン屋出店時の来客数予測モデル
・AbemaTV視聴者のデモグラ推定モデル
・最適な割引頻度の分析
・無料クーポンの最適な配布量分析
・キャラの強さ指標策定
・ユーザ数減少要因特定分析
モデル構築から検証・実装まで、
1ヶ月～1年
くらい。データ取得からの場合は
数年に及ぶ場合もある
仮説立案から結果まとめまで、
数日～3ヶ月
くらい。情勢が変わると情報価値が
失われるので、スピードが
求められるケースが多い

AI
BI
事業
会社
の
分析
部門
分析
コン
サル
ティ
ング
会社
大企
業の
研究
部門
分析職ポジショニング
9
分析
システム
開発
会社/部門
分析
ツール
開発
会社/部門
研究実利

AI
BI
事業
会社
の
分析
部門
分析
コン
サル
ティ
ング
会社
大企
業の
研究
部門
分析職ポジショニング
10
分析
システム
開発
会社/部門
分析
ツール
開発
会社/部門
研究実利
本スライドはココの
各社の比較
※最も人材需要も多い

スキル論

求められるスキル
12
大項目中項目内容
問題を
見抜く力
課題発見、
仮説構築力
データを使って解決すべき課題を見定められる
定量力課題に対して、データからどういう数値を導けばよいのか、設定できる
方針設定力
関係者と事前にアウトプットの活かし方を議論し、
分析にどう取り組むとお互いがハッピーになれるかを合意できる
分析
技術力
データ
ハンドリング力
正確に、素早く、処理速度の速いクエリが書ける。データ加工ができる
分析手法適用力問題解決に最適な分析方法をチョイスし、適用できる
分析の遂行力試行錯誤を重ねたり、不測の事態に対応しながら、結果にたどり着ける
結果を
展開する力
解釈力数値の把握のみならず、ビジネス的な解釈ができる
説明力受け手に合わせて、分析結果を説明できる
資料作成力誰でも理解しやすい資料を作成できる
実装
する力
仕組み構築力
ツール化やダッシュボード化など、効率的に横展開するための仕組みを考え
られる
エンジニア
リング力
分析コードを定常的に運用されるシステムとして実装できる（エンジニアと
コミュニケーションして、分担し、必要部分をコーディングできる）
実際にスキル評価や育成の観点としている項目

分析官がマストで持つスキル
13
問題を
見抜く力
課題発見、
仮説構築力
方針設定力
分析
技術力
データ
結果を
展開する力
実装
する力
仕組み構築力
られる
エンジニア
リング力
マストなスキル
（これがなきゃ始まらない＆自学自習しやすい）

問題を
見抜く力
課題発見、
仮説構築力
方針設定力
分析
技術力
データ
結果を
展開する力
実装
する力
仕組み構築力
られる
エンジニア
リング力
優秀な分析官が持つスキル
14
会社で評価される分析官が持っているスキル
A. 分析で出来ることと出来ないことがある。そこへの対応力
B. 実社会のデータは汚くて思い通りにならない。そこへの対応力
C. みんな誰かに説明しなければならない。そこへの対応力

問題を
見抜く力
課題発見、
仮説構築力
方針設定力
分析
技術力
データ
結果を
展開する力
実装
する力
仕組み構築力
られる
エンジニア
リング力
超優秀な分析官が持つスキル
15
市場の有名プレーヤーが突出しているスキル
（事業責任者に求められるようなスキル）

分析官に求められるスキルを磨ける職場環境
16
スキルを磨くために大事な、5つの職場環境
（●＝その職場環境が整っていると当該スキルを磨きやすい）
大項目中項目
1.
データの
多様さ
2.
分析の
自由さ
3.
収益成果の
出しやすさ
4.
チーム力
5.
意思決定者
との近さ
問題を
見抜く力
課題発見、仮説構築力
→
● ● ● ●
定量力 ● ● ●
方針設定力 ● ● ●
分析技術力
データハンドリング力 ● ● ●
分析手法適用力 ● ● ●
分析の遂行力 ● ●
結果を
展開する力
解釈力 ● ● ● ●
説明力 ● ● ●
資料作成力 ● ● ●
実装する力
仕組み構築力 ● ● ● ●
エンジニアリング力 ● ● ● ●
上記5点を満たす会社ほど、
分析官に求められるスキルを磨きやすい

会社論

分析官に求められるスキルを磨ける職場環境の会社間比較
18
No. 職場環境内容
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
1
データの
多様さ
様々なデータに触れられる ✕ 〇〇 → ✕ 〇
2
分析の
自由さ
新しい分析ツールを導入で
きる。分析手法を自由に使
える
✕ 〇
3
収益成果の
出しやすさ
モデルや分析結果が金銭的
な価値に結び付きやすい ✕ 〇 ✕ 〇
4 チーム力
分析チームで
日々議論できる
〇 → ✕ ✕ 〇 ✕
5
意思決定者と
の近さ
意思決定者と頻繁にコミュ
ニケーションを取れる ✕ 〇
〇＝整っていた
✕＝整っているとは言いにくかった
※いま振り返って比較した相対的な評価値です

19
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
1
データの
多様さ
2
分析の
自由さ
える
✕ 〇
3
収益成果の
出しやすさ
4 チーム力
分析チームで
〇 → ✕ ✕ 〇 ✕
5
意思決定者と
の近さ
未経験のデータ（ビジネス課題）に触れるとき、
新たな分析の引き出しや考え方を身に着けやすい。
触ったデータの数だけ力になる

• データが多様な企業
→ 多業態の企業
→ 異業種提携が盛んな企業
→ データを貯める仕組が整っている企業
• データが画一的な企業
→ 上記の逆
データの多様さ
20
職場環境内容
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
データの
多様さ
景気の良い企業

21
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
1
データの
多様さ
2
分析の
自由さ
える
✕ 〇
3
収益成果の
出しやすさ
4 チーム力
分析チームで
〇 → ✕ ✕ 〇 ✕
5
意思決定者と
の近さ
分析ツールや手法が制限される環境が社会には存在する。
その場合、自身が身に着けられる領域も狭まる。
また、ツールで高められる分析力は大きい

分析の自由さ：ツール編
22
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
2
分析の
自由さ
える
✕ 〇
• レガシーな大企業あるある
→ 新しいツールを試すハードルが高い
→ webアクセス制限（例：github閲覧不能）
• 金融企業あるある
→ クローズドなサーバーにしかデータ保管できない。
クラウドサービス使えない

分析の自由さ：分析手法編
23
分析時の
企業
分析内容分析手法
AbemaTV
広告本部
デモグラ推定勾配ブースティング
総合金融
サービス
キャンペーン
反応率予測
勾配ブースティング
スマホゲーム
スポーツの
将来の得点予測
トピック分類
＆ SVM回帰分析
企業信用
調査
企業の1年以内の
倒産予測
ロジスティック
回帰分析
壁

分析の自由さ：分析手法編
24
精度至上。
推定ロジッ
クはブラッ
クボックス
でOK
一定の精度
は必要だが、
推定結果の
高低や変化
した場合の
理由を説明
できること
もマスト
分析時の
企業
分析内容分析手法
AbemaTV
広告本部
デモグラ推定勾配ブースティング
総合金融
サービス
キャンペーン
反応率予測
勾配ブースティング
スマホゲーム
スポーツの
将来の得点予測
トピック分類
＆ SVM回帰分析
企業信用
調査
企業の1年以内の
倒産予測
ロジスティック
回帰分析
壁

収益に貢献できると分析官のプレゼンスが高まり、ヒト・モ
ノ・カネを集めて、インパクトの大きい分析に取り組みやす
くなる。成果の出しやすさが経験値の得やすさに直結する
25
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
1
データの
多様さ
2
分析の
自由さ
える
✕ 〇
3
収益成果の
出しやすさ
4 チーム力
分析チームで
〇 → ✕ ✕ 〇 ✕
5
意思決定者と
の近さ

収益成果の出しやすさ
26
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
3
収益成果の
出しやすさ
• 収益貢献がしにくい企業
→ 分析結果を商品化しやすい
→ 収益への貢献がわかりやすい
• 収益貢献がしにくい企業
→ 分析商品の販売体制を整えにくい
→ プロダクトがクリエイターの聖域
金融
広告分野

数人の分析チームが組めると、他のメンバーの分析を
追体験できるので、その分経験値が増える。相談もできる。
チーム体制が整っていると人数倍の経験値を得られる
27
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
1
データの
多様さ
2
分析の
自由さ
える
✕ 〇
3
収益成果の
出しやすさ
4 チーム力
分析チームで
〇 → ✕ ✕ 〇
✕
拡大中
5
意思決定者と
の近さ

チーム力
28
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
4 チーム力
分析チームで
〇 → ✕ ✕ 〇
✕
拡大中
• スマホゲーム会社での典型的な1日
10:00～10:30 朝会準備
10:30～12:00 朝会
12:00～13:00 昼食
13:00～19:00 分析
チーム数人で分析プ
ロセスすべて（仮説、
分析、提案、検証
etc...）について
毎日議論

意思決定者と気軽にコミュニケーションできると、ビジネス
目線での分析作法を鍛えられて、結果の活用もスムーズ。
本質的な部分にリソースを割きやすい
分析官に求められるスキルを磨ける職場環境
29
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
1
データの
多様さ
2
分析の
自由さ
える
✕ 〇
3
収益成果の
出しやすさ
4 チーム力
分析チームで
〇 → ✕ ✕ 〇 ✕
5
意思決定者と
の近さ

• レガシーな大企業あるある
→ コミュニケーションツールが電話 or メールのみ
→ 意思決定者への提案までに承認を得る人が
多い
意思決定者との近さ
30
企業信用
調査
総合金融
サービス
スマホ
ゲーム
AbemaTV
広告本部
5
意思決定者と
の近さ

まとめ

大事な職場環境
32
No. 職場環境
1 データの多様さ
2 分析の自由さ
3 収益成果の出しやすさ
4 チーム力
5 意思決定者との近さ

大事な職場環境の調べ方
33
No. 職場環境
4 チーム力
それぞれ、
就職活動中に
質問してみよう！

大事な職場環境が割れたとき
34
No. 職場環境
4 チーム力

大事なもの
35
No. 職場環境
4 チーム力
私の答え①
チーム力
→ 分析官の1stステップとしては、
君を育てる気概のある
先輩がいる会社がおススメ。
全面的にスキルアップしやすく、
他条件も良いことが多い

大事なもの
36
No. 職場環境
4 チーム力
私の答え②
好きなデータのあるところ
→ 情熱を傾けられる分野があれば、
そのデータの保有会社がおススメ。
情熱があれば困難も乗り越えやすく、
将来もその分野に関わりやすい

ご清聴ありがとう
ございました！
みなさんの就職活動に幸あれ

データサイエンスの現場で役立つスキルを磨きやすい職場環境

More Related Content

What's hot

Similar to データサイエンスの現場で役立つスキルを磨きやすい職場環境

データサイエンスの現場で役立つスキルを磨きやすい職場環境