私立文系でデータサイエンティストになるということについて

Pocket

最近、某社からデータサイエンティストとしての内々定をいただいた。

私立文系という数学など最も縁遠いところから採用をいただいたわけだ。

もちろんそれなりに統計学や数学、プログラミングも自分で学習したとはいえ、その他の理系の修士や博士で入社することになる同期とはものすごい差がある。

DataRobot浸透後のデータサイエンティスト

DataRobotという人工知能データ解析サービスがある。

欲しいアウトカムとデータをぶち込むと勝手に分析して、解決策を授けてくれる。

「こんなのができたらデータサイエンティストなんてオワコンじゃん」

そう思いましたか?

「私は逆に自分にチャンスが回ってきた」

そう思いました。

データサイエンティストを志すにしても、データサイエンス以外に組み合わせるスキルを持たなければ、10年、20年と先を見た時に苦しいと思う。

と、もともと思っていました。

しかし、分析時のプログラミング手法から解放されるということ。

そして、データサイエンティストは統計学的な観点からデータを分析してビジネスに有用な知見や示唆を提供するというのが主な役割となっている。

正直、プログラマーやエンジニアよりもマーケターに近いところであるべきだと常々思っていた。

しかし、これまでは分析にはコンピュータを要し、プログラミングやIT、数学に関する知識も必要だから理系が中心に担ってきた。

データサイエンティストが真価を発揮できるところはクライアントの状況や制約を踏まえて、また、業界のドメイン知識や経験を活かした分析の切り口を作り、ストーリーをくみ上げられる。

これは、文系の自分にも挑戦の敷居が下がりむしろユニークな人材になるチャンスだと感じた。

データサイエンティストはプログラマーと同じ未来を辿る?

かつてはHTMLが書けるだけで社会で大活躍できた時代もあった。

でも、今はHTMLは調べながらやれば誰でも簡単なWebページくらいなら作れる。

数学的な素養もかなりかかわってくるからハードルは高いが、データサイエンスというか、統計的なモデリングやマシンラーニングも次第に陳腐化してもおかしくない。

 

その中で生き残っていくなら他にもそれなりに専門性のある技術や知識を持っている希少な存在でなければ、生き残れない気がしている。

 

自分に限って言えば、

デザイン×文系知識×データサイエンス

ということになるが、たぶんもう1~2個それなりの得意分野を持っているべきだと感じている。

1万時間の法則とか言われるが、僕の経験則からすれば4か月間本気で勉強or訓練すれば仕事でも適用できるレベルになる。

そこからさらに技術を磨いていって……という塩梅。

 

文系だからといってデータサイエンティストになれない時代は終わった。

私はそう思います。

データサイエンティストに必要なあれこれ

勉強の指標にしやすい資格ベースでデータサイエンティストになるのにそろえておくべき知識を上げておきます。

プログラミングは基準が難しいのでGoogle先生で調べたらとりあえず使いこなせる。

というレベルお目指してみてほしい。

統計検定

なんのひねりもないけれど、やっぱり出発点が統計学なので押さえたい。

データサイエンスのプロを名乗るなら1級!

統計学の理論が大事。

さらに上を目指す人はベイズ統計や多変量解析の理論も理解しよう。

数学検定

統計学を理解するには微積分が必要。

機械学習を使いこなすには線形代数の学習がマスト。

どうせ勉強するならわかりやすい指標として数学検定1級を受けてみてはどうだろうか。

データ解析には用いないかもしれないが、微分方程式や複素関数、フーリエ変換も知っておきたいところ。

分析したデータのモデリングに役立つかも。

データベーススペシャリスト

データを扱うわけで、知識として持っておきたいのがこれ。

自分は持っていないが基本情報や応用情報のデータベース分野ではやはり物足らない。

証券アナリスト

会計や経済も同時に学べるという点がおすすめ。

もちろん、金融はデータサイエンスの主戦場でもあるからそこでの出メイン知識としても役立つけれど。

コメント

%d人のブロガーが「いいね」をつけました。