使えるデータサイエンティスト

一昨年あたりから、ビッグデータを扱いたい、AIやIoTを導入したいと企業から相談が来ます。

全ての相談がそうだという訳ではないのですが、多くの場合テクノロジーありきで考えておられる場合が多いのです。

それはそれ自体が悪いことではなく、良いきっかけだと思いますし、テクノロジーにオープンであることは良いことです。

重要なことは、テクノロジーが（今まで解決できなかった）どのような問題を、どのように解決し、それによりどのような便益が得られるのか、そしてそれが経営戦略上どのような意義をどれだけ有するのかを、熟考することです。

実際の例として、経理の業務にRPAを導入したクライアントがいます。こちらがRPAを勧めたのではなく、既に相談される前に導入していたのですが、業務フローを見直すことなく導入し、何一つ効率化されてはいません。今のところ。

別のクライアントの例。中堅製造業様ですが、「とりあえずデータが大量にあるので、AIを使って何かできないか」とのこと。

IoTだビッグデータと騒がれるはるか前から、製造業ではSPC（統計的プロセス管理）を当たり前のようにやってきていますし、故障や不良のデータに基づく予兆検知も行われています。

最近のビッグデータマネジメントはこれと何が違うのでしょうか。ただ違うだけではなく、新たな付加価値を生むのでしょうか。

データサイエンティストは経営を科学することが使命ですから、現在そして今後意味のある仕事をするのであれば、まず、

①基本的な統計知識（Excelに標準装備の統計関数（検定を含む）やその使い方を理解していることは最低限の要件ですね。ビジネス数学検定を準備無しで受けてAA合格以上（80点以上）とれる）

②プログラミングのスキル（ただこれは必須ではないと思っています。プログラマーにアウトソースすれば済むので）

に加えて、

③OR（オペレーションズ・リサーチ）の各種手法も理解している

そして何より

④経営、ビジネスというものに興味があり、基本的な概念や用語はおさえている（しかしMBAを取得している必要はない）

これら4項目を満たすのが、自分が考える「使えるデータサイエンティスト」です。

ORは決して古くさい手法ではありません。

線形計画法、待ち行列（確率過程の理解が必要）、ゲーム理論など、既にビジネスで大いに活用されている重要な手法があります。

 

さいわいにも、自分のチームにはこういう人材が複数名いる（中にはバリバリに金融工学やっていた人間もいる）ので、チームとして社会の役に立つべく、絶賛作戦を練っているところです。

まとめると、テクノロジーリテラシーが高いだけではなく、ビジネスリテラシーもある程度あり、応用数学のリテラシーも必要ということです。複数リテラシーのかけ算で飛躍的に価値が高まるというのは自論ですが、使えるデータサイエンティストはまさにその好例です。