データサイエンティストとチームの関わり

マルマウンテン

こんにちは
今回はチームメンバーとの関わりについて記載します。

チーム連携について
プロジェクトにアサインした際に、自分はデータサイエンティストとしてアサインされます。
チームには、営業やマーケティング、技術者を含めたメンバーがいます。
技術者には製品の設計者やエンジニアがいます。
そのチームで自分がどのように関わっていくのかを記載します。
チームに様々なポジションのメンバーがいるため、一部のポジションについて記載いたします。

営業
・営業の要件に合わせてデータの解析を行います。
例えば、自社製品の強みとしてデータ解析の技術を活かした機能を搭載する要望などを聞いたりします。
営業については、P/Lを確認して、その利益などが実現可能かどうか解析をして推論することもあります。
あとは売上予測も行うこともあり、時系列分析を始め、ロジスティック回帰分析を用いて行動をとる確率を予測することがあります。
他にも、営業から聞いた解析のシステムについてPoCやモックを作成することもあります。
簡単なデスクトップアプリやWebアプリを作成して、顧客へのアプローチとして使用します。

マーケティングメンバー
・デジタルマーケティングの解析も行いますが、ポジショニングに関する解析やアンケート解析を行うことがあります。
よく使う手法は統計的手法を用いることが多いです。
例えば、対応分析や主成分分析を行います。
対応分析
対応分析に対しては、ブランドのポジショニングを解析します。
自社ブランドと他社ブランドの位置を視覚的に把握することができます。
視覚化する際に、X軸とY軸の各々の解釈は必要になるため、そこはマーケティングチームと共に解釈を進めていきます。
主成分分析
アンケート集計した際に、主成分分析を行ってデータの次元を削減して、重要な情報を保ちながら、データを簡潔にしていきます。
その次元を圧縮する際に新しく作成した合成変数の意味に関してもマーケティングチームと共に解釈を進めていきます。

技術開発
・評価する際に取得したデータについての解析をすることが多いです。
その際に、まずは取得したデータについてまずは吟味します。
目的や手段がごちゃ混ぜになっていないかをまず確認します。
そして、その目的に沿ったデータが集まっているのかも確認します。
データの保管先は様々な箇所に保存されていることもあり、
そのデータを結合したりすることもします。
一番吟味するところは取得したデータの質について議論するところです。
データの質について、外れ値や異常検知などで調べることもできます。
しかし、そもそもデータの取得方法、装置などが適切かどうかを確認する必要があります。

ITエンジニア
ITエンジニアについて様々な連携があります。
以下に記載していきます

  1. フロントエンドエンジニア

  2. バックエンドエンジニア

  3. スマホアプリエンジニア

  4. クラウドエンジニア

フロントエンドエンジニア
・UIやUXに関して解析することがあります。A/Bテストで行う仮説検定に対して連携することが多いです。
・UIに表示する可視化情報について話すこともあります。
フロントエンドにもグラフを描画するライブラリが多くあり、その機能を用いて可視化する情報を決めていきます。
例えば、運動量だと時系列データのため折れ線グラフにして、情報を可視化します。その可視化についてはライブラリを用いて作成可能です。そこで、データサイエンスとしての付加価値としては、異常値や外れ値についての可視化をすることです。異常値については、時系列データの解析を実施して発見します。One-Class Support Vector Machineなどを用いたりします。
One-Class SVMについて
１つのクラスのみを学習して、境界を作成します。
その境界を基に、取得した新しいデータがそのクラスに含まれるかどうかを判定します。
高次元のデータや非線形データに対しても有効であり、計算コストも比較的低いです。

バックエンドエンジニア
・データベースの設計やデータ解析を行うプラットフォームを一緒に構築します。
例えばデータベースでは、求めているデータを取得するSQL文なども共に行っていきます。
・データマートやデータストアの構築を始め、APIでのデータ連携も関わってきます。
例えば、作成したモデルで取得データを解析するAPIを作成することを行い、リアルタイムで推論を行う環境を作成することもできます。
昨今では、Pythonでバックグラウンドで作成することもあり、API化を始め、データ処理に関してもプログラムの共有をすることも多いです。

スマホアプリエンジニア
・ユーザーの行動データやアプリの使用状況を用いて解析を行います。その解析した結果の改善点を用いてアプリケーションの変更や改善を行います。
スマホアプリだとユーザの嗜好や行動を解析してユーザに対して最適な提示などをすることを行うことできます。

クラウドエンジニア
・昨今のクラウド環境ではAIやデータ解析を行う環境が非常に整っております。そのため、自社データの解析をクラウドで行うことも多いと思います。
そのクラウド環境ではセキュリティを考慮する必要もあり、そのセキュリティはクラウドエンジニアに設定してもらうこともあります。
また、クラウドの解析にかかる費用などもクラウドエンジニアと共に確認や相談しながら効率よく解析を行なっていきます。

今回は、上記のポジションとのチームワークでした。
後日バックオフィスとのチームワークについて記載できればと思います。

この記事が気に入ったらサポートをしてみませんか？