21世紀で最もセクシーな職業！？「データサイエンティスト」の実像に迫る

CyberAgent, Inc.
21世紀で最もセクシーな職業！？
「データサイエンティスト」の実像に迫る
株式会社サイバーエージェント
アメーバ事業本部デカグラフ事業部
マーケティンググループデータサイエンティスト
尾崎隆 (Takashi J. OZAKI, Ph.D.)

一応、自己紹介を…
尾崎隆 (Takashi J. OZAKI, Ph.D.)
– “J”に深い意味はありません
– 学者だった頃に同業界にT. Ozakiさんがいたので
– と思ってJをつけたら、別業界にT. J. Ozakiさんが…
1CyberAgent, Inc.2013/05/21

 前職は「脳科学者」（認知神経科学者）でした

 こういうキャリアをたどっております
– 1997～2001 東京大学工学部計数工学科（※情報工学系）
– 2001～2006 東京大学大学院・新領域創成科学研究科
修士＆博士課程（脳科学）
– 2006～2011 理化学研究所脳科学総合研究センター
研究員（脳科学）
– 2011～2012 東京大学教養学部・特任研究員（心理学）
– 2012年4月慶應義塾大学医学部・特任助教（産学連携）
※30代のうちにポスドク問題を乗り切る
ことは事実上不可能と判断して、キャリア
チェンジに打って出ることを決心
– 2012年6月サイバーエージェント入社

 こういうことをしていました
– 2003～2006 機能的MRIを用いたヒト脳研究
（有力なノーベル賞候補として知られ、
機能的MRIを発明した小川誠二先生の
研究所にて研修生として共同研究して
いました）
– 2006～2011 脳信号に対する計量時系列
分析を用いたネットワーク解析
– 2011～2012 脳信号に対するネットワーク
解析＋SVMを用いた脳活動
分類

 現在は…
テニス選手です（実業団リーグ代表選手）

 現在は…
ブログ＆Twitterやってます

余談
道玄坂で働くデータサイエンティストのブログ
http://tjo.hatenablog.com/

 現在は…
「スマホでアメーバ」でお馴染み、
スマートフォン向けAmebaプラットフォーム上を回遊する
ユーザー行動分析を担当するデータサイエンティスト

ところで、
「データサイエンティスト」についての記事、
もうだいぶ前から世間では溢れ返ってますよね。

例えば
 データサイエンティストとは何か
 データサイエンティストのつくり方
 データサイエンティストのつかい方
 データサイエンティストと「分析力」
 データサイエンティストの育成について
 データサイエンティストのスキルセット
 データサイエンティストとビッグデータ
 データサイエンティストの要件とは
 データサイエンティストはどんな企業にいるのか
…などなど挙げればキリがないですね

ということで、
今日は「実際のデータ分析の現場から見た」
データサイエンティストの実像についてお話します。

本日のお品書き
 「データサイエンティスト」とはどんな職業？
 「データサイエンティスト」にはどうすればなれるのか？
 サイバーエージェントでの事例
 Facebookが考えるデータサイエンティストの定義

データサイエンティストマネージャー
うおおおおおおたのんだよーうおおおおおお
うおおおおおお Yes! Comeoooon!!
※PFI比戸様より承諾を頂いております

データサイエンティストとは？
ランダムフォレストの結果から言うとAですね
棒グラフにして時期別にしてみました
分かりました、プレゼンやるので任せて下さい！
どれくらい違うか分かりやすい図にできる？
アプリA, B, C, どれが一番新規UUにウケてる？
他にも色々言えることありそうだね、
統括会議で話してくれる？
※データサイエンティストの日常風景

データサイエンティスト
“Data Scientist: The Sexiest Job of the 21st Century”
- Thomas H. Davenport and D.J. Patil, HBR Oct, 2012
「データサイエンティストは21世紀で最もセクシーな職業」
大変有名な売り文句

データマイニング
アナリティクス・レポーティング
コンサルティング・マーケティング
中でも重要な3つの要件と言われるのが…

 「スーパーマン」説（HBRなど）
– コンサルタントorマーケッター
– アナリストorレポーティング
スペシャリスト
– データマイニングスペシャリスト
…を、「同時に兼ねる」
 そんなスーパーマンどこにいるの？
…いたら誰も苦労しない
へ？スーパーマン？

優秀なデータ・サイエンティストは稀少なので、獲得競争
が熾烈で、離職を食い止めるのも難しい。金銭面の報酬だ
けでなく、自由度のある職務環境を用意し、意思決定者と
データをつなぐ「かけ橋」となって価値あるものをつくり
上げたいというニーズに応え、やりがいのある課題を与え
ることが重要である
ニヤリ

 「三位一体」説
（ブレインパッド社草野社長、佐藤氏）
– スーパーマンなんて無理
– 3つの役割を例えば3人で分担
– チームで揃えば「1つの完成したデー
タサイエンティスト像になる」
・・・三位一体！

分析ィィィィィ
アナリストor
レポーティングスペシャリスト
レポートォォォォォ
コンサルタントor
マーケッター
コンサルゥゥゥゥゥ
データサイエンス・チーム

データコンサルファームなら可能かもしれないけど、
データサイエンス業務・部門を立ち上げたばかりの
会社ではそうはいかないかもしれない。

スペシャリスト候補
アナリストorレポーティング
スペシャリスト候補
マーケッター候補
マネージャー
・・・・・。
あのさぁ、チームごとにわざわざ
3人も雇ってる余裕なんて、うちの
会社にはないんだけど？
・・・・・。
・・・・・。
※こういうことになりやすい

データサイエンス業務・部門を立ち上げたばかりの
会社ではある程度3つとも出来る人が必要。

ドヤァァァァァッ！
マーケッター
アナリストor
レポーティング
シャキィィィン
※これはこれで難しい

スペシャリスト系
マーケッター系
※他もそこそこできるけれども、
基本的には一分野のエキスパート

マーケッター系
ゼロは基本的にはNG
（特にビジネス能力）
× × ○

完璧なデータサイエンティストにこだわる必要は
ないが、3つの構成要件が「最低でも一通り揃って
いる」ことにはこだわるべき
そして、「実際のビジネスにコミットできる」こ
とが不可欠（後でまた詳しく）

データサイエンティストになるには？
今後は、データ・サイエンティストを養成する大学が増え
てくると思われるが、それを待たずに、いまから積極的に
確保していかないと、情報化社会では致命的な遅れにつな
がるおそれがあるデータサイエンティスト
!

データサイエンティストを育成する方法論は、
今のところ日本ではどこにもない（企業にも大学にも）

崖から親に落とされ、這い登って
強くなる獅子の子の如く…
自らの力で道なき道を切り拓き、
データサイエンティストになる
ことを目指すしかない！

余談
※野生のライオンでもちゃんと
親が助けに下りていくそうです

データサイエンティストにはどんな人が向いている？

1. データサイエンティストは「科学者」、
よって「科学者になれる人」が大前提
- そもそも”scientist”という語が付いている
- 名前の通り、科学的方法に従ってデータを扱い、
ビジネスに貢献できる人材であることが期待され
ている
- 「科学者」でなければ、おそらくありふれた普通
のコンサルタント・マーケッター・アナリストと
同じになってしまう

2. 文系理系は関係ない
- 要は科学的方法に従ってデータを扱い、ビジネスに
貢献できる人材であることが重要であり、文系理系
どちらの出身でも問題ない
- ただし、文系分野なら計量経済学や計量社会学・実
験心理学などの統計学の素養のある人の方がおそら
く無難かもしれない

3. 自分の「主観」よりも、データの「客観」を
優先できる人であること
- そもそも科学的方法に従ってデータを扱い、
ビジネスに貢献することが求められている
- もし、自分の主観に合わないデータだと思って、
勝手に改竄・捏造したら…？
- 万一それが経営に直結するような大事な施策を決
めるような代物だったら、会社が傾いて沢山の同
僚を路頭に迷わせかねない！
- データサイエンティストの仕事はデータの「客
観」を扱うことであり、自分の「主観」を持ち込
むことではない

データサイエンティストにはどうやってなれば良い？

A1. ビジネス部門の人は…まず最初に
マーケッター・アナリスト・コンサルタ
ントのいずれかを目指す
- 先に挙げた定義から言えば、これらはデータ
サイエンティストの要件の一部
- ならば、それらの職務に就いてから科学的方
法をマスターすればデータサイエンティスト
に近付けるはず
※有名なデータサイエンティストの方々で言うと…
工藤卓哉氏（アクセンチュア）、草野隆史氏（ブレインパッド社長）、
佐藤洋行氏（ブレインパッド）、井澤正志氏(gloops)

A2. エンジニア部門の人は…まず最初に
DBエンジニア・データマイニングエンジ
ニアのいずれかを目指す
- 先に挙げた定義から言えば、これらはデータ
サイエンティストの要件の一部
- ならば、それらの職務に就いてから科学的方
法をマスターすればデータサイエンティスト
に近付けるはず
中林紀彦氏（日本IBM）、比戸将平氏（日本IBM→PFI）

A3. 初めから特殊な人材を探す
- 計算機科学・機械学習・データマイニング及び
定量的研究の研究経験があるスペシャリスト
- 往々にして博士だったり「ポスドク」だった
り
- 稀に大学教員から転じる人もいる
- 初めから科学的方法をマスター済みの人材！
- ただし、そういう人々は大抵の場合企業への
就業経験ゼロなのでそれ相応のビハインドが
あるということを、採用する方はもちろん、当の
本人も自覚する必要がある
浜田晃一氏(DeNA)、倉橋一成氏(iAnalysis)

B. まずDB基盤技術を覚える
- 嫌でもDB操作はどこかで必要になる
- SQL, Hadoop, Oracle…
- 実際のDB基盤を管理者権限ナシで触り始める
ところからいけると理想的
- ただし、これが受け容れられるにはDBエンジ
ニア or 専門的なマーケッター・コンサルタ
ントなどのポジションでないとキツいかも
（だからA1の大前提が重要になってくる）

C. データマイニングをマスターする
- データマイニングの研究者のように、自力で
アルゴリズムを全て書き下せるとかいうレベ
ルまでいく必要はない
- 大事なことは「ツールとライブラリ・パッ
ケージさえあれば使いこなせる」レベルであ
ること
- できれば「個々のアルゴリズムの原理の違
い」を知識だけでも良いので知っておくべき

D. 実際のビジネスの現場に、まずは見習いから
でも入って「ビジネスへの貢献の仕方」を身に
付けていく
- 実際のビジネスにコミットしてこその、データ
サイエンティストたるもの！
- 実際にKPIなどのデータを計測・集計・分析してみ
る
- 現実のデータに触れ、自分たちのアクションに
連動して何が変わり、社会の変化に連動して
何が動き、全てとは無関係に人々の行動が
どう推移していくかを、自分の目で見て経験値
として貯めていく
マネージャー

1. 「科学者になれる」人材であること
（文系理系不問）
2. データという「客観」を優先できること
3. 予めデータサイエンティストの3要件のうち1
つを満たしていることが望ましい
4. DB基盤技術をマスターする
5. データマイニングのツール利用ができるレベ
ルになる
6. 実際のビジネスにコミットできるように
経験を積む

サイバーエージェントでの事例
ランダムフォレストetc.の結果から言うとAですね
棒グラフにして時期別にしてみました
分かりました、資料を用意していきますね！
どれくらい違うか分かりやすい図にできます？
アプリA, B, C, どれが一番新規UUにウケてます？
他にも色々言えることありそうですね、
戦略マーケMTGで話してくれます？
※尾崎の日常風景をだいたい反映しています

実際には何をやっているのか？

（尾崎）戦略マーケ会議
（尾崎）
うおおおおおお
数値の共有
検証すべき仮説の設定
分析ゴールの決定
最適な分析手法の選定
仮説を検証した結果の可視化
レポート作成＆口頭で報告
このKPIの
貢献度は…
今月の数字
なんだけど…

（尾崎）
データ分析環境
- データマイニング
- R, Python, Matlab
- DB基盤
- Hadoop + Hive
データマイニング手法
- 機械学習
- 決定木、ロジスティック回帰、SVM、ラン
ダムフォレスト、アソシエーション分析、
グラフィカルモデルetc.
- 計量時系列分析
- ARIMA、VAR、VECM、SETAR、マルコフ転換
モデルetc.

ちなみに、どんなデータマイニングを
やっているのか？

ユーザーID ゲーム1 ゲーム2 ゲーム3 SNS 1 SNS 2 PF 1 PF 2 定着or離脱
1001 1 0 1 1 1 1 1 定着
1002 1 0 0 0 0 0 1 離脱
1003 1 0 1 1 0 0 0 離脱
1004 1 1 0 1 1 1 0 定着
... ... ... ... ... ... ... ... ...
ユーザーID＋素性（そせい）ベクトル＋分類ラベル
ユーザー行動ログをHiveで取ってきて、
前処理をかけて以下のように直す。

ユーザーID ゲーム1 ゲーム2 ゲーム3 SNS 1 SNS 2 PF 1 PF 2 定着or離脱
1001 1 0 1 1 1 1 1 定着
素性＝学習データ正解
ラベル
教師あり機械学習で
1)分類＆貢献度の高い指標の特定
2)未来データの予測
などの高度な分析が可能！
（※ロジスティック回帰、ランダムフォレス
トなど）

ヘビー定着
ライト定着
即離脱
アソシエーション分析
＋
グラフィカルモデルで可視化
プラットフォーム上での
行動パターン

他にも、
 Ameba Technology Laboratory
 ゲーム部門・セントラルデータコンサルティング室
 コミュニティ部門・データコンサルティンググループ
 広告部門・ディスプレイ（広告）戦略局
などにデータサイエンティストが在籍し、活躍しております

Facebookのデータサイエンティスト
一説には、「データサイエンティスト」
という職名を考案したのは
とも言われている

Data Scientist
ミッション
- エンジニアサイドの製品開発チームとの
コラボレーション
- 統計分析による課題発見＆ソリューション
- 得られた知見のマネージャーやエンジニアへの共
有
- 新規データ収集＆既存のデータソースの改良
- A/Bテストなどの結果の分析と解釈
- データ測定＆実験手法のベストプラクティスを開
発＆エンジニア部門への共有
Sounds sexy?

Data Scientist
要件
- 関連分野での理系修士号・博士号or関連分野での4年以
上の実務経験
- 定量的アプローチに基づく分析的問題の解決に取り組ん
だ経験
- 非構造データの扱いに習熟
- データに基づくソリューション開発への強い熱意
- コミュニケーション能力
- スキルセット
- PythonもしくはPHPなどのスクリプト言語
- RDBSおよびSQL
- R, Matlab, SASなどの分析ツール
- 大規模データセットや分散処理システムを用いた就
業経験があること(MapReduce, Hadoop, Hive,
etc.)
Sounds sexy?

Facebookは実は
「データサイエンスの研究者」
も募集しています。

Data Scientist
ミッション
- Facebookのデータ資産を育てる：直接のユーザーからの
フィードバックを集めるインフラを拡張する、ユーザー
のPC / スマートフォン / タブレット上における行動
データを測定する、など
- データ分析の枠組みを計画する：Facebookの成長と社会
への関与を広げるために、我々のデータ資産をどの領域
に対して用いるべきかを突き止める
- 問題解決にコミットする：履歴データ（自ら実験するor
必要に
応じて取得方法を模索する）を用いて、ユーザー行動
の・・・
- 因果関係を推定し
- ノイズからシグナルを抽出し
- そのシグナルが何か＆そのノイズが何かを説明し
- そのシグナル＆ノイズを予測し、
- ともあれ正確で定量的な理解を得て、Facebookという企
業が何を最優先にして取り組むべきかを定義する
Sounds cool?

Data Scientist
要件
- 定量的研究分野（統計学・コンピューターサイエンス・数
学
・工学・機械学習など）における修士号もしくは博士号、
ないし当該分野での4年以上の職務経験
- R / SAS / Matlab, UNIX, スクリプト言語を用いた
データ操作と分析に習熟していること
- 応用的な（理論的ではない）定量的研究への関心と経験
- 有意義でインパクトのある問題を、解決するのみならず
提案できる能力
- 複雑なデータ分析とその結果をいかなる相手にも伝えられ
る
コミュニケーション能力
- 1TB以上の巨大データセットを扱った経験
Sounds cool?

Data Scientist
データサイエンティストの「元祖」
Facebookでも、やはり重視されるのは
- データマイニング
- アナリティクス＆レポーティング
- コンサルティングorマーケティング
そして「データを科学する」姿勢！

最後に
データサイエンティストの皆さん、
ともに頑張りましょう！
そしてまだデータサイエンティス
トではないと（ご自分では）考え
ておられる皆さん、今からデータ
サイエンティストになっちゃいま
しょう！

21世紀で最もセクシーな職業！？「データサイエンティスト」の実像に迫る

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Andere mochten auch

Andere mochten auch (6)

Ähnlich wie 21世紀で最もセクシーな職業！？「データサイエンティスト」の実像に迫る

Ähnlich wie 21世紀で最もセクシーな職業！？「データサイエンティスト」の実像に迫る (20)

Mehr von Takashi J OZAKI

Mehr von Takashi J OZAKI (11)

Kürzlich hochgeladen

Kürzlich hochgeladen (12)

21世紀で最もセクシーな職業！？「データサイエンティスト」の実像に迫る