Skip to content

DNET_DataScientist

Jump to bottom
nishi_74322014 edited this page Sep 11, 2026 · 1 revision

データサイエンティスト

概要

  • データサイエンスの研究者、実践者、技術者。

  • 更に進んで、データサイエンスを身に付け、
    統計を始めとするデータに基づく合理的な
    思考により課題を解決できる人

    • 代表的なものは統計情報。
    • 統計（学）に関する知識は必須。

詳細

求められる能力

  • データに基づき問題を解決する能力

  • データの持つ力を解き放つ能力

知的満足度が高い

データサイエンス力中の、
データ収集から施策に落とすまでの4プロセス
（データサイエンス力の該当節を参照）

貢献度が高い

ビジネス力（イノベーション力）

スキルセット

データサイエンス力

データサイエンティスト

  • 情報科学系の知識

    • IT

    • 情報処理

    • BI / AI活用

    • 数学

      • 統計学
      • 確率論
      • 微積分

    • アジャイルによるプロトタイプ開発など

移行メモ（正誤）: 元ページの「ジャイルによる」は「アジャイルによる」の
脱字と判断し補った。

エンジニアリング力

データアナリストやコンサルタント

  • DIKWの理論（フレームワーク）
    情報を解釈するためのフレームワーク

    • Data（データ）
      整理されていない情報。

    • Information（インフォメーション）
      情報を何らかの基準で整理（カテゴライズ）したもの。

    • Knowledge（ナレッジ、知識）
      Information から導き出される規則性、傾向、知見。

    • Wisdom（ウィズダム、知恵）
      人が Knowledge を活用して行う判断。

  • AUOODA（プロセス）
    順問題と逆問題（データ分析の該当節を参照）で異なる。

  • ...

    • 数学的な考えを産業界で応用できる力
    • 一見全く関係ないデータを突合する力
    • 違和感・変曲点・特異点を知る力
    • トポロジー分析、スパースモデリング、ベイズ推定
    • 実装、運用に関するツール類

ビジネス力（イノベーション力）

CDO（Chief Digital Officer）

  • ビジネス課題の適応力（整理 / 解決）

    • 社会変革への企画力・創造力
    • リスク管理力、サービスデザイン思考、ロジカルシンキング

  • PPDAC
    PDCA（高度午前 - システム戦略の該当節を参照）が基礎

    • P (problem、問題)
      現状の問題とKGI（高度午前 - 経営戦略の該当節を参照）の明確化

    • P (plan、計画)
      現状把握と課題の抽出により調査を計画する。

      • 分析内容のデザイン
      • ロジックツリーの活用して分解
        重要性 / 実現可能性をチェック
      • KPI（≠ KGI）の設定

    • D (data、データ収集)

      • 正確な収集
      • 正確な加工

    • A (analysis、分析)

      • 視覚化（表やグラフ）
      • 以下の繋がりを分析
        ・要因 → KPI
        ・KPI → KGI

    • C (conclusion、結論)

      • KGIの改善ポイントを判断
      • 解釈はデータ収集方法を考慮

  • 参考：ユースケース検証（DX系）

データサイエンスの活用

組織としてデータサイエンスを活用しビジネス価値を出すには？

組織の風土改革

  • 経営層/現場の意識改革
  • データ活用プロセスの構築

人材獲得/育成

データサイエンティスト獲得/育成

  • 組織内部で育成

    • OJTによる育成
    • 他部門からの転用
    • 社員全員の底上げ

  • 外部からの採用

    • エージェント等の利用
    • 学会・インターンシップの利用
    • コンテストの利用

  • 外部サービス

    • 大学等の利用
    • コンサルティング・サービスの利用
    • クラウドソーシングの利用

分析環境整備

分析基盤の構築/育成/データの管理

業界

製造業

工場の生産工程から得られるデータに基づく品質管理や生産性の向上

金融業

クォンツやアクチュアリーによる様々な指標の予測や金融商品の開発

テスト分野

テスト分野の理論体系（DS）

能力や性格テストなど企業の採用・昇進等の判断材料とされているテスト

ネットビジネス業

Webログから得られた大量データに基づく広告の最適化

データ分析サービス業

データ分析に基づく、ビジネス改革や新たなビジネス創造の支援

資格 > DS

分類

スキルの観点から分類（米国の調査結果）

Data Businesspeople

  • 経営工学、MBA
  • ビジネスに対しての洞察が強い
  • コンサルティング会社で経験
  • データ分析チームマネージャ
  • チーム・経営層間との通訳役

Data Researcher

  • 生物学や物理学などサイエンスの学位を持ってる
  • 深い分析、数学的な分析が得意

Data Creatives

  • 経済・CS・統計
  • ベンチャー起業、ハッカー

Data Developer

  • CS修士
  • 現在中堅のコンサルファームで
    機械学習ツールの開発に従事
  • 製品レベルのコードが書ける
  • ビジネス改革はできない

働き方の観点から分類（日本の調査結果）

特徴的に女性が多い。

なりたての人

専門部署で活躍

社内の専門部署で活躍

  • メーカーの製品開発・企画部門にいる中堅のIT系エンジニア
  • 社内では確実にデータの活用が進んでおりキャリアパスも見えている

フリーランスで活躍

  • 中小のサービス系の企業に勤める女性
  • 比較的自由になる勤務形態を望んでいる

プロフェッショナル・サービス企業で活躍

ITサービス業でデータ分析をプロとして実施

参考

（元ページに記載なし）

Tags: 移行, データサイエンス, ビッグデータ, 開発基盤

このWikiは「Open棟梁Project」,「OSSコンソーシアム 開発基盤部会」によって運営されています。

NetDevInfraWiki

マイクロソフト系技術情報 Wiki
Open 棟梁 Wiki

（未着手）

開発基盤部会 Wiki

移行管理: DONE ／ TODO

Clone this wiki locally