DATA SCIENTIST/EFFECTS ARTISTデータサイエンティスト・エフェクトアーティストとは

データサイエンティストとは、主にビッグデータを解析することで、経営に役立つ情報を抽出する人、ヒントや気づきになる新しい事象を発見する業務をこなす人、またはそのスキルを持つ人のことを指します。
データ分析にたけた人、データを多面的に処理することができる人と表現してもよいでしょう。
例えば、日々ネットに投稿されるSNSやブログ記事を収集し、内容を分析することで世の中のトレンドを分析したり、自社製品の評判・評価を分析したりします。
ここでいう分析とは、単にキーワードを検索して統計情報を作る場合もありますが、AIを活用して、投稿のコンテキストまで判断することもあります。
極端な例でいうと、ある商品を「褒め殺し」する文章は、キーワードだけの解析では正しく評価することができません。褒め殺しはAIでも分析は簡単ではありませんが、アンケートを実施してユーザや市場の声を分析するより、ビッグデータ解析のほうがより正確な市場分析に繋がることもあります。
データサイエンティストの仕事内容とは、データを分析することですが、ただ分析だけすればいいというわけではありません。一般的には、データ収集、企業・仮説考察、データ前処理、データ分析・解析、結果の解釈・仮説の検証、レポーティングというような作業プロセスが基本となります。
データサイエンティストの仕事では、まずデータ収集や仮設立案を行います。
そもそも、データの分析が必要とされる理由は、企業運営や経営戦略に必要な客観的な情報や指標を得るためです。データ収集や仮設立案を行うきっかけとして、IT化された自社の業務システムやサービスから、すでにビッグデータを持っている場合と、課題や調査テーマを解決するためのデータ分析が必要な場合が考えられます。
IT化された自社の業務システムやサービスから、すでにビッグデータを持っている場合のケースでは、すでにあるデータから埋もれている情報、これまで分析できていなかった情報や事象を把握するために、AIや最新の統計手法・分析手法を用いて、戦略的な意思決定を行います。
IT化、デジタル化で企業を取り巻くデータは増えるばかりですが、同様にデジタル技術やAI技術を活用すれば、これまで人手では処理できなかったような分析が可能になり、新しい気づきや知見が得られることがあります。
課題や調査テーマを解決するためのデータ分析が必要な場合も、新しい知見が得られるという点は同じですが、データがあるからそれをもっと活用しようというより、課題やテーマがあり、それをどう解決するかのソリューションを検討する過程でデータ分析を活用しようという動機から求められる場合です。
あるいは、日々の業務から得たヒントやアイデア、事象といった仮説を検証するためにデータ分析を行うこともあります。
データサイエンティストとは、このような企業経営の調査・分析ニーズに応えるため、何を調べると課題解決につながるかという分析計画を立てたり、ある商品の売り上げは、実はこのデータが関係しているのではという仮説を考えて検証したりすることが求められます。
データサイエンティストの仕事では、次に「データ前処理」を行います。データが集まっても、すぐに解析に入れるとは限りません。通常は、テーマに沿った分析ができるようにデータの前処理が必要です。
また、集めたデータを正しく分析するには、関係のないデータを排除したり、フォーマットや項目、単位をあわせたりしなければなりません。ソートやマージのような処理や簡単な集計処理、統計処理が必要な場合もあります。
データによっては、プライバシー保護や個人情報保護のため「仮名化」「匿名化」によって個人を特定、名寄せできる項目を削除する必要もあるかもしれません。
データサイエンティストの仕事では、最後に「データの分析」と「レポーティング」を行います。
データの準備ができたら、あとは分析、解析作業に入ります。解析結果について考察を行い、テーマや目的に見合った形で結果をレポートにまとめます。
企業経営者がデータサイエンティストの行うデータ分析に求めているのは、課題解決や新しい知見につながる情報が欲しいのであって、データそのものではありません。
データサイエンティストは、分析したデータを評価、考察してどこが課題解決につながるのか、欲しいデータになっているのかをレポートとしてまとめる必要があります。