データサイエンティストは消える？仕事がなくなるというのは本当？

総合情報サイト / AI活用事例・AI導入事例 / データサイエンティストは消える？仕事がなくなるというのは本当？

データサイエンティストは消える？仕事がなくなるというのは本当？

データサイエンティストという職業をご存じでしょうか。スマホを手に生活をするスタイルに移行したことで、膨大なデータ（ビッグデータ）が日々生まれています。これらのデータを企業の課題解決に活かすことが、データサイエンティストの仕事と言えます。そのため、ビジネスとITどちらの世界にも精通することが求められます。企業側の需要も高まり、高い年収も見込まれるようになりました。そのため、データサイエンティストを目指す学生・ビジネスマンが増える傾向にあります。一方で、データを扱うという業務から「将来的にAIに取って代わられて、データサイエンティストは消えるのではないか？」という議論も生まれています。その観点から、データサイエンティストの仕事内容、将来性、重要性、また最新のAIの動向も含めて紹介していきます。

データサイエンティストとは？

データサイエンティストとは、日々蓄積される個人・企業の膨大なデータを活用し、新しい価値、課題解決までを提供できる人材のことを指します。

膨大なデータは、大多数の人々が常にスマホを片手に行動するようになったことで生まれたものです。今こうしている瞬間にも、誰かが何かを検索、SNSに投稿しています。こうした大量の情報が、蓄積され続けています。
この膨大なデータを「企業活動に活かしたい」と企業側が強く要望したとしても、現状そのスキルを持ち合わせている人材は不足しています。

データサイエンティストの需要が高まっている業界は多岐に渡っています。一見ITとは縁がないように思える小売業界・サービス業界なども、セールのタイミングや食材のロスなど、解決すべき問題は多くあります。
企業はこの流れを受けて、データサイエンティストの獲得・育成に力を入れようとしていますが、そこに明確な定義はありません。対応領域も広いことから、問題も生まれています。
その課題解消のために設立された一般社団法人に「データサイエンティスト協会」があります。
企業が期待するデータサイエンティストの役割と、人材が保持するスキルのミスマッチにより、職場において人材の経験・能力が活かせない状況を打開すべく、設立された協会です。
このように膨大なデータを扱う新たな職業「データサイエンティスト」の在り方については、企業・人材ともに試行錯誤を繰り返している最中であると言えるでしょう。
データサイエンティストの具体的な仕事内容

データサイエンティストの仕事は、データの収集・分析・加工、レポート作成、データから新たに見出された知見を業務へ組み込むことがメインとなります。
企業によって異なる場合もありますが、一般的にまず顧客へ課題のヒアリングを行い、費用対効果などを鑑みながら、着手する優先順位を決定します。その後、課題を明らかにし、その解決方法を膨大なデータの中から、規則性などの特性を取っ掛かりとして模索します。
データサイエンティストとデータアナリストの違い

データサイエンティストとよく似た言葉に、データアナリストという言葉があります。データアナリストは「データを分析・収集」に特化した職種です。
そこに統計学・企業の課題解決などのコンサル的視点を追加した職種がデータサイエンティストです。そのため、データアナリストよりもデータサイエンティストの方が、より上位の職種であると言うことができます。
データサイエンティストは消える？その理由とは

データサイエンティストの必要性が論じられる一方で、将来AI (Artificial Intelligence：人工知能）にデータサイエンティストの仕事が取って代わられるのではないか、という疑問も出ています。

現在AIはディープラーニングという手法から、目覚ましい勢いで精度を上げています。
MatrixFlowというサービスを例にとって紹介します。
MatrixFlowは、データ分析・機械学習の知識がない人物であっても、精度の高いAIを構築できるサービスです。
AIアルゴリズム、それに付随する自動化されたパラメータなどによって、プログラミングは一切不要となっており、マウス操作のみでデータの分析からデータ活用までが可能となるUXとなっています。
そのため、データサイエンティストでなくても、簡単に膨大なデータの活用が可能です。
データの前処理、パラメータチューニング、アルゴリズムの選定などの煩雑な作業は、AIによって自動化されます。データサイエンティストの作業の部分は、こうして自動化できてしまいます。
では、それによって「データサイエンティストは消える」と言い切ることができるのでしょうか。
答えは「否」です。
データサイエンティストの一部の作業はAIに置き換わるかもしれませんが、データ活用という「主体的に企業に働きかけて改善を促す」ことは、人でないとできないことです。
また「どのようにAIを組み込んでいくべきか」「ビジネスとしてAIをどう活用していくか」というビジネス的観点からAIを使いこなすことも求められます。
それこそデータサイエンティストの課題の発見力にかかっていると言えるでしょう。
そのため、よりコンサル的な視点と「データを読めて、問題がどこにあるのかをきちんと把握できる」ことが、データサイエンティストのスキルとして求められます。

反対に、モデル設計だけで問題設定できないデータサイエンティスト、分析・収集の作業に特化したデータアナリストの需要は、将来的に落ちていくでしょう。
データサイエンティストを目指す方法

データサイエンティストの養成体制が整っていない現在、データサイエンティストを目指すにはどんな方法があるのでしょうか。具体的に紹介します。

日本では、2012年以降からデータサイエンス学部を設立する大学が現れています。修士・博士号が取得できる大学院も増加傾向にあります。
冒頭で紹介した一般社団法人「データサイエンティスト協会」では、個人が情報収集・講座の受講・受験ができるよう「コミュニティ形成」「人材の定義・育成・評価」「シンポジウム」を通して、働きかけを行っています。
そういった入口から、データサイエンティストを目指すこともできるでしょう。

データサイエンティストの前職は、統計学者・ITエンジニア・ビジネスマン出身が多い傾向にあります。
データ活用を行う観点から、データサイエンティストになるにあたっては、数字に強い統計学者・ITエンジニアが有利であると言えるでしょう。
知識の面だけ見ると、文系学部出身のビジネスマンが、統計学とともにIT知識やスキルを身につけるのは高いハードルがあると言えるからです。

しかし、今後のAI活用などの傾向を見ると、どちらかというと既存ビジネスの課題・問題点を深く理解していることが求められます。
その点では、ビジネスマンに利があると言えそうです。
その視点が欠如していると、データを見ても「どこから手を付けて良いのかが分らない」という状況になりがちだからです。

ITエンジニアがデータサイエンティストを目指す場合には、統計学を学ぶとともに、マーケティング・ビジネススキルを高める必要があります。
特にデータをどう活用すれば費用対効果がでるのか、意識・把握をしながら勉強すると、効果が出やすいと言えます。

近年ではITエンジニアもシステムを構築することとは別に、その操作性であるUI（ユーザーインターフェース）とUX（ユーザーエクスピアリエンス）の考え方が重要だと言われるようになりました。
システムを使う人々の「使いやすさ」「使いづらさ」を課題として意識することが、ビジネス的視点を磨くことに通じます。
サイトのスクロール・クリック・滞在時間を可視化するツールの活用も進んでいます。「データサイエンティスト的視点」を磨く機会は、ITエンジニアの業務内にも多く含まれていると言えるでしょう。
データサイエンティストは消えるのか？まとめ

データサイエンティストの職業の概要、目指し方、AIとの差別化などについて紹介しました。
データサイエンティストはスマホの普及や技術の発展により、溢れるデータを企業の課題解決に活用する職業です。データサイエンティストは、データ分析・収集を仕事とするデータアナリストの上位的職業と言うことができます。
データサイエンティストになるには、大学で学ぶほか、資格を取得するなどの方法があります。
データ活用という視点から、統計学者・ITエンジニアなど、理系の素養が有利に働くと言えるでしょう。しかし、現在ではMatrixFlowというプログラミング不要・マウス操作からデータ分析ができる便利なAIサービスの活用が企業の現場で進んでいます。
こうしたAIの精度アップなどから、技術面よりも、今はむしろ企業の問題解決をするためのビジネスへの深い洞察、また「コンサルティング」的視点が、データサイエンティストに求められると言えるでしょう。
AIを活用することで、データサイエンティストはよりビジネス分野に特化して、問題解決に集中することが可能となります。