みなさん、こんにちは
Otteyです。
今回は工場系データサイエンティストになって、今月で1年経つので、
実際に仕事をして思ったことを大きく3つ書いてみました。
今回の記事の目的
1年データサイエンティストとして働いて思うことをシェアすることで、
これからデータサイエンティスト・データ分析に関わる仕事をしたい人の参考になればと！
改めて私の経歴紹介
- 新卒で1年半、中小の部品メーカーで生産技術開発
- 半導体商社のFAE(フィールドアプリケーションエンジニアまたは技術営業職)
上記を経て、去年の夏からデータ分析受託系企業（顧客は製造業）に転職し、
工場系データサイエンティストとして勤務
1年仕事をして感じたこと
1. データをもらっても最初から分析できるデータとは限らない
「データ分析をしてください、データはありますので。。。」と依頼されて、
最初からデータ分析できるケースがほぼありませんでした。。。
例えば以下のケースがありました。
● 分析に必要なデータが複数に分かれていて、全部結合しなければ分析できない
● もらった電子データに必要なデータが無く、ヒアリングすると別で紙に書かれたデータが一番分析に必要なデータだった。（紙のデータを実際電子化しました。。。）
● もらったデータが文字化けなどでそのまま分析できない
そのため、分析前にデータの把握や結合、クレンジングのような泥臭い作業が必要ですが、
これが意外と重要で時間がかかります。。。
2. 顧客とのコミュニケーションが本当に大事
依頼を受ける際、「顧客からの期待」と「できること」をいかにすり合わせるかが
本当に重要であると痛感します。。。
やはり、顧客がやりたいことを聞いて100%やれることがなかなかないので、
「できること」をしっかり説明し、納得してもらう必要があります。
意外と営業要素が大きく、少しびっくりしました。。。
（前職で営業っぽい仕事していたことが生かされてました！）
3. 必ずしもPythonやSQLができていないとデータ分析ができないわけではない
実際に現場で分析をしているとPythonやSQLを意外とそこまで使用する場面がありません。
（案件によっては必須ですが。。。）
探索的データ分析の場合はJMPのような分析ツールを使ってますし、データ処理は意外とエクセルで済むことが多いです。
（10万行くらいまでのデータ処理だと、エクセルの方が優秀だと個人的には思います。）
しかし、ややこしい処理や機械学習をする際は、どうしてもRやPythonを使う場面があります。
そのため、用途によって、どのツールが使えるか見極められることがデータ分析をする上では必要であると感じています。
まとめ データ分析は面白い！
今回１年データサイエンスの仕事をして思ったことを３つ挙げてみました。
去年転職し、転職前に予想していたところと違うところもあり、やはり現場に行ってみなきゃわからないことが多いです！！
（何事もそうだとは思いますが）
様々な顧客が抱える課題に触れ、データ分析を通じて課題の解決に繋げるのは、謎解きに違い部分があり、非常に楽しく仕事ができていると感じています！
これからは製造業だけでなく、もっと広くいろんな分野に関わって仕事ができるよう精進します！！！！