はじめに
こんにちは、私がエンジニアとして大きなIT企業に勤め始めて半年が経ったので、今日はこの半年で感じた事をまとめたいと思います。まず初めに私の業務紹介、この半年で行った事、それらから感じた事について話したいと思います。
業務紹介
大きな企業といっても私の所属している部署は特殊で、部署単体で売上を立ててる部署として知られています。
主な業務はモバイル・Webアプリを主としたDXソリューションの提案企画、開発、保守運用をやっている部です。アプリだけではなく、IoTデバイスも幅広く扱い開発したりしてます。
特徴としては1人のメンバーが多くのロールを掛け持ちし、私の場合はプロジェクトAではPL職（開発指示や要件定義）、プロジェクトBでは開発、プロジェクトCではデータ分析といった様に、様々なプロジェクトに違う形で関われる所です。
「やりたい」と言ったらとりあえずやらせて貰えるチャンスがあり、日々いろいろな知識を開拓しています。
成果
着任し半年が経ち、やったことベースでこの半年間を振り返ると
- コンシューマ向け事業のデータ分析
- 技術開発
- サービス企画
- プロジェクトマネージ/開発指示
と、かなり多岐に渡って業務をしています。特にコンシューマ向けアプリのデータ分析に関しては初めてお客様に自分の分析結果を共有するチャンスをいただき、次のオファーに繋げる事が出来た事が嬉しかったです。（それと同時に次の壁にもぶつかるのですが、、、）
社会に求められるデータサイエンティストの像
さて、ここから本題です。部署単体で売上が立っているのと、普通のエンジニアさんよりビジネスに近い所で仕事しているだけあり、いくら手を動かし、開発や分析をしても、どうしても売上の事が気になってしまいます。そのプレッシャーから、社会から真に求められるデータサイエンティストの像が見えてきた気がします。そのデータサイエンティスト像について少しまとめたいと思います。
「So What?→How?」の壁
「データサイエンティストはデータを分析するだけにあらず、分析から得た知見を元に価値のある施策を企画実行し、問題を解決するまでがデータサイエンティストである。」
私が今までやっていたものは仮説を立て、データを分析し、課題を発見する、それを共有し、解決策を模索する。上の文で言うと50％の事しかやれてなかったのです。
データサイエンティストとは課題解決者であり、課題解決者ということはビジネスマンでなけれならならなく（ビジネスの根本は課題解決の事から）、ビジネスマンであるという事は企画する施策やサービスに付加価値（バリュー）をつけなくてはいけないのです。
つまり、データサイエンティストとは、
「データから得た知見に基づき、ビジネス的に価値のある(ROIが高い)施策を立案し、実行し、自走できる様にするスペシャリスト」
であると思います。私は自らデータ収集し、仮説を立て分析し、課題を発見できる所までのスキルはあるものの、その課題に対してビジネス的な価値のある施策を考える事はして来ませんでした。考えてもてもせいぜい「ターゲット層が多く訪れるタイミングにクーポンを配る」くらいの施策しか考えられませんでした。
しかし、本当に求められるのはその施策(How?) であり、データ分析をした"だけ"では「So What?」と跳ね返されてしまう事が多いです。
私が思うデータサイエンティストとしてのタスクの一連の流れをブレイクダウンし、以下の3つの要素に分けました。
- データ分析力はデータを収集/収集する仕組みを作り、得たデータより数理統計に基づいたデータ分析を行い、その内容を第三者に伝わりやすい様にまとめる能力。
- 施策力とはデータ分析で得た結果に対してビジネス的に意味のある、ROIが高い革新的かつ現実的な施策を創出する力。
- 自走・実装力とは施策力で立案した施策を具体レベルまで落とし込み、実際に実装する力、ゆくゆくは当人がPJから離れても自走するところまでインストールする力。
データ分析をする時と現実的な施策を立案する時と実装する時でドメイン知識は必要となるので中間に配置しています。
チーム内にデータ分析の意図を理解し、施策を考え、実装・自走できる体制が整っていればここまでやる必要はないかと思うのですが、現状ココまで求められる事が多いのかなと感じます。
「How?」を実現する為に
これはあくまで自論ですが、Howを実現するにはビジネス的に実行価値のある、ROIが高い施策を考えなくてはなりません。ROIを高くする方法は2つあります。
ひとつはリターンを大きくする。もうひとつはコスト(Investment)を小さくする。これ、どちらも難しいです。リターンを大きくする事もクリエイティビティが必要ですし、コストを小さくする際も既存のリソースを再活用などしながらリターンも生まなければなりません。
しかし、この瞬間にデータ分析のデータが生きてくると思っています。以下の図はこのプロセスを抽象的に表したものです。
水色の円盤をテコの原理を使い、持ち上げようとしている所を横から見ているものだとイメージしてください。目的は円盤をできるだけ少ないコストで高く持ち上げる事です。その時、支点の位置を決めるのがデータ分析です。
要は、いかに、効果がある所に効果的な施策を打てるか、その施策を打つターゲットを定めるのがデータ分析と言う事です。
※データ分析をテコの原理の様に使い、少ないコストで大きなリターンを生める"場所"を探す事がミッション。
補足ですが、データ分析が支点の位置を決めるのに対し、施策力は支点の大きさを決めるというニュアンスになります。
まだまだ勉強中（まとめ）
以上、偉そうに解説しましたが、まだまだ勉強中なので、もしかしたら全然違う捉え方に行き着くかもしれません。が、現時点でのの私の思考を言語化、具現化したので、皆さんにも少しでも共感していただけると幸いです。
これからの成長戦略ですが、まず先ほど上げた3点を軸に
- データ分析力：引き続き実務とプライベートで勉強
- 施策力：デザイン思考の勉強（本を読む・アートに触れる）
- 自走・実装力：実務にて勉強
といった感じに知識を開拓していけたらと思っています！
これからもよろしくお願いします。