専門家がアドバイス
企業のデータサイエンスチームに“完璧な人材”が不要である理由
企業がデータサイエンスチームを形成するときには、希少価値の高い人材を求めるよりも、さまざまなバックグラウンドを持った人材を確保すべきだ。
気象データからの洞察をビジネスに生かすThe Weather CompanyのWebサイト《クリックで拡大》
データサイエンスの分野で成功を望む企業にとって、慣習の構築はスポーツチームを作るようなものである。
ここ数年で企業にとってのデータサイエンスの価値が広く認知されるようになって以来、企業はデータサイエンティストを求めている。だが、データサイエンティストには、コンピュータサイエンスと統計学、そしてビジネスに関する知識が必要で、企業はさまざまなスキルを兼ね備えた人材を探すのに苦労している。この全てのスキルを備えた候補者は、希少価値の高い人材といわれ、ほとんどがFacebookやGoogleなどの大手インターネット企業に勤務しているのが実情だ。この問題を回避するには、企業はデータサイエンスに対してチームアプローチを採用する必要がある。
併せて読みたいお勧め記事
データサイエンティストの条件
職業としてのデータサイエンティスト
データサイエンスの人材不足をどう補うか
アトランタを拠点とし、現在はIBMの1部門として気象データと気象予報サービスを提供するThe Weather Companyでデータサイエンス部門の責任者を務めるマイケル・フェラーリ氏は次のように語る。「私が形成したチームでうまく行っているのは、データサイエンティストと懸け離れたバックグラウンドに基づいたチームだ。この種の環境では、これが長所になると私は考える」
現在のデータサイエンティスト不足については、さまざまな評価がなされてきた。例えば、McKinsey and Companyでは、2018年までに米国で熟練した分析スキルを持つ人材は、最大19万人不足すると予測している。また、Glassdoorは、データサイエンス職の平均年収が11万3436ドル（約1200万円）だと見積もっている。これらの要因により、チームアプローチが必須になっている。
フェラーリ氏は、The Weather Companyのユーザーが生成した位置データを活用して広告のターゲットを改善するデータサイエンスチームを作り上げるために最近、入社した。 現在、同氏は新しい従業員を7～8人採用するプロセスを進めており、さまざまなバックグラウンドを持つ人材を探している。データエンジニアリングとコンピュータサイエンスについて高いスキルを持つ人材が必要である。一方、高い統計スキルを持つ人材も欠かせない。それから、ビジネスやソーシャルサイエンスのバックグラウンドを持つ候補者も探している。
企業のデータサイエンスに関連するあらゆることについて専門家レベルで対応できるという候補者は履歴書を誇張していると同氏は考える。求めるのは特定のスキルの有無よりも好奇心のようなソフト面のスキルだ。通常の採用プロセスでソフト面のスキルを評価するのは難しいかもしれないが、データサイエンスチームの成功の鍵を握っているかもしれない。
「以前は完璧なデータサイエンティストを探していた。だが、現実問題として、そのような人材に巡り合ったことはない」（フェラーリ氏）
現在、データサイエンスの分野では、企業は1つのポジションに複数の役割を集約するのではなく、特定のタスクを複数の役割に分散するようになっている。これは現在データサイエンスの分野で見られる現象で、過去にITが発達したときと同様である。そう語るのは、カリフォルニア州サンノゼにあるノースイースタン大学シリコンバレー校で地域学部長を務めるP.K.アガーワル氏だ。
「今では基本的なコンピュータスキルは、企業内のほぼ全てのポジションで標準となっている」とアガーワル氏は指摘する。現在、データサイエンスの分野でも同様の事象が起こっている。ヘルスケアやサプライチェーンといった特定の分野を専門とする企業アナリストは、2019～2021年までにもっと増えると同氏は予測する。これらの人材のほとんどは、ビジネスのバックグラウンドを持ち、統計スキルを習得した人物になるだろう。同時に、技術指向のビジネスワーカーは「Apache Hadoop」や機械学習のような複雑なシステムの基礎を学ぶようになるだろう。いずれにせよ、データサイエンスは少数の高度なトレーニングを受けた人材の独占領域ではなく、基本的な職務に組み込まれるようになる。
「データサイエンティストは引く手あまただ。主な要因は統計だが、統計のスキルは誰もが習得できる」（アガーワル氏）
それでも、高度なトレーニングを受けたデータサイエンティスト、つまり希少価値の高い人材の仕事がなくなるわけではない。分析の世界は速いペースで進化を続けており、今後も分析に対する需要は十分にあることが予想されると同氏は言う。今でさえ、基本的な分析スキルを持つ人材は増えており、自動化ソフトウェアによってデータ準備に費やす時間は少なくなっているのだ。そのため、人工知能とコグニティブコンピューティングシステムは、現実のものになりつつある。これらのシステムでは、機械学習に関する高度な専門知識が必要となる。
「機械学習と人工知能は猛スピードで進化している」とアガーワル氏は語る。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[オーティファイ株式会社] AIでコーディングは加速したのにテストはそのまま？ いまQAに必要な進化とは -
事例
[オーティファイ株式会社] QAで開発サイクルを遅延させない 8社の事例に学ぶ「テスト工程」の課題解決策 -
製品資料
[株式会社ガラパゴス] 「AIっぽい広告」の山に埋もれさせない AIマーケで着実に成果をだす秘訣とは？ -
製品資料
[株式会社ガラパゴス] 「広告投資」調査レポート2026：勝ち組企業は何に投資しているのか？ -
製品資料
[株式会社Helpfeel] 「問い合わせの渋滞」を解消、情シスの負担を軽減する“次世代型AI”活用方法
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「Copilot」はなぜ放置される？ “議事録要約止まり”を脱する処方箋
-
2
脱VMwareの前提が崩れる BroadcomのVDDK公開停止で確認すべき点
-
3
AI全部入り「Microsoft 365 E7」に企業が二の足を踏む訳 移行意向はわずか4％
-
4
9割が頓挫する「AI内製化」 差がついたのはツールより設計力
-
5
「Microsoft 365」が乗っ取られる 跡形もなくMFAを破る手口
-
6
「IBM i（AS/400）はクローズドなシステム」という誤解 DXに寄与する一歩
-
7
「企業内サーバ環境の利用実態」に関するアンケート
-
8
急増する「AIはこう言ってる」マン 判断を狂わせる「AI忖度」を防ぐには？
-
9
「AI活用を前提とした業務PCへの移行」に関するアンケート
-
10
AIエージェントが自社を襲う 人間より危険な「非人間ID」の盲点
ホワイトペーパーランキング PR
-
1
マンガで解説：「ゼロトラスト」「SASE」の必要性とメリット
-
2
5回聞くだけじゃ足りない？ トヨタ式「なぜなぜ分析」の正しい実践方法
-
3
インシデント対応工数を約3割削減、東京ガスの事例に学ぶ監視体制刷新のコツ
-
4
AIエージェントで多様な日常業務を効率化するための入門ガイド
-
5
JR西日本ITソリューションズが「監視業務の属人化」を解消した方法とは？
-
6
国税庁の次世代基幹システム「KSK2」稼働開始に向けて、対応すべき変更点とは？
-
7
5分で分かる「セキュア大容量ファイル転送サービス」の機能とメリット
-
8
ドラマで分かる、標的型攻撃メールの被害を受ける企業と回避できる企業の分岐点
-
9
少額減価償却資産が40万円未満へ拡大、令和8年度税制改正で押さえるべき変更点
-
10
「脱Excel」か「Excel快適化」か？ 現場にやさしい業務改善の進め方
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー