「データドリブン経営」の時代にIT部門が担う役割【第4回】
いまさら聞けない「データサイエンティスト」「データエンジニア」「データアナリスト」の違いとは
企業のデータ活用を推進するデータ関連職は複数ある。それらの職務や役割はどのように違うのか。「データサイエンティスト」「データエンジニア」「データアナリスト」の主要3種の違いを探る。(2022/8/9)

老舗自動車メーカーのデータ活用術【中編】
英自動車メーカーのDXを支える人材育成制度「アプレンティスシップ」とは
Bentley Motors初の最高データ責任者を務めるアンディ・ムーア氏は、同社のデータ戦略において「データサイエンティストの育成と確保」を重視した。その施策の一つ「アプレンティスシップ制度」とは何か。(2024/2/16)

中小企業がAIで勝つために
エッジデバイスでの機械学習はデータサイエンティスト不足を解消するか
データサイエンティストは数が少なく高給であることから、企業での雇用が難しくなっている。だが、エッジデバイスのインテリジェンスが大きく向上すれば、データサイエンティストを必要としなくなるかもしれない。(2019/7/3)

先進的な行政のAI活用事例【後編】
他国から「データサイエンティスト」「データアナリスト」を採用する政府の狙い
IT先進国として知られ、行政サービスにおけるAI活用に取り組むエストニア。同国は世界中の技術者を対象に採用の門戸を開いている。どのようなスキルを求めているのか。同国が目指すものとは。(2022/11/1)

見極めよう、4つの「AIキャリアパス」の違い【前編】
数学のプロが「データサイエンティスト」になれるとは限らない“当然の理由”
AI技術を扱う人材の需要は飛躍的に高まっている。そもそもそうした「AI人材」にはどのような仕事があるのか。キャリアを築く上でのポイントは何か。(2021/7/20)

「AutoML」の可能性と限界【前編】
「AutoML」(自動機械学習)がデータサイエンティストを楽にする?
多忙なデータサイエンティストの業務負荷をいかに軽減するか。その有力な手段となり得るのが、機械学習モデルの設計や構築を自動化する「AutoML」(自動機械学習)だ。どのような業務を効率化できるのか。(2020/2/14)

新規ビジネスのチャンスを得やすいのはどちら?
いまさら聞けない「データサイエンティスト」と「ビジネスアナリスト」の違い
データサイエンスとビジネスアナリストの違いは、データサイエンティストがデータを深く掘り下げて、独自のビジネス解決策に行き着かなければならない点だ。もちろん違いはそれだけではない。(2018/5/18)

YouTubeやブログでも学べる
データサイエンティストを目指すなら知っておきたい学習方法
データサイエンスを学ぶ場所と機会は大学の外側にも広がっている。大規模公開オンライン講座(MOOC)やオンラインで公開しているドキュメントなどがあり、データサイエンティストとしてのスキルセット獲得に役立つ。(2019/2/22)

単なるデータサイエンティストではダメ
本当に役に立つ、希少なデータサイエンティストの見つけ方
あらゆる組織がデータサイエンティストを求めているようだ。だが適切なスキルを持った適切な人材を確保するのは難しい。データ分析能力があるだけでは役に立たないのだ。(2019/7/8)

「拡張分析」の用途5選【後編】
「拡張分析」で全社員がデータサイエンティストになる?
拡張分析はユーザー企業にどのような恩恵をもたらすのか。今回は代表的な5例の中からシチズンデータサイエンティスト、組織内の知識活用、洞察の自動化について紹介する。(2019/10/30)

データを一緒に見るところから始める
中堅企業のAI活用のリアル 「何をどうすればいいの」を解消する方法
ビジネスにデータを活用したくても、AIのプロやデータサイエンティストの採用は難しい。そんな企業でも、自社データを生かす方法がある。「使い方」さえ分かれば「最新AI活用企業」になることも不可能ではないという、その方法とは。(2022/1/24)

適切なツールと適切なチームで勝負
“ユニコーン”なデータサイエンティストは不要、専門家不在でもうまく回る企業とは
データサイエンティストはビッグデータアナリティクスで貴重な役割を果たせるが、あらゆる企業に必要というわけではなさそうだ。データサイエンティストがいなくても技術と企業文化で課題の克服に挑む企業もある。(2015/12/1)

データは集めた、それからどうする?
社内のデータ分析担当者を「AI人材」にする支援ツールとは
企業が保有するデータは、新たなビジネスを生み出す資産だ。しかし、大量のデータを処理する作業に追われて肝心の分析がおろそかになっていないだろうか。データサイエンティストのいない企業で、AIによるデータ分析を実現する方法とは。(2020/11/4)

多くの専門家が「必要」と認める機能は?
データサイエンティストを楽にする ビッグデータ分析ツールの10大「必須機能」
ビッグデータ分析ツールを探しているなら、さまざまな機能がある中でも10個の機能に注目してほしい。特に、分析結果を埋め込む機能、他のアプリケーションとの連携機能、バージョン管理機能は確認しておきたいところだ。(2019/2/15)

「AutoML」の可能性と限界【後編】
「AutoML」(自動機械学習)の使用に慎重になるべき用途とは?
「AutoML」(自動機械学習)をうまく活用すれば、データサイエンティストの業務負荷を軽減できる可能性がある。ただし他の技術と同様、AutoMLは万能ではない。(2020/2/21)

AI人材不足に悩む企業を救う
データサイエンティスト要らずの機械学習自動化プラットフォームを試してみた!
人工知能(AI)技術をビジネスに取り入れるためには、データ分析やAI技術の専門家が必要となる。そうした人材を確保することが難しい企業でAI技術を活用するための方法を紹介する。(2019/10/9)

DataOpsの誕生【後編】
DataOps実践のヒント
データサイエンティストがDataOpsを実践するには、データを扱う環境が必要だ。都度IT部門と交渉して環境を整えてもらうようでは時間がかかり過ぎる。(2019/6/28)

経験豊かなデータサイエンティストのお墨付き
「Python」「R」「Jupyter Notebook」「Tableau」「Keras」が愛用される理由
企業の取得データが急増している近年では、情報を全て把握するためにもデータサイエンスツールが欠かせない。本稿では「Python」「R」「Jupyter Notebook」「Tableau」「Keras」について、データサイエンティストが愛用する理由を聞いた。(2019/2/12)

重要なのはユーザーとデータの「橋渡し」
Intelがこっそり教える「データサイエンティストに必要な素質」とは
ビジネスで扱うデータは増加し続けており、機械学習などデータ分析の機会も増えた。分析担当者には高いスキルが求められるが、本当に必要なスキル、素質とは何なのだろうか。Intel担当者に聞いた。(2017/12/27)

予測分析をビジネスに生かすには
「データサイエンティストが足りない」の大問題をどう乗り越える?
あらゆる業務において経験や勘だけでなく、データに基づいた意思決定を実現したい。ただ、データサイエンティストは今でも手いっぱい。うまい解決手段はないだろうか。(2016/12/19)

単なる分析の専門家では務まらない
「データサイエンティスト」として成功するための条件
データサイエンティストはデータを深く探求できなければならない。データサイエンティストと他の分析の専門家を区別するものは何だろうか。(2015/3/9)

運用環境では予期しないことが起こる
機械学習導入のカギは「運用者と開発者のスキル差をどう埋めるか」
機械学習モデルの導入時には、その開発時とは全く異なるスキルセットが必要だ。データサイエンティストとエンジニアリングチームはこのギャップを埋める準備をしなければならない。(2019/2/22)

原因分析で見えてきたこと
まさかの「トランプ氏当選」で面目丸つぶれのデータサイエンティスト、米大統領選の予想はなぜ外れた?
米大統領選挙では、ほぼ全ての予測モデリングアルゴリズムが勝者予想を外した。その原因にデータサイエンティストが注意を払わなければ、今後あらゆる予測分析プロジェクトを迷走させてしまう恐れがある。(2016/11/30)

ハイパースケールプロバイダー各社が火花
AWS、Microsoft、Google、IBMがのめり込むクラウドAI、勝利の作戦は?
クラウドプロバイダー各社は人工知能(AI)クラウドサービス分野でしのぎを削っており、データサイエンティストや開発者がモデルをトレーニングするための環境として自社のプラットフォームを売り込んでいる。(2018/3/9)

“全員野球”で取り組むデータ活用
Airbnbはこのツールで超高速な意思決定を実現、「データ民主化」とは
民泊サービスのAirbnbは、起業当初からデータの価値を認識していた。同社は、データを「民主化」するツールを構築し、トレーニングを考案した。その結果、従業員はデータサイエンティストへと変貌を遂げた。(2017/11/1)

データから読み解く企業の思惑
「データサイエンティストはつらいよ」、注目職種も求人が多くない理由
将来のビジネスシナリオを予測したり、多くのデータから有益な事実を見つけ出す、データサイエンティスト。魅力的な職業だが、企業側からみた実情は違うようだ。(2015/5/28)

300社超の調査で判明
データサイエンティストのスキル不足は大問題、「技術についていけない」の声も
多くの企業は、今日のビッグデータとデータサイエンスがもたらすチャンスを認識しているが、一方でそのエコシステムの複雑さに手を焼いている。(2017/3/6)

進化する医用画像テクノロジー
放射線科医は病院のデータサイエンティストになる
Philips Healthcareの幹部社員であるジェロエン・タス氏は、データサイエンスと進化した画像診断を組み合わせることは、個人に最適化した価値に基づく医療ケアへの移行において重要だと語る。(2017/3/27)

データサイエンティストの仕事、価値、育成とは
データサイエンティスト4人が座談会で語った「データ分析の現在と未来」
ビッグデータ分析と関連して注目される「データサイエンティスト」。彼らはどのような仕事をし、どのような価値を企業に提供しているのか。実際にデータ分析に関わるデータサイエンティストが座談会で語った。(2013/4/24)

孤高の人はたいてい失敗する
“独善”データサイエンティストが陥る6つの勘違い
現代IT技術で注目のビッグデータで要となるデータサイエンスチームは最も花形のセクションだ。優柔な人材が集まってくるが、それだけに、自らの誤りに気付かないままビジネスを窮地に追い込むこともある。(2016/2/5)