有識者3人に聞く、データ分析系職種で就職すべき企業、すべきでない企業

クロスファンクショナル（機能横断的）な環境がいいと思います。つまりビジネス系、エンジニアリング系、デザイン系といった多様な人たちがいて、そこにデータ分析をする人も加わる環境ですね。そういう多様性のある部門もしくはプロジェクトのメンバー編成がなされる企業なら、いわゆるデータサイエンティストらしい仕事をしやすいと思います。

必ずしもそうではなくて、データ分析の部門があっても、プロジェクトはクロスファンクショナルな環境で進む企業もあります。

問題はデータ分析部門の独立性が高く、いわゆる“社内コンサル”とか、“便利屋”みたいになっている場合ですね。それだと、次々と降ってくる仕事をひたすら打ち返すみたいな感じになりがちです。

大きな取り組みの「1工程」だけを担うことになるので、データサイエンティストのポテンシャルが引き出されにくくなります。

例えば、すごいパフォーマンスの出るモデルを作っても、依頼する側が「そこまでのパフォーマンスを想像も期待もしていなかった……」なんていう事態に陥りがちです。

ウェブサービスの例でいうと、データ分析をする人がUX（ユーザー体験）を検討するところから関わって「デザインをこうしたらもっとよくなる」「パラメーターをこう変えたらもっと改善する」といった仮説を、能動的に立てる機会が増えます。

データの専門家が自ら立てた仮説を基にアプローチを決めモデルを作ることになって、成果は出やすくなります。そしてチーム内のビジネス系の人を中心に、素早くその成果を検証することになるので、高速でPDCAが回ります。

クロスファンクショナルな環境にしている企業は近ごろ増えていますし、そうした企業はメディアなど何らかの形でそれをアピールしていることが多いので、注目したほうがいいと思います。

ざっくりと「DX（デジタルトランスフォーメーション）をやりたいから、そのためにデータサイエンティストが必要」みたいなフェーズの企業だと、既存のプロセスやビジネスモデルを「変える力」が求められます。

一方、もっと進んでいてデータ分析の対象がある程度決まっている、つまりデータ利活用の戦略が定まっている企業なら、より深い知識・スキルが必要になるはずです。例えば深層学習の最先端の論文を理解して実装するとか、そういうレベルの話ですね。

人材需要のボリュームが大きいのは明らかに前者なので言うのですが、後者だと思って前者に入ってしまうと、大変だと思います。

そう思います。ただ注意した方がいいのは、一つの企業内でも前者と後者の両方のポジションがあり得ることです。化学メーカーを例に取ると、「DX推進室」みたいな組織に所属すれば前者のイメージの仕事ですが、マテリアルズ・インフォマティクス（＊）に関わる部署なら、ディープな知見が求められる後者の仕事になるはずです。

データ分析の仕事は、前よりずいぶん認知度が上がりました。ただそれは、ここ10年ほどの話です。ビジネスにおいて「ディスカッションする」「オペレーションを回す」といった機能がずっと前から存在するのに比べ、「データを使う」という営みはまだまだ発展途上だといえます。

だからこそ、この分野に興味を持つ若い人に対しては、その壮大な道のりに関わる意義深い仕事だと伝えたいですね。

上場しているくらいの規模のITベンチャーは、その意味で良い企業が多い印象です。そういう企業はIT系人材が集まりやすいということもあり、データ分析のチーム内でもさまざまな職種やポジションがあります。

例えばですが、分析を専門にする人、データベースなどインフラ担当の人、プロジェクトマネジメントを主にやる人みたいな形ですね。また同じ分析担当でも、文章データに強いとか画像データが得意とか、専門領域に多様性があって分担できているところはお勧めだと思います。

その人が、何を大事にするか次第でしょうね。例えば法律に強い関心があるならLegalTech系の企業に入るのはいいでしょうし、データを豊富に持っているからという理由でITプラットフォーマーにいくのも有りだと思います。技術を突き詰めたいなら、研究所を持つ大企業という選択肢もあるでしょうし。

ITが主力事業ではないところは、いい企業もありますが、注意して見極めたほうがいいと思います。

どんな企業でも、ヒエラルキーみたいなものがありますよね。IT以外で稼ぐ企業だとIT系部門の立場が弱かったりするので、データ分析に基づく“正論”であっても、社内の力関係で負けてしまうことが往々にしてあります。

完璧に見極めることは不可能ですが、やはり歴史ある大企業だと「ITは外注任せ」みたいな傾向があるので、データ分析担当にとって難しい環境になりがちです。特に多くの事業所が点在している企業だと、それぞれの部門や立場で主義主張が異なったりするため、全社的にデータ利活用を進めるのは簡単ではありません。

さらにいうと、メガバンクのように大型合併で今の形になっている企業は、人事的な派閥争いや、社内システムの複雑化による縦割りが生じやすいので、使えるデータを集めてインパクトを出すのはかなり難しいでしょうね。

技術要件について、しっかり書かれているかどうかは大事です。「分かっている人」が募集しているかどうか、というか。例えば、PythonのPが小文字になっていると、それだけで不安を感じる部分もありますし……。

人材市場を見ると「求められる人」と「求められない人」の差が広がって、同時に企業側の「見極める力」も高まっている印象です。ブームは続いていますが、3～4年前の過剰な期待感が落ち着いて、悪くない状態だと思います。

「データサイエンティスト」という職業やワードは、変わるかもしれません。ただ一方で、データの扱いに長けた人が求められる大きな流れは、今後も10年とかそういうレベルで続くでしょうね。

基本的には、モノづくりや車が好きなら製造業、株に興味があるなら金融といった具合に、単純に関心のある分野に目を向ける感じでいいと思います。その上で、ある意味「まじめ」な企業というか、データサイエンスに力を入れていて事例がたくさんあるところを選べるといいでしょうね。

産業別にデータサイエンスに関わる大事なキーワードがいくつかあるのですが、それらが正しく使われて技術的な内容がしっかり書かれているかは、一つポイントになると思います。技術的内容が詳しく書かれている場合、他社のほぼコピペというケースがあるので注意も必要なのですが……。

あくまで例ですが、FA（工場自動化）分野だったら「異常検知」「予防保全」といったワードです。

それからDXみたいなより広く使われるワードがある場合は、その意味が整理された上で書かれているかを、よく見たほうがいいと思います。

そうですね。あとは当然かもしれませんが、募集情報だけで判断しないことも大切です。できれば、関連する技術面を統括する人と会って話すのがいいですよね。

仮に話せたとして、「とにかくウチの技術はすごいんです、信頼してください」みたいに言いつつ、技術の中身について聞くと「まだここでは教えられなくて……」といった感じで情報開示しない企業は、就職先としてあまりよくないと思います。

いろいろな意味で情熱のある人と働くほうが絶対によくて、その情熱ある人はたいてい“ぶっちゃけている”というか、物事を包み隠さない傾向にありますから。

想定以上に、弱肉強食になっています。オファーが10件くらい来る人もいれば、「データサイエンティスト」になりたいけど、なかなかなれない人もいて……。

難しいのが、仕事の量と必要な担い手の数が必ずしもリンクしないことですね。

データ分析ってデータ量が100倍になったら100倍の人が必要かというとそうでもなくて、極端な話、1人でも相当優秀なら100人分の仕事ができちゃうんです。

例えばバックエンドエンジニアだったら、仕事量と必要な人の数に、ある程度分かりやすい相関関係が生じますよね。データ分析の仕事は違っていて、パフォーマンスの個人差がもっと大きく出ます。

その意味でハイパフォーマンスを出せる人、特に先端技術に精通しつつ大きなプロジェクトを主導できるシニア層は、圧倒的に足りていません。データ分析の仕事はソフトスキル的な力がかなり求められて、経験が重要ということもあり。

今は、ウイスキーが国内で足りていないのと同じ状況ですね。データサイエンス領域全体で“熟成”が進んで本質的に充足するまでは、5～10年くらい待つ必要がありそうです。