境界の変化
半分マン。4分の1マン。全部マン。
なんか、新種のイナイナイバーみたいな感じ?
じゃあ、これあれだよ。ペナルティーのワッキーの笑いの金メダルでやってたやつ、覚えてない?
知らないわ。
4分の1マン。 どっから持ってきたの?
半分マンの半分の境界線。4分の1マンの4分の1の境界線。
ということで、今回のトークテーマは境界です。
境界です。
境目。ボーダー。っていうので、僕らがこのポッドキャストを始めて一番最初に撮ったエピソード。
データサイエンティストとデータアナリストの違い。
それの線引き境界みたいな話だったんだけど、1年半経ってどうよっていう話。
めっちゃ変わりましたね。
変わってたね。AIってすごいね。
AIが変えた。
AIがデータサイエンティストの仕事を奪うっていう話ね。
そう。意外でした。驚愕でしたよ。
AI作ってる人たちの仕事をAIが奪うってなんかもうとも食いみたいな。
俺データサイエンティストになろうとかAIの勉強し始めた時って、
AIがいろんな仕事を奪うって言われてたから、そうだ、AIを作る人になればいいんだと思って、
AIの勉強を始めたのに、気づいたら結構奪われてたみたい。
そうそう、一番奪われているかもしれない。
あーなるほど。お花屋さんになればよかった。
お花屋さんとかはないもんね。AIに奪われないもんね。
今のところ大丈夫。
ということで、今回は科学系ポッドキャストのトークテーマ教会でいきますので、
データサイエンティストとデータアナリストの境目、皆さん改めて考えてみてください。
職務の実態
どうぞ。
隣のデータ分析屋さん。
この番組は隣の席に知らないことを気軽に聞けるデータ分析屋さんがいたらいいなぁ、
を叶えるポッドキャストチャンネルです。
データアナリストのリョッチです。
データサイエンティストのたっちゃんです。
教会ボーダークライテリア。
クライテリア言うよね。
スレッシュホルド。
スレッシュホルドも言うね。
今日のトークテーマは教会です。
境目です。
というので、データアナリスト、データサイエンティスト、
いやそもそもデータ関連の人の境目ってどこにあるんや、
っていうそんな話をしていきましょうか。
エピソード1の続き?
続きアップデートバージョン。
リバイバル。
第89話にしてアップデートですね。
変わっていくから、やっぱ世の中って人って。
あれから1年2年弱ぐらい経ってる。
でもあれ結構評判いいんだよね。
データアナリストとデータサイエンティストの違いって何すかっていう。
あと一番聞かれますよね。
最初だからね。
だからこそこだったもんね。
あのエピソードね。
1個目どれにするか。
でもあれはでもリョッチの作戦価値じゃないですか。
コッドキャストの特性をちゃんと熟知してるからってことですもんね。
3年運用した上でこれ始めてるから。
データ分析屋さんを。
コッドキャストは1話目が聞かれるって言ってましたもんね。
鬼ほど聞かれる。
聞くなって書いてある。
聞くなって書いてあるエピソードを宇宙話の1話に置いてあるから、
なんか心理学的なあの効果のせいで聞いてしまうってみんな。
本当に聞いてほしくないのに。
そっから遡ってね、全話聞きましたっていうのがやってくれるんですよね。
だめよ。宇宙話なんてもう1500話とかあるんだから。
まあそんな感じで科学系ポッドキャストのトークテーマですよ。
ボーダーっていうのが。
で、ちょっとね、ちゃんと紹介しないと怒られるから、
紹介すると、
まあ科学系ポッドキャスト毎月トークテーマっていうのをやってるわけですよ。
11月のトークテーマが教会ということで、
我らが科学系ポッドキャストの大ボスですね。
サイエントークのレンさんが今回はトークテーマの主催となっております。
で、毎月10日を一応科学系ポッドキャストの日と、
決めたのも多分、
今は亡きバイリンガリレオっていう番組と、
あと俺で、
上野で酒を飲み、
3年9ヶ月前くらいに作った。
えー、あ、そうなんだ。
上野にあるブルワリーを、ブルワリーっていうかワイン醸造所を見に行って、
で、その帰りに、
上野で酒飲んで、
科学系ポッドキャストっていうくくりやろうよって。
やるかーっつって。
作った時から、たぶん3年半くらい経って、
で、トークテーマで、
再びレンさんが爆盛り上げをしてくれて、
今、なんと今回2周年と。
へー。
トークテーマやりましょうよってレンさんに言われて、やりますかーって言って。
まあ俺は乗ってるだけだから関係ないんだけど。
関係なくはないけど。
毎月続けてやってくるってすごいマジですよ。
しかもね、あれらしいよ。
これに参加すると、
その番組始めてすぐのところとかが参加すると、
再生数がポコって伸びるから、
大変助かると評判になっております。
なるほど。
じゃあもう、いろんなとこにいい影響しか与えてないと。
そういうことです。
ちょっと俺が怨気性がマシいくらい。
まあ我々科学系と言っていいのかわからないけど、乗せてもらってますからね。
大丈夫大丈夫。一応ほら、創設者。
でもね、誰でもいいのよ。
そのトークテーマに乗ってくれたらもう誰でもいいっていう設定にしてるから。
今回多分30番組ぐらい参加してんじゃないかな。
わーすごいなー。
っていうので、僕らも教会の話しましょうよ。
していきましょうか。
データサイエンスとデータアナリスト、何が違うの?
まあもうそれ以外も含めでいいっすよ。
いいですか?
だってたっちゃん起業しちゃってんだもん。
まあね、まだ起業前ですけどね。
だってもうそんなデータサイエンティストじゃないじゃん。
じゃないよ、だってそれはもう職種違いますよね。
そういうことだよね。だからもうデータサイエンティストっていう括りで行くの。
一応会社だとデータサイエンスっていう名前のついた部署で所属してるので、やってることはデータサイエンティストとしての仕事なのかなと思ってるんですけど。
でも果たして今やってるのがデータサイエンティストの仕事かと言われると、それは違うかなと思ってて。
他の会社だったらデータアナリストっていう人たちがやってたりとか、データエンジニア、AIエンジニアって呼ばれる人がやるような仕事もやるメンバーはチームにいるから。
本当に会社の中、仕事の中でも職種の名前と実際やってる仕事っていうのは境界が溶けてきてしまってるのかなとは思います。
いやマジそうだよね。結局これのエピソード1で喋った時も、なんか業務実態によって付ける名前変えりゃいいんじゃねみたいな話になっていた気がしてて。
でなんかその違いの話をさ、なんだかんだ結構するタイミングがあったんだよね。この1年半で。データアナリストって何なんすかみたいな。それこそ会社のyoutube出たりとかさ。
あーはい、そうですよね。
公演以来みたいなので喋ったような気もするしっていうので。で結局、でその時になんかちょっとかっこいいフレームワークみたいな感じのに、ほら落とすじゃない。そういう時って。
なるほど。
こういう型があった、こういうのをデータサイエンティストと言って、こういうのをデータアナリストと言ってみたいな。って時によく使うのが、先継成長させるのがデータアナリストとかビジネスインテリジェンスとかっていう言葉がつきやすいのかな最近は。
BI、BIツールのBIだね。タブローとかっていう感じで、AIとかを使って、なんか初期はあんま伸びないんだけどそっからこうスケールするような感じで、スケーリングのバーってこう非先継の成長させるのがデータサイエンティストみたいなのとか。
あとはもうちょっと対比で行くと、ビジネスパーソンとかサービスに対するのブレインになってるとか、戦い方みたいな戦略とかを考えるのがデータアナリスト、ビジネスインテリジェンスで、超万能な武器というか、飛び道具みたいなのを作るのがデータサイエンティストとか。
なんかそんなイメージの例え話をよくするようになって、それにどっち当てはまるんだろうみたいな。
確かに飛び道具っていうキーワードありましたね。エピソード1の時もデータサイエンティストは飛び道具を使うんじゃ、作るんじゃっていう。
でなんか前の会社の時も俺もさっきタッチャン言ってたみたいな感じで、データサイエンティストってくくりだけど、モデル作ったりしてた時はデータサイエンティストだけど、なんか事業に必要な分析整理して報告してみたいな感じにやる時はデータアナリストとか、BIとかっていう感じな気はするなみたいな。
会社の実態にもよるかもしれないけど、人足りないんですよ。結局この業界。
ああ、はいはい。らしいね。
だからもう1人2役3役で仕事をしていかなきゃ回らないよねっていう状態なのかなとも思いますね。
AIとデータ分析の課題
はいはいはい。まあそうだよね。あとは市場価値上げるのも結局そういうアプローチになるよね。
そうですね。あとこの1年半前から大きく変わってきたなと思うのは、データサイエンティストは稼げないっていうのが明らかになってきたと思うんですよ。
ああ。
なんだろうな。ミスリードしてしまうかもしれないんですけど、よくポック貧乏という言葉あるじゃないですか。
知らん。俺初めて聞いた。
ああ、本当ですか。このAIの期待値が高すぎて、例えばビジネス部門の人たちからAIで何かやってよって言われて、
実際にAIモデル作って現場落とすと全然精度出ないとか期待値以下だから使えないよねっていうところで、
実地検証POCだけやってプロダクト化には至らずに終わってしまう。ポックで終わるポック貧乏みたいな言葉があって。
へえ、そんな言葉あるんだ。
だからデータサイエンティストがそこのアルゴリズムAIを作って、ポックばっか回して、事業貢献何もできないじゃん、こいつら使えないみたいな、
そういう評価のされ方してしまうっていうことがある。
へえ、ポックマンだ、ポックマン。
いや、ポックマン、まあね。
これ結構別にどこの、この業界よくあるあるって言われていて、
っていうところがこの1年間、2年間直近だともう明らかみたいになってしまったので、
でも当時ももうそうだった気もするよね。
そうですね。
それがより如実に出てきたみたいな感じ。
データサイエンティストの変化
だと思っていて、だからこそデータサイエンティストのあり方みたいな、仕事、事業部門、ビジネス部門との関わり方、仕事の仕方っていうところを変えていかなきゃいけないんじゃないかっていう動きが結構あるなと思うんですよね。
だからちゃんと要件を詰めて、AIの期待値をまず下げるところから始めて、
その上でじゃあポックで何するかみたいなところの、結構ビジネス側との寄り添いを手厚くやりながら、
データアナリストがやる部分ですよね、ここってきっと。
実際自分たちがモデルを作るとか、っていうこの幅が広がってきた。
やらなきゃいけないところが広くなってきたっていうのはデータサイエンティストの業界あるあるなのかなと思ってます。
なるほどね。
それね、多分俺実感してない理由みたいなのがあって、
そうやってなんかさ、自分の周りで起きてるとそう感じるし、
あとは自分でそこに苦労したらめっちゃ感じる部分じゃん。
確かにね。
ポックから抜けれんみたいな。
で、それを一発目が、アクセンチュアのコンサルティングのちゃんと売り込み方みたいなところを目の前で見てたし、
それにデータサイエンスのノウハウが重なるみたいな現場でずっとやってたから、
期待値コントロールのプロなんだよね、コンサルの人って。
確かにコンサルティングの人たちはそうだよね。
で、その当時、もうほら1年半前でもすでにさ、
俺その時多分もうそっから転職してるんだけど、
その当時ですら、あれ?なんか期待値超えてこないぞみたいな雰囲気出てたから、
その同じ鉄はもう不満みたいな感じの期待値のコントロールの仕方で、
俺のデータサイエンスの馬鹿スタートしてたりするからさ。
そっかそっか。
だからもう成果出ない、向こうの思ってる成果出ない。
だから何なら下手に機械学習に手出すなぐらいの感じの感じで、
期待値めちゃめちゃちゃんとコントロールしていくっていう場で過ごしてたから、
むしろそれがいろんなところで気づかれ始めた1年半なのかもしれないなって今。
そうかもしれないですね。
確かにね。
だからデータ分析に特化した委託業務の会社だったりとか、
事業会社の中でデータサイエンス系の部門を持ってる人たちとかは、
この期待値コントロールちゃんとしていかないと。
今までやったことないような領域だと思うんで、
このAIが出てきたからこそ、
AIプロダクトが生まれたからこそやらなきゃいけなくなったみたいな。
そうね。
だからそれでプロジェクトが発生する場を見てると、
意外とそこちゃんとやんないといけないなっていう、
頭にはなるから、できるできないは別にしてね。
だからデータサイエンティストコンサル、ITコンサルみたいな感じに一回挟んどいたのは、
最近めちゃめちゃポジティブな働き方をしてる気がする。
じゃないと、なんか事業会社にずっといるってなった時に、
そこの期待値を裏切ってしまう可能性とか、
あとなんか、ちゃんと常にこの目の前の仕事を活かしておくみたいな意識を芽生えさせられずに、
気づいたら自分のやりたいプロジェクトが閉ざされるみたいなことになるなっていうのを思いまくるから。
コンサルティングの重要性
コンサルティングの人たちはうまいですかね。
コンサル1年目の教科書みたいな本とかあると、読むと、
とりあえず上司の期待値はコントロールせいみたいなことは勝てた限り。
確かに大風呂敷広げなくなるよね。
そうです。現実的にいかないとね。
まあ変わった。追いついてきたというか、全員のリテラシーが追いついてきたっていう話かもしれないけど。
そうですね。
そうなると、常にこの1年半データアナリストの力地ですって言ってきたけど、
俺たぶん1年半の間でデータアナリスト的な業務ほぼしてないんだよ。
そう。
実態は正直マジでデータサイエンティストだと思うね。
この間も言ったけど、会社のプレスリリースで俺データサイエンティストって名前で出してるし、
データサイエンティストだよねってなって、まあそうっすねって。
それこそめちゃめちゃ学術研究に近いところをやるみたいな感じとか、
学術の手法をビジネスに使えるかどうか検証して落としてくるみたいな話とかのところは、
まあ結構データサイエンティスト業務感はあるから、
職務内容で肩書き作ろうぜってなったら自己紹介変わるな。
逆に自分はデータサイエンティスト的な働き方ももちろんしてはいて、
アルゴリズムの改善とか、制度がどうなったみたいな話もやりつつなんですが、
一方よりコンサルティング的な働き方の方が多くなってきてるなと思っていて、
チームとかってアナリティクス&コンサルみたいな言葉を使って活動してたりするんですけど、
じゃあデータコンサルタントだ。
そういう言い方もあるかもしれないですね。
お客さんの持っているデータってどんなものがあるかってところをチェックして、
それをヒアリングしながら、じゃあこのデータは使える使えないっていうのを見たりとか、
またお客さんの課題が何かってところを明らかにして、
そこを詰めていって、じゃあその課題を解決するためにはどういうプロダクトが合ってるよねみたいなことを決めていったり、
どういう評価をしていくのがお客さんのビジネスの中で当てはまるかってところを決めたりとかっていう、
そういうお客さんの問い目に立って会話するっていうような働き方になってくると、
これもデータサイエンティストと違うのかなっていう。
生成AIの影響
そうね。コンサルだね。
そうですよね。
そっちが強くなるんだ。
データサイエンティストのたっちゃんですわ。変わってきますよね。
本当だよ。データコンサルタントのたっちゃんとデータサイエンティストのりょっちだったね。
自己紹介以外でその肩書きが作用する会話の内容は特にないからいいんだけどさ。
そうですね。
印象として持たれてるから別に何でもいいんだけど。
なんならポッドキャスト始めた時プロダクトマネージャーだったし多分俺。
勝手に境界引いてるだけですよ。うちらの間で。
アイデンティティをわざわざ自己申告してるだけで。
そうそう。変わってきますよね。
なんか職業のタイトルデータサイエンティストとかが曖昧なんだろうな。結局は。
そうかもしれないですね。
確かエピソード1の時にも喋ってて、データサイエンティスト協会っていうのがあり、
その人たちが定義したデータサイエンティストのやるべき領域みたいな話あったじゃないですか。
この3つのベーンが。
そうそうあって、ビジネス的な能力と統計とかを極めるデータサイエンスの部分と、
あとはAIの開発とかをやるAIエンジニアみたいな。
この3つの領域ができるのがデータサイエンティストですよみたいな話があったと思うんですけど。
そうだね。確かに確かに。
まだ聞かんくなりましたよね。
そうだね。当時からあんまみんなしっくりきてなかったというのもあるしね。
でもそれでいうとビジネスの丸が広がっていったのがたっちゃん側だよね。
そうですね確かにここ1年半は。
俺多分サイエンス側の円がめちゃめちゃ広がってるのが。
でもなんか俺これの直前にXで見たやつだと、
データサイエンスは高級取りの職業だという認識から寄ってくる人がいるっていう発は見たけどね。
そうなんですか?給料が高いからデータサイエンティストになりたいっていう人がいるってことですか?
らしいよ。高いかな?
ほんと?
っていう認識ではあるらしい。
なんか海外とかでも意外とデータサイエンティストに対する期待値みたいなのが下がり始めてて、
結局ビジネス貢献してくれるのはデータアナリストというかBIみたいな、
プロダクトマネージャー的な要素とデータ分析の素養ちょっと強め、データ強い人みたいなところの方が注目度が高まっている業界もあるとかないとか聞いた。
人づてで聞いた時はあんまりしっくりこなかったし、誰もしっくりきてなかったんだけどその人言ってるしなみたいな。
そんな場もきっとある。
でも確かに状況は状況が結構変わってきてて、それこそ生成AIのインパクトが結構ダイレクトに響いてくる触手かなと思ってるんですよ自分、このデータサイエンスとかの人たちって。
奪われる?
AIの開発とかどういう風なモデルを使うみたいなところって、まんま生成AIが置き換えていける領域だと思ってて。
そうだね。
コードも自分で作ってくれるし、変な話その実験とかもぐるぐる回そうと思ったら回せちゃうから。
だからもうなんかAIに一番近かった触手の人たちの仕事をAIが取ってくるみたいな状況が往々にしてあると思うんですよ。
そうねそうね。
だからこそさっきの3つの縁だと、データサイエンスとAIエンジニアの部分っていうところはよりかはもっとこのビジネス寄りのところの能力を高めていって、
そのつなぎ役になる人、お客さんとかビジネス要件を詰めるところとAIのつなぎ役の部分が重要になってきてるのかなとも思いますね。
確かに。あ、そっか。この1年半で生成AIの立場がだいぶ変わってるからそこだな。
うん。やらなくてよくなりましたよね。AIのモデルを作るとか試行錯誤するっていうところが。
確かに。最近ってすごいんだよ。B級の中にはマシンラーニングのシステム入ってんだよ。
B級?
ビッグエリーの中に。SKLの横に今作ってるこのデータからマシンラーニングペチってやったら予測モデル横で勝手に作ってくれて、それのデータがカラムパンって追加される。
あ、そうなんだ。
すごいっすね。やばくない?
えー。
でもまあそうだよね。なんかもうコード書いてる時とかのこのコパイロットとかもそうだけど、とりあえず必要なコードはもうポチポチしてる間に全部ショートカットでできちゃうみたいな。
いやそう。マジそう。
だからなんかコマンドエンター押してるだけでモデルできてますよみたいな状態が全然あるんですよね。
いや全然あるね。前々回のエピソードとかでさ、とりあえずライトGBMとかでさ、そのとりあえずライトGBMはもうAIがやってくれるから予想で。
それがどうなのかっていうのを判断するとこまでが分析のパックになっていきそうな感じもするし。
生成AIの影響
5年前とかだったら、たぶんそのライト、とりあえずライトGBMってなったところのとりあえずの部分を検証するためにデータサイエンティストにお願いするとか。
確かに確かに。
がまあないよね。すごいね、そう考えると。
すごい。時間の使い方が多分変わってきてると思ってて、データサイエンスってちょっと前まで前処理にほとんどの時間を割くって話あったじゃないですか。
データ加工の前処理に時間が割かれてて、データのノイズとかハズレ値とか。
クッキングでいうところの野菜洗ったり準備するとこですよね。
それが生成AIきたおかげで前処理の時間がほとんどいらなくなって、全部そこはAIが置き換えてくれるから、
それ以外のところに時間割けるようになったっていうところがだいぶ状況を変えたのかなと思いますね。
でかいよね、まじでかいよね。
あとさ、ほら最近イベントとかをさ、会社の中でやる担当とかもになってるわけなんだけど、タイトルをつけるわけじゃん、イベントに。
あれに一応ほら、所属でいうとデータアナリティクス部とかだからさ、データアナリストのとかっていうのをつけるんだけど、
なんかデータサイエンティストって入れてないのも不思議な感じもするし、
読んでる人は同じテーマで喋ってるんだけどだいたいデータサイエンティストっていうパターンもあるし、
っていうので、そこのね、いつもね、結局会社によって違うそのジョブタイトルにめちゃめちゃ翻弄されるっていう。
確かにそうですね。
会社によって違うな。
共通データサイエンティストでいいんだよなみたいな。
確かにそれもそうだわ。やってることはどこもほとんど変わらないわけだからね。
変わらない。データサイエンティストっていう肩書きでどっちもやったし、データアナリストっていう肩書きでどっちもやった俺が言うんだから間違いない。
そうですね。AIエンジニアも多分ほぼ一緒なんですよ。
今の状況だと。
ちょっと軽く宣伝になるんだけどさ、11月の末にこの間ほらソフトバンクアクロスレシピと共催でやったイベントあったじゃん。
あれの次回イベントをやるわけよ。うちでまたね。
で、今回は33であるじゃん。名刺管理のと、あとアトラエっていうグリーンとかっていう転職サービスやってたりするところとの3社共同開催みたいな感じでやるんだけど、
そっちから来る人たちはみんな一応データサイエンティストなんだよね。
けど事業のデータ分析して会社が使えるような資産を出すとかっていう業務もやってるし、もちろんなんかAI触るっていうのもやってるしみたいな感じの人たちだから、
直近でめちゃめちゃタイトル付けに悩んだ。
ってなって、今回はデータアナリスト、データサイエンティストっていうちょっと長いけどタイトルに両方入れた。
そのほか一応伝わることは伝わるか。
そう、11月の22にやるから、ちょっと皆さん来ていただきたいなっていうのはあるんですけど、
そういうどういう括りで人を集めるんだみたいなところとかも、今一番ジョブタイトルがふわふわ世の中してる気がするなーって思いながら、
引きが強いのってどれなんだろうとかね。結局データサイエンティストって言葉が引き強いんだよなーみたいな。
ま、ま、まとめて欲しいですよね。データサイエンティスト、どんで。
ジョブタイトルの混乱
ね。
ね
ね
コンサルタントドーンじゃない ですか
そうね
それと同じ
そうなんだよな
レイヤーで並べれていいのであれば もうデータサイエンティストだけ
でいいですよ
確かに確かに
ちょっとね細かく分割しすぎ 境界 はない
ないなくなったもうけどまあとりあえず あれかな自己紹介は引き続き
データアナリストの力地でいこう か
そうですね変えてもアレなんで ね
そこでなんかエゴ出してもしょう がないよね
なんか定期的にこの話をしていく といろんなアップデートができ
そうな気がする
確かに1年とかで全然状況変わる っていうのが分かりましたから
ね
確かに1年記念エピソードは全部 これにするって言ってもあるよね
まあ確かにめっちゃトピックある だろうな生成AIがあったかない
かぐらい違ったわけだから
そうねだいぶ変わるだろうねじゃあ ちょっとそんな話もおいおいして
いきましょう
はいしていきましょうか
はいということでまあ今回は科学 系ポッドキャストのトークテーマ
で境界の話をしましたということで 次回はちょっと最近やっぱり感動
しているノートブックLMの話がしたい
いいっすよなんかLINEで急に聞き ましたよねノートブックLMがすごい
って
いやもうね結局Googleなんだなって
そうなんだ
いやすごかったなんか感動した
そう
その感動したポイントとまあなんか ポッドキャスト好きな人はみんな
使っていいAIだなっていう感じ もしたっていうのをまとめてお話し
しようかなという感じですかね
ね
わかりましたなんか話すって言って 使えばよかったんだけどあえて
使わなかった
いいよ全然まあ簡単に言うとね ポッドキャストの書き起こし一瞬
でできる
はい
あと文献渡したらあのポッドキャスト 作ってくれる
え
っていう結構感動機能があるから ポッドキャストとの相性はくそ
いい
音声にいいんだ
そうけどまあとはいえノートブック LMっていうところの世界から出れない
っていう歯が良さもあるからなんか そのあたりの話をちょっとでき
たらいいんじゃないかなという 感じですね
Googleならではのしがらみみたいな
そうそうそうそうちょっという の話をしていこうというところ
で
はい
筆調の回答になっております
楽しみにしてます
はいポッドキャストにAI使いたい 人は全員聞いてください
はい
隣のデータ分析屋さん今回も面白い と思ったらフォローレビューよろしく
お願いします
番組の関数や質問はハッシュタグ 隣の分析屋隣のがひらがなで分析
屋は漢字でお願いします
また概要欄に貼ってあるお手紙 フォームからコメントを寄せてください
ではまた
ばいばーい
