00:03
すんのかいと思ったらせんのかい すんのかいと思ったらせんのかい せんのかい
ドリルすんのかい
ということで、今回はスッチーの話ですね。
データスッチーの話でしょ。
ああそういうことか。 はい。
全然ピンときてなかったじゃん。
スチュワードの話ね。 データスチュワードでしょ。
はいはい。 スチュワーで、そう、スッチーでしょ。
そうだね
スッチーといえばドリル1000の回でしょ
そういうことか
まさに
今回はまあ
2024年以降どんどん流行ってきそうな
データ業界の触手の一つ
データ基盤寄りの
話に近い
データスチュワードの職業
データスチュワードっていう職業
なんか激アツだってたっちゃんが言うので
はい
がっつり解説してもらってますと
まあ今回も毎回毎回
ビデオポッドキャストで撮ってますけど
最高のスタジオで
収録しております
おしゃれですよ
今回は株式会社フービの渋谷のスタジオで撮らせていただいて
もうかなりかっこいい感じに
仕上がってるんで
ぜひYouTubeとか
ビデオポッドキャストSpotifyで聞けるので
ぜひチェックしてみてください
それではどうぞ
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りょっちです
データサイエンティストのたっちゃんです
今日は何でしょう
今日は前回のエピソードの
最後にちょろっと触れた
データスチュワードっていう
仕事スッチーさんね
2024年流行るんじゃね
と予言した
予言したあれね
あれの話をしていこうと思います
ちょっと気になったから
プラン変更で
うん
スチュワード
スチュワード博士
聞き慣れない言葉
いやマジでそうよ
これねデータ分析屋さんの
職種の一つになってくる
むしろもう世界的には
これが一般的に使われてるっていう
仕事なんですよ
データアナリスト
データサイエンティスト
データエンジニア
データスチュワードみたいな
そうそう
ここら辺の整理を
今日しながら
大事な仕事だよねってところを
伝えられたらいいなと思って
はいはいはい
ちょっと話していきたいんですけど
あの
データ
僕らデータサイエンティストと
データアナリストでやってるじゃないですか
うん
でこの人たちって
基本的にデータを使って
なんか仕事をしてるんですよ
そうだね
データアナリストはデータから
ビジネス判断とか
そうだね
っていうサポートをしていく
うん
っていう仕事をしてると思うし
データサイエンティストだったら
データから価値を見つけたり
インサイト
何か洞察を得るみたいな
うん
しなんならこう
それを使ってレコメンドとかっていう
武器まで作るみたいな
飛び道具作るみたいな話を
以前のエピソードでもしたと思うんですけど
つまりデータを使う人たちなんですけど
逆にその
使うデータってどっから来てんのっていう
はいはいはい
ここのデータを
作ったり準備したりっていう
人たちもいるわけですよ
まあそう
エンジニアの方々が
基盤の人たちとか
まあ確かに会社だったら基盤の人たちとか
データマートの人たちとか
いろんな言い方すると思うんですけど
データをしこしこ作ってる人たち
そうね
あれってなんでしこしこなんだろうね
いつも思ってる俺
でもみんな言うんだよねしこしこ
確かにね
大人が真顔でしこしこって言うんだよね
そうだね
みんな言うよね
まあ言うね
なんでそのデータを作るっていうのを
さあ
擬音としてはさ
あんまり俺はしっくりきてない
桃がどんぶらこって流れてくるときの
どんぶらこぐらいピンときてない
嘘でしょむしろどっちもピンとこない
えなんで
桃見て
桃見てどんぶらこって
あどんぶらこだってなんないでしょ
いや川で流れたらどんぶらこでしょ
いやなんないでしょ
どんぶらこにはならないよ
そこはもう幼少期から
すり込まれてるから
あそういうこと潜在意識に
潜在意識にデータをしこしこ
処理するのすり込まれてない
じゃありょっちはデータをしこしこ
言ってる大人を見たらニヤニヤしちゃうんだね
そう
少なからずしこしこ
作ってるんすよ
でそのデータを
作ってる人たちもいますよっていうところで
データサイエンティスト
データアナリストデータ使う側の人たちにとって
その使うデータの質とか
うん
どんだけ綺麗なデータを使うかって
めっちゃ大事なんですよ
大事だね
結局
ここの質がいいものを使えば
どんな分析技術を使おうとも
いい結果が出てくるのは
分かってて
よく言われる言葉に
ゴミから得られる結果はゴミだみたいな
ガーベージンガーベージアウトみたいな
そんなのだ
っていう言葉があって
ゴミみたいなデータを使っても
そこでどんなにこねっくり回しても
出来上がるのはゴミみたいな
SDGsのアンチテーゼみたいな言葉だね
そうだね
結局ゴミ使うなんて話だ
リサイクルしても
ゴミはゴミだぞっていう
そういうこと?
よくないじゃん
そういうこと言いたい
初戦ゴミだと
初戦ゴミなのにでも
データに関しては
ゴミみたいなデータから
いいものは生まれない
頑張ってやってる人はいるんですけど
そこに頑張ってゴミからいいものを作るのも
もちろんいろんな分析技術を使ったりして
データ基盤の重要性
ある程度のものは
できるけど
高級品はできないわけですよ
だから
使う素材となるデータの質を
担保するってめっちゃ大事で
ここに本気で取り組むためには
大きく3つの
要素があるよみたいな話があって
人と
データとシステム
この3つを
力を入れて揃えましょう
っていう考え方
でその
人って
人っていうのはいわゆる
知識を持った人たちを揃える
データをどうやって整理すればいいか
きれいに蓄積すればいいかっていうところ
そこに入れるデータも
ちゃんといいものを入れましょう
そこの入れるデータって
システムの中に入れるんですけど
そのシステムちゃんと作りましょうっていうところで
アーキテクチャーですね
ここのシステムをよくデータ基盤とかって
言われていて
じゃあデータ基盤っていう言葉は
今日の話で言うと結構一部なんだ
そうそうそうそう
データ基盤は
要素の
いいものを作っていくための要素の一つ
っていう風な考え方をしていて
このデータ基盤ってじゃあ何なんだっけ
どうやったらうまく作れるんだっけ
っていうところが結構
肝になってくる
ここ
結構僕らデータ使う側にとっては
あんまり意識せずとも
データ基盤のチームから得られる
結果だけを
そうだね確かに
データをこねくり回してるから
あんまり気にすることないんですよ日頃の仕事の中で
確かに
ありがたみを少し失っているかもしれない
そうなんですよ
仕事してる中でデータ基盤大丈夫かなって思うことも
たまにあったり
どういう風にデータ生成されてるんだっけって
考えた時に
あんまり知識ないなと思って
最近勉強してたんですよ
そっち側に行こうとしてるの
行こうとしてるというよりかは
興味があるっていうまだフェーズ
そこちゃんと
理解しておくことって
データ使う側にとっても大事だよねって
思っていて
そうね
勉強すればするほど実は面白いことが
分かってきたっていうのを紹介していきたくて
今日はこの本を持ってきました
何ですかそれ
実践的データ基盤への処方箋っていう
なんか売ろうとしてるタイトルだな
でもねデータ基盤を勉強するには何がいいかって
何人かのコラムとかを見ていると
結構これがおすすめされていて
小学者にはすごくいいよっていう
そうなんだ
結構いろんなユースケースが出ていて
勉強になっていて
なんか
面白いこういうことかみたいな
ユースケース
データの持ち方っていうところ
データの持ち方に関する話
じゃあ一個紹介すると
横持ち縦持ちとかそういう話
っていう話もある
データって
結構抽象的な話で
よく知られているのは
エクセルとかで扱うようなテーブルデータ
あれも
行と列っていうのがあって
そのデータの
用途によって
その
列で管理した方がいいのか
行で管理した方がいいのかっていう
話
があったりするんですよ
分析を
分析に使うようなデータだったら
いわゆる列で管理した方が
効率的にデータをこねくり回せるし
なんかトランザクションって言われる
履歴的なデータをどんどん蓄積していくんだったら
行で管理しようとか
結構初歩的な話だけど
ここを意識しないで
データベース作っちゃうと
めちゃめちゃ遅い
なんかデータベースができちゃうとか
あれってスピードの問題なんだ
スピードの問題と
あとは
管理する
更新とか削除とか
そういう
操作をするときの手間
とかそういう
いわゆるコストになる部分が大きい
っていう話があったりとか
っていう結構技術的な
内容が書いてるんだけど
そこからいくつかピックアップして
話していきながら
最初に話した
データスチュアードの仕事とは
その中でデータスチュアードって
どういう仕事してるかっていう話
気になるわ
いきましょうか
目指すかもしれない
目指すかもしれない
狂気に
この本で結構僕勉強になったなと思うのが
データ基盤の中にデータをどう入れるかっていう話で
我々が使うデータが
出来上がるまでって
大きく3段階で
データが分かれているのが
いいよねって今結構通説になっていて
3段階
そう
データっていろんなとこから取得できるじゃないですか
そのアプリの
例えばアプリとかあったら
そのアプリ上の
例えばボタンのクリックとかっていう
ログデータとか
そうそうそうそういうこと
もう本当にカメラで撮った映像とかもデータになるだろうし
あーそっか構造化データだけじゃない
パターンもあるのか
もう世にはデータが溢れてるわけですよ
でその世に溢れてるデータ
をまずは集めなきゃいけない
収集しなきゃいけないっていうフェーズが
あって我々が使うためにはね
っていう最初の
とりあえず生のデータを入れておく場所
っていうのがあります
ここをデータレイクって呼ばれてるんです
はいはいはいはい
一時期からさ
データレイクとデータベースと
みたいななんか
言葉のあれ出てきたよね
結構混在してるんですよね
データレイク今日ここで紹介するのは
データレイク
データウェアハウス
でデータマート
っていう
データ基盤の3つの段階
うんうんうん
それが3つ?
この3つが
あーそういうことか
そこね
1回悩んでめちゃめちゃ調べたことあるわ
ここが意外とシンプルに整理されていて
へー
あのー
一つずつ言っていくとそう
生のデータをとりあえず入れるのがデータレイク
うん
湖ね
湖
だから湖にとりあえず何でもぶち込むみたいな
イメージで消費者金やね
そうなの
そうなの
レイクってなってる
あそういう
そういうことか
アコムの
競合ね
そうそうそう
アコムアイフルレイクね
そうそうそう
湯水のように金が溢れてくるっていう意味でレイクなんだろうなと俺は思ってた
あそういうことなんだ
お金の湖
違うのかな
ファンテンじゃないんだね
ファンテンは出なきゃいけないじゃん
そうそうそうそう
噴水じゃん
噴水
いやじゃあもうあるそこに
組みに行くだけ
あそういうこと?
そう
金はあるから取ってけよみたいな
そうそうそう
あーそういうことか
返せよって
いや違う
気がすんだけどな
違うのかな
わかんないけど
まあとりあえずそのデータレイクに今回は
生のデータを入れておく場所が
うん
まず1段階目
うんうんうん
で次にあるのがデータウェアハウスって言われていて
倉庫だねウェアハウスは
そうだね
生で入ったデータを整理して置いておく場所
うん
これはトランザクションのデータだよ履歴データだよとか
うん
これはなんか商品のマスターテーブルだよとか
うん
生のデータをとりあえず整理したりあとは前処理をしておく
同じようなデータがあったら片方を削っておく
重複を削るとかクレンジングをしてなんか欠損してたら埋めておくとか
はいはいはい
とりあえず整理をして置く場所をデータウェアハウス
だから容量は結構でかいわけだね
でかいでかい
で次にデータマートっていうのがあって
ここを我々データ分析屋さんは使いに行くんだけど
もう使われるデータを置いておく場所
はいはいはいはい
例えば履歴のデータに対して
対して商品のマスターテーブルをくっつけて我々が使うとか
1日単位の履歴データを1ヶ月に集約して置いておくとか
それぞれの使い方に用途によってバラバラだけど
とりあえず使えるデータを置く場所
はい
この3つで整理しましょうっていうのが結構今主流になってる考え方
まあそうだね
でも結構整理されてる
IT系の会社だったら結構そこは切り替わり
切ってる感じはあるんじゃないかなと思うけどね
うん
大きな会社はもうすでに多分こういうデータ基盤のプロがいるから
そうやってデータをちゃんと管理しようっていう仕組みができてるはずで
そうね
しかもなんかちょうどこうクラウドとかにがっつり移行してとかってなると
クラウドサービスを使ったデータ基盤
そのクラウドのプラットフォーム自体がそういう立て付けに沿うように作られてたりもするじゃん
そうそうそういろんな商品製品があるんですよね
そうAWSのS3のパッケージがあってそこの上にとか
Googleも
うん
そういうのがあるんですよね
Googleクラウドストレージの上にビッグクエリがあるから
ビッグクエリで読みに行く間にマートみたいなのを作っておいてとか
っていうのでなんとなくこう基盤を
基盤っていう言葉がなんか今日すげえふわっとするけど
はいはい
作り上げてるクラウドのシステムである程度それが実現されるようにもうなってるような気もする
うん
まさにもう今はこのデータ基盤を作るときはクラウドを使うべしって言われるぐらい
うん
拡張ができるからクラウドのサービスを使うことでどんなデータの容量にも対応できるし
湖をでかくすることができるってことだよね
そうそう
倉庫も増築できるしね
そうなんだよね
だからクラウドの各サービスを組み合わせてデータ基盤作っていくっていう
AmazonのS3はまさにオブジェクトストレージであれはデータレイクにあたる
うんうんうんうん
使い方をすべきもの
GCPのクラウドストレージ化もいわゆるデータレイクとして使うみたいなそういうイメージですね
データレイクって一個の抽象的な概念で
そこに当てはまるサービス製品がいろいろあるよっていうそういうイメージですね
そこをうまく整理してちゃんと言葉を使わないとデータ基盤の人とコミュニケーションするのめちゃ難しくなるみたいな
あーなるほどね
そうそう
勉強になる話じゃない
データ分析屋さん意外とデータ基盤の中身知らない人も多いと思うし僕も知らなかったんで
俺ねなんかめちゃめちゃ調べたなその時
いやなんか普通に仕事で
で基盤の人とかと話す時に最初めっちゃ戸惑ってその時なんか一回全部整理した
大事ですよねこういうタイミングが
まあ困った時にやればいいんだけどね
まあそうね
けどまあ知ってるに越したことはないよね
越したことはないと思う
だしまあ自分たちが使ういわゆるデータマートの部分ってちゃんと整理できてるんだっけっていうチェックも必要だと思ってて
あー
結構ここ怪しくてデータウェアハウスとデータマート混在していて
なんかまだ整理されてないデータを使ってたり
前処理クレンジングできてないデータ
ウェアハウスの状態をそのままデータ分析に回すみたいなケースってあって
で結構非効率的なことをしてるっていう
それはその例えばSQLとかで構造データ触る時に無駄なスキャンをしてしまうような構造になってたりとか
あーそうそうそう
何回も同じような処理を繰り返し
前処理でもできるような
流しちゃってるとか
なるほどね
そうするとじゃあ実行要領もかさ増しされかさ増しして
うん
お金も無駄にかかっちゃう
あーそうそう
っていうことがあり得るから
なんかここのデータ基盤の知識必要だよねっていうのがあったり
はいはい
まああとはあのいわゆるPOC回すタイミングとか
うん
そのまだシステムがちゃんと出来上がってない時って
お客さんからとりあえず生データをもらって
そうね
うん
でその生データを直接データ分析に使うっていうケースもあるんだけど
ゆくゆくはデータ基盤にその生データを入れていくみたいなフェーズができてくるから
そこを意識してどういう前処理をしなきゃいけないんだっけっていうところを
実はデータサイエンティストが入って考えるっていう機会もあったりするんですよ
どうやって使うかを先行して考えておくってことね
そうそうそう
だからなんかどういう風にデータベースこの後作っていけばいいんだっけみたいなとこって
まあ無意識のうちに
無意識のうちに仕事としてやってるけどデータ基盤の人たちに教えてあげたりとか
ナレッジを伝えてあげるみたいな機会があるから
ここって結構大事でできる人できない人いるなと思って
基盤が整った状態で仕事をずっとしてる人には気づけないポイントってことだ
ポイントですね
でもまだまだそんなちゃんとデータ基盤整ってるところってそんなに多いとは言えなくて
まあそういうとこにITコンサルとかが入ってくるんだろうね
そうなんです
だからあの人たちは結構そういうののスペシャリストっちゃスペシャリストだよね
ああそうですね
データスチュワードという職種
ITコンサルというかそういう受託系のデータサイエンティスト
ブレインパッドの人とかめちゃめちゃ詳しい人多いんじゃない
いや多いと思うな
ね受託系はそうだよね
ゼロからの立ち上げプロジェクト立ち上げ一緒に入るとかはあるし
そんな中でデータ基盤の人たちとデータサイエンティスト
つなぐ間に入る仕事ってやっぱり必要だったりするよねって言われてきていて
そうだね
どういうふうにデータを保持しようかとかどう使おうかとか
まさかそれがここがデータスチュワードって言われる人
かっこよくないな響きが
いわゆるミッションなんですよね
架け橋になるような仕事
データブリッジとかの方がいいのかな
ERつけたいでしょ
ブリッジャー
そうそうそう
まあでももうなんかアメリカとかでは普通に職種としてあって
求人もあったりするような仕事で
求人まであるんだ
給料高いのかな
会社によるよね多分そのポジションってさ
そこがいないとマジで全てが崩壊するって経営人が理解してると
多分その子の給料ってめちゃめちゃ高くて
まあどうせ動けばいいからみたいな
エンジニアを前頭にしがちな会社
はい
に行くと
多分安いよね
安いねだからデータリテレラシーどんだけあるか
データのこの基盤をどんだけリッチに
リッチじゃなくてもいいのかな
正しく作るかっていうところに感度が経営者ないと
そこの必要性データスチュアードの必要性を感じないっていうところがあって
データサイエンティストデータアナリストデータスチュアードの給料のバランスとかを見ると
会社の雰囲気がわかって
ああそうかもしれないですね
選びやすいかもしれない
選びやすいかもしれない
はい
そうなんですよ
でも少なからず今後の流れとしてはやっぱデータちゃんと確保して蓄積しようねみたいな
DXしていこうって話あるじゃないですか
じゃあ必要じゃんデータを正しく管理できる人たち
スチュアードって意味を言うとお世話役執事っていう意味があって
スチュアーデスのスチュアード
スチュアーデスは女の意味が強いと思ってたけどそんなことないのか
いやその通りスチュアーデスは
女性に対して言う
フランス語なのかなもしかしたら
そうなんだ
フランス語なのかな
あじゃあスチュアードはむしろ男っぽい男性名詞なのかな
男性名詞
あじゃあ差別やん
いやまあまあね
でももうさあれじゃん看護風とか言わないじゃないですか
だから違うよ
その男性名詞女性名詞があるものをそもそもタイトルにつけるのがダメっていう流れだよね
まあ日本はそうだね
そうそうそうそう
だから看護風じゃなくて看護師にしたのは
うん
性別性をなくすわけじゃん
うんうんうん
スチュアードはだからもしかしたら
無性別なのかもしれない
無性別で使いたいっていう意図でスチュアードに統一なんじゃない
あーなるほどね
うん
じゃあデータスチュアーデスと呼んでもいいわけだ
まあ呼んでもいい
まあでもそこに女性の意を含めてしまうと
なんかあえてそう言われてる差別じゃんって思われたら
もうセクハラや
セクハラ
セクハラです
そうです
えーポリコン
これ
いやそうなんですよ
でまあスチュアードっていう言葉が
これスチュアードっていう仕事があって
あのレストランとかで使われるんですけど
まあホテルとかかな
食器を管理する人たち
うん
あのシルバーを
うん
綺麗にしたりどういう食器を使うかみたいな選んだりする食種があって
その人たちスチュアードって言われていて
へー
そうまさにでもそういう
メインの料理を
作る人たちシェフがデータサイエンティスト的な立ち位置なわけで
食材がデータって考えた時に
それをサポートする料理をサポートしたりよく見せたり
っていう周りを固めるような
へーはいはいはいはい
仕事をする人たちなんですよね
基盤だもんね
基盤
っていうまあなんか意味合い的には似てるかなって
そんな人いるんだ
そう
っていう仕事が
まあでも日本だとまだデータマネージャーとか
そうね
っていう仕事で言われてるし
データプロダクトマネージャー
データエンジニアもそうなのかな
メルカリとかLINEだったらもうデータマネージャーっていう名前で
このデータスチュアードの仕事をしてるっていうのが
へーそうなんだ
言われてるような仕事なんですけど
まあやってる内容は今お伝えしたような
データの周りサポート出自をしている
めちゃめちゃ重要な
重要な役割がありますよっていうところ
今からだからスタートからそこを目指す
データスチュワードの重要性
うん
のもありっちゃありなのか
まあありなんだけど
この本読んだり色々調べてる中で思ったのは
いやむしろデータサイエンティストがデータアナリストを経験した人の方が
めっちゃ価値出せるんじゃないかなと思っていて
先の使い方が分かるから
そういうこと
なるほどね
なんかまだデータ基盤とデータ活用するサイエンティストの間に溝があって
ここのコミュニケーションコストめっちゃあるなっていうのを
日々感じているんで
あるだろうね
これをデータサイエンティストができるようになる
データスチュワードの仕事できるようになると
一気に幅広がるし
なんか今後のキャリアアップにつながるポジションになるんじゃないかな
なるほどね
データスチュワードとキャリアアップ
ビジネス寄りに寄せていく
前なんかプロダクトマネージャーっていう
ロールになんかデータアナリストデータサイエンティスト行くかもみたいな
話をしてたけど
そっちか
うん
よりテック寄りに行くというか
そうだね
テック寄り
そっちはどっちかっていうとビジネス寄りに寄せていくスキルセットだから
データ分析かける事業推進とかになってきたのに
データ分析かけるデータ保守データ管理みたいなところになってくるとまた
見える世界がある
世界がありますね
あー
勉強になるね
いいですね
プロダクトマネージャーなのかデータマネージャー
なのか
もしそのままそっちにたっちゃんが行った場合は完全に俺とこう逆方向で
そうだねビジネス寄りなのかテック寄りなのかみたいなところ
内積取りたい
角度が必要ですね
そう
内角が
最大化できる
はい
っていう
まあ今日はねこういうデータスチュワードっていう仕事があって
データサイエンティストのアナリストの今後のパスとしては
いいね
ちょっと面白い
一個選択肢になるんじゃないかなってところの紹介になりましたと
じゃあもしそれで面白くなってハマって
僕スチュワードになる
ってなったら
はいはい
宣言して
宣言しましょうか
僕スチュワードになる
わかりました
そうですね
じゃあちょっと
今後のキャリアの一個選択肢として僕もちょっと取り入れて
もうちょっと調べていきたいな
そうです
はいお願いします
お願いします
はい
ちょっとねじゃあ
前回なんかツイッターのコメント
Xのコメント
ありがてえなっていう話を
した
ところから
まあ逆にグーグルのフォームでも
コメントいただいてますというので
俺結構びっくりしたコメントがあったので
一個紹介していきたいと思います
コアカーネーム
○○さんからいただきました
いつも楽しく拝聴しております
私立大学で会計の教員をしているものです
どえらい人が聞いてるじゃん
第37回のベイズ推定で紹介されていた
第37回のベイズ推定で紹介されていた
在地先生ですが
以前は富山県警の科学捜査研究所に在籍していましたが
2020年から
目白大学心理学部に
転じられました
えー近いな
東京だよね目白大学
手袋の近くですね
警察でも心理での採用があります
心理学では
統計学を使うので数少ないですが
統計に通じた専門家がいらっしゃいます
私は会計学の一部に
会計学の一部に
監査論という分野があり
その教育や研究をしています
会計学と不正は大きなテーマです
私の研究過程で在地先生とは
若干やりとりをしたことがあります
えー
私自身は完全な文系で
データサイエンスの知識乏しいですが
犯罪不正行為の特定や
そうした行為の防止に
データサイエンスは役立つと思います
いきなりの長文の連絡となり恐縮です
これからもポッドキャストで勉強させていただきます
ありがとうございます
おーすごー
大学の先生が聞いてんだってよ
恐縮ですね
恐縮を得つ至極みたいな
やつだ
これでも結構ね
あんまりなんか評判としては
出てこなかったけど
個人的には結構好きな会ではあった
警察会
ベース推定って難しい概念だけど
結構
具体例を交えると分かりやすくて
勉強になりましたよね
これはね面白かったから
そこに食いついてくれたのは
すごいですね
前回のさエピソードでさ
広まってくれたらいいなーみたいな話はしたけど
ポッドキャストの業界浸透
実際こういう人に届いてんだったら
別に伸びなくてもいいんじゃねーかなって思う部分もあるよね
だから一般受けじゃなくて
ポッドキャストだし
はいはい
そうですね
ありがたいですねこういうコメント
こういう立場の方からいただけるっていうのは
教員だってよ
すごいな
俺もだから大学教員って外で言ってるとき
こんぐらいすげーやつだと思われてるわけよ
もっと言おう
まあ言うと同じくらい
キャラも出来上がっちゃってるから
そうだよね
なんか真面目そうな人だもんね
ねーすごい
まるまるさん
まるまるさんっていう名前だからね
いやでもいいんじゃない
だからこれで
2024年はちょっと業界浸透っていうところも
考えてるので
今ねデータ利活用
しまくってる会社
の人
結構声かけさせてもらってまして
出演依頼
新年ね
それこそ4月までの間は
結構面白いゲスト
データ利活用とタイアップ
ちゃんと会社とのタイアップみたいな感じで
見せれる内容が
多いんじゃないかなと
それは嬉しいですね
そうするとデータ活用してる会社の人とかにも
また聞いてもらえたら嬉しいし
その会社に
データ目線で興味を持つ
っていうきっかけになったらいいし
みたいな感じで
もうね
ポッドキャスト
あいいよ全然出るよみたいな感じで
有名なところいくつか
言ってくれてるんで
現場のデータ分析屋さんが
出てくれると
それは熱いっすね
そうするとどうやってデータ使ってるかみたいなのを
僕ら目線以外の
ところからやれるから
ぜひ楽しみにしてほしいですね
実際OKだよって言ってくれてるのだと
サンサン
おー名刺管理の
そう
すごい
この間ミーティングしてきました
おー
あとは日程調整をちょっと新年にして
楽しみだな
出てもらいたいなと
サンサンは本当にデータ活用
すごいうまくいってる会社だなっていう印象もあるし
本当だよね
国内のデータ分析コンペとかも企画していて
あそうなんだ
そうそうそう
あの結構今ね
データサイエンティストからのさ
支持強いよね
強い
サンサンって
国内のデータ優秀な本当に
すごいデータサイエンティストとかが
ガーッと集まるような
ねえよ
激アツコンペとかをやって
イベントやってるような
それを
いいですね
呼びます
楽しみにしてます
あとは
これね
俺結構楽しみにしてるんだけど
ボイシーね
ボイシー
あでそうだ
多分このエピソード公開されてる時には
ボイシーでも聞けるようになってます
おー
広がった
この番組
はい
ボイシーね
もともと
俺ボイシー聞いて音声いいなって
ポッドキャストと同時期ぐらいに思ってたから
で
でも
castも一時期とか倍率
何倍だっけな
100倍とかじゃ聞かないぐらい
なんかちゃんと
ボイシー側から認められた人しか配信できんみたいな
ちょっとプレミア感のある
誰でもできるわけじゃないんだよね
ボイシーはね
ポッドキャストより敷居の高いというか
配信側としては
でそれで宇宙話も結構
序盤に声かけてもらって
もう3年ぐらい配信してんのかな
ってなってんだけど
今回ね
隣のデータ分析屋さんも
ご連絡いただきまして
ありがとうございます
ボイシーで配信させていただくことになりました
でその流れで
ボイシーの俺
クリエイターページめちゃめちゃ好きなのよ
アナリティクスのページがあって
正直
スポティファイ4ポッドキャスター
ダンチ
ダンチで良い
そうなんですね
何が見れるんですか
なんか違うのが見れるんですか
そのボイシー特有の
ボイシーの
中だけの分析の結果
っていうのが見れて
でどうやってフォロワー数が伸びてとか
っていう
ダッシュボードがクリエイターごとに
全部用意されてる
っていうそのダッシュボード作ってるツールも
俺前の仕事で触ったことあったりして
ちょっとね
ボイシーのデータめちゃめちゃ好きだから
それを
使ってクリエイターとどういう
コミュニケーションを取ってるのかみたいな話を
ボイシーの人にはしてもらおうかなって
めっちゃじゃあデータ活用進んでますね
そうそうそうそう
ていうので結構ここら辺の話は
1,2ヶ月の間に
ガンガンと出していく予定なんで
ちょっと楽しみにしておいていただけたらと
狭く深く
突き刺していきましょう
はいということでそんな感じですかね
はい次回
次回はその予言の回でも話したけど
音楽データ伸びるなっていう
擦ろうと
擦ります
PDCAを回していくので
次回は
2022年2023年の
スポティファイのトレンドから見る
音楽業界の流行り
とヒットの法則みたいな
前回は
夜遊びに注目したけど
今回はなんか固定のアーティスト
いくつかピックアップしながら
スポティファイっていうプラットフォームで
どうやって伸びていくかみたいな
そんな話をちょっとしていこうかなと思ってますんで
ぜひ楽しみにしておいてください
はい
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
番組の感想や質問は
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
コメントを寄せください
それじゃあまた
バイバーイ
