00:03
ということで、今回はデータアナリストとデータサイエンティストの違いなんていうのはほとんどない、
全部一緒の仕事だっていう話をさせてもらったんですけど、
違いますね。しっかり違いありましたよ。
しっかり違う話を今回はさせてもらったと。
実際に僕がデータサイエンティストもデータアナリストもやったことあって、
で、たっちゃんがデータサイエンティストっていう立場で、
業務内容こんな感じだから、データサイエンティストとデータアナリスト、
こんな違いあるよねっていう話を今回深掘りしていってるので、
ぜひ最後まで聞いていただけたら嬉しいです。
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。
今日はこれも根本的な話として、
データサイエンティストとデータアナリストって何が違うのかっていうところを話していこうかなと。
それは興味ありますね。
俺ちなみにこれまでにデータサイエンティストもデータアナリストもやってるから、
今回は俺がいろいろ話していこうかなと。
なるほど。じゃあ一回どっちの経歴おさらいしてもらっていいですか?
経歴で言うと、まず大学からそのまま大学院まで行って、
基本的にずっと天文の研究をやってて、
で、大学院も修士行って博士まで行って、
で、ドクター取ってっていうところになってて、
それの間に人工衛星のデータの分析とか運用とかをずっとやって、
NASAとか理研とか行ってみたいな。
NASA行ってんすもんね。
そうね。僕一生自慢するからね。
で、そっから研究者になるかならないかみたいな。
ところ悩んだ結果、研究者にはならず、自分には才能がないと。
でなって、じゃあ普通に就職するのどうしようかなみたいになって、
データサイエンティストとして、コンサルの会社とか、
コンサルの会社と通信会社がやってる合同会社、
公弁会社みたいなところに入って、データサイエンティストやって、
で、今の会社にプロダクトマネージャー兼データアナリスト
みたいな形で転職してるっていうところになるから、
データ分析のバックグラウンドはずっとあるけど、
一応研究者やってデータサイエンスやってデータアナリストみたいな、
そんな経歴で進んできてる。
じゃあまさにどちらのもデータサイエンティストもデータアナリスト、
どちらも経験してるからこそ、その違いだったりとか、
面白さとか、難しさとかっていうところも、
経験絡みで話していけるってことなんですね。
それはめちゃめちゃ興味ありますね。
03:01
しかも新卒でデータサイエンティストになったみたいな感じっていうよりは、
両方とも転職市場にちゃんと自分で身を置いて、
転職っていう形でデータサイエンティストにもなって、
データアナリストっていう形にもなってるから、
そこの新卒からどうすればいいのっていう話よりは、
どっちかっていうと転職でデータアナリストってどういう感じなのかとか、
転職でデータサイエンティストってどんな感じなのかみたいな、
そういうところをちょっとさらっていければいいかなっていうのが今回。
なるほどですね。
じゃあもう根本先に聞いていいですか。
データサイエンティストとデータアナリストって、
そもそも何が違うかってところだけ先に教えてほしいんですけど。
これもちろんめちゃめちゃオーバーラップする部分はあるんだけど、
基本的にはビジネスサイドとの距離感かなって思ってるんだよね。
ビジネスサイド?
データアナリストの方がビジネスデベロップメントって呼ばれるような、
事業推進とかやる人とかっていうような事業に対して、
直接的なフィードバックを与えてくれるような、
人たちの存在がデータアナリストって言われるような部類になることが多くて、
世の中一般的にデータサイエンティストっていう募集がかかってるものに関しては、
AIのモデルを作ってサービスを一段階良くしてくれるみたいな、
っていうところの期待値が大きいのがデータサイエンティストって呼ばれるような、
大きく分けるとそんな2分の仕方ができる。
なるほど。
けど正直両方やってみて、
ここのデータサイエンティストっていう縁があって、
データアナリストっていう縁があったら、
半分ぐらいは被ってる。
もう仕事の内容が被ってくるってことですね。
そうなんですね。
もちろん会社とか、会社の種類とか、
データサイエンティストの中でも、
お客さんを相手にするような仕事と、
会社の中でいろんなサービスにAIを導入していくっていうような、
データサイエンティストとかもいるから、
一概には言えないんだけど、
結構被ってる部分は多いかな。
でも何か無理やり分けるとしたら、
ビジネスとの距離感。
なるほどですね。
じゃあ一つずつ詳しく話していきましょうか。
まずデータサイエンティストって何なのかみたいなところから、
どういう仕事があるかとか、
具体的な話を交えながら聞いていきたいんですけど。
なんか受託の会社だからあんま詳しくは言えないんだけど、
けど公表されてるようなところで言うと、
それこそKDDIとAccentureで作ってる会社だから、
KDDIのマーケティングをAIで支援するとか、
06:03
経営方針を決めるのの意思決定をデータ分析と、
データサイエンスで出たスコアとかを使って、
いろいろコンサルティングしていくみたいな仕事が多かったりとか、
っていうのがデータサイエンスっぽい部分。
モデル作って、最初やらせてもらった業務とかは、
マシンラーニングとかディープラーニングのモデルを
チューニングしていくみたいな。
じゃあそこで出てくる精度を上げるために、
モデルを少しずつパラメーターいじっていったりとか、
そういう作業の地道な繰り返しをやっていくみたいな、
そんなことをやるってことなんですかね。
今まで自分で全部組んでやってたから、
これが社会かみたいな。
結構でかいデータだから、
1個何か例えば特徴量って呼ばれる、
もうそんな男とか女とか、
そういうのはもともと入ってるんだけど、
これ入れたら精度上がるんじゃないの?みたいなやつを入れてみて、
回し直すのにも、もう要を明かさなきゃいけないとか、
っていうのになるから、
そこを何を入れるかみたいな仮説出しとか、
っていうところはちゃんと緻密にやっていかないと
ダメだみたいなのを業務の中で知ったりとか、
なるほどですね。
泥臭くて動かせばいいみたいなところから、
もうちょっとROIが高くなるみたいな、
投資した時間に対してどれだけの成果を上げれるかを、
ちゃんと仮説出しして、
こういう筋が良さそうなものを追加して、
どうなっていくんだろうみたいなのを話し合わせてもらったりとかして、
データ分析の中でも、
どういうデータ扱ったらいいんだろうねとか、
データを扱うにしても優先順位を決めていったりとか、
コスパいいというか、
短い時間で結果出るように、
どんどん頭を使って考えていくみたいな。
頭たい人だからさ。
ずっと自然科学の研究をやってた身からすると、
別に向こうの捉えられ方なんか正直どうでもいいみたいな、
ところでやってたところからの違いはでかかった。
どう見せればいいかとか。
なるほど、そこもデータサイエンティストの仕事の一つなんですか。
出てきたデータ分析の結果を、
どう表現するかというところがあるかなと思うんですけど。
業務としてはあった。
プレゼンの資料を作るみたいな。
なるほど、そういうとこコンサルの人上手そうですよね。
そうなんで上手いんだよ。
しかもその文化を染み付かせるのに苦労したのもあって、
結構世の中で言われているデータサイエンティストよりは、
その時点でビジネス寄りの部分は多かった気はする。
確かにそうですね。
09:00
データサイエンティストとして動くときって、
あんまりお客さん対お客さんとかってないでしょ。
僕新卒で入社して、今ちょうど3年目終わるんですけど、
直接お客さんに話したことは多分ね、
1回とか2回本当にあったかないかぐらいのレベルですね。
基本的に社内のビジネス側の人たち、
ビジネスサイドって言われる人にできた資料を
プレゼンしたりはあるんですけど、
その先にいるのは結局お客さんじゃないですか。
その人たちに話すってことはほぼなくて。
そんな仕事をしてますね。
それで言うとデータサイエンティスト経験したと言いつつ、
割とビジネス寄りの話が多かったのが
データサイエンティストとしての業務内容。
データアナリストは最初言ったみたいに、
よりビジネスに近いみたいなところだから、
逆に言うと高度なAIの知識とか、
マシンラーニングを組み込めますみたいなところの
素養っていうのはむしろあんまり求められなくて、
できるに越したことはないんだけど。
そこじゃなくて、もっと基礎的な分析。
それこそスキルで言うとSQLとか
って言われるデータベースを処理するような
能力が必要で、そこからそれを触って
例えばこの時期にものすごい人が辞めてるとか、
この時期にサービスから離脱した人が多いとか
そういうようなのを出した上で、
ここに対策を打った方がいいとか、
あとはそのデータが出る理由って、
例えば4月とかにそういう時期性があるってなったら、
やっぱ生活スタイルが変わるときに
人って流れるっぽいから、
それに対する対策を打った方がいいんじゃないですか、
みたいな結構サービス使ってる人を
めちゃめちゃリアルに想像して、
どういう改善策を打ったらいいかみたいな
対策とか試作の提案までするみたいなところが
データアナリストの仕事に近くなってくる。
じゃあちょっとデータをメタ的に見るというか、
俯瞰して、そのデータって何を表してるんだろうね
みたいなところをちょっと考えたり、
仮説を立ててみるとか、
いくつか仮説が立って、
筋がいるのなんだろうねみたいなところを
考えるってところがメインの仕事だったりするんですかね。
データの質がどうかっていうのは、
データアナリストの方が一人一人のユーザーを
めっちゃ細かく見たりもするから、
そうなったときに、あれここのデータなんか変だよな
みたいなところを見つける機会はもしかしたら
データアナリストの方が多いかもしれない。
そういうことですね、なるほど。
じゃあデータサイエンスティックもそこの部分
ちょっとはやるんだけど、結構上流なのかな。
データがあったときに、よくデータサイエンスティック
12:00
EDAっていって、データを事前に
情報みたいのを色々な分析をしていく作業があるんだけど、
そこの部分をデータアナリストは結構メインで
やってるのかなっていう風に今思いましたね。
そこで得られた情報をAIに落とし込んでいくとか
っていう作業はデータサイエンスティックが
その後やっていくとかっていう
そんな繋がりなのかなっていう風に思いますね。
データアナリストは結構ブレインになる感じ。
データサイエンスを推進していく人たちの脳みそになるみたいなイメージで
データサイエンスはそのビジネスの人が使う
飛び道具を作ってるようなイメージ。
データとビジネスをちょっと繋ぐ重要な役割みたいな
ポジションになるってことですね、データアナリストが。
だからさっき経歴の話をしたときに
今データアナリストっていうだけじゃなくて
プロダクトマネージャーっていうのがやってて
プロダクトの開発をする。
例えばアプリがあったら
それの中の一つの機能を
仕様書から作って
それをどういう風に実装するかみたいなところを
エンジニアとデザイナーとみたいなのを
呼んで仕様を作ってリリースする
みたいなのをやる仕事がプロダクトマネージャーなんだけど
どんな機能を追加するか
機能を新しく追加するってことは
何か解決したい課題とか
今足りないものがあるっていうのは
データ分析をしないと分かんない。
この機能全然使われてないから
落としておくねとか
逆にここめっちゃ使ってるはずなのに
あんまり性能出てないっぽいよね。
なのはデータ分析をしないと
その課題は見つけられなくて
だからデータアナリストと
プロダクトマネージャーを両方できるようになったことによって
もうちょっと
広くユーザーを知れるし
データからも語れるし
なるほど
っていうのを今両輪でやろうとしてるみたいな
どんどんデータを扱える
自分の領域が広がっていってるみたいな
キャリアを積むように連れて
っていう状態なんですかね
いきなりそんな
両輪ビジネスもデータ分析も両輪してくって
難しいのかなと思うんですけど
どういう風に学生の時
学生はこれから目指していけばいいんですか
学生からのあれだと
データを見る力と
ビジネスを見る力と
両面あるって話をしたから
どっちかの素養があれば学生から社会人になるときに
ここはいけるかなと思って
ビジネスの方ってどうしても
経験が物を言うところっぽく見えるんだけど
ここを仮説検証がちゃんとできるみたいな
例えばコンビニの売り上げを上げたい
15:05
いつどんなものを
仕入れればいいかみたいなので
どういう要因が考えられますか
みたいになった時に
そのリッチってどんな感じですかって聞けるかとか
あとはいつが売れ残りが多くてとか
客層ってどんな感じですかみたいな深掘りして
客層女の人多いんだったら
あんまこんなガッツリしたものを置いておいてもダメじゃないですか
みたいなところを自分で順調立てて考えられる
みたいなところが多分素養として出る
ビジネススキルみたいなところ
もちろん経験があるに越したことはないんだけど
そういうのもあって
それかもうデータベース触りまくれますみたいな
SQLはなんなくこなせます
それのできれば
誰かにその結果を伝えたっていうところまでの実績が欲しい
というので面接とかで聞かれた時に
どんなデータ分析の経験ありますかって言われたら
これ両方セットで語れるじゃん
こういうデータがあって
こういう課題解決しないとって言われてたんです
なので僕はこうやって考えて
こういう仮説のもとデータ出したら
こういう性の相関が見えたので
ここに筋がいいと思って
こういうのを提案しました
っていうのがあると
アナリストとしてはいいねみたいな
なるほど
ビジネスかデータ分析
どちらかの経験を学生のうちに積んでいたりとか
そこの素養のレベルを上げていくみたいなところが
一つあるとその業界に入っていきやすいというか
そんな気がするね
逆に転職して入っていく人
どう目指していけばいいんですか
アナリスト
むずいね
会社にもよると思うんだけど
アナリストとして求められている能力が
最近多分めっちゃ上がってる
どっち側に上がってるんですか
ビジネスの方なのか分析の方なのか
ビジネスの方が多分強くて
SQLとかって
能力限られた
できること限られてるじゃん
覚える行動ってほとんど決まってますからね
あれってもう3ヶ月半年すれば
ある程度は分かるじゃん
誰でもできると思いますよね
あとはあれをどうパズルのように
組み立てていくかみたいな話になってきて
だから分析能力って伸ばすの結構限界あるんだよね
なるほど
これはPythonの方に広げていくとか
いろいろ方法あるんだけど
分析の方法は一定の範囲で見れるし
そんなに高度な分析って
実際に必要な場面ってそんなになくて
確かに
そうですね
能力がある人が実力を誇示しようとして
難しいことをやろうとしたりするって
失敗例をよく本とかにも書いてあるんだけど
18:02
そういうのもあるぐらい
とにかく知りたいことをどれだけ整理して
それをデータっていう形のアウトプットを出せるか
ところになってくるから
多分アナリストとして
転職先をどんどんしっかりと踏んでいけるみたいなのは
事業推進ビジネスデベロップメントとか
そういったところの能力値が上がっていく方が
なるほど
転職はしやすい気がする
じゃあもともとそういうビジネス寄りの
仕事をしている事業の企画とか
やってるような人たちが
逆にデータの分析を少し勉強して
データアナリストとして転職するっていうパターンも
全然あり得ると
全然あり得る
むしろ歓迎されるんじゃないかな
前にオンラインスクールの講師をやってたことがあって
3ヶ月とか半年間
メンターとしてオンラインで
コードの使い方とか
Pythonの使い方を教えるみたいなことをやってたんですけど
定期的に受講者の人
スクール通ってる人と面談して
今度転職考えてるんですよねとか
データ分析やりたいんですけど
そういう経験なくてっていう話を聞いていたんですけど
きっとそういうデータ分析経験ない人でも
ちょっとSQL触れたりとか
っていうのをオンラインスクールで勉強して
コンサルティングだったりとか
そういうビジネスをしっかりやってた人っていうのは
これからどんどんデータアナリストとか
データの界隈に転職していける可能性が
どんどん広がってるってことですよね
そうだと思う
それ結構嬉しいんじゃないですかね
でもただ本当にデータできるんだったら
いくらビジネス側の仕事を継いでても
触ろうと思えるデータはいくらでもあって
そこで前向きに
実務を積みに行く前のめり感があるかみたいな
なるほど
のがあれば全然問題ないような気がする
そうなんですね
やっぱね
机上の空論じゃないけど
SQL触れますみたいな
どんな感じでできるんですか
みたいな言った時に
基本的にはコマンドとかも分かるんで
大体データ言ってくれたら分かると思います
みたいなのは落ちる
受けが良くない
じゃなくてだって別に
例えばマーケティングやってる人とか
もうマーケティングツールに絶対
分析ツールって絶対入ってるし
わざわざアナリストに頼まなくても
マーケティングの人もちょっと素養があればできる
確かにExcelとかでも全然できるレベルですもんね
だからそういうところで
ちゃんとこう自分で拾える範囲は拾っていく
みたいなところをやっておくのが
多分一番転職の時の面接のエピソードとしては
なるほどこんな経験があったという
一つの話になるってことなんですね
そうだと思う
それは確かにそうかもしれないですね
21:01
実際に仕事で求められるところって
そういうちょっと考えたところだったりとか
工夫したみたいな話ですもんね
今しかもAIがめちゃめちゃ伸びてきてるじゃん
そうですね
AIめちゃめちゃ伸びてきて
多分SQLってもうスキルとして
必要なくなるのは目に見えてて
自動でデータ抽出とかできちゃうことが
あり得るってことですもんね
パズルだからあれは
パズルだからカラムの情報を
データのこの行この列はこれを表してる
これを表してるっていうのを
例えばチャットGPTとかに渡すと
もう別に順序立てて
出力の結果までちゃんと想像できてるんだったら
ここはもうAIが勝手にやってくれるから
確かに確かに
どういう出力が欲しいのか
でその出力があるから
こういうサービス改善ができる
とかっていうここってまだ
独創性が必要になってくる部分
確かに確かに
そこをビジネスにどうつなげるかって話ですよね
だからさっき言ったみたいに
SQLのスキルは別にそんなにいらない
もちろんないと
合ってるか間違ってるか判断できないから
あるけど
っていうのはあるから
なるべく独創性が求められる部分を
どう紡いでいくか
なるほど
じゃあ今後の未来のデータサイエンティストとか
データエンジニアって
それ自体も存在意義としてなくなってくんじゃないかな
と思っちゃったんですけど
それは残り続けるんですか
いやそう残り続ける部分は絶対あって
データアナリストでいうところの
さっきの課題を見つけてきて
どこが筋いいかみたいな
そういうところの
仕立てとかっていうのはやっぱなかなか
人間の感性というか
どっちかというとちょっとアーティスティックな部分でも
あったりするから
センスとか言われたりするから
だからそこと
あとはそれをどうサービス改善につなげていくかみたいな
AIああいうそれこそチャットGPTとかみたいなのって
もうとにかく世界中のネットにある膨大な量を取ってきて
それの一番最適なところを返してくれるものじゃん
ってなってくるから
もし世の中全部のサービスをああいうAIに作らせたら
みんな同じとこに収束していくみたいなことになりかねない
なるほど
ってなってくるとやっぱ使い手は人だし
面白いと思うところに
どれだけの感どころを合わせていけるかみたいな
データサイエンティストの方は
俺が実はデータサイエンスとかAIの勉強し始めたのって
もうAIに仕事を取られるって
もう5年前ぐらいから言われてたから
作る側に回りゃ奪われないじゃんと思って
マシンラーニングとかディープラーニングの勉強し始めたのがきっかけだったから
24:01
その意味合いで言うと
とにかくそいつを作る側に回るとか
あとはあれだけチャットGPTみたいな超最強のやつが出てきたときに
このチャットGPTをファインチューニングって言って
自分たちが欲しいやつにちょっと改変して
いろんなモデルを読んでるんだけど
いろんな情報を読んできてるんだけど
自分たちが欲しいデータをさらに読み込ませて
自分たちが使いやすい形まできれいに落としてあげるみたいな
例えば写真与えたらこの写真で一言で笑いが取れるみたいな
ただ読み込ませるやつがつまんなかったらつまんない大喜利AIができるみたいな
なるほど
っていうのも全然あり得る
そっかそっか使い方次第なんですね
このAI自体をどう変えていくかとか
使いやすく便利にしていくかみたいなのが胸の見せ所だったりするのか
ようやくわかりましたね
データアナリストって聞いたことあるけど
会社にもいるけど何してる人なんだろうっていうのがあったんで
どっちの話も聞けて
距離感的な問題かな
事業サイドとの
そうですねビジネスどれくらいやってるかとか
何が求められるかとかそんな気がする
面白かったっすね
ありがとうございます
まとめていきましょうか
今回はデータサイエンティストとデータアナリストの違いみたいなところを
テーマとして話して
データサイエンティストの経験から
データサイエンティストはどっちかというと
飛び道具を作るみたいな
データアナリストは
それを使ったり
ビジネス側がどう動くかっていう
ブレインになるみたいな
ところで
お互い長所を組み合わせていって
最終的には
事業にどう活用していくかみたいなところが
決まってくる
というので
将来的にはもしかしたらそこの違いっていうのが
どんどんなくなってきたり
より特徴を出していかなきゃいけない部分が
出てくるんじゃないかなみたいな
そんな話が今日のまとめですかね
いや面白かったです
隣のデータ分析屋さん
今回も面白いなと思ったら
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も
感想をお寄せいただけたら嬉しいです
それではまたお会いしましょう
さよならバイバイ
