SlideShare ist ein Scribd-Unternehmen logo
1 von 40
Downloaden Sie, um offline zu lesen
AI&
データサイエンス
入門
超訳版
2019.12.16
目次
● AIブームの流れ

● AI用語などの整理

● データサイエンティストとは?

● データ分析やAIが使われている実例

● 実務での職種や業務内容

AIブームの流れ
AIブームの流れ1
現在のAIブームは、次のような流れで起こっている。



2006年 ディープラーニングが発明、実装される

2012年 画像認識で人間の能力を上回る精度となる(ブレイクスルー)

2016年 GoogleのAI「アルファ碁」が、プロ棋士に勝利する



こんな感じで、ビジネス利用でも注目を集め始める。

AIブームの流れ2
Google(GCP)、Amazon(AWS)、IBM、Microsoft(Azure)、Facebook、Appleなどで、ビジネ
ス利用のプラットフォーム(クラウドというサービス)でのAIが整えられ始める。





日本企業ではメルカリ、リクルート、Yahoo!Japan、ABEJA(アベジャ)、データアーティスト
などが、トップランナーとしてAI活用を進めている。







AIブームの流れ3
プラットフォームと
は?
「プラットフォーム」は基盤や土台、環境の
意味。ビジネスで使う「プラットフォーム戦
略」は、ユーザーやメーカーがその場所の
上でビジネスを行い、その利用料や手数料
などで収益を上げるビジネスモデルのこ
と。たとえば、AppleのiOS上のさまざまな
アプリ(外部メーカー開発)、Amazonの
EC(外部のさまざまな店舗)や各種Web
サービス、Yahoo! japanのECやヤフオク
(外部店舗や一般ユーザー)などの各サー
ビスやアプリなどの各社が作っている独自
の経済圏とも言える。

画像引用元:https://aty800.com/highest-goal/it-impact/platforms-disturbance.html
AIブームの流れ4
クラウドとは?
インターネットを利用して、デジタルで便
利なサービスを提供するもの。
インターネットを表すシンボルに、2000
年ごろから「雲(クラウド)」を使うことが多
かったから。
(異説あり)



現在は「第3次
ブーム」と言わ
れている。
ディープラーニ
ングとビッグ
データ(Webサー
ビス拡大、スマホ普
及)で、大きな流
れになってい
る。
AIブームの流れ5
画像引用元:https://www.itmedia.co.jp/enterprise/articles/1905/10/news003.html

AI用語などの整理
AI用語の関係性
画像引用元:https://team-ml.connpass.com/event/155319/

(人工知能のこと)

現在のAIレベル
画像引用元:https://team-ml.connpass.com/event/155319/

LV3からが、今
の時期に、「AI」
と言っているレ
ベル。
AIの4つのレベルの例え
画像引用元:https://team-ml.connpass.com/event/155319/

データサイエンティスト
とは?
データサイエンティストとは?
ぶっちゃけ、まだふわっふわ。(2019年12月現在)
データサイエンス業界、データ分析、Web系、ITサービス業界内でも、
スタンダードが明確ではなく、企業ごとでも、あいまいな立場です。
ふわふわで、
おいしそう!
データサイエンティスト協会とは?
https://www.datascientist.or.jp/

「一般社団法人 データサイエンティスト協会」とは、この分野でスキルと権威がある人
たちが、スキル・知識を定義し、育成のカリキュラム作成、評価制度の構築など、高度
IT人材の育成と業界の健全な発展への貢献、啓蒙活動を行っている。個人でも無料会
員になれ、セミナー情報とかメルマガも読める。

他にも、えらい肩書きの理事が多数いる。
データサイエンティスト協会の定義
「データサイエンティスト」を、次のように3つの分野と4つのスキルレベルで分けて定義しているものをかみ砕いた内
容。



3つの分野

 「ビジネス力」

=市場、産業、社会へのインパクトやコンソーシアムや価値連鎖を生み出す。

 「データサイエンス力」

=数学、データ分析、予測や可視化、機械学習、画像や言語処理。

 「データエンジニアリング力」

=データ基盤構築、データ収集や加工と共有、プログラミング。



4つのレベル分け

● 業界を代表するレベル 

● 棟梁レベル

● 独り立ちレベル

● 見習いレベル
 定義および求められるスキルレベルは、こちらを参照。

https://www.datascientist.or.jp/common/docs/skillcheck_ver3.00.pdf



データサイエンティスト協会の定義 の訂正
データサイエンティスト協会の定義を、社会的に正しく、分かりやすくした内容。 



3つの分野

「ビジネス力」

=社会や自然環境のためになる事業を行う意志と実行力、収支管理力。

「データサイエンス力」

=数学、データ分析、予測や可視化、機械学習、画像や言語処理。

「データエンジニアリング力」

=データ基盤構築、データ収集や加工と共有、プログラミング。



4つのレベル分け

● 業界を代表するレベル 

● 棟梁レベル

● 独り立ちレベル

● 見習いレベル

定義および求められるスキルレベルは、こちらを参照。

https://www.datascientist.or.jp/common/docs/skillcheck_ver3.00.pdf



ビジネス力とは、こういうことだ!
さらに定量だけではなく、定性を見る力も必要!
データサイエンスとビジネス
企業は社会の公器



 by 松下幸之助(パナソニック創業者) 



【研究報告】企業は社会の公器―これからの社会をつくる企業経営とは

https://thinktank.php.co.jp/policy/4976





「ビジネス」の定義を間違っていると、

AIビジネスや、データサイエンス活用は失敗する
データサイエンスの現場は
どうなのか?
データサイエンスの現実はどうなのか?
画像引用元:https://www.amazon.co.jp/dp/4046044349/

[図解]大学4年間のデータサイエ
ンスが10時間でざっと学べる
2019年9月13日発行
久野 遼平 (著), 木脇 太一 (著)
ほんとに、ざっくりわかる!
中盤はエンジニアリングや
数学がちょっと難解かも。
データサイエンスの現実はどうなのか?
画像引用元:https://www.amazon.co.jp/dp/429710881X

図解即戦力-ビッグデータ分析の
システムと開発がこれ1冊でしっ
かりわかる教科書
2019年11月20日発行
渡部徹太郎 (著)
ビジネスにおいて、
現実にかなり近くて、
わかりやすい!
データサイエンス(データ分析)の超基本
前提整理として、「何をやるか」から仮説
(あるいは目標)を定め、データ収集、
データ分析、分析を元にした施策の実
施、フィードバックの流れを行う。
Webサービスやアプリの場合は、これを
繰り返して改善していく。
基本的には、PDCAやグロースハックな
どと同じ考え方。
今の現場に近いデータサイエンスの体制
現状では、データ分析体
制で、ビジネス、サイエン
ス、エンジニアリングが分
業になっている場合が多
いと思われる。
「データビジネス」の役割
が、課題抽出やリソース、
スケジュールなどの立案、
具体化などを行う。
データサイエンティスト協会の定義する3つのスキルを、一定レベル
で発揮している人材は、超レア。まず、分業が普通。 

データの可視化
データについてのリテラ
シーは、サイエンティス
ト、エンジニアが強く。そ
の次に、アナリストや
マーケッターで、ちょっと
ビジネス寄りの立ち位置
の人になる。
部長や事業オーナーや
経営者になると低くな
る。そのため、BIツール
などで可視化が必要。
データ分析やAIが
使われている事例
データ分析やAIが使われている事例1
画像引用元:https://www.amazon.co.jp/dp/4822237532

データサイエンティストの舞台
裏(日経BPムック)
2016年7月2日発行
日経情報ストラテジー 編集
こちらから、いくつか事例を引用。
データ分析やAIが使われている事例2
データ分析やAIが使われている事例3
データ分析やAIが使われている事例4
データ分析やAIが使われている事例5
人工知能の全貌に迫る!人工知能の活用事例10選(2015.08.10)

https://abejainc.com/o2o/leading-edge-technology/ai-leading-edge-technology/deepleaning/post-10262/
NTTデータ AIの活用事例

https://www.nttdata.com/jp/ja/services/ai/004/



AI(人工知能)導入活用事例8選!企画から実用化のフローまで網羅(2019.03.20)

https://ledge.ai/ledge-examples-detail/



ブレインパッド 人工知能(AI)の導入事例・実績

https://ai.brainpad.co.jp/case-study/



アイスマイリー 業態業種別-AIの導入活用事例-

https://ai-products.net/category/case-study/



とりあえず、なんかいろいろ
事例がある。



...成果のほどは?

実務での
職種や業務内容
実務での職務や業務内容
まだ、業界的に職種がふわっとしてますが、実務でだいたいこの職種はこんな感じのことして
るだろうという程度で、まとめてます。



● データサイエンティスト

● データアナリスト

● 統計アナリスト

● 機械学習エンジニア(マシンラーニングエンジニア)

● データエンジニア(データ分析基盤エンジニア)

● AIエンジニア

● Webアナリスト

● グロースハッカー

2019年12月現在では、この職種をデータ分野の採用応募でよく見ますが、採用側も、応募側もお互いに
分からない手探りでやってる感じ。





一般レベルで、このくらいのスキルないと名乗れないと思われる。



「ビジネス力」(プロダクトマネージャー、プロデューサー経験)

=社会や自然環境のためになる事業を行う意志と実行力、収支管理力。



「データサイエンス力」(高等数学や力学、機械学習モデルで高精度がつくれる実務経験)

=数学、データ分析、予測や可視化、機械学習、深層学習。



「データエンジニアリング力」(DB、DWH、ビッグデータ処理、データ基盤構築、運用経験)

=データ収集や加工と共有の基盤、プログラミング、ネットワーク、セキュリティ。

データサイエンティスト
2019年12月現在では、この職種もデータ分野の採用応募でよく見ますね。データサイエンティストよりも、
まだスキルセットが現実的で分かりやすいです。





一般レベルで、このくらいのスキルかなと思われる。



「ビジネス力」(ディレクター経験以上)

=KGIをもとに、KPI設定やPDCAを実施できる。クライアント折衝、ヒアリング、プレゼンができる。技
術的な要件定義ができる。

「データ分析力」

=定量、定性の両方でデータ分析ができる。AIビジネスへ知見。基礎的な統計の知見(統計検定
2~3級くらい)。ユーザーテスト、UX系の経験。

「マーケティング力」

=ネット広告配信、LP、メルマガ、SNSでの集客、購買施策の実務経験。

「エンジニア力」(DB、DWH、ビッグデータ処理、データ基盤の知見)

=自分で多少プログラミングやインフラ整備できる。または要件定義と効果検証はできる。

データアナリスト
2019年12月現在では、この職種はちょっとアカデミックよりな印象です。

そのまま統計学をもとに、分析する人。





参考URL



http://www.tokyo-tosho.co.jp/books/ISBN4-489-00746-9.html



https://istat.co.jp/stprimer



https://www.nikkansports.com/baseball/news/201802270000078.html





統計アナリスト
そのままですが、機械学習モデルをつくるエンジニア。





一般レベル自体があいまいですが、ビジネスの現場でこのくらいのスキルないと意味ないと思うレベルで
書いてます。



「ビジネス力」

=KGIやKPIを理解して、アウトプット(モデルの指標と評価基準を設定)できる。



「データサイエンス力」(高等数学の理解、機械学習モデルで高精度がつくれる実務経験)

=数学、データ分析、予測や可視化、機械学習、深層学習。



「データエンジニア力」(DB、DWH、ビッグデータ処理実務経験。データ基盤の経験か知見)

=プログラミングできる。データ基盤からのデータ抽出。データ整形。

機械学習エンジニア
データ分析基盤を構築や運営するエンジニア。機械学習エンジニアやデータサイエンティストがモデルを
つくるために必要なデータの収集管理基盤をつくり、管理するエンジニア。



これも、一般レベル自体があいまいですが、ビジネスの現場でこのくらいのスキルないと意味ないと思うレ
ベルで書いときます。



「ビジネス力」

=KGIやKPIの理解。データ基盤の構築や管理のコスト算出、先進技術キャッチアップ。



「データサイエンス力」(高等数学の知見、機械学習モデルの知見)

=数学、データ分析、予測や可視、機械学習、深層学習の知見。



「データエンジニア力」(DB、DWH、ビッグデータ処理、データ基盤の実務経験)

=データ基盤が構築、運営できる。

 プログラミングできる。データ基盤からのデータ抽出。データ整形。

データエンジニア
この職種も、かなりあいまいだと思う。



下記のどこかに該当するような職種だと思われる。

・データサイエンティスト

・機械学習エンジニア

・データエンジニア

・機械学習エンジニア&データエンジニア



その企業の業務内容を参考に、実際に何を行うかを推測するしかない。

AIエンジニア
Webサービスのデータ分析に特化してるアナリストだと思う。いい意味で特化よりも、GAやBIツールのGUI
ででしか、データ分析ができないスキルレベルという感じのほうが近いかも。





一般レベルで、このくらいのスキルかなと思われる。



「ビジネス力」(ディレクター経験以上)

=KGIをもとに、KPI設定やPDCAを実施できる。クライアント折衝、ヒアリング、プレゼンができる。技
術的な要件定義ができる。

「データ分析力」

=定量(特にGAやDMPなど)、定性の両方でデータ分析ができる。AIビジネスへ知見。基礎的な統
計の知見(統計検定2~3級くらい)。ユーザーテスト、UX系の経験。

「マーケティング力」

=ネット広告配信、LP、メルマガ、SNSでの集客、購買施策の実務経験。

「エンジニア力」(DB、DWH、ビッグデータ処理、データ基盤の知見、クラウド)

=要件定義と効果検証はできる。

Webアナリスト
この職種も定義がちょっとあいまいですが、Web業界でいえば、主にデータ分析PDCAとマーケティングで、
Webサービスの運営を改善していく職種。



「データサイエンティスト」みたいにマルチプレイヤーのエース感がありますが、「データサイエンティスト」よ
り、ビジネスの実務に向き合って改善していく人な印象。



事業計画、企画、デザイン、フロントエンド、バックエンド、データ分析、マーケティングなど一通りの知見や
経験がある人。



ただし、もちろん、この肩書の人でも、スキル的にはピンキリだと思われる。

グロースハッカー

Weitere ähnliche Inhalte

Ähnlich wie AI&データサイエンス入門 超訳版

How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kuboHow canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kuboTomohiro Iwahashi
 
ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020Keisuke Tameyasu
 
Investment in Yahoo! JAPAN's dataplatform and business growth by big data
Investment in Yahoo! JAPAN's dataplatform and business growth by big dataInvestment in Yahoo! JAPAN's dataplatform and business growth by big data
Investment in Yahoo! JAPAN's dataplatform and business growth by big dataDataWorks Summit/Hadoop Summit
 
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)Code for Japan
 
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~Daiyu Hatakeyama
 
DLL: Ignite2019 CognitiveServices Update 20191127
DLL: Ignite2019 CognitiveServices Update 20191127DLL: Ignite2019 CognitiveServices Update 20191127
DLL: Ignite2019 CognitiveServices Update 20191127Ayako Omori
 
誰もが AI を使う時代、作る時代
誰もが AI を使う時代、作る時代誰もが AI を使う時代、作る時代
誰もが AI を使う時代、作る時代Yoshitaka Seo
 
ビッグデータ革命 クラウドがコモデティ化する「奇跡」
ビッグデータ革命 クラウドがコモデティ化する「奇跡」ビッグデータ革命 クラウドがコモデティ化する「奇跡」
ビッグデータ革命 クラウドがコモデティ化する「奇跡」Atsushi Nakada
 
Shannonlab株式会社 会社案内3
Shannonlab株式会社 会社案内3Shannonlab株式会社 会社案内3
Shannonlab株式会社 会社案内3Shannon Lab
 
Shannonlab株式会社 会社案内
Shannonlab株式会社 会社案内Shannonlab株式会社 会社案内
Shannonlab株式会社 会社案内Shannon Lab
 
これからのIT人材のためのワーク・シフト
これからのIT人材のためのワーク・シフトこれからのIT人材のためのワーク・シフト
これからのIT人材のためのワーク・シフトDaisuke Masubuchi
 
明治大学理工学部情報科学科: 特別講義 - データが示す近い未来の世界と、準備すべき コト
明治大学理工学部情報科学科: 特別講義 - データが示す近い未来の世界と、準備すべき コト明治大学理工学部情報科学科: 特別講義 - データが示す近い未来の世界と、準備すべき コト
明治大学理工学部情報科学科: 特別講義 - データが示す近い未来の世界と、準備すべき コトDaiyu Hatakeyama
 
ビッグデータのビジネスモデルとインターネット文化
ビッグデータのビジネスモデルとインターネット文化ビッグデータのビジネスモデルとインターネット文化
ビッグデータのビジネスモデルとインターネット文化Hiroshi Takahashi
 
20200521AIの民主化
20200521AIの民主化20200521AIの民主化
20200521AIの民主化tdualdir
 
Machine Learning Serviceを使ってみよう
Machine Learning Serviceを使ってみようMachine Learning Serviceを使ってみよう
Machine Learning Serviceを使ってみようYoshitaka Seo
 
AIとUXデザイン 〜ユーザーのためのAIを設計するために〜:第22回 Machine Learning 15minutes!
AIとUXデザイン 〜ユーザーのためのAIを設計するために〜:第22回 Machine Learning 15minutes!AIとUXデザイン 〜ユーザーのためのAIを設計するために〜:第22回 Machine Learning 15minutes!
AIとUXデザイン 〜ユーザーのためのAIを設計するために〜:第22回 Machine Learning 15minutes!Yoshiki Hayama
 
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!Azure 相談センター
 
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!Daisuke Masubuchi
 
Data-centricなML開発
Data-centricなML開発Data-centricなML開発
Data-centricなML開発Takeshi Suzuki
 
20170527 pasona tech_v2
20170527 pasona tech_v220170527 pasona tech_v2
20170527 pasona tech_v2Hideki Ojima
 

Ähnlich wie AI&データサイエンス入門 超訳版 (20)

How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kuboHow canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
How canwecollaboratew ithaiandbi-nttdata-tokai2019-0724-kubo
 
ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020
 
Investment in Yahoo! JAPAN's dataplatform and business growth by big data
Investment in Yahoo! JAPAN's dataplatform and business growth by big dataInvestment in Yahoo! JAPAN's dataplatform and business growth by big data
Investment in Yahoo! JAPAN's dataplatform and business growth by big data
 
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)
 
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ~ AI、Advanced Analytics の使いどころ ~
 
DLL: Ignite2019 CognitiveServices Update 20191127
DLL: Ignite2019 CognitiveServices Update 20191127DLL: Ignite2019 CognitiveServices Update 20191127
DLL: Ignite2019 CognitiveServices Update 20191127
 
誰もが AI を使う時代、作る時代
誰もが AI を使う時代、作る時代誰もが AI を使う時代、作る時代
誰もが AI を使う時代、作る時代
 
ビッグデータ革命 クラウドがコモデティ化する「奇跡」
ビッグデータ革命 クラウドがコモデティ化する「奇跡」ビッグデータ革命 クラウドがコモデティ化する「奇跡」
ビッグデータ革命 クラウドがコモデティ化する「奇跡」
 
Shannonlab株式会社 会社案内3
Shannonlab株式会社 会社案内3Shannonlab株式会社 会社案内3
Shannonlab株式会社 会社案内3
 
Shannonlab株式会社 会社案内
Shannonlab株式会社 会社案内Shannonlab株式会社 会社案内
Shannonlab株式会社 会社案内
 
これからのIT人材のためのワーク・シフト
これからのIT人材のためのワーク・シフトこれからのIT人材のためのワーク・シフト
これからのIT人材のためのワーク・シフト
 
明治大学理工学部情報科学科: 特別講義 - データが示す近い未来の世界と、準備すべき コト
明治大学理工学部情報科学科: 特別講義 - データが示す近い未来の世界と、準備すべき コト明治大学理工学部情報科学科: 特別講義 - データが示す近い未来の世界と、準備すべき コト
明治大学理工学部情報科学科: 特別講義 - データが示す近い未来の世界と、準備すべき コト
 
ビッグデータのビジネスモデルとインターネット文化
ビッグデータのビジネスモデルとインターネット文化ビッグデータのビジネスモデルとインターネット文化
ビッグデータのビジネスモデルとインターネット文化
 
20200521AIの民主化
20200521AIの民主化20200521AIの民主化
20200521AIの民主化
 
Machine Learning Serviceを使ってみよう
Machine Learning Serviceを使ってみようMachine Learning Serviceを使ってみよう
Machine Learning Serviceを使ってみよう
 
AIとUXデザイン 〜ユーザーのためのAIを設計するために〜:第22回 Machine Learning 15minutes!
AIとUXデザイン 〜ユーザーのためのAIを設計するために〜:第22回 Machine Learning 15minutes!AIとUXデザイン 〜ユーザーのためのAIを設計するために〜:第22回 Machine Learning 15minutes!
AIとUXデザイン 〜ユーザーのためのAIを設計するために〜:第22回 Machine Learning 15minutes!
 
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
 
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
Web制作会社様向け 知って得するMicrosoft Azureの概要と使い方!
 
Data-centricなML開発
Data-centricなML開発Data-centricなML開発
Data-centricなML開発
 
20170527 pasona tech_v2
20170527 pasona tech_v220170527 pasona tech_v2
20170527 pasona tech_v2
 

AI&データサイエンス入門 超訳版