データサイエンティストってどこへ行ったのか？？？

データサイエンティストって… …
どこへ行ったのか??
井原渉
澪標アナリティクス株式会社代表取締役社長
2018/7/12 ©Miotsukushi Analytics Inc. 2018, All rights reserved. 1

この業界での豊富な経験と実績に基づいた
コンサルティングをご提供する事を
お約束いたします
会社概要
会社概要

会社概要
会社名：澪標アナリティクス株式会社
代表取締役：井原渉
顧問：栗原聡（慶應義塾大学教授）
所在地：東京都中央区日本橋茅場町1丁目10-8
グリンヒルビル6階
事業内容：データ分析に関する各種事業
アドバイザリーサービス
教育研修
分析組織・IT基盤構築
分析官派遣
受託分析・AI開発
U R L ：http://www.mioana.com/

代表者の紹介
代表取締役社長井原渉（シニアコンサルタント）
大学在学中に外資系コンサルティング会社の日本法人を設立。
老舗中堅ゲーム会社にて分析部門の立上げにリーダーとして参画し、データ
マイニング、分析体制構築、新規事業立ち上げを担当すると同時に、大学の
研究センターにおいてもアクセスログに関するデータマイニングの応用論を
研究。
その後、東証1部上場企業にてシニアコンサルタントとして国内大手通信事業
会社におけるゲームやその他デジタルサービスのデータ分析・KPI設定・分析
基盤構築に従事。
澪標アナリティクス株式会社を設立した後も、大手自動車メーカーをはじめ
幅広い業種にて分析コンサルティングや分析基盤構築、分析組織構築、レコ
メンドシステム、AI開発を行う。
データマイニング応用論と流体シミュレーションを研究している。
※講演実績：九州工業大学、関西大学、AWSソリューションDAYS、Google各種
イベント、オンラインゲームカンファレンス、吹田市公益活動センター等多
数
監修書籍・記事掲載雑誌等

主な取引先（敬称略、順不同）
株式会社NTTデータ数理システム
株式会社システム計画研究所
リクルート
コミュニケーション
ズ
大手自動車
メーカー
運送会社監査法人
パナソニックアドテクノロジー
マスメディア不動産会社公共団体
メガバンク

データ分析の定義

データ分析のレベル
©Miotsukushi Analytics Inc. 2018, All rights reserved. 7
レベル目的手段分析内容必要人材ツール
LV1
サービスの目標・状況を
数値に置き換えて説明
KPIレポーティング登録者数、利用率、継続率、
課金率、ARPU、属性別等
の情報を取得
KPIを理解し、
活用できる人材
KPI取得
システム
LV2
ユーザやサービスの
現状に合った施策を実施
詳細KPI追加アイテム・イベントの状況、
ＬＴＶ
顧客セグメント別等の情報を
取得
サービスにあった
KPI設計ができ
る人材
ＤＢ
ＢＩツール
LV3
ユーザ単位で最適化多変量解析ユーザ単位で効果検証や
パラメーターの設定等
アナリストデータウェアハウス
マイニングツール
LV4
ユーザやサービスを予測
仮説が作れない状況での
分析
データマイニング優良顧客見込の発掘、
売上予測など
仮説を持たずに分析を行う
データ
サイエンティスト
「データ分析」は取組む難易度により、大きく４つのレベルに分類することができる。
2018/7/12

レベル手段１段階２段階３段階
LV1
KPIレポーティング毎日１回KPIを更新複数回、KPIを更新リアルタイムに集計
LV2
詳細KPI追加全体向けに決まった
集計軸で状況を把握
職種ごとに決まった
自由に集計軸を変更可能
LV3
多変量解析ログインや課金などの
主な情報だけで
分析を実施
ログやユーザDB、タップや
角度などの情報も活用
自動で結果を出力可能
ゲームにロジックが組み込む
LV4
データマイニング決定木、回帰などツールで
容易に実施
手法で分析を実施
ベイズやDeep Learning
などで分析を実施
分析レベル別の深化
同じデータ分析レベルでも取組みの深さ（活用方法）が異なる。
2018/7/12

スキルの定義

レベル手段１段階２段階３段階
LV1
KPIレポーティング毎日１回KPIを更新複数回、KPIを更新リアルタイムに集計
LV2
詳細KPI追加全体向けに決まった
職種ごとに決まった
自由に集計軸を変更可能
LV3
多変量解析ログインや課金などの
主な情報だけで
分析を実施
ログやユーザDB、タップや
角度などの情報も活用
LV4
データマイニング決定木、回帰などツールで
容易に実施
手法で分析を実施
ベイズやDeep Learning
などで分析を実施
分析レベル別の深化：再掲
同じデータ分析レベルでも取組みの深さ（活用方法）が異なる。
2018/7/12

©Miotsukushi Analytics Inc. 2018, All rights reserved. 112018/7/12
データ分析のスキルセット
ビジネス力
データ
サイエンス力
データ
エンジニアリング
力
出典：データサイエンティスト協会
課題背景を理解した
上でビジネス課題を整
理し、解決する力
データサイエンスを意味
のある形に変えるように
し、実装、運用できる
ようにする力
情報処理、人工知能、
統計学などの情報科
学系の知恵を理解し、
使う力

必要なスキル
データサイエンティスト協会の定義
トライアル分析定型的な分析
ビジネス仮説
導出
分析設計
分析実施
レポート作成
ビジネス仮説
の検証
（施策立案）
分析作業の
定型化
分析実施／
定型帳票作成
アクション
をうつ
ビジネス力
データ
サイエンス力
データ
エンジニアリ
ング力
課題解決の各フェーズで要求されるスキルセットのイメージ
目的テーマ設定
問題定義
アプローチの設計
処理・分析
解決
ビジネス力ﾃﾞｰﾀｻｲｴﾝｽ力
ﾃﾞｰﾀｴﾝｼﾞﾆｱﾘﾝｸﾞ
力
データサイエンティストに
求められるスキルセット
弊社の考えるデータ活用タスクモデルに当てはめると…
（ビジネス力高）（ビジネス力高）（データサイエンス力高）（データエンジニアリング力高）

ステップ別能力
ビジネスアナリスト ◎ ○ ◎
データアナリスト ○ ◎ ○ ○ ◎ ◎ ○
データマネージャ ○ ◎ ◎ ○ ○
ビジネスアナリスト ○
データアナリスト ○ ○ ◎ ○
データマネージャ ◎ ○ ○ ◎
BIアプリスペシャ
リスト
○ ◎ ○ ○
トライアル分析
ビジネス仮
説導出
分析設計
分析実施／レポート作成ビジネス仮説
の検証
（施策立案）
データクレン
ジング
データマート
構築
基礎集計モデル構築
定型的な分析
分析作業の定型化
分析実施／
定型帳票作成
設計・構築
BIツール検
討
データ集計
の手順化
データ活用基盤
構築・運用維持
ビジネスアナリスト ○
データアナリスト ○
データマネージャ ○
BIｱﾌﾟﾘｽﾍﾟｼｬﾘｽﾄ ○
インフラマネージャ ◎ ◎
基盤設
計・運用
設計
構築・運
用維持

そもそもアナリストじゃあ？
• アナリスト＝結果を求める人
• サイエンティスト＝真理を求める人
そこは言わないお約束で…

We will do our BEST.
お問合せは
澪標アナリティクス株式会社

データサイエンティストってどこへ行ったのか？？？

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (12)

Ähnlich wie データサイエンティストってどこへ行ったのか？？？

Ähnlich wie データサイエンティストってどこへ行ったのか？？？ (20)

Mehr von Izumi Akiyama

Mehr von Izumi Akiyama (13)

データサイエンティストってどこへ行ったのか？？？