データサイエンティストを数百人単位で発掘する | quipped
どうやらデータサイエンティストなる職業がアツいらしい。 データサイエンティストって何それ美味しいのというのが正直なところだが、「データサイエンスとは何か」について、錚々たる企業の人たちの講演されてらっしゃったので、ちょっと引用してみたい。 まずは花王の大路延憲氏（情報システム部門統括付部長）： ...データサイエンティストの心得として3つのMを挙げた。その上で「まず目的（Mindset）と評価尺度（Measurement）を明確にし、それから手法（Method）を決める。決して手法から始めてはいけない」とアドバイスした。 つまり頭でっかちにならず、目的に即した手法が取れる判断力が必要だという話。 次に大阪ガスの河本薫氏（情報通信部ビジネスアナリシスセンター所長）： 「（ビジネス課題を）見つける力、（分析問題を）解く力、（得られた知識を）使わせる力、の全てを備えた“フォワード型分析者”が、ビ
10Xのデータアナリストになって5ヶ月が経過した。その中で色々悩んだこと｜むらなか
はじめに10Xアドベントカレンダー4日目はじめまして、村中(@ktrru)です。今は10Xでアナリストをやっています。 この記事は10Xアドベントカレンダー4日目の記事です！ 今日は自分が10Xでのアナリストの役割について色々悩んだことについてポエムを書きます。 昨日は@tenjinさんのエモい記事を読んで昔を思い出していました。あ〜エモい。 エモいなあ。我らがtenjin。 一緒に戦って来たんだよなあ。 最近は彼と一緒に昔書いたRedashのクエリをアーカイブしまくる仕事をしました。エモいなあ。https://t.co/3z19FKt1NB — むらなか (10X) (@ktrru) December 3, 2022 ちなみに、私の好きなスーパーはライフで、おすすめの商品はライフのプライベートブランドのBIO-RALより「有機ルイボスティー(ノンカフェイン)」です。 有機ルイボスティー(
組織の中で起業家のように働く、新しい専門職としてのあり方を考える - データ分析職種の場合｜樫田光 | Hikaru Kashida
ここ数年、曲りなりにデータ分析の専門職種としてやってきたが、常々この仕事には困難さがつきまとうなと感じる。その事について、その理由、そしてその困難さとどう戦っていくかについての考察を記してみたい。 気まぐれな雑記のうえ、だいぶ長くなってしまったが時間がある方はお付き合い願いたい。感想の一つでも貰えれば幸いです。 困難さ仕事をしていて苦労することはよくあるわけだが、とりわけデータ系の仕事をしているとおおよそ以下のような面倒さを背負い込んでいることに気づく。 普通にしているとあまり良い仕事が回ってこない 周囲に任せていると細かい本質的ではない仕事に埋もれてしまう 組織の上層の戦略やリテラシに依存するところが異様に大きい 自分たちの成果がどうにもわかりづらい 短期的な都合に押し負かされて自分たちの仕事の優先度を下げられる などなど。これは自分個人の体験だけにとどまらず、他の会社でもデータ分析チー
データ分析者の需要の変化 - Data Analystのメモ帳
データ分析を仕事にしていると「流行りだし引く手数多でしょ」とか「バブルが終わったからもう仕事がなくなるかもね」なんて言われます。分析者として働く人間としてここらへんの感覚がすごいズレていることを日々感じるのでメモとして書き残します。あくまでも個人の感覚なのでご了承ください。 まず、そもそもとして、分析者という分析を専門に行う人材が大量に雇用されるということがありえないです。これは分析者とは何かを作ったり売ったりする人ではなくバックオフィス業務であるため大量に雇用する意味がないからです。そのため企業規模に応じて雇用される人数が自ずと決まってしまいます。具体的にどれくらいかと言われるとケースバイケースなので一概に言うことは難しいですが、せいぜい1~5%程度の人数比でしょう。外部に委託するケースを考えても予算としては同じようなものになると思います。分析以外の業務をしている人のほうが圧倒的に多いの
とあるデータ分析/データエンジニアリングの現場からの雑感 - データエンジニアの酩酊日記
※基本、酩酊状態でクソみたいな与太話を思いついたまま書き捨ててるだけなのであまり真に受けないようにどうぞよろしく。 僕がここ最近ナリワイとしているのは、大企業でデータ利活用を推進している or しようとしている現場に潜り込んで、データ分析周りの諸々の課題を主に技術面で解決する、という役回り。 といっても、自分が主戦場としているのは技術志向の強い人達が好みそうなGoogleとかメルカリとかリクルートとかヤフーといった自社サービスのテック企業ではなく、普通のユーザー企業に対するIT支援、いわゆるシステムインテグレーションです。 ユーザー企業向けのIT支援の領域では、みなさんが嫌悪している大手SIerが今なお幅を利かせており、ユーザーサイドの生え抜きのエンジニアが技術面含めてプロジェクトを主導したり、メンバーの中に有名なOSSのコントリビューターがいたり、みたいなシチュエーションにはそうお目にか
球界随一のデータマンが語る、「野球がおもしろくなくなる」世界 | SYNCHRONOUS シンクロナス
日本シリーズ4連覇をはじめ、ここ数年で圧倒的な結果を残し続けている福岡ソフトバンクホークスには、異色の「デジタル人材」がいる。 GM補佐兼データ分析担当ディレクターの関本塁だ。 関本は愛媛大学卒業後、システムエンジニアとしてシステム会社に就職したが、大学まで打ち込んだ野球の魅力に再び引き寄せられ、データスタジアム株式会社に転職。「一球速報」のシステム開発にも携わった。 その能力と経験が買われ、2012年12月、ホークスに入団。スコアラー業務のIT化を進め、選手たちが気軽にデータにアクセスできるシステムを構築した。球界内では関本らデジタル人材が4連覇の要因のひとつと言われている。 プロ野球界きってのデータのプロに、「根性」について聞いた。 （写真：PantherMedia/イメージマート） 和田毅投手インタビューはこちらhttps://www.synchronous.jp/articles/
SQLおじさんを宿した人工知能がほしい - 太陽がまぶしかったから
photo by R~P~M ポンコツロボッチ 朝おきて、コーヒー淹れて、シャワーをあびて出社。退勤するのは22時以降、残りは晩酌しながら本を読んだり、報告書作成などをしながら寝落ち。そういう生活を繰り返しているとあっという間に月日が流れる。 しょうがねえな しょうがねえじゃじゃねえな てゆうか僕はロボット なかなかのマシーンだ https://itunes.apple.com/jp/album/robotchi/id569841490?i=569841558&uo=4&at=11lck7 SQLや解析ソフトを駆使すれば、大抵の調査やアウトプットは手間と時間の問題だが、手間と時間の問題が全てでもある。定型化の壁と自動化の壁がなかなかこえられないし、初期から作りこむとそもそも論に戻った時の影響が大きいので「フレキシブルな運用対応」を前提にせざるをえない範囲が広くなる。手動で抽出生成したデータ
事業会社のデータ分析で大きなインパクトを出すには「データ分析案件を育てる」のが良いというお話 - Oisix ra daichi Creator's Blog（オイシックス・ラ・大地クリエイターズブログ）
こんにちは、オイシックス・ラ・大地のデータプラットフォーム室でマネージャをしている普川です。 我々のチームでは主にレコメンドエンジン開発プロダクトに実装するモデルの開発や、需要予測のような業務で使うデータエンジニアリングを主に実施しています。データ分析の活動をどうビジネスの価値に変えていくかについて、今回は真正面から答えてみました。 あ、この記事はOisix ra daichi Inc. Advent Calendar 2018の２０日目の記事となっております。 目次 目次 この本がすごくいいんです。 データ分析の価値とは データ分析における問題解決の４つのフロー それぞれでのポイント 1.活動領域の決定 2.問題の可視化 3.データモデリング・エンジニアリング 4.ビジネスへの適用 案件を成功のための３つのポイント ①現場との関係作り ビジネスの理解 データの整備 「データ分析案件を育て
データエンジニアリングという仕事（その1）｜jinya nakamura
最近、「データエンジニアリング」という仕事を作りました。 と言っても、昔からある仕事を整理、再定義して、名前をつけただけですが。しっくりくる名前がつくと、その仕事にも魂が宿るので、このネーミングは結構気に入っています。 データ分析の仕事をもう20年弱ほどやっていまして、いわゆる巷で言われるところのデータサイエンティストな訳ですけれども、こっちのネーミングはあまり気に入っていません。サイエンティストとは科学者ですから、なにやら高いハードルがあって、それを乗り越える天才が、暗い地下室に閉じこもって夜な夜な緑色の画面と向き合っている感じがして、いやそれは仕事じゃないよねと。そうではなくて、今世の中に求められているのは科学ではなくて、いや、科学である部分を担う人も少数は必要ですけれども、それよりは、データを分析する知識や経験をビジネスに活かすことのできる人が必要で、この仕事ってそういう期待を背負っ
FiNCにおけるデータ分析グループの役割の変化 ～FiNC から FiNC Technologiesへ～
こんにちは。FiNCデータ分析グループの坂本です。私はFiNCの初期フェーズからかかわっており、FiNCデータ分析グループのなかで最古参のメンバーです。初期フェーズから参画しているため、アプリの成長とともにいろんな経験をしてきました。 ご存知の方も多いと思いますが、FiNCは予防ヘルスケアにおける世界一のテクノロジーカンパニーを目指すため、2018年10月1日から社名をFiNCからFiNC Technologiesに変更しています。 データ分析グループの役割も、FiNC時代とFiNC Technologies時代で当然変わってきています。このポストでは、FiNCデータ分析グループの歴史を振り返りながら、データ分析グループの役割にどのような変化があったのか、フェーズごとに紹介していきます。 ① プロダクトリリース前分析グループの役割：リリース後に計測するKPIの策定・分析基盤の構築 プロダク
「退職分析」はなぜ難しいのか｜友部 博教（HRMOS WorkTech研究所 所長）
こんにちは。WorkTech研究所の友部です。 前回のnoteにたくさんの反響をいただきありがとうございます。 これからもWorkTech研究所として、主に人事におけるデータ活用について積極的に発信していきたいと思います。 今回は、タイトルの通り「退職分析」についてです。 「人事データを活用して何か分析したいテーマはありますか？」と聞くと、ほぼ必ずと言っていいほどテーマとして上がるのは「退職」です。 「退職」はエンプロイジャーニーにおいて重要なイベントの一つです。自身で経験したことがある人も多いため、誰しも自分ごととして想像しやすく仮説もなんとなく持っていたりします。また、何か会社において良くないことがある結果として起こるのが「退職」なのであれば、これを分析していけば会社に巣食う正体不明の問題が発見できてしまうのでは、という期待感もあります。退職につながる問題が見つかって、そこに起因する課
しくじりグロースハック - Qiita
はじめまして。freeeの@tetsuwadaと申します。 この記事は freee Engineers Advent Calendar 2015 15日目です。 freeeにはエンジニアの組織の中に「グロース」というチームがあります。 今日はこれまでの技術的な話しの流れと打って変わり、私がこのチームに入って１年間でやらかした数々のしくじりについて赤裸々に書いてみようと思います。 うまくいかないことを発見する 2010年頃からグロースハッカーという言葉が生まれ、今ではすっかりバズワードになってしまいましたが、そもそもグロースハックって何でしょう？freeeでは、グロースチームのミッションを次のように定義しています。 「freeeを継続して利用してくれるユーザーを増やすために、圧倒的な速さで枠にとらわれない施策を大量にリリースし改善を続けていく。それすなわち、エジソン。」 継続利用してくれるユ
愛され系データマイニング屋に必要な５個のソフトスキル - dataminer.me
前回のエントリーではどちらかというと技術的な区分で今回のエントリーではデータマイナーとして持っていると愛される（＝仕事を湯水の如くふられる）ために必要なソフトスキルについての経験的なメモ。 せっかくデータマイナーをやるなら、マネーボールのピーター・ブランド（サーバーメトリックスの人）見たいに愛されながら働きたいですよね、ということでそのために必要だと思ったこと： 1.数字をいくらでも見ていられるスキル 膨大なKPIの中からみるべき数字を見つけ出すとか、毎日決まった数字を何個も見続けられるスキル。毎日みているKPIから仮説を構築したり、考察を加えると重宝されます。毎日KPIをみると素早く異変に気づくことができるし、それがあまり得意ではない人も多いので、これをやってあげるとみんなに愛される（見るべきKPIが無限増殖する）人生がスタートします。 2.みんな気づかない数値の関係性が見つけられるスキ
分析組織を「分析」する｜NEO CAREER Data Analytics Blog｜note
3行まとめ ・分析組織のロードマップとフェーズを分析 ・分析組織の戦略と組織体制を分析 ・分析組織を運営する上での注意事項を列挙 データソリューショングループの天野です。 最近運動不足を解消するために体組成や歩数をモニタリングしており、徐々に成果が出ています。「継続は力なり、計測も力なり」ですね。 前回公開の記事から時間が空いてしまいましたが、今回は事業会社の分析部門責任者の観点から分析組織を「分析」するというテーマにて記事を書きました。 具体的には分析組織の運営に関わるロードマップやフェーズ毎の役割を始め、個社毎に策定するデータ戦略に用いられる要素や分析組織の体制パターン、そして知っておくことや避けた方が良いことなどを「分析」します。「分析」というワードがありますが持論をまとめているだけで、データがまったく出てこないので客観性に乏しくデータ分析者には物足りない内容かもしれませんが、ひとつ
「 データ分析者が大切にしたい３つのこと」とは？
はじめに トレジャーデータが創業した 2011 年年から今⽇日までの 4 年年間、データ分析を取 り巻く世界は⼤大きく発展しました。 特に 「データ収集」 、 「データストレージ」 、 Hive や Presto などの「分散処理理エンジン」の進歩は⽬目まぐるしいものがあり ます。 インフラシステムやデータ収集、分析エンジンに関連する技術の進歩により、 従来は本腰を⼊入れることのできなかった「データ分析」、またそれを担う「デ ータ分析者」の重要性が理理解されるようになってきました。あるいは理理解とい うより、分析者にとっては過度度な期待による「プレッシャー」という⾔言葉葉が適 切切かもしれません。 分析者が感じるプレッシャーの１つに、企画者や経営者・あるいは顧客といっ た結果を活⽤用する⼈人々（＝意志決定者）の、 「これだけ材料料（データ）が揃っているのだから、そしてこれだけコストをか け
データ分析のマネジメント論１：データ分析組織とは何か｜Jun Ernesto Okumura
この記事について以前、個人のデータキャリアを振り返る記事を投稿しました。この記事ではN=1のエピソードを書くことでアナリストキャリアの解像度を多少でも上げることを目的としていましたが、その後マネジメントを続けていく中で、また社外のアナリストの方々と話す中で、データアナリストの評価や育成について考える時間が増えました。 そもそも、データアナリストの評価基準はまだ様々な議論があり定まっていないような気がします。データ分析は「データを使って意思決定をサポートすること」という方向性は納得されていても、何を持ってその状態が達成できているかが言語化されていないために、組織としてあるべき姿やメンバーの動き方が定義されていない、という背景があるかもしれません。 加えて、意思決定の価値を定量化することは難しいです。チームの分析活動をROIで表現しづらかったり、それとなく成果を出していて周りからの信頼も厚けれ
データ活用する人のための論点整理トレーニング
Schooさん発表資料 Schoo https://schoo.jp/class/8009?ref=tchr BIツール研究所 https://www.youtube.com/channel/UCElyJ5Z_1mQWpUWLjs2-gaQ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
「データ分析」において「分析以外の役割」はキャリアになるのかを考える - Speaker Deck
データ分析なんか誰でもできる時代に、データアナリストとして働いている。
ビジネスアナリストに求められる7つの資質 - スタジオ・アルカナ技術ブログ