全3484文字

データ分析プロジェクトにはビジネス理解が必須

 ビジネス現場でデータサイエンスを使った問題解決に取り組む場合、データサイエンティストと呼ばれる専門家だけではうまくいきません。ビジネス(事業)側の担当者もメンバーに加える必要があります。

 その理由は「どんなビジネス課題を解決すれば利益に貢献できるのか」を知らなければ、ビジネスインパクトを出せるデータ分析はできないためです。「データさえあれば何かできるんじゃないの?」と思うかもしれませんが、それは正しくありません。「解くべき課題」を定めた上でプロジェクトを進めなければ、「分析結果は出たが、どう使えばいいのか分からない」という結果になりかねません。このような残念な事態を避けるためには、メンバーの誰かがビジネスの詳細を理解していなくてはなりません。

 では、ビジネスのことだけが分かっていればよいのかというと、それだけでは専門家と会話ができません。そこで、登場するのが橋渡し人材です。ビジネス側のことも理解しており、データサイエンスの専門家であるデータサイエンティストやエンジニアと会話ができる人材です。

 これこそがデータ分析プロジェクトに求められる「プロジェクトマネジャー(PM)」の役割です(図3)。この役割にはいろいろな呼び方があります。AIコーディネーター、アナリティクストランスレーター、データトランスレーターなどです。呼び名はさまざまですが、ビジネス側とデータ分析側をつなぐ役割を担っていくという点がポイントです。

図3●橋渡し人材である「プロジェクトマネジャー」が求められている
図3●橋渡し人材である「プロジェクトマネジャー」が求められている
[画像のクリックで拡大表示]

ビジネスパーソンこそデータ分析スキルが必要

 PMには、高度なデータ分析技術は必ずしも求められません。ただし、一定の知識やスキルは必要です。

 データ分析プロジェクトは、大きく分けて2種類あります。1つは「課題解決型」です。ビジネス上の課題をデータ分析を通じて解決することを目指すものです。仮説を立てて、それが正しいかどうかをデータ分析によって検証していきます。課題を特定し、施策を提案・評価するといったスキルが必要です。

 もう1つは、「サービス開発型」です。前出のレコメンデーションエンジンの開発が一例ですが、AI・機械学習を使って新しいサービスを生み出したり、ユーザー体験(UX)を劇的に変えたりします。適切な機械学習モデルを構築する(モデリング)スキルや、それを評価するための知識が欠かせません。

 またどちらに取り組むにしても、分析に使うデータの量は日に日に増えています。SQLと呼ばれるデータベース操作の言語を扱えなければ仕事にならない状況になりつつあります。簡単なプログラミングができる能力も求められるようになっています。