※こちらは2020年2月に公開された記事の再掲です。
IT系の企業でなくとも、ビジネスでデータ分析や人工知能(AI)といった言葉が出てくることが珍しくなくなった今、膨大なデータを解析し、企業や社会の課題解決に有用な知見を導く「データサイエンティスト」への注目が集まっています。
「商談を成功させやすくする要因は何か?」「食品ロスを最も減らせる需要予測の方法は?」「売り上げを高めるために、最も効果的な広告はどういったものか?」──彼らが活躍するミッションは山ほどあります。
しかし、学生の立場からすると、彼らがどういった仕事をしているのか分かりにくいのも事実。今回、ワンキャリ編集部は、アビームコンサルティングでデータサイエンティスト×コンサルタントという2つの顔を持って活躍する2人を直撃。プロジェクトの内容から仕事の難しさまで、幅広くその魅力を伺いました。
<目次>
●「このままではキャリアは頭打ち」──多業界に携わり、扱うデータの幅を広げるためにコンサルへ
●プロジェクトで分析するのは「億単位」のデータ。大学時代の10万倍に
●「この商品を買ってもらいやすい顧客は?」 売上アップとコストダウンを両取りするデータ分析の威力
●データサイエンティストにコンサルティングスキルは「必要不可欠」。その理由とは?
●「ビジネスにはデータが全て」の時代 データサイエンティストは企業の救世主になる
●データサイエンティストの成長は「実践でどれだけのデータを扱ったか」で決まる
●コンサルタントとデータサイエンティストの組み合わせは、キャリアのスタート地点に最適
「このままではキャリアは頭打ち」──多業界に携わり、扱うデータの幅を広げるためにコンサルへ
──本日はよろしくお願いします! まず、お2人がデータサイエンティスト×コンサルタント(以下、デジタルイノベーションコンサルタント(※))の道を選んだ理由を教えてください。
※デジタルイノベーションコンサルタントは、現在「データサイエンスコンサルタント」に名称を変更しています。
杉本:私は中途でアビームに入社したのですが、前職は外資系のマーケティングリサーチ会社でデータ分析を専門とする部署に所属していました。リサーチから得られるアンケートデータを多変量解析や機械学習手法を用いて分析するのが主な業務でした。
当時は「ビッグデータ」という言葉が出始め、多くの企業が音声や動画といった、膨大な非構造化データから得られるインサイトに注目し始めていた頃です。そのような中、アンケートという限られた領域のデータだけを扱っていたのでは、今後のデータサイエンティストとしてのキャリアは「頭打ちになるだろうな」と考えました。
杉本 慶(すぎもと けい):アビームコンサルティング株式会社 マネージャー P&T Digital ビジネスユニット AIセクター(所属部署はインタビュー当時のものです)
──それが転職を決断した理由というわけですか?
杉本:はい、扱うデータの量や幅を広げたいという考えがだんだん強くなってきたのです。データの種類は一切問われず、幅広い業界・業務領域のデータ分析案件に携われるアビームのデジタルイノベーションコンサルタントなら、データサイエンティストとして成長できると考え、転職しました。
ここ直近の5年間は、金融系のクライアントを中心にデータ分析プロジェクトをリードし、膨大かつ複雑なデータを扱ってきました。端的に言えば、クライアントからお預かりしたデータを分析し、得られた知見から新たなビジネスにつなげるご支援をしています。
プロジェクトで分析するのは「億単位」のデータ。大学時代の10万倍に
──ありがとうございます。藤田さんは新卒で入られたんですよね。大学ではどういった研究をされていたんですか?
藤田:私は大学院で人間工学に関する研究をしていました。個人の研究テーマはちょっとユニークで、「人間が他人や事物との距離感をどう見積もっているか」。例えば、広い会議室にペットボトルを置き、それが自分から何メートル離れていると思うか回答してもらう、といった実験を行います。そこで集めたデータを分析し、人間が見積もる距離感についてまとめるといった研究です。
──面白い内容ですね! なぜ、そこからコンサルの道を選んだのでしょう。
藤田:就職活動では、研究で身につけたデータ分析を活かせる職種を探し、当初はメーカーの研究職を見ていました。最初からコンサルティング業界を目指していたわけではなく、アビームのデジタルイノベーションコンサルタントは、合同説明会でたまたま知ったのがきっかけでした。同時に、博士過程に進むことも視野に入れていました。
色々な選択肢についてあれこれと悩んでいたのですが、メーカーなどの事業会社だと、分析業務もあくまでその会社のビジネスの枠に限られてしまい、扱えるデータの種類や量もその「縛り」を受けるのではないか、という点がネックになると感じました。そこで、幅広くデータを扱えるアビームへの入社を選んだのです。この点は、杉本さんと似ていると思います。
藤田 一輝(ふじた かずき):アビームコンサルティング株式会社 コンサルタントP&T Digital ビジネスユニット AIセクター(所属部署はインタビュー当時のものです)
──博士課程に進むか、就職するかで悩む理系学生は多いと聞きます。就職しようと決めたポイントは何だったのですか。
藤田:博士課程に進んでこのまま研究分野を究めていきたいという思いよりも、企業、ひいては社会が今どういった課題に悩んでいるのか、その課題をデータサイエンスでどう解決できるのかを知りたいという強い思いがありました。今の企業や社会の状況を間近で知るためには、研究室に留まるのではなく、就職して社会に出た方が良いと思い、民間入社を決断しました。
──なるほど。ちなみに学生時代の研究と実際の業務とでは、やっぱり違いますか?
藤田:今は杉本さんのもとで金融系のプロジェクトに参画していますが、扱うデータ量の膨大さはこれまでとは本当に桁違いです。研究テーマの性質上、学生時代に扱うデータは1,000件単位でしたが、今では億単位のデータを扱っています。プロジェクトに参画した当初は、膨大なデータ量と分析の広大さにただただ驚かされました。
最初は不安もありましたが、入社後の研修や自己研鑽(けんさん)で身につけた知見や、上司やメンバーの協力のおかげで、クライアントへの成果物を期日通りに納品できたときはうれしかったですね。
「この商品を買ってもらいやすい顧客は?」 売上アップとコストダウンを両取りするデータ分析の威力
──実際にデータサイエンティストがアサインされるプロジェクトというのは、どういうものなのでしょう。
藤田:あくまで一例ですが、金融業界のプロジェクトを紹介します。個人向けのとある金融商品の売り上げを伸ばすため、クライアントの既存顧客の中から購買意欲が高い顧客の条件を可視化することにしました。どの顧客が金融商品の購入を検討してくれるのか。過去の購買行動などを分析し、予測モデルを構築したのです。
杉本:昨今は「働き方改革」といったトレンドもあります。いかに効率よくアップセルにつながる顧客に提案するかというのは、金融業界にとっても大きな課題となっています。
──具体的には、どのように分析を進めるんですか?
藤田:まずはクライアントの顧客の年齢、居住地、今どういう金融商品を購入しているかといった購入者側の属性情報に加えて、営業職員の年齢や資格、いつ、何回訪問したかといった販売者側のデータも集めます。一見、関係なさそうに見えるデータが結果に影響を及ぼすこともあるので、集めるデータの取捨選択は、想像以上に難しいです。
そして、さまざまな手法で分析を行い、購買につながる要因を複数特定し、購入してもらいやすい顧客の条件をスコアリングした結果を出します。例えば、「年齢が40歳以上で、すでに1万円以上の金融商品を購入している顧客」といった具合ですね。
──こういうプロジェクトを進めていて、どういう部分で苦労するのでしょう。
藤田:分析自体も苦労しますが、分析結果をクライアントが理解し、納得する形でアウトプットすることは、私にとって大きなチャレンジでした。大学時代では学会発表などの大きな機会をのぞき、分析結果を研究室のメンバーに共有して終わりというパターンがほとんどです。しかし、実際のプロジェクトでは、データ分析に必ずしも精通していないクライアントにも理解いただき、納得いただく必要があるので、最初はその点に苦労しました。
また、プロジェクトを始めた当初は、金融業界に関する知識もあまりなく、データが何を意味しているのか理解するのも一苦労でした。まずは、既存の分析プログラムを手直しするところから始め、その次は分析方法から自身で考えて分析プログラムを設計することになり、非常に苦労したのを覚えています。
“どの数値に着目するか”から考えるため、確立された解決方法はありません。分析や統計に詳しい先輩や同僚も巻き込みながら、何とかクライアントの目指すゴールにたどり着けたのは、大きな自信につながりました。
杉本:確かに苦労が大きい分、クライアントのビジネスを伸ばすような成果を得られた際はやりがいも大きいですね。ただ、成果としては華々しいものばかりではありません。
例えば、分析してみると現場の営業職員の感覚では常識になっていることが、改めて数値化されることがあります。「なんだ当たり前じゃないか」と思われることもありますが、現場レベルの暗黙知を形式知として可視化することで経営層に認められ、データドリブンな施策や意思決定につなげていくというのも、ビジネスとして大きな価値があります。それをしっかりと説明するのも、私たちの仕事なのです。
データサイエンティストにコンサルティングスキルは「必要不可欠」。その理由とは?
──データサイエンティストというと、世の中にはさまざまな定義があると思いますが、杉本さんはどう考えていますか?
杉本:一般的には、PythonやRといったプログラミング言語を使って様々なデータを処理し、機械学習や多変量解析技術を用いて特定の課題に対して、回答を導き出せる人でしょうか。ただし、アビームの場合は、一般的なデータサイエンスの力に加えて、データを分析する「1つ手前」の力が求められます。
──手前、とはどういうことでしょう?
杉本:データを分析する前に、そもそも「どういう課題を解決したいのか」「課題解決につながるデータは入手可能なのか」を考える必要があります。業務課題、経営課題を特定するため、現場から経営層まで幅広くヒアリングするところから始めるのです。
いくらデータ分析ができても、そもそもの目的や解決すべき課題を間違えてしまうと、無意味な分析になってしまいます。それで失敗している企業は少なくありません。だからこそ、データサイエンス×コンサルティングという2つのスキルを持つ、アビームのデジタルイノベーションコンサルタントは世の中に広く求められているんですよ。
──なるほど。コンサルタントのスキルがないと、データサイエンスの価値も半減してしまうということですか。
杉本:高い専門性を有するデータサイエンティストはそれだけで市場価値が高いといえます。したがって、コンサルタントのスキルがないから価値が半分ということはありません。アビームのデジタルイノベーションコンサルタントではデータサイエンスの価値にコンサルタントとしての価値も加わるといったイメージです。
「データ分析で何を解決したいのか」「自社のビジネスにどう活かせるのか」をクライアントがはっきりと認識できているケースは意外と少なく、課題を構造的に整理し、データの把握から始めることがほとんどです。こういうデータがあれば、こんなことができる……というふうに。これはデータサイエンスというよりもコンサルティングワークです。
それと同時に、分析の「限界」を示してあげるのも、我々の重要なミッションだと考えています。
──限界を示すというと、クライアントを止める役目を担うというイメージですが……。
杉本:分析の限界とは、即時収集可能なデータと適用可能なアルゴリズムとを精査し、課題解決に繋がる結果を期間内に得られるかを見極めるということです。ビジネスデータ分析には正解がないことが多いため、終わりがありません。期限が無限にあればできるかもしれませんが、プロジェクトである以上、一定のゴールを決める必要があります。決まった期間、決まった予算、決まった人員の中で結果を出すのがコンサルタントの役割です。
クライアントがやりたいこととデータ分析で解決できることを見極める。もし、できないならばそれは技術の問題なのか、期間の問題なのか切り分ける。そして、やり遂げるにはどうしたらいいのか、情報を整理し、実現性を明示するのがコンサルティングワークです。その前提がないと、データサイエンティストの仕事は始まりません。
「ビジネスにはデータが全て」の時代 データサイエンティストは企業の救世主になる
──今、世界的に見て、データサイエンティストに対する企業の視線は熱いです。仕事をしていて、ニーズの高まりを感じることはありますか?
杉本:それはありますね。その背景には、企業が取り扱うことができるデータの種類が増えたことがあります。これまではデータ分析というと、構造化データ、簡単に言えばExcelで表現できるような表計算のデータを扱うことが多かったのですが、ここ数年は、画像や音声など非構造化データがデータ分析の中心になってきました。
企業の経営層は、こうした様々なデータについてビジネスを左右する「経営資源」として捉え始めています。新製品やサービス開発に活用したり、業務上の課題を解決したり、業務の効率化、高度化に活用したいという機運が高まっています。今、AIに注目が集まっているのもそれが理由の1つです。
AIの活用も含め、企業のデジタル変革に貢献できる職種として、データサイエンティストへの期待とニーズが高まる傾向は、今後も続いていくと思います。
──背景はよく分かりました。では、学生がアビームのデジタルイノベーションコンサルタントを目指すなら、どんな資質や能力が求められるのでしょう。
藤田:データ分析に関する基礎的な知識と強い向上心、チャレンジ精神が求められます。アビームの場合、本人の意欲さえあれば、足りない知識は入社後の研修や自己研鑽、各分野のプロフェッショナルとの勉強会などを通じて身につける機会があります。私もデータ分析が専門だったわけではなかったため、大学の授業で習ったり、研究で分析をするために使ったりした程度の知識しかありませんでした。最初は不安でしたが、入社してから、モチベーションの高い同期と切磋琢磨(せっさたくま)することで、成長できました。
杉本:知識や姿勢という観点ではそうですね。資質という意味では、コツコツ辛抱強く取り組めるところでしょうか。データ分析が一発でうまくいくことはまずありません。戻っては進んでの繰り返しという、かなり地味な作業になるためです。
一方で、新しい技術が次々と出てくるため、好奇心を持ってキャッチアップする必要もあります。そのどちらの要素も持っている人が適しているのではないでしょうか。また、我々が出した分析結果をもとにどう課題解決を行うか、クライアントと議論しながらプロジェクトを進めていく能力も求められますね。
データサイエンティストの成長は「実践でどれだけのデータを扱ったか」で決まる
──藤田さんは就活の時に、メーカーのデータサイエンティストも考えたというお話でしたが、結果的にコンサルティングファームに入社しました。今、もしメーカーに入社していたらどうなっていたと思いますか?
藤田:メーカーだと、1年目は先輩の後をついていくというイメージがありました。一方、コンサルティングファームだと自分で考えて成果を出すことを求められるので、成長スピードがより速いと感じています。
実際に最初の1年を振り返ると、扱えるデータの幅と量は一気に増えましたし、一から分析モデルを構築する経験もできました。クライアントを理解し、ビジネスの課題解決や新たなビジネスの創造につなげる。膨大かつ複雑なデータの集合体から価値を作り上げるプロセスを一通り実践することができました。イメージの話にはなってしまいますが、メーカーに入社していたらここまでの経験はできなかったと感じています。
杉本:メーカーに限らず事業会社の場合、所属している部門を超えた分析は難しいことが多く、データ分析で扱うデータの幅や量も限られてくると思います。
──確かに事業会社の場合、部署ごとにデータが点在していて、分析はおろか、データをかき集めるのも大変だという話を聞いたことがあります。
杉本:コンサルティングファームにいると、IoT(=Internet of Things)に代表されるようなセンサーデータを扱うこともあれば、画像や音声など、扱うデータの種類は多岐にわたります。データサイエンティスト×コンサルタントとして成長していく一番の近道は、実践でどれだけ幅広くデータを扱った経験があるかによるところが大きいと考えています。
事業会社は、基本的に同じ事業を継続し成長させていくことが求められ、業務の中で扱うデータの幅が突然飛躍的に広がることはまずありません。分析手法も、分析テーマも限られることが多いです。
対してコンサルティングファームでは、いきなり音声データの分析依頼を受けることもあれば、数億レコードのログデータの解析を求められることもあります。コンサルティングワークによる課題の特定と、幅広いデータ分析を短期間で経験することで、データサイエンティストとして早いスピードで成長できるのは大きなメリットだと思います。
コンサルタントとデータサイエンティストの組み合わせは、キャリアのスタート地点に最適
──お2人は、企業のデジタル変革を人工知能や機械学習で支援する「AIセクター」に所属しています。最近ではデジタル領域に注力するコンサルティングファームも増えてきていますが、他社と比べてアビームが強い部分を教えてください。
杉本:他社と比べて各分野で実績を持つメンバーが多いというのは、1つの特徴ではないでしょうか。コンサルティングは未経験だけど、ある特定の学術領域で成果を発揮してきた人や、研究機関で成果を出してきた人、ビジネスデータ分析に長けている人などが集まっています。ここは確実に強みだと言えますね。
──新卒入社後は、どのようなキャリアパスを歩む人が多いですか?
杉本:順調にいくと、2年目でアナリストからコンサルタントになり、4年目から5年目でシニアコンサルタントになります。シニアコンサルタントになると、ある特定のタスクでチームリーダーを任せられますが、藤田さんのように優秀な人の場合、2年目や3年目からその仕事を任せられることもありますね。
年次に関わらずクライアントへの対応や仕事ぶりを見ていて任せられると思ったら任せています。
──実力次第で、次々とチャンスが得られる環境なんですね。
杉本:はい、例えば大学院で機械学習を研究してきた入社1年目のメンバーに、音声データを解析するソリューションの開発を任せています。
新しいことに対して意欲のある若手メンバーには、実装も含め裁量を持ってプロジェクトを進める役割を担ってもらい、我々マネージャーは、進め方やゴールの設定などをサポートする。若手メンバーがエネルギーとアイデアを存分に発揮できる環境だと思います。
──新しい領域である分、若手が活躍できるチャンスが多いことが分かりました。最後に、デジタルイノベーションコンサルタントに興味を持っている学生に対し、自身の経験からアドバイスやメッセージをお願いします。
藤田:私のように今大学院やゼミで特定の分野について研究している人に対しては、「就職先を考える際に、研究内容にこだわりすぎるのはもったいない」と伝えたいです。
自分の研究領域に近ければ近いほどアピールがしやすいかもしれませんが、それだけの理由で最初から就職先を狭めてしまうと、自分ともっと合うかもしれない会社との出会いを減らしてしまいます。自分が少しでも興味がある会社や領域があるならば、実際に見に行ったり社員に話を聞いたりしてほしいです。最初は選択肢の幅を広げた上で、最終的に自分が何をしたいのか、どうなりたいのかを考えて、一番良い選択をしてもらえればと思います。
杉本:統計解析、機械学習を含めたデータ分析関連領域で成長したいと思っている人にとって、経験豊富なコンサルタントやデータサイエンティストが在籍するアビームは、成長できる面白い会社だと思います。
また、会社としてグローバルで通用するデータサイエンティストの育成も急務だと考えているので、世界を視野にデータサイエンティスト×コンサルタントとして活躍したいという想いがある人にとっては、環境が整っています。新しいことに挑戦したいという意欲のある人と、ぜひ一緒に働きたいですね。
▼企業ページはこちら
アビームコンサルティング
【ライター:タンクフル/編集:池田憲弘/カメラマン:保田敬介】