それでも「データ分析」で仕事をしたい人のためのデータ分析業界長期予とこれからの選択肢について/shirogane kogyo8

by ShinU

Slide 1

Slide 1 text

それでも「データ分析」で仕事をしたい人のためのデータ分析業界長期予報とこれからの選択肢について 2019/06/11 白金鉱業 Meetup Vol.8

Slide 2

Slide 2 text

本日の資料は https://speakerdeck.com/shinu/shirogane-kogyo8 に公開済みです。ブログ・Twitterからもリンクがありますスライドは公開してあります

Slide 3

Slide 3 text

• このところ「データ分析」に関わる人の間でキャリアの話が急に盛り上がって来た感じがある • そこで、キャリアについて考える１つの参考となればとこれからの「データ分析業界」の長期的な予報を行ってみる • 併せて「データ分析」での仕事は他にどのような選択肢があるのかを提示する前置き

Slide 4

Slide 4 text

• 自己紹介 • 話の前を聞くにあたり注意してほしいこと • 「データ分析に関わる人」を整理する • 過去と現在の日本のデータ分析事情の概観 • 今後の「データ分析業界」の長期予報（ダイジェスト） • それでも「データ分析」で仕事をしたい人はどうしたらよいのか選択肢を考える • まとめ本日の話の流れ

Slide 5

Slide 5 text

自己紹介

Slide 6

Slide 6 text

HN：しんゆう仕事：フリーランスのデータアナリストを名乗る何でも屋最近ほとんど分析してない「データ分析とインテリジェンス」を書いてる人 https://analytics-and-intelligence.net/ Twitter：@data_analyst_ 自己紹介

Slide 7

Slide 7 text

話を聞くにあたり注意してほしいこと

Slide 8

Slide 8 text

この話に限らないけれども特にキャリアの話は人の話を鵜呑みにしたりすると大変なことになるので特に気を付けて欲しいキャリアの話は重要なので特に強調

Slide 9

Slide 9 text

こんなバイアスがかかっているかもしれない • 知らないことを知らないのでおかしなことを言っているかもしれない • 過度に不安をあおるなど起きもしないネガティブなことを強調して言うことで得をしようとしているかもしれない • ありもしないバラ色の未来などポジティブなことを言うことで得をしようとしているかもしれない • 個人的な恨みつらみが原因で考えが捻じ曲がっているかもしれない • 個人的な（以下略）バイアスに気を付けて

Slide 10

Slide 10 text

• 今回の話は「データ分析をしたい個人の立場から見て」どうかが主題 • 企業やマネージャーの立場は基本的に無視。転職は個人にとっては機会でも立場によっては転職リスクとなりえる。必要とあらばその選択肢を隠さない • データ分析をうまく使っていきたい、分析する人を育てていきたい人向けでもないのでそれはまた別の機会に • 本当は話したいが、余白はあれど時間がない個人の立場で見ている

Slide 11

Slide 11 text

バイアス以外にも • 「全体像」を把握するが目的 • 「このままだと」どうなるだろうかを予想することが主題 • 良し悪しではなく判断するための一材料 • 日本企業でのビジネスおけるデータ分析の話が中心 • 全部話すことはできないのでダイジェスト版その他の注意点これぐらい限定しておかないと話が進まない

Slide 12

Slide 12 text

「データ分析に関わる人」を整理する

Slide 13

Slide 13 text

「データ分析業界」ってどこ？「データ分析業界」という言葉もあるが具体的に何をしている人や職種のことを指しているのかがあいまい。普段の会話はそれでもいいがスライドにまとめるのにそれでは困るので「データ分析」業界について整理してみる

Slide 14

Slide 14 text

「データ分析に関わる人」を分ける「データ分析に関わる人」を分けるとすると、この2つが大きな論点になる１．分析するのか、分析する環境やデータを作るのか２．自分のためか他人のためか

Slide 15

Slide 15 text

「データ分析に関わる人」を分けるすると「データ分析に関わる人」は大きく分けて３つになる。データを誰のために何と呼ぶ使う人自分のため分析する〇〇使う人他人のためアナリスト作る人エンジニア

Slide 16

Slide 16 text

アナリストとはアナリストとは、他人ためにデータ分析を行う人のこと。業界やツールの違いによって • データアナリスト／データサイエンティスト • Webアナリスト • マーケティングリサーチャー • UXリサーチャーなど名前が変わるが本質的な活動は同じ。企画や実行をする人はアナリストにはここでは含まない

Slide 17

Slide 17 text

アナリストとはアナリストのタイプにはもう1つあり、特定の人の特定の問題に答えるわけではないが広く使える分析を出す。例えば天気予報がいい例だがその他にも • 大学や研究機関 • シンクタンクや業界アナリストにいる。ビジネスの現場とはちょっと離れているので今回はあまり考えていない。

Slide 18

Slide 18 text

分析する〇〇とは自分のために分析をする人のこと。データ分析は誰でもやっていることなのでつまり世の中の大半の人はここに入る。 • 経営者やマネージャー • コンサルタント • マーケター • 営業 • 最近のグロースハッカーやカスタマーサクセスは（実態はともかく）分析色の強いマーケター参照：データ分析とはビジネスに限らず誰でもやっていること https://analytics-and-intelligence.net/archives/1209

Slide 19

Slide 19 text

エンジニアとは • データ分析のためのデータを作る人。 • 一般的にはデータエンジニアと言えば収集や保管を考えるところが主な業務。あとはインフラエンジニア。 • ダッシュボードを作ったりSQLでデータを抽出するのはそれを使って誰かが分析するためのデータを作っているので実はエンジニアの領域 • エンジニアとデータ分析の間にはデータマネジメント

Slide 20

Slide 20 text

「データ分析業界」ってどこ？「データ分析業界」を「データ分析」を中心に活動する人と定義するならデータを誰のために何と呼ぶ使う人自分のため分析する〇〇使う人他人のためアナリスト作る人エンジニア

Slide 21

Slide 21 text

「データ分析業界」ってどこ？「データ分析業界」を「データ分析」を中心に活動する人と定義するならデータを誰のために何と呼ぶ使う人自分のため分析する〇〇使う人他人のためアナリスト作る人エンジニアつまり、アナリストとしての活動が中心である人の業界

Slide 22

Slide 22 text

過去と現在の日本のデータ分析事情の概観

Slide 23

Slide 23 text

過去の日本のデータ分析事情これからを考えるにあたり、過去のことを知るのは有用。では過去はどうだったのか？は以下の3つに集約される • 情報やデータに基づいた意思決定の文化があまりなかった • 国家の命運のかかった戦争でもやっぱり情報無視 • AIの前にもBIやCRMで同じ間違いを繰り返している参照：過去の日本のデータ分析事情を概観する https://analytics-and-intelligence.net/archives/5539

Slide 24

Slide 24 text

現在の日本のデータ分析事情では現在はどうなっているかと言うと • データが大事という企業でも経営の意思決定にデータ分析が活用されておらず、現場がデータで何かやってくれる、ぐらいの感覚 • せっかく分析レポートを作っても使われない • データ分析者は社内に同僚や理解者がほとんどいない＆何をしているのかよくわからない人扱いなのでわりと孤立しやすい参照：現在の日本のデータ分析事情はどうなっているのか https://analytics-and-intelligence.net/archives/5543

Slide 25

Slide 25 text

「データ分析をする人」の現状そんな状況の中で、「データ分析をする人」は今何をしているのか？データを誰のために何と呼ぶ使う人自分のため分析する〇〇使う人他人のためアナリスト作る人エンジニア

Slide 26

Slide 26 text

「データ分析をする人」の現状 • どこかに軸足を置きながら複数の役割を兼ねている場合がほとんど • どうするかを提案したり実行するコンサルタントやマーケター、あるいはデータや環境を作るデータエンジニアも行っており、その割合の方が大きい • そして、現在アナリストを名乗っている人のうち大半はアナリストがメインの活動ではない

Slide 27

Slide 27 text

Slide 28

Slide 28 text

今後の「データ分析業界」の長期予報（ダイジェスト）

Slide 29

Slide 29 text

「データ分析業界」の長期予報以上を踏まえて、今後の「データ分析業界」の長期予報を考えてみる • まずは「データ分析業界全体」から

Slide 30

Slide 30 text

今後の「データ分析業界」の長期予報＜データ分析業界全体＞

Slide 31

Slide 31 text

お先真っ暗。改善する見込み無しデータ分析業界全体（完）次回の発表にご期待ください

Slide 32

Slide 32 text

• ないものはない • より正確に言えば「今までとたいして変わらない」 • この10年でデータの仕事が増えているのは確かだが、伸びているのは主に「現場でデータで勝手に何かうまいことやってくれる人」であり、「意思決定を向上させるデータ分析」の需要はほとんど増えていないデータ分析業界全体

Slide 33

Slide 33 text

• 理由はデータによる意思決定の文化が無く、文化はそんなに簡単には変わらないから • テクノロジーが発達しても使う人の意識が変わらなければうまく使いこなせない • 時代が変わりテクノロジーが進化しても長い時間をかけて積みあがった文化は簡単には変わらない • それゆえにこの状況が突如として変わる見込みは無いデータ分析業界全体

Slide 34

Slide 34 text

• このままでは改善する見込みはないことをまず認識するのが第一歩 • できるとしても意識の改革には少なくとも今から取り掛かって数十年かかるだろう • もちろんありとあらゆる企業が、と言うわけではないのでもう少し細かい粒度で見てどこかに可能性が無いかを探ってみるデータ分析業界全体

Slide 35

Slide 35 text

今後の「データ分析業界」の長期予報＜どんなアナリストとして働くか＞

Slide 36

Slide 36 text

データアナリストマーケターと同じで、言葉の意味が広すぎてデータ分析業界とほぼ同義になってしまうので何をするかでさらに細かく分けた方が良い

Slide 37

Slide 37 text

データアナリスト • 経営者向けデータアナリストはデータ分析の看板を掲げていても経営者層の意思決定にデータ分析が使われているケースは少なくデータアナリストの中でも需要が最も少ないのは変わらないだろう • 内容は経済予測、国際情勢、情報セキュリティ、競合分析などの戦略情報。 • 本来は分析者の役割だが経営企画や外部のコンサルが自分達で分析して自分達で使うのでアナリストの出番がない

Slide 38

Slide 38 text

データアナリスト • 現場向けデータ分析は問題に直面している現場の方がデータに対する感度が高いのだがやはりアレルギーはある。ただしアナリストだけでは足りず、社内コンサルもできるならチャンスはあるだろう • データをいれたら簡単な予測分析ぐらいならダッシュボードと同じ感覚で作れる機能が出始めており少しコードを書いて予測分析をする程度では仕事にならなくなるかもしれない

Slide 39

Slide 39 text

データアナリスト • 例外として、データによる改善が利益に直結するのが判りやすい業界では需要は高いままだろう • 例えば「保険」「金融」「ゲーム」 • 最近盛り上がりつつあるダイナミックプライシングは乱立しそうなので技術よりも企業の営業力勝負になりそう • 要するに「データ分析をしたら金が増える」が数字ですぐに見えるかが鍵。「効率が良くなる」では弱い

Slide 40

Slide 40 text

データサイエンティスト • データアナリストの中でもデジタルに特化しかつ高度な処理を行う人のこと • つまりデータアナリストの需要がないのにより高度なことができるアナリストとしてのデータサイエンティストはほぼ不要であり現在でもほとんどおらず、この状況は引き続きつづくだろう • データサイエンティストの実態は機械学習エンジニアなので、詳細はそちらにゆずる

Slide 41

Slide 41 text

• 「Web解析ツールを使う人」とほぼ同じ意味になっておりアナリストと言うよりはGoogleAnalyticsなどツールを使ったレポート作成屋になることも多い • SQLでデータを抽出するより心理的なハードルが低いのでマーケターのリテラシー向上と自動化が進めば遠からず Webマーケターの1スキルに吸収されてしまうだろう • UI／UX視点を合わせた顧客行動への洞察、Web業界全般のリサーチなど幅広く広げられるかが鍵か Webアナリスト

Slide 42

Slide 42 text

• 老舗も多く目立たないが良くも悪くも安定は続くだろう • ただし意思決定に関与できているかははなはだ怪しくレポートを作っているだけな面もある • 専業の企業は最近増えたデータ分析を受託する企業に比べれば選択肢も多いのでその分リスクは低い。一方で企業内リサーチャーは低需要マーケティングリサーチャー

Slide 43

Slide 43 text

• 今年から来年にかけて「デザイン」の流行とのからみで一時的に名前を聞く機会が増えるかもしれないがそれは一過性で終わる可能性が高いと思われる • 理由は名前だけ聞こえても「なにそれ？」で終わるから。デザインは判りやすいがリサーチに興味がある人は少ない • スキル的にはデータアナリストからの参入があってもおかしくなさそうだがコミュニティが断絶しているせいかあまり動きはない模様 UXリサーチャー

Slide 44

Slide 44 text

今後の「データ分析業界」の長期予報＜どこでアナリストとして働くか＞

Slide 45

Slide 45 text

大企業全体でのデータの活用は当分進まないだろう • ただし資産はあるので良い上司の元でならば参画は検討の余地あり。 • その上司がそれなりの権力を持っていることは最低条件 • 実績（というか名声）を手に入れてどこかに移る踏み台には使える • データはあっても使えない。使えても整備されていないから始まり各種社内調整が必要になる大企業でアナリストとして働く

Slide 46

Slide 46 text

定義があいまいだがデータ分析を行うために勤める先としては引き続き最有力である状況は続くだろう • データと文化が最も共存している • 希望しても入れるかは別の話であり、それが一番の難問メガベンチャーでアナリストとして働く

Slide 47

Slide 47 text

データの活用は当分進まない。大企業以上に浸透には時間がかかるだろう • これは文化の背景があるので企業規模を問わないし、うまくいった場合のインパクトが少ない • データもなければ専業を雇う余裕も無いので小さすぎる企業ではアナリスト専業は無理 • ある程度以上の規模ならアナリストが成立する可能性はあるが経営者がどれだけ投資するか次第。中小企業でアナリストとして働く

Slide 48

Slide 48 text

• 売れるツールのベンダーにいれば安泰だが、そのツールの価値がなくなった時に厳しい • 10数年前にGooleAnalyticsが登場した時に国内外のアクセス解析ツールベンダーが数年で壊滅した事例もある • 分析者としてはベンダーに所属して導入した企業にコンサルしたり常駐したり • ただあくまでもそのツールを使うことが大前提になるので手段を制限されるツールベンダーでアナリストとして働く参照：LookerはGoogleAnalyticsの再来となるのか https://analytics-and-intelligence.net/archives/5696

Slide 49

Slide 49 text

分析業務に特化して経験が積めるのは非常に有利だが長期的には留まるのはリスク高だろう。リスク要因としては • 企業の規模が大きくならない・・・転職独立が簡単 • 出世できない・・・上司の転職待ち • 転職の難しさ・・・条件面の問題がまずある。事業会社に行くにも分析だけしかしていないと厳しい • 今が良くてもずっと続けられる保証がないのはどこでも同じだが、選択肢が極端に少ないのが分析受託の特徴受託企業でアナリストとして働く

Slide 50

Slide 50 text

それでも「データ分析」で仕事をしたい人はどうしたらよいのか

Slide 51

Slide 51 text

• 細かく見たけどやっぱ無理じゃね？ • 無理ではないが厳しい。いくら細かく見て良い方法を探っても全体が悪ければどこかで詰むかもしれない • 一方で今後も「データ関連」の仕事は確実に増える • ということは「データ分析業界」ではなく「データ分析に関わる人」なら選択肢は大きく増えるデータ分析で働く

Slide 52

Slide 52 text

• 意地でもデータ分析業界がいいなら「成果が判りやすい」業種業態を選ぶ。 • 周辺領域まで活動を広げてその中でアナリスト活動をしていく • データ分析を自分で売り込む • 環境の良い企業に応募する対処法

Slide 53

Slide 53 text

「データ分析」で仕事をする選択肢＜＜成果が判りやすい業種業態を選ぶ＞＞

Slide 54

Slide 54 text

• 「成果が判りやすい」とは要するに「金が増える」がすぐにわかるかどうか • 「金融」「保険」は以前からデータ分析が使われている • 近年増えたのは「ゲーム」業界 • 最近盛り上がりを見せる「ダイナミックプライシング」 • ECは顕著に影響がでるはずだがあまり広まらないのは謎成果が判りやすい業種業態を選ぶ

Slide 55

Slide 55 text

• 金でなくとも物や形に残ると評価されやすい • 誰も使っていなくても「レポート」や「データ」が残るとやっている感がでる • 逆に数字になりづらい「意思決定の質を上げる」「炎上させずにプロセスをうまく回す」などは評価されない成果が判りやすい業種業態を選ぶ

Slide 56

Slide 56 text

「データ分析」で仕事をする選択肢＜＜周辺領域まで活動を広げてみよう＞＞

Slide 57

Slide 57 text

「データ分析を使う人」に広げてみる「データ分析業界」＝アナリストでダメなら「データ分析を使う人」に広げてみるデータを誰のために何と呼ぶ使う人自分のため分析する〇〇使う人他人のためアナリスト作る人エンジニア

Slide 58

Slide 58 text

• 今もこれからも稼ぐなら最有力なのはコンサルタントやマーケターなのは変わらない。 • 分析力や根拠をきちっと考えて話す力は差別化要因になるので、データ分析経験者のスキルは十分に生かせる • あとは性格が合えば、であるが… 分析ができるコンサルタント・マーケター

Slide 59

Slide 59 text

• 攻めのグロースハッカー、守りのカスタマーサクセス • 既存のマーケティングとの違いは分析による検証と試行錯誤を大量に行うこと • だけど実態としては今までのマーケティングと同じで看板を変えただけになっている • この違いを十分に理解している企業や上司と組むか、1人でどちらかでも企画・分析・実行の全部がやり切れるなら道が開けるかもグロースハッカー・カスタマーサクセス

Slide 60

Slide 60 text

「データを作る側」はどうか逆にデータを使う側ではなく作る側はどうか。データを誰のために何と呼ぶ使う人自分のため分析する〇〇使う人他人のためアナリスト作る人エンジニア

Slide 61

Slide 61 text

一般的にはパイプラインを作ったりとかをさすがここでは「データを作る人」全般をまとめてデータエンジニアとする分析ができるコンサルタント・マーケターは今までも需要があるが、これから伸びる職種では有力だろう理由１：データはあるが扱いに困っている企業は多い理由２：データを整備した結果が見える形で残る理由３：使われなくてもさほど問題にならないデータエンジニア

Slide 62

Slide 62 text

データエンジニアデータエンジニアの仕事は幅広い • ログを収集して保管する仕組みを作る（一般的にはデータエンジニアと言えばこれ）エンジニアと営業やマーケターとのギャップを埋める • 使いやすいようにデータマートを整備する • BIツールでダッシュボードを作る • データを抽出、加工して色々な人に渡す

Slide 63

Slide 63 text

データ分析とデータエンジニアのさらにその間みたいなの • データエンジニアリング • データ分析両方の知見に加えて • セキュリティ • 法務なども含まれる。需要が顕在化するのは当面先だろうデータマネジメント

Slide 64

Slide 64 text

• 毎回どこに分類すればいいのか困るのでとりあえずここ • AutoMLを筆頭に自動化が進みつつあり近い将来は飛行機のように役割が分かれていくと予想される • ごく一部の専門家がアルゴリズムを開発 • 専門知識（ドメイン知識）のある人が運用（ただし自動化次第） • 多くの人はデータ作りやメンテナンス • 次の「データサイエンティストよ、震えて眠れ」でより詳しい話が展開されることでしょう（多分）機械学習エンジニア

Slide 65

Slide 65 text

データ分析を自分で売り込む

Slide 66

Slide 66 text

• 自分で「データ分析」を売り込んで仕事を作る • データ分析をやってみたいと思っているがどうしたらいいかわからない企業や人は結構いる • 当人たちが判っていないなら売り込む必要がある • 分析する人は売り込むのが苦手なのでコンサルや営業にいいところを持っていかれて使われるだけになったりする「データ分析」を売り込む

Slide 67

Slide 67 text

• ここはどうなっているんですか • それはなんですか • このへん調べてみませんかと分析を売り込む。 • 問題は使ってもらえない率が上がるし、うざがられる • なので要偉い人の庇護社内で売り込む

Slide 68

Slide 68 text

• データ分析組織立ち上げを一緒にやりませんかと提案 • データも環境もないので分析だけでなくあらゆることをやっていく必要がある • 最も未知の領域であるが非常に挑戦的な取り組みでもある • これも偉い人の庇護があればよし、無ければ自分で突破する営業力や折衝力が必要組織の立ち上げを売り込む

Slide 69

Slide 69 text

• アナリストに未来がないのにプロセスを管理する人の未来はもっと暗い？ • 営業とエンジニアの隙間が開いている企業（つまり大半の企業）では分析の専門家より先に必要 • データ分析が失敗する要因の１つに「いきなり専門家を雇う」があり、これで痛い目を見た企業には伝わりやすい • なので需要は出てくるだろうが、とにかくわかりづらい存在でもあり現状では非常に厳しい。アナリティクスディレクターを売り込む

Slide 70

Slide 70 text

詳しくは前回のイベント資料にて。「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 https://speakerdeck.com/shinu/damt09 アナリティクスディレクターを売り込む

Slide 71

Slide 71 text

• データ分析人材採用コンサルティング • 分析の第三者監査 • 悪魔の弁護士 • ツール導入時チェック • 導入済みツールの精査分析を始めるきっかけとなりそうだが未知数例えばこんなサービスを売り込む参照：データアナリストだからこそできるサービスというかあったら自分が使いたいサービスを考えた https://analytics-and-intelligence.net/archives/3744

Slide 72

Slide 72 text

「データ分析」で仕事をする選択肢＜＜環境のよい企業に応募する＞＞

Slide 73

Slide 73 text

• データやデータ分析の文化がすでにある企業、理解のある経営者や上司、優秀な同僚に囲まれ、高い社会貢献度な企業に入ればいいというのはその通り • ただし入社できるかどうかは分析能力があるかとは別問題。特に面接 • なのでできることは「良い企業をさがして、数多く応募する」ことよい企業に入れればそれが一番

Slide 74

Slide 74 text

その他の問題点

Slide 75

Slide 75 text

• 繰り返しになるが、データ分析の周辺領域に活動を広げれば選択肢は多く生きていくのに困ることは無い。 • データ分析のスキルがある人は少ないので基礎的な理解だけでも差別化につながる • ただし、それぞれがまた大きな問題でありそちらにばかり工数を割かれて分析ができない共通の問題

Slide 76

Slide 76 text

その他持っておきたいスキル • 営業力データ分析の有用性や成果の社内外への提案、アピール。これさえあれば大体解決。その他長期的に持っておきたいスキル

Slide 77

Slide 77 text

その他持っておきたいスキル • 営業力データ分析の有用性や成果の社内外への提案、アピール。これさえあれば大体解決。分析力なんていらないその他長期的に持っておきたいスキル

Slide 78

Slide 78 text

その他持っておきたいスキル • 営業力データ分析の有用性や成果の社内外への提案、アピール。これさえあれば大体解決。分析力なんていらない • 発信力セルフブランディングしたり。名前が売れると転職にも有利。その他長期的に持っておきたいスキル

Slide 79

Slide 79 text

その他持っておきたいスキル • 営業力データ分析の有用性や成果の社内外への提案、アピール。これさえあれば大体解決。分析力なんていらない • 発信力セルフブランディングしたり。名前が売れると転職にも有利。分析力なんていらないその他長期的に持っておきたいスキル

Slide 80

Slide 80 text

まとめ

Slide 81

Slide 81 text

• データ分析の文化がなかった日本では「データ分析業界」つまり「アナリスト」の未来は暗い • 全体として悪いので部分的によいところを探してもすぐ限界がくる • 「データ分析」ならば選択肢は十分にあるが、その場合は「データ分析」以外のことが多く求められる • 今まで漠然と思っていたことをまとめて言語化してみたまとめ

Slide 82

Slide 82 text

• このままでいいなんてまったく思っていない • 良いキャリアの作り方 • 身に着けるべきスキルとその方法 • データ分析を誰にどうやってアピールするか • 文化をどうやって作っていくか • やることはたくさんあるけど先達はいないのでみんなで考えていきましょうこれからのことについてちょっとだけ

Slide 83

Slide 83 text

ご清聴ありがとうございました。しんゆう＠データ分析とインテリジェンス https://analytics-and-intelligence.net/ Twitter：@data_analyst_