Upgrade to Pro — share decks privately, control downloads, hide ads and more …

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

29e4aa4e265e478995df09ca52d62103?s=47 ShinU
June 11, 2019
9.2k

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

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

白金鉱業 Meetup Vol.8
https://brainpad-meetup.connpass.com/event/131670/

作成者 :しんゆう@データ分析とインテリジェンス
ブログ :https://analytics-and-intelligence.net/
Twitter:https://twitter.com/data_analyst_

29e4aa4e265e478995df09ca52d62103?s=128

ShinU

June 11, 2019
Tweet

Transcript

  1. 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

  2. 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

  3. • 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

  4. • 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
  5. 自己紹介

  6. 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

  7. 話を聞くにあたり注意してほしいこと

  8. 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

  9. 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
  10. • 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
  11. 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
  12. 「データ分析に関わる人」を整理する

  13. 「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

  14. 「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

  15. 「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
  16. 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
  17. 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。

  18. 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
  19. 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
  20. 「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
  21. 「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
  22. 過去と現在の日本のデータ分析事情の概観

  23. 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
  24. 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
  25. 「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
  26. 「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
  27. 「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 = データ分析業界そのものがほぼ存在しないに等しい
  28. 今後の「データ分析業界」の長期予報 (ダイジェスト)

  29. 「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

  30. 今後の「データ分析業界」の長期予報 < データ分析業界全体 >

  31. 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

  32. • 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

  33. • 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
  34. • 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
  35. 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 >

  36. 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

  37. 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
  38. 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
  39. 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
  40. 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
  41. • 「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
  42. • 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

  43. • 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
  44. 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 >

  45. 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
  46. 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

  47. 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
  48. • 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
  49. 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
  50. 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

  51. • 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
  52. • 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
  53. 「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 >>

  54. • 「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
  55. • 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

  56. 「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 >>

  57. 「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
  58. • 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

  59. • 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
  60. 「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
  61. 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

  62. 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
  63. 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
  64. • 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
  65. データ分析を自分で売り込む

  66. • 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
  67. • 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
  68. • 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
  69. • 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
  70. 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

  71. • 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
  72. 「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 >>

  73. • 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
  74. その他の問題点

  75. • 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

  76. 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

  77. 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

  78. 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

  79. 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

  80. まとめ

  81. • 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
  82. • 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
  83. 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_