IT事業会社で働くデータアナリストのスキル磨き

前回の記事で、大きな事業会社では、事業の主役は別にいるからデータアナリストとしては「名脇役」を目指し、そのためにデータスキルを磨くと整理。

大きな事業会社で目指すデータアナリスト像は「名脇役」

ただ、仕事で、データに基づかないことは出しゃばらないという自分への戒めが強く、データスキルを磨くために何をするかが、具体化されていなかった。行動計画に落とし込み、実行していくために、データスキルを磨く計画をつくる。

データアナリストのスキル

図は、toCのWeb(アプリ)サービスを担当するデータアナリストとして、必要だと感じているスキルと、主観的な現状の点数。必要なスキルの優先順位と説明は以下の通り。

  1. データ活用:ビジネス要件を整理し、分析要件に落とし込み、適切な手法を選択して自分で手を動かすことができて(全部必ずしも手を動かす必要はないが)、結果をわかりやすく共有できる。データ活用に必要なログ設計ができる。5点の状態は、ひとりで他部署とも連携しながら、サービス担当することができる。
  2. ウェブ解析:GAを使ったり、ローデータを抽出・加工してアクセス解析。GTMでタグ設定。5点の状態は、ウェブ解析でコンサルなどでビジネスできる(イメージはウェブ解析士マスター)。
  3. Tableau(BI):使えるダッシュボードを設計(データ設計含む)してつくれる。BIツールで議論しながら集計できる。5点の状態は、Tableauを使ってビジネスできる(イメージはJedi)。
  4. ABテスト/効果検証:分析設計から効果検証までできる。サンプルサイズ設計などの統計学知識や、多変量テスト・多腕バンディットなどのテスト手法も使える。5点の状態は、理論に精通した上で、テスト周りのデータ分析ができる(イメージは社内のデータサイエンティスト)。
  5. レコメンド:レコメンドシステムをつくることができ、安定運用でき、効果検証しながらチューニングできる。5点の状態は、理論に精通した上でレコメンドシステム作成・運用できる(イメージは社内の機械学習エンジニア)。

点数については、1点が言葉を知っている、2点ができることがわかって、専門の人と会話できる、3点が業務経験があり・使える、4点が一歩進んだことを知っていて使える。

レコメンドについては、機械学習エンジニアの人がいるので、データアナリストとして、実装・運用できるレベルまでは必要ないが、できると幅が拡がりそうなので含めている。

スキル磨き計画

ウェブ解析やTableauスキルを更に伸ばしても、社内でアウトプットするものが変わらなそうだから、ABテスト/効果検証とレコメンドを1点ずつ上げることを目標に。この2つは、社内にロールモデルになる人がいるのも大きい。2020年中に。

  • ABテスト/効果検証:データサイエンス手法の理解を深めて使える状態
  • レコメンド:理論をある程度理解して実装でき、担当サービスでプロトタイプを作成している状態

目標達成に向けて「社内知識」「一般知識」を吸収する。

社内知識については、データ専門組織の社内wikiを見まくる。大きな会社のいいところ。一般知識については、サラッと読んだ参考書や見たUdemy講座を順番にやって、拡げていく。

ABテスト/効果検証:参考書

加えて、Google Optimizeで無料でできるので、このブログを使ってABテスト、多変量テストを実施する。

レコメンド:Udemy講座


Building Recommender Systems with Machine Learning and AI

レコメンドシステム、効果指標、コンテンツベース、協調フィルタリング、特異値分解、ディープラーニングと、ひととおり学ぶことができる講座。講座を見ながら、配布されるPythonコードを回しただけだったので、自分で書きながら、理論とコードを理解する。

加えて、Docker、Git、Hadoop、Sparkなどエンジニア領域を拡げる必要がありそう。

さいごに

仕事で名脇役を目指すという「目的」のもと、「ゴール」としてABテスト/効果検証とレコメンドのスキルを磨き状態を定義し、「行動計画」を立てることができ、やることが絞られ、データスキルを磨く熱が復活させることができた。主観でもいいから自分のスキルを可視化するのは大事。

好奇心が強く、知りたい欲求が強いので、データを使って可視化したり分析したりするのが好き。この欲求を満たすためにも、武器を増やしていこう!