転職レシピ|アカデミック系データサイエンティストの転職先選び(伸ばすのはエンジニア能力?ビジネス能力?)

転職
次の転職先で磨きたい能力から転職先企業を絞り込むことができます

Ciao!みなさんこんにちは!このブログでは主に
(1)pythonデータ解析,
(2)DTM音楽作成,
(3)お料理,
(4)博士転職
の4つのトピックについて発信しています。

今回は、博士・ポスドクが民間のデータサイエンティストとして転職する際の、転職先選びのポイントをお話します。
2018年の転職活動開始当時、転職エージェントから「データサイエンティスト」という職種を進められました。
「データサイエンティスト」という言葉を初めて耳にした私は、自分なりに「データサイエンティスト」について調べて情報をまとめました。
この記事では当時まとめた情報をご紹介しつつお話します!

前回の記事「転職レシピ|データサイエンティスト3類型(博士・ポスドクの研究経験を活かすアカデミック系データサイエンティスト)」では、博士・ポスドクからアカデミック系データサイエンティストになる上での強みをお伝えしました。
今回はこの3類型を踏まえた上で、これからどの種類の能力を伸ばしたいかというキャリアイメージを基に転職先を絞っていく考え方をご紹介します!

民間企業への転職を考えている博士・ポスドクの方には、自身の強みを言語化したり、転職までに準備しておくべきことや転職後に得たい経験を整理するために参考にしていただけるでしょう!
また、すでにデータサイエンティストとして活躍している方も気づきが得られるかもしれません。
私自身、当時のメモを読み直してみると新たな発見があります。

Kaiko
Kaiko

この記事は以下のような人におすすめ!

  • データサイエンティストってどういう仕事?
  • データサイエンティストになるにはどんな能力が必要?
  • データサイエンティストとしての転職先をどう決める?

Abstract | データサイエンティストの力を磨くための転職先選び

データサイエンティストには、

  1. アカデミック系データサイエンティストの能力(統計学)
  2. エンジニア系データサイエンティストの能力(アルゴリズム)
  3. マーケター系データサイエンティストの能力(ビジネス)

の3つの力が必要です。
データサイエンティストとして民間企業で活躍するためには、特にどれか一つに秀でていることに加えて、3つの力をどれもある程度備えていることが重要です。

博士・ポスドクの場合、学術研究で統計学を使った分析を行っており、多くの民間企業のデータサイエンティストと比べればアカデミック系データサイエンティストの能力には秀でているはずです。
一方で、他の2つの力、アルゴリズム能力やビジネス能力を磨く必要があります。

そこで転職後のキャリアを、

  • アカデミック系データサイエンティストにアルゴリズム能力が加わった専門家になるか
  • アカデミック系データサイエンティストにビジネス能力が加わった専門家になるのか

という視点で考えることができます。
将来どちらのタイプのデータサイエンティストとして活躍したいのかを考えれば、次の転職先の選択肢として、アルゴリズム能力を磨ける会社を選ぶのかビジネス能力を磨ける会社を選ぶのか絞り込むことができます。



Background | データサイエンティスト3類型

前回の記事(こちら)で、データサイエンティストには、

  1. アカデミック系データサイエンティスト
  2. エンジニア系データサイエンティスト
  3. マーケター系データサイエンティスト

の3類型があるということをお話しました。
この分類は、私が転職活動をし始めたときに読んだデータサイエンティストの尾崎隆氏のブログ記事から学び、私なりに整理したものです。

今回はこの3類型を別の角度から振り返り、私が転職先を選ぶ際に重視したこと

  • 次の転職先でエンジニア能力を高めるか?
  • 次の転職先でビジネス能力を高めるか?

というお話をします。



Contents | 3類型を別の角度から振り返る(QR/QE/QA)

前回記事のもととなった尾崎隆氏のブログ記事「「データサイエンティスト」と一括りにせず、Quantitative Analyst / Engineer / Researcherの3カテゴリに分けよう」では、

  • Quantitative Researcher (QR)
  • Quantitative Engineer (QE)
  • Quantitative Analyst (QA)

の3種類に分類されています。QRがアカデミック系データサイエンティスト、QEがエンジニア系データサイエンティスト、QAがマーケター系データサイエンティストに対応します。
尾崎隆氏のブログ記事には、それぞれ以下のような特徴があると書かれています。

Quantitative Analyst (QA) = マーケター系データサイエンティスト

データを分析し、結論を出す人でこれが従来のデータサイエンティスト(Data Scientist)。コンサルタントorマーケッターをベースとして、データサイエンスのスキルを上乗せした人材。
スキル要件としては

  • データマイニング
  • アナリティクスorレポーティング
  • コンサルティングorマーケティング

Quantitative Engineer (QE) = エンジニア系データサイエンティスト

データを分析するためのアルゴリズムと基盤を研究開発し、その上で実装し、結論を導くサポートをする人。
実際にはほぼ完全に、機械学習・最適化などのアルゴリズムの研究者兼サーバーサイド実装エンジニア。

これは一つ目のQuantitative Analystに比べると物凄くハードルの高いポジションだとも言えます。
少なくとも機械学習・最適化・統計学で研究開発実績を持つ修士・博士でないと難しいことでしょう。また、今後の「データサイエンス基盤の自動化」の流れを考えると、そのような人材がさらに必要とされることになるだろうと予想されます。

Quantitative Researcher (QR) = アカデミック系データサイエンティスト

データを分析し、必要とあらばアルゴリズムと基盤にも手を入れ、データの根底にある本質を見出せるだけの洞察力を備える人。
QA, QEとは異なるタイプのエキスパートで、何よりも統計学を駆使して「データのばらつきの向こう側にある真実」を捕まえに行く専門家。
それらの専門家は、時としてアルゴリズムや分析手法の研究開発に勤しむこともありますが、主たる関心事は「そのデータが何を表しているか」を理解することです。

例えば楽天に今年から発足したデータサイエンティスト・チームは、理論物理学や計量経済学のエキスパートから構成されていると聞き及んでいます。これはまさに好例ですね。
Quantitative Analystとの最大の違いは、「ビジネスに関係あるかないかとは無関係にそのデータの本質に迫ることができる」という点です。
もちろんビジネスが絡んだらちゃんと適切な結論を出せるけれども、仮にビジネスが絡まなくてもデータの向こう側で躍動している現象の法則・本質・真実に到達できる専門家です。



Discussion | 転職先に求める要素

私の転職活動において、転職先選びで重視したことは、

  • 転職先でQE(エンジニア系データサイエンティスト)的な能力を身に着けたいのか
  • 転職先でQA(マーケター系データサイエンティスト)的な能力を身に着けたいのか

ということです。

QR的な能力の次に身につけたい能力はQEかQAか?

データサイエンティストとして活躍するには、どれか一つの能力に特に秀でつつも、3つの種類の能力をどれも有している必要があります。
特にビジネス力が皆無なのは民間企業のデータサイエンティストとしてはNGです。

私の場合は、博士・ポスドクの研究で既にQR(アカデミック系データサイエンティスト)的な能力は身についていました。
すべての能力を完璧に身につけるのは不可能です。
あくまでもバランスが大切ですが、QR的な能力の次にQA側の能力を磨くかQE側にするかが問われます。
そこで、「データサイエンティストとしてQAの次にweightを置きたいのは、QA側かQE側か?」つまり、

  • どちらかというとビジネスに応用できるようになりたいのか?
  • アルゴリズムなどの基礎技術を極めたいのか?

という問いが、転職先選びの鍵になりました。

当時の状況では、「QA側(ビジネス能力)が明らかに足りないので、8:2ぐらいでQA側の能力を身につける努力をし、そのような環境に身をおくべき」と考えて、転職先を選びました。
私の場合、エンジニアになりたいわけではなく、研究の経験やスキルをビジネスに活かしたいと考えていたことがビジネス能力を優先した動機です。
ここは博士・ポスドクでも個々人によって考え方が分かれるでしょう。

転職先でQE的な能力を身につけられる転職先候補

転職先でQE的な能力(アルゴリズムとコンピュータサイエンスの能力)を身につけたいのであれば、アルゴリズムや基盤の開発・研究を行うことができる機械学習エンジニアとしてIT事業会社などに転職することが考えられます。
データ活用が進んでいるIT事業会社では、自社で大量のデータを保有しており、アルゴリズムや基盤の開発も自社で行っていることが多く、QE的な能力を身につけやすい環境があります。
データ活用や深層学習AI開発が活発に行われているベンチャー企業でも機械学習エンジニアの精鋭を集めています。
QE的な能力を磨きたいのであれば、このような会社が有力な転職先候補でしょう。

転職先でQA的な能力を身につけられる転職先候補

一方、転職先でQA的な能力(ビジネス能力)を身につけたいのであれば、データ分析をビジネスに適用する現場に携わることができるデータ分析系の会社やコンサルティング企業のデータサイエンティストとして転職することが考えられます。
これらの会社の場合は、クライアント(顧客となる企業)にビジネス課題があり、データ分析でそれを解決するというアプローチが取られるため、データ分析をビジネスに適用する経験を積むことができます。

「クライアントにビジネス課題があり」と書きましたが、実際にはクライアントが抱えているであろう課題から、いま手に入るデータで解決可能な課題を定義する作業から始まります。
「いま手に入るデータで解決可能な課題を定義する」というのは、学術研究の研究テーマの定義によく似ています。
学術研究の場合は、自分の学問分野(銀河天文学など)に精通する必要がありますが、データサイエンティスト業務の場合には、クライアントのビジネスに詳しくなる必要があります。
このような業務をしているうちにビジネス知識が身についてQA的な能力が養われます。



Conclusion | まとめ

最後までご覧いただきありがとうございます!
データサイエンティスト3類型を別の角度から振り返り、転職先選びに活用するポイントをお話しました!

データサイエンティストとして活躍するためには、

  1. アカデミック系データサイエンティスト (Quantitative Researcher)
  2. エンジニア系データサイエンティスト (Quantitative Engineer)
  3. マーケター系データサイエンティスト (Quantitative Engineer)

のどこかに軸を置きつつも、すべての能力を有している必要があります。

数学・統計学の能力が既に備わっている博士・ポスドクからデータサイエンティストを目指すのであれば、次に重視するのがアルゴリズム能力なのかビジネス能力なのかによって転職先が分かれるはずです。
どちらを目指しているのかをはっきりさせて、それに適合した転職先に応募すれば積極的な転職理由も整理でき、マッチング度合いも上がります。
転職成功の確率を上げるためにも、ぜひ一度考えてみてください!

以上、「転職レシピ|アカデミック系データサイエンティストの転職先選び(伸ばすのはエンジニア能力?ビジネス能力?)」でした!
またお会いしましょう!Ciao!

コメント

タイトルとURLをコピーしました