1

企業で働くDataScientistの変化とこれから

2

Data Scientist を取り巻く環境の変化

アジェンダ

今後の Data Scientist の方向性

だからこそ今 Data Scientist に必要なモノ

02

03

01

3

2000〜2014@富士通研究所ストレージシステムの研究開発

2014〜2019＠リクルートコミュニケーションズData Scientist, Data Engineer

2019.03〜@メルカリMachine Learning Engineer

丸山 哲太郎

4

“Data Scientist”の流行

5

５年間で最も変化したこと

分析はCommodity化した

6

Data Scientist の昔と今

現在５年前

分析をベースに＋αが必要

分析さえ出来ればOK

（極論）

7

変化した要因

自動分析システム分析パッケージ

Google AutoMLDataRobotSAS Viya

Scikit-LearnTensorFlow

分析のCommodity化（分析はみんなのもの）

8

「分析」という業務の成熟

最も大きい要因

大変/大切なのは「そこ」じゃない

9

分析業務のサイクル

要件定義Data

Pipeline

前処理

モデル作成

microservice

指標の監視

改善方針

10

分析業務のサイクル

要件定義Data

Pipeline

前処理

モデル作成

microservice

指標の監視

改善方針

DataScientistの担当範囲

11

分析業務のサイクル

要件定義Data

Pipeline

前処理

モデル作成

microservice

指標の監視

改善方針

こっちの方が重要＆人手不足

12

Data Scientist + System Engineer

Data Scientist + α

Data Scientist + Data Engineer

Data Scientist + Project Manager

02

03

01 microservice

DataPipeline 指標の監視

要件定義改善方針

「分析」をベースに自分の価値を高める

モデル作成

13

データに対する好奇心、変化を恐れない心

だからこそ今 DataScientist に必要なモノ

データに対する責任感、Professionalism

真理を知りたいという気持ち、Logical Thinking

SQL

02

03

04

01

マスクド入場のスライド

テスト

自己紹介

名前：マスクド・アナライズ

所属：イキリデータサイエンティスト

主な活動：SNS及びWebメディアでの啓蒙活動

必殺技：垂直落下式ディープラーニング

自己紹介

■一体何者なのか？

→某AIベンチャー社員（主な取引先：製造業・SIer）

■マスクの理由

→会社にバレると面倒だから（今日は有給取得）

実績と活動

・Twitterフォロワー数10700人（業界内では上位）

・メディア記事ITmedia「AIベンチャー場外乱闘」技術評論社「マスクド・アナライズの道場破り！」

・書籍有名データサイエンティストとの共同執筆（9月頃出版）

・今後の登壇予定東京大学 松尾研向け特別講義一般社団法人コンピュータソフトウェア協会

イベントレポート・キカガク

キカガク＆マスクド・アナライズ共催イベント『ここが変だよ、日本のAIプロジェクト』

イベントレポート・ABEJA

ABEJA SIX 岡田社長とのトークセッション

マスクド入場のスライド

テスト

なぜ登壇できたのか？

・外資系大手IT企業

・学生向け講演

・他の登壇者は有名企業ばかり

・実はSAS社員では？

なぜ登壇できたのか？

正解：オファーが来たから

優秀なデータサイエンティストとは？

「なぜ？」の理由を「分析」する

「分析」するために「今」を知る

「今」を知るために「アップデート」する

アップデート＝「今」を把握すること

将来や原因を予測したい

↓

「今」の「データ」を「分析」

↓

データサイエンティストの責務

話題の一冊

アップデートされてない人

データサイエンティストも？

アップデートされないと……

そして「老害」へ……

アップデートの例

データ分析ツールからAIへ

アップデートの次は？

AIへの変革を「アウトプット」

アウトプットとは？

あうとぷっと【アウトプット】

新たに学んだことを自分なりに”付加価値”をつけて、第三者に向けて発表すること。

発表に対する反応を受け止めて、新たな学びを得ることも含まれる。

媒体や手法を問わず、継続的かつ幅広く行うことを前提とする。

「アウトプット」の一例

アウトプットの成果

26

アウトプットの成果

転職オファーの件数

※個人の感想です

データサイエンティストの基礎体力

データサイエンティストの仕事（イメージ）

・分析

だけではなく……

データサイエンティストの仕事（現実）

・分析・担当者と打ち合わせ・データの前処理・論文の調査・事例探し・業務知識の習得・説明用レポート作成・メンバーの育成・面倒な人の説得

など

常にアップデート・アウトプット

卒業はスタートライン

理想のデータサイエンティスト像

冒頭の質問と答え

問：なぜ登壇できたのか？

冒頭の質問と答え

問：なぜ登壇できたのか？

答：「アップデート」と「アウトプット」

以上