Tecnos Data Science Engineering

RECRUIT マネージャー対談

最先端のデータ分析という領域をリードし、
新しい時代を一緒に作る仲間を求めています。

企業を知るにはそこで働いている人たちを知るのが近道です。入社した後に一緒に働く上司がどのような人たちで、仕事にはどのようなやりがいがあり、働く仲間に何を期待しているのか。
一線で活躍する当社のマネージャーたちに話を聞きました。

  • データサイエンスグループ所属マーケティング系を主に担当
    主にアナリティクスコンサルティングを行う
    [物理学専攻出身]

     

  • データサイエンスグループ所属製造系やHR系を主に担当
    予知保全、採用効率化やリテンション分析を行う
    [物理学専攻出身]

     

  • データサイエンスグループ所属デジタルマーケティングやHR系の企業を主に担当
    データ分析のコンサルティングを行う
    [情報工学専攻出身]

     

  • エンジニアリンググループ所属 分析業務のシステム企画および分析基盤・アプリケーション構築の
    コンサルティング担当
    [環境理工学専攻]

     

     

なぜデータ分析を仕事にしたのか?

みなさんはどんなバックボーンを持っているのでしょうか。

  •  大学では物理学の博士課程にいて、大量の実験データを使って研究をしていました。研究では、計算機を使ってその大量のデータを分析し、自然現象を理解するということに取り組んでいたので、データサイエンスによる業務内容や考え方と近しいと感じ、当社のようなデータ分析を仕事にしました。
     前職でも2年間データ分析の仕事をしていて、当社に転職したのは2014年です。最初は金融系の分析の仕事をしていました。そのあとHR系の仕事に関わり、現在では製造系の仕事にも関わっています。

  •  私も物理の博士課程にいて、宇宙線の研究をしていました。観測素子で収集したデータをシミュレーションするという研究で、データ解析は常に身近にありました。
     宇宙線の研究で博士号をとってから外資系IT企業に入社してSEをやっていましたが、そこでは自分の強みが生かせないと感じて、データ分析の会社に転職しました。そこから当社に転職してきました。

  •  私は2012年に新卒でグループ会社のテクノスジャパンに入社しました。そこでは約2年間ERP導入のSEをしていたのですが、当社の立ち上げの話を聞いて「やってみたい」と手を上げて出向し、2014年に転籍しました。

もともとデータ分析のスキルがあったのでしょうか。

  •  その頃には知識もスキルもなかったですね。ERPはパッケージ製品なので、その製品の構造を覚えて、カスタマイズするための知識をつけるわけですが、それよりももっと汎用的な技術力を身に着けたいと思っていたんです。そこで当社で働きたいと考えました。
     ただ、情報工学の修士課程にいたので、機械学習は多少知識があって、インターンシップでは画像処理の仕事をしていました。とはいえ、統計の知識はなかったので、入社してから勉強しました。この業界は統計以外にも学ぶべきことが多く、勉強は大変でしたが、プログラミングだけは苦手意識がなかったので、それを頼りに頑張りました。
     当社に入社してからはWebマーケティング系やHR系のお客様に常駐してデータ分析のコンサルティングをしています。

エンジニアリングはなぜ必要か?

ご担当はエンジニアリンググループということですが。

  •  私はみなさんとはバックボーンも仕事内容も違います。2003年にグループ会社のテクノスジャパンに入社して、ERPのコンサルティングと新製品企画の開発を担当し、最後は組織をマネジメントする仕事をしてから、2017年9月に当社に入社しました。
     私はどちらかというとシステムエンジニアリング畑で、プログラミングもやりましたし、システム構築も手がけてきました。その私が当社に来たのは、データサイエンスとエンジニアリングの統合を強化するためです。
     データ分析からシステムまでを一気通貫で手がけることで、当社のビジネスはより強く継続的なものになります。そのためにシステムエンジニアリングを強化したいという経営トップの考え方を受けた形です。データサイエンティストが作った予測モデルやAIエンジンを業務に活かすためにはシステム化が必要なんです。
     入社してからは、システムエンジニアリング部門の組織を立ち上げつつ、お客様の新しい分析基盤を構築するためのコンサルティングを手がけています。

データ分析基盤の構築へのニーズは高まっているのでしょうか。

  •  今ビックデータ分析やAI活用自体は身近なものになりつつあります。いわゆる民主化ですね。それに合わせて各企業でもデータ分析のデジタルイノベーション部やデータサイエンス室など自社組織を作りたいと考えるようになっています。そこでは組織だけではなく、ビッグデータを扱う基盤も必要になります。当社としては組織づくりと基盤づくりの両面からお客様を支援しているわけです。

以前流行にもなったデータウェアハウスとはどう違うのでしょうか。

  •  データウェアハウスはIT部門のためのデータ分析基盤でした。業務の観点からではなくシステムの観点から構築された大規模なデータの箱ものです。ただ、それは業務という観点ではそれほど活用されていなかったと思われます。
     今求められているデータ分析基盤は、それとは違って「どう業務に活かすのか」という視点から構築されるもので、小さく始めて効果を上げながら広げていく、というスモールスタートのアプローチが良いかと思います。現業部門が主体となって、どう活用するのかを意識して構築していくのが特徴です。

難しさとやりがいはどこに?

データ分析の仕事は急速に広がっているように思えますが、
難しさはどんなところにあると思いますか。

  •  当社に声をかけてくれるのは、データ分析をやりたいと考えている部門や部署です。ところがお客様の企業全体がそう考えているわけではありません。データ分析の必要性や重要性を感じていない部門もあるわけです。
     そういう人たちにデータ分析の価値を伝えていくのは難しいことですが、成功事例があれば説得できます。今はそのような事例を作ることに注力しています。

  •  顧客のデータ分析への理解があれば仕事は進めやすいですが、それが組織の下からだと組織全体はなかなか動きません。トップダウンが重要です。組織の上の人がデータ分析やAI技術というものを理解しないといけません。
     現場より上へのアピールをすること簡単ではありませんが、お客様との接点が多いマネージャーという立場から、より上の方へのアピールを意識して取り組んで行かなければいけません。

  •  効果を金額で示さないとお客様は納得しません。これくらいの価値を提供できると試算し、上へアピールすることで、データ分析への関心も広がっていきます。今はそれを意識していますね。

どんなところにやりがいを感じますか。

  •  以前、メールでレコメンド商品を紹介して売上アップにつなげるというマーケティング施策の仕事をしたのですが、私たちが提案したモデルが比較対象よりクリック率で2倍以上の成果を上げることができました。
     データサイエンティストの目指すところは三方良しなんだと思います。お客様の売上があがって、消費者にもメリットがあって、当社もビジネスになるということです。それができたときにはやりがいを感じますね。

  •  特にやりがいを感じるのは、分析結果が施策に繋がったときです。データ分析はやってみて結果が出ないこともあります。施策に繋がり、更に利益が出て初めてお客様へ貢献できたことになりますので、それが達成できた時はとても嬉しく感じます。
     また、いろいろな技術を学んでいると実感したときにもやりがいを感じます。データサイエンティストには、データを解釈する力や加工するためのスキル、統計の知識など幅広い知識やスキルが求められ、常に学んでいる状態です。それが楽しいですね。

  •  データ分析を通して、お客様と共通の認識を構築できたときですね。分析した結果をフィードバックした時に、お客様に納得していただけると、やっていて良かったと感じます。
     一方で、色々な業種や色々な世界をデータから理解できるというやりがいもあります。例えば、人事系の要因分析とディープラーニングを使った画像分析では、目的や考え方も違うので、異なる角度からアプローチをします。データ分析から様々な知識を得ることができます。

  •  私の仕事では新しいこと、最先端のことに取り組んでいる喜びがありますね。既存のシステム構築の分野はある程度完成されています。新しいことはそんなにありません。しかし、AIやデータ分析は今まさに進化している領域です。第4次産業革命のど真ん中にいるわけです。
     時代の最先端にいる面白みややりがいに加えて、お客様に目に見える形で効果をもたらすことができるのは大きな喜びです。しかも劇的な効果ですからお客様も喜んでくれます。データ分析には、今まで人がやってきたことによる限界を超える力があるんです。
     私個人としては、この仕事を通して国のプロジェクトにも関わったときに、大きなやりがいを感じましたね。

どんな素養が必要なのか?

データサイエンティストになるには、どんな素養が必要なのでしょうか。

  •  数学力、IT力、ビジネス力は必要です。それに加えてプロジェクトをまとめるコミュニケーション力も求められます。
     当然、データを見る力、観察力も重要です。木を見て、森も見る。そんなスタンスでデータの背後にあるものを見つけ出せる人は、さらに上のステージに進むことができるのではないでしょうか。

  •  全く同意見ですが、採用する時点で最初の3つの能力をすべて備えている人はいないでしょうね。どれか一つでも自信があれば後の2つは入社してから勉強すれば良いんです。私の場合には、ITでした。
     また、当社はお客様にコンサルティングするという面もあるので、そういう仕事が好きな人も向いていると思います。

  •  数値データから物事を見極めるわけですから、抽象的なものを具体的な出来事に置き換えなければいけません。また逆に、具体的な現実の問題を抽象化することも必要です。すなわち、抽象的なデータと具体的な事象を結びつける力が必要です。

  •  新しいことを常に学んでいけるタフな人でないと、データ分析という新しい領域を支えるシステムを構築できません。システムエンジニアであってもAIやデータサイエンスを知らないではすまされません。新しいことにチャレンジしてキャッチアップできる力が求められます。
     加えて、自分で自分の限界を作らないことです。分析エンジンやデータの組み合わせは無限にあります。データ分析基盤として最適なものを追求することに終わりはありません。固定観念にとらわれずに柔軟に考えを取り込める人が向いていると思いますね。

学生さんへのメッセージ

学生さんにメッセージをお願いします。

  •  自分がやりたいと思っていることが延長線上にあるような会社、やれるような会社に入れることが、一番良いと思います。そのためには、自分が何をやりたいのかを自問自答することです。その熱い想いを持って入社して、仕事を自分事にしてチャレンジして欲しいですね。
     当社は新しい会社です。やれることは沢山あります。仲間として一緒に新しい時代を作っていきましょう。

  •  仕事を自分事という問題意識で捉えることが大切です。当社で仕事をするならそういう人であって欲しいです。
     また、比較的新しい業界なだけに状況は有機的にどんどん変化していきます。5年後にどうなっているかもわかりません。やりたいことも将来変わり得るということを理解し、柔軟性を持って新しいことをキャッチアップしてください。そしてそれを面白いと感じてください。

  •  就活で苦労した経験から言わせてください(笑)。自分がやりたいことは何かを突き詰めてください。その上で妥協せずに就活にトライして欲しい。また、理系であれば研究に頭を使って考えに考え抜いてください。その姿勢が入社してから役に立ちます。
     それとは真反対のことを言うようですが、就活サイトの自己診断も一度やってみてください。自分が気づいていないけれど、実は向いている仕事があるかもしれません。最初から決めつけるのではなく、そういう柔軟性や視野の広さも必要です。

  •  このコンテンツを見ているということは、AIやデータサイエンスに興味を持っているはず。この業界をとことん調べて、大企業なのか、当社のような新しい会社なのかを選んで欲しい。その会社でどんな仕事ができそうで、どんな障害がありそうかを想定して、自分のやりたいことができそうな会社を選ぶのが良いと思いますね。

お問い合わせはこちらから

03-6383-3261 メールでのお問い合わせはこちら