未経験からデータサイエンティストになるルートを考えてみた


悩むトリケラトプス

データサイエンティストになりたいけど、どうすればなれるのかがよく分からない、、


この記事では、こんな悩みに答えていきたい。

昨今のデータサイエンスブームにおいて、未経験からデータサイエンティストを目指しているという話はよく耳にする。自分も未経験からデータアナリストになったので、その一人である。


未経験の時に見えていた「データサイエンティスト像」と、データアナリストとして働いてる自分から見える「データサイエンティスト像」は、当たり前だが解像度が大きく違う。今回は、主に未経験の方に向けて、データサイエンティストになるルートについて、私なりの考えをまとめていく。

※自分はデータサイエンティストではないので、あくまで主観的な整理だと言うことは一応補足しておく。また、私はアナリスト寄りのスキルセットであり、エンジニア側のことはよく分かっていない。エンジニア側の情報の解像度が低くなっているが、そこは了承頂きたい。



データサイエンティストになるルート


データ系の職種の整理


この記事を書くための前提として、以前以下の記事を書いた。

データ系職種6つを整理してみた


上記の記事内で、データサイエンティストを含む6職種を整理しているので、それを踏まえて今回の記事を書いていく。まだ読んでいないという方は、読んでいただけるとより理解してもらえると思う。

アナリストルートとエンジニアルート


データサイエンティストになるルートは、大きく分けると「アナリストルート」と「エンジニアルート」の2パターンがあると考えている。

上記で紹介した記事内の、職種の整理図をもとにすると、大まかに以下のような2つのルートに分けられると思う。


このうちどちらのルートを進めばいいかは、自分のスキル・経験・適性などに鑑みて、比較的判断しやすいのではないだろうか。ここまではよくある話だと思う。

それぞれのルートごとに、もう一歩踏み込んで、どのようなルートがありそうかを詳細に見ていくことにする。


アナリストルート


まずは、アナリストルートについて。


データアナリストという職はコンサルやマーケターと近い位置にある職なので、ビジネスサイドからデータサイエンティストになろうと考えた時は、まずこちらのルートを検討するのではないかと思う。


とはいえ、アナリストルートの中にも色々な細かいルートがあると思っており、転職前の職種別にどのようなルートが考えられるかを、解像度を上げて書いていく。職種は以下のように分けた。

  • コンサル・マーケターの場合
  • 駆け出しエンジニアの場合
  • 無関係職種の場合

順に解説していく。


コンサル・マーケターの場合


コンサル・マーケターからデータサイエンティストを目指す場合、SQLスキルを身に着けてデータアナリストになるイメージが良いと思っている。


コンサル・マーケターの仕事はデータアナリストに通じる点が多く、少しSQLを学ぶだけで比較的楽にデータアナリストになることはできるためである。

逆に、データ集計に特化するような「データ集計屋」や、データエンジニアの方に大きくキャリアチェンジをすると、現職の強みを活かせず遠回りをする可能性が高い。

私自身、コンサル→データアナリストというキャリアルートを辿っているが、コンサル時代に学んでいた仕事術や思考法的なものは、データアナリストの仕事にかなり活きている。

このような人達は、比較的データ業界への転職が容易だと考えている。


駆け出しエンジニアの場合


駆け出し時期のエンジニアの場合、後述するエンジニアルートではなくアナリストルートを通るという選択肢もあると考えている。

具体的には、まずSQLをサッと身に着けて「データ集計屋」として分析業務の経験を積んでいく。そこから分析的思考力やビジネス力を鍛えていき、データアナリストになるというルートである。

アナリストルートに進むメリット


駆け出しエンジニアがアナリストルートを通る際に活かせる強みとしては、以下のようなものがある。

  • SQLの習熟が容易
  • Python等で幅広い分析を行える

上記のようなメリットである。


まず、データアナリストという仕事はSQLスキルが必須になってくると思うが、その学習コストがかなり低い。SQLは厳密にはプログラミング言語ではなく、覚えることもプログラミング言語より圧倒的に少ない。エンジニアとしての学習を行っているのであれば、比較的容易に習得できると思われる。

次に、Pythonが使えると、コンサルやマーケター出身のデータアナリストより分析の引き出しを増やしやすい。機械学習や可視化ライブラリによるグラフ作成など、分析の引き出しを多く持てるのはメリットである。


したがって、駆け出しエンジニアの場合、データアナリストを経由してデータサイエンティストを目指すというのも一案と考えている。


無関係職種の場合


無関係の職種からデータサイエンティストを目指す場合も、「データ集計屋」的なポジションからデータアナリストへとステップアップしていくのが良いと思っている。

理由は、データ集計のスキルは習得にそこまで時間がかからず、それでいてそれなりに成果を出すことができるからである。成果の出しやすい環境で実績を積み、他の職種へとキャリアアップしていくのが妥当な線ではなかろうか。

データアナリストは曖昧な世界


一方で、データアナリストという仕事は、プログラミングや単純集計のように答えがある訳ではないため、未経験の人からすると学習や貢献の方法が分かりにくかったりする。また、周りからの評価が得られるかどうかも、上司やクライアントとの相性に左右されるところがある。

したがって、確実に成果の出せるSQL等のデータ集計からはじめると良いのではという提案である。


以上の理由から、データに無関係な職種から転職する場合は、「データ集計屋」のポジションから始めるのがいいと思っている。


エンジニアルート


続いて、エンジニアルートについて考える。

冒頭にも述べたが、私のエンジニアスキルはPythonがある程度書ける程度で、全くもって素人である。

したがって、間違っていたり、解像度が低かったりすると思うが、何かあればご指摘頂きたい。また、フロントエンドエンジニア等、この図に含まれていない領域のエンジニアの方もいるが、私にそのへんの知識がないので書けそうな範囲で書いている。


エンジニアルートも、以下のように複数パターンに分けた。

  • インフラ系の場合
  • DevOps系の場合
  • 駆け出しエンジニアの場合

それでは、順に解説していく。


インフラ系の場合


まず、インフラ系のエンジニアをやっている場合、データエンジニアになるのは比較的容易なのではないかと思っている。

というよりも、インフラエンジニア業務の中にデータエンジニアの業務が含まれていることも多く、よりデータ寄りに特化していくというイメージになると思う。


データベース構築・運用のスキルに特化した後に、機械学習・統計などのデータサイエンティストとして求められる「データのビジネス活用」スキルを身に着けていくことで、データサイエンティストになれるルートはあるのではないだろうか。


DevOps系の場合


こちらの記事を参考にすると、「MLOpsはDevOpsの機械学習バージョン」と説明されている。


また、DevOpsエンジニアとしてシステムの運用・改善を行うスキルを持っているのであれば、以下のようなスキル・知見を身に着けることで、機械学習エンジニア/MLOpsエンジニアの方向に進出できるとも書かれている。

  • 機械学習の基礎知識
  • 機械学習基盤
  • MLワークフロー制御
  • AutoML


上記の記事を参考にすると、DevOpsのスキルセットを持っている人が機械学習の知見を身に着けて、データサイエンティスト寄りの仕事をするようになるのも十分あり得る話だと考えている。


駆け出しエンジニアの場合


駆け出しエンジニアから、データサイエンティストを目指そうと思った場合、「データ集計屋」としてプログラミングスキルを活かして短期的に成果を出していくのが良いのではという話をした。

しかし、勿論エンジニアとしてのスキルを磨いていき、データエンジニア/機械学習エンジニアとしてキャリアをスタートすることが本筋のルートであると思っている。


私自身、このあたりの求人を詳しく見たことはないので、自分のスキルと求人を照らし合わせて、スキルを磨いていけば良いのではないかと思う。


まとめ


以上の、データサイエンティストになるためのルートをまとめたものが以下である。



勿論、これ以外のルートもあるし、あくまで私個人の現時点の考えということにはなるが、データサイエンティストを目指す人の思考のたたき台になれば幸いである。


ではこのへんで。


コメントを残す

メールアドレスが公開されることはありません。