研究者の卵として一緒に走り出していた友人たちが大学を去ることは何となく寂しい気持ちになるのだが、大学の研究職を辞してアマゾンなどの企業へ転職する経済学者・統計学者・情報工学者などはこの数年で格段に増えた。
こういった民間企業は、給与面だけでなく、研究費や研究補助員などのサポートといった環境面でも破格の条件を提示して教授・准教授・助教授を大学から引き抜いている。
特に引き抜きの対象になっているのが「データ・サイエンティスト」と呼ばれる、データ分析に長けた研究者たちだ。例えば、統計学・計量経済学の専門知識を持つ統計学者・経済学者、そして、人工知能を使ったデータ分析を開発する工学者などである。
この流れは米国内に留まらず、日本を含めた各国に押し寄せている。2017年夏、アマゾン・ジャパンは香港科技大学のビジネススクールで准教授を勤めていた渡邉安虎氏を上席エコノミストとして引き抜いた。
渡邉氏は米国で経済学博士号を取得後、米国と香港の大学で教鞭を執ってきた経験を持つ一流の経済学者である。こういった人材を経営に活かそうという動きが日本でも始まってきたということだ。
なぜ米国企業は果敢に研究者たちを内部に引き入れようとしているのか。それは「データ分析の力」を持った人材を集めることが、ビジネス成功の大きな柱になってきているためである。
拙著『データ分析の力 因果関係に迫る思考法』では、データ分析手法の紹介と並んで、どのようなデータ分析の活用が米国の企業や政府内で進められているかについて概説している。
例えば、アマゾンが行っているデータ分析の2つの柱は「予測」と「因果分析」である。アマゾンは顧客の購買履歴データだけでなく、商品検索時の行動のデータも膨大に持ち合わせている。
検索と購買を繰り返す顧客のビッグデータを機械学習も含めた分析手法を使って解析することで「顧客が次に必要なものは何か」という「予測」を行うことができるのだ。このような予測作業は人工知能(AI)が得意な作業である。
一方、今のところ人工知能だけでは解決が難しい課題がある。それが「因果分析」である。例えば、特定のをどの顧客に出すと購買を促す効果が出るのか、という課題を考えよう。
ここで知りたいのはの効果という「因果関係」であり、相関関係ではない。人工知能は相関関係を見つけることは得意だが、今のところ因果関係を導出するにはデータ・サイエンティストによる分析が不可欠である。
中でもアマゾンなどが日常的に用いている手法は「ランダム化比較試験(RCT)」と呼ばれる分析手法である。この手法では消費者を「を受け取るグループ」と「を受け取らない比較グループ」に無作為に分ける。
グループ分けが無作為に行われているため、2つのグループに現れた購買量の差は「の効果」以外にはないと科学的に断定できるのがこの手法の強みだ。この手法はアマゾンのみならず、グーグルなどの企業戦略、オバマ前大統領の選挙戦略、各国政府の政策効果分析など、多岐に渡る分野で利用され始めている。
http://gendai.ismedia.jp/articles/-/53018
これ、実務してる人しか知らない。俺も廃人になりかけた。
年収は4,000万近いからまあそれなり。それよりプレッシャーがヤバい
しかもデータ解析はリサーチの一部に過ぎない
当然間違った解釈もある
労働生産性の高い、ここらの勉強頑張ってた連中が世界で評価されてる
日本も、もう海外でも評価されなくなったMBA など早慶マーチ的な学問は早期に切り捨て
データサイエンティストや、AI エンジニアを優遇しよう
普通に無理
大学から数学やらやってないとほぼ無理ゲー
データサイエンティストの成果はどうやって金額に換算するんだろうか
分析結果のレポートが成果でしょ。
成分分析だろうと、年代分析だろうと、分析結果が成果だしね。
分析結果を利益に結びつけるのは、また別の部門の仕事だろうね。
まったくなにも生かせてないし、もう忘れた
一定の傾向を読み取るベテランの人の方が信頼できそう
データサイエンティストと求められるのはまさしく後者の報。
相関関係は少し知識があれば見つけられるがそこから因果関係を発掘するのが難しいし、相関関係すらデータクレンジングのやり方に掛かってくるからね。
格好いい名称つけてるが泥臭い作業を続ける忍耐力が何より求められる。
社内ニートしてます
37才で転職もあれなんで人生おわった
今は全財産bitcoinにかけて逆転めざしてる
このスペックだと余裕過ぎると思うが?
今ならどこでもいけるじゃない
AI 技術身につけたら最強じゃまいか
機械学習できれば引く手数多だぞ
がんがれ