機械脳の時代 データサイエンスは戦略・組織・仕事をどう変えるか?

今回は 「 機械脳の時代 データサイエンスは戦略・組織・仕事をどう変えるか?」を読みました。 最近 AI に関して興味を持っており 将来いつか AI が我々人間から職を 奪うという危機感 からこのタイトルの本に興味を持ちました。
実際に AI を学んでおり いつか仕事で AI を活用しようと思っている 私の観点から、
この本の概要と感想を 以下にまとめたいと思います。

本書の概要

本書は、データサイエンスのコンサルティングを経験されてきた筆者が書いているので、プロジェクト遂行のために何が必要か、その流れを具体的な事例を用いながら紹介している点が特徴。データサイエンスを活用するプロジェクトを遂行するためのフレームワークや、その組織づくりについて書かれていた。
また、データサイエンティスト向けのみでなく、書籍の最後の方ではデータサイエンティストを採用したい会社に向けた提言もされていた。データサイエンティストを目指す人に向けた教養書の紹介もあり、この書籍で全体像を把握したのちにさらに学習を深める手助けもされていた。

機械脳の時代

機械脳の時代

「機械脳」とは、これは、筆者が独自にネーミングしたものと考えられます。

「機械脳」は、「考えることそのもの」を機械が代替するようになる、という革命的な変化をもたらすものであり、「深層学習」や「人工知能」といった要素技術のみに焦点を絞っただけではありません。今まで人間にしかできなかった「考えること」を機械ができるようになれば、過去に3回起きた産業革命のように大きな影響力を及ぼすことが考えられます。

これからの時代に必要とされる職種は、「データサイエンティスト」だけではありません。
必要とされる人数規模でいえば、データサイエンス」と「ビジネス」の架け橋となれる人のほうがずっと多く必要とされていきます。

データサイエンスの知識があっても、それをつかって解決したいビジネス課題がなければ意味が無いです。ビジネスで課題を見つけてもそれを解決するための手立てがなければこれもまた意味がありません。

自分がデータサイエンティストにならなくても、その業務を外注すればいいですが、その際に「ビジネス」と「データサイエンス」をつなげる人が必ず必要になるのです。

これからの時代は、データサイエンティストとどのように付き合っていくのがいいか、自分はどのようなリテラシーや考え方を身に付ける必要があるのかを知ることが必要です。

本書の特徴は、ビジネス・サイエンス・テクノロジーの各観点をつなげて論じている点が特徴
データサイエンス」の専門知識、「ビジネス」の課題発見能力の両方の架け橋となれる人が必要とされる

データサイエンスを勉強すれば、収入は上がるか? 個人で働けるか?

データサイエンティストは圧倒的な供給不足状態だが、ビジネスサイド、エンジニアサイドとのコミュニケーション能力の乏しいサイエンティストは、スキルアップして転職してもうまく活躍できずに淘汰されてしまう、と書かれていました。
これはつまり、データサイエンスのような専門知識を学んでも、ビジネス・エンジニアリングを担うメンバーと共通言語で会話できる能力も身に付ける必要がある。ビジネスにおけるデータサイエンスの活用は、想像よりもはるかにチームプレイに近いので、データサイエンスを身に付けかつチームプレイができるようになることが大事です。

どれだけデータサイエンスを学んでも、やはりチームで仕事をするスキル、非専門家に自分の考えをわかりやすく伝える技術はかならず必要

データサイエンスのフレームワーク

データサイエンスのフレームワークは、以下のA~Eで示されます。

A : Aim(目的)
B : Brain(機械脳の種類)
C : Coding / Cinstruction(プログラミング作業)
D : Data(データの選定と整備)
E : Execution(実行)

この中でもAimが具体的でなければプロジェクトは成功しない。例えば、いまあるdataを用いてなにか価値のある分析ができないか、と考えるケースが多いが、実はそれよりもAimから逆算してDataを集めるようにする必要があります。なぜならば、Aimによって必要となるDataも異なるためです

紹介書籍・コミュニティ

「Analyzing the Analyzers」
データサイエンスに実務で関わる人の技術、キャリア、経験に関するアンケートとインタビューをまとめた

データGM人材

製品やサービスの顧客獲得や利益率の改善といったビジネス上のミッションに焦点をあてながら、サイエンス、システム人材とコミュニケーションをとり、プロジェクト全体を取り仕切る人材。営業部やマーケット部、会社の経営陣とコミュニケーションをとる。

データGMの必須教養

そもそもシステム開発がどのようなものなのかを知る教養書
「人月の神話(フレデリック・P・ブルックス)」

データサイエンティスト人材

統計や機械学習についての科学的な考え方・ツールの適用における理論的側面をリードする人材。科学的な考え方や最適化のための理論的妥当性を担保するメンバーを指し、プログラミング技術を知っていることは必要だが、かならずしも実際のコーディング作業やシステムの実装を担わないです。

データサイエンティストの必須教養

「会社を変える分析の力(大阪ガス株式会社情報通信部ビジネスアナリシスセンター所長 河本薫)」

データ人材の交流コミュニティ

東京の例
「丸の内アナリティクス」
「JapanR」
「数学カフェ」

最後に

AIが人間の仕事を奪うと多くのメディアが騒ぎ立てているが、複雑性の高い機械脳を扱うにはA:Aim(目的)を決定する人間の意思や、E:Execution(実行)のための工夫など、いままでよりも創造力と想像力を問われるようになると思います。これからも最新動向を追いつつ勉強を進めていきたいと思います。

AIやITに興味がある方でさらに学びたいという方は以下に、様々なAIの紹介やそれを学習するための書籍やサイトが紹介されているので是非ごらんください。

スポンサーリンク

シェアする

  • このエントリーをはてなブックマークに追加

フォローする

%d人のブロガーが「いいね」をつけました。