あらゆる領域にデータアナリストが存在することからデータアナリストのキャリアについてイメージを持てない方が多いのではないでしょうか。私自身もデータアナリストの種類や必要なスキルセットを考える上であまりにも多くの業界・ソリューションに特化したアナリストが存在するため、どこから見ていくべきかのイメージが全く持てませんでした。
アナリストはその所属する組織によって、事業寄りのコンサル型データアナリストとテクニカル寄りのエンジニア型データアナリストのいずれかに分類されます。今回は各アナリストのロール、スキルセットなどを整理したいと思います。
データアナリストとは
まずデータアナリストの定義がやや曖昧なため、データアナリストの職務を定義します。
データアナリストは取得可能なデータセットやデータ分析モデルを活用してインサイトを導出し、特定マネジメント領域(コンサル型アナリスト)、もしくは、プロダクト・プラットフォーム改善のための施策立案を行う職種と言えます。
また、施策立案するだけにとどまらず、関係部署への連携を行い、施策が適切に実行されるよう助言することも重要な職務となります。よく言われるデータサイエンティストとの違いは、データサイエンティストは分析モデルを構築することが主な業務になり、アナリストは既存モデルの枠組みの中で分析を行いインサイトを導出する職種となります。そのため、今回はデータサイエンティストについて深く考察はしません。
また、海外のメディアにおいてもデータアナリストのロールについて詳しく書いているサイトがあるので、そちらを確認すると、
コンサル型データアナリスト
コンサル型データアナリストは、ビジネス・事業寄りのアナリストとなります。
所属
戦略コンサルティングファーム、事業会社マーケティング部門、事業会社データ分析部門
役割
企業の抱える特定のマネジメント領域(経営企画、商品企画、マーケティング、営業企画、管理会計、生産管理部門など)における課題に対して、解決のための仮説を設定し、社内外にて利用可能なデータを分析し具体的な施策立案につなげること。また、施策実行における支援なども含む。
スキル
データ分析に必要なスキルセットとしては、3つの領域(ビジネス、テクニカル、サイエンス)について言及されますが、今回は4つの領域(ビジネス、コミュニケーション、テクニカル、サイエンス)を確認します。また、重要なスキルについては★を付与しています。
ビジネス領域(★)
特定領域ビジネス知識、論理的思考力、仮説思考
コミュニケーション領域(★)
プレゼンテーションスキル
テクニカル領域
高度なExcel、R、SQL
サイエンス領域
統計学の知識(基本統計量の解釈、仮説検定など)
総括
コンサル型データアナリストの場合、データ分析のスキルはもちろんですが、どちらかというとビジネス領域、コミュニケーション領域におけるスキルの方が重要度が高くなるように思われます。
例としてSCM領域の需要予測・価格分析などに従事するアナリストの場合は、企業がどのようなサプライヤーから商品を仕入れ、加工して、出荷しするのかなどの一連の流れや、SCM領域におけるイレギュラーな事象(一部のサプライヤーは仕入れのオペレーションが大幅にことなるなど)を把握することは非常に大切になります。
エンジニア型データアナリスト
エンジニア型データアナリストは、ITスキル駆動型でビッグデータ分析などを得意とするアナリストとなります。
所属
ITコンサルティングファーム、SIer、デジタルマーケティングファーム、Webメディア・アプリ運営企業、ゲーム運営企業
役割
テクニカルスキルをいかしてメディアKPIやプロダクト機能改善のための分析を得意とする。
スキル
データ分析に必要なスキルセットとしては、3つの領域(ビジネス、テクニカル、サイエンス)について言及されますが、今回は4つの領域(ビジネス、コミュニケーション、テクニカル、サイエンス)から考察します。また、重要なスキルについては★を付与しています。
ビジネス領域
特定ビジネスドメインのビジネスモデルに関する知識
コミュニケーション領域
データ分析から導き出されたインサイトを関係各所に適切に伝えることのできるコミュニケーション能力(※)
※ テクニカル寄りのデータアナリストはここの能力がやや弱い傾向あり
テクニカル領域(★)
Python、R、SQL、OSの知識(データ抽出時のコマンドレベル)
サイエンス領域(★)
高度な統計学(多変量解析、時系列分析など)、機械学習の知識
総括
テクニカル領域とサイエンス領域でのスキルがより重要となる。
LINUXやSQLの知識を活かして、ウェブサーバからデータを抽出し、ローデータを分析で利用できるように前処理加工するスキルも同時に求められる。
また、大量データをPythonやRのライブラリを活用し統計的に推論し、コンソール上で可視化するまでのテクニカルスキルが必要となる。
最後に
今回は、2タイプのアナリストについて説明しましたが、昨今のオープンデータが利用可能になったことや、kaggleなどのデータ分析プラットフォームの発達によりコンサル型アナリストも技術を身につけやすく、これら2つの差がどんどん小さくなってきているようです。
一方で、エンジニア型アナリストにおいても、技術のコモディティ化により、さらに高度な技術の習得(大学院修士号、博士号レベルの研究)、もしくは、特定のドメイン知識で圧倒的な知識を身につけることで競争力のある人材になれるようになるはずです。
本記事をご覧いただいている皆様にとって有意義なものになれば幸いです。