DALT#3 QA
各社データサイエンティストやアナリストの採用に苦労していると良くお聞きしますが、未経験の人を育成するといった取り組みはされていますでしょうか？もし取り組みされてましたら、どのように育成し、どのような成果が出てか教えてください。
freee
未経験でも採用している
初学者向けの勉強会、教材などもある。
Abema
未経験もok
育成はOJTでやっている
メルカリ
未経験もいる
中途で未経験
分析者としての専門スキルは無くても、思考体力があれば良い SQLとかは学べるところがある。気軽に聞けるチャネルがある。
2人1プロジェクトアサインもある
新卒で未経験
分析の民主化で会社のメンバーがデータを見るようになると、質問や集計依頼も増えてきて、難易度の高い分析の時間が取りづらくなってしまいがちだと思いますが、そのようにならないために工夫している点はありますか？
メルカリ
分析の民主化をしている
ほか部署にデータの見方を教えていく
集計依頼については「やってください」というスタンス
よりバリューが出るところにフォーカスしていく
仕組みや、宣言をすることで、バリューを出していく
freee
アナリティクス留学
部屋に陣取って、質問したい人はそこに来てもらうようにする。
育った人が新規メンバーに教えてくれる、みたいな流れができるとよい。
Abema
テンプレを展開
最近出たGoogleのAutoML TablesやDataRobotのようなサービスはデータアナリスト・データサイエンティストの担う役割を変えると思いますか？また、変わると考える場合どのように変わると考えていますか？
Abema
DataRobotは少し使った。
どういう変数を使うべきか、何を分析すべきかに時間を掛けているため、これらのサービスがはいっても影響は少ないのでは
メルカリ
意思決定を推し進めるための武器が増える印象
ビジネスアナリストの中でもMLなどができるようになったりするのでは
freee
前職でDataRobotを使っていた
こういったツールでなくなる仕事は少ない。
前処理がなくなると大きいと思うので、そういうツールが出てほしい
ディープラーニング協会のG検定やE資格は、Data Analystへの採用に有利に働きますか？ データアナリストに求める数学と統計学の知識はどのくらいのレベルでしょうか？（文系でデータアナリストをやっており、学び直し中でして...）
freee
不利にはならないが、それほど有利ではない。
やる気の証拠、差別化にはなるが、実務上
結果として統計、数学が好きであってほしい。データを正しく見たい、というスタンスから学んでいってほしい。ただ統計学をやっているからデータを正しく見たいというスタンスがあるとは限らない
ABテストやってて、カイ二乗検定でおｋ、といえるのはなぜ？と疑問に思えると良い。
メルカリ
資格、専門スキルはあまりみない。思考の体力、論理的に説明できるかを見ている。 統計、数学についても余り重視していない。
Abema
DeepLearningはそんなにやってないこともあり、あまり加点にならない。
数字の罠に引っかからない程度に統計、数学の知識があると良い。
統計は好きであってほしい。奥深さを感じてほしい。
先人が突き詰めていった学問。それに共感してくれると嬉しい
メルペイ
統計の勉強しているとアイデア出てくる。勘所を知るためにもやっているとよい。
分析フェーズが終わると、その後にどのようなアクションが取られ、どのような効果が得られているか見えにくくなることがありますが、そうならないために意識していることはありますか？
分析結果を出した後の意思決定についてどのようなプロセスを取っているか各社の取り組みが気になります。
メルカリ
プロジェクトにガッツリ入る。分析フェーズはいろいろあると思う。プロマネと一緒に話して考えていくことが多い。グラフ1枚カジュアルに話していく、ということが多い
プロジェクトの目標の達成にアナリストが関わるので、最後まで見ていく
Abema
施策をやってその検証まで見る
freee
案件ごとに入り方異なる
単発でデータ出して終わることもある
長期もある。
3ヶ月、6ヶ月と関わることもある。
重い案件、軽い案件を色付けしていくと追いやすいのでは
事業ではなく自身に対して、どのような目標を設定していますか？ できれば、長期と短期の2種類お伺いしたいです。
データ分析によって意思決定に関して価値を出していくためには、 ビジネスドメインに関する筋のいい仮説を立てるスキルを向上させる必要があると考えているのですが、 データ分析者個人でも組織でも、そのスキルを向上させるために取り組まれていることはありますか？
チームメンバーを成長させるためにどんなことを意識していますか？ 例えば1on1などではどんなことを話していますか？
メルペイ
「ビジネスドメインに関する筋のいい仮説を立てる」これは本質
若い人とフェルミ推定はよくやっていた
筋の良い切り方を学ぶ練習になる
ドメイン知識は別で仕入れる
メルカリ
アナリスト側、PM、VPそれぞれから仮説が出てくる
アナリストが仮説を出す際には、ファクトとして担保されてることが大事だと思っている
筋のいい仮説は難しいが、周りの人も良い意見を行ってくれる
freee
問題解決のフレームワークを叩き込まれた。その貯金でどうにかしている
過去にやった施策などは知っておく必要。分析後に「当たり前」と言われてしまう可能性
Abema
筋のいい仮説はアート
1つは他の人のいい思考にふれること
そういう人は大抵常に考え続けている
５年後にどのようなデータサイエンティスト・アナリストになりたいと考えていますか？
メルカリ
Abema
リーダーとして今の組織を成立させたい
プレイヤーとしてものさしを作りたい。みんながそのものさしを目指して生活していたら幸せになれるようなもの。
freee
強いチームを完成させていたい
個人的にはチームの中で最弱であってもいいかなと。