データサイエンティストになりたいあなたへ
データサイエンティストという職種が最近気になっているが、私立文系卒でもなれるだろうか？
そんな質問をしている人をネット上でよく見かける。
それに対して「3カ月でデータサイエンティストになれます！」とか「この資格を取ればデータサイエンティストになれます！」とか「スクールに通えばデータサイエンティストになれます！」
と紹介している記事を見かけるが、正直言うとどれも「甘い」というのが個人的に思っているところである
結論、私立文系からデータサイエンティストとして働くのはかなりハードルが高い。
今回は「私立文系卒がデータサイエンティストになるための戦略」を私の実体験からお伝えしようと思う
私のキャリアのスタート
自己紹介になるが、私は私立文系大学卒でSES企業を経験後、現在はプライム上場の事業会社でマーケティング関連のデータサイエンティストをしている
のうのうとSES企業で目の前の仕事のみをしていたらおそらく今の職場で働いていない
ではなぜ今の仕事ができているのか。それは社会人1年目から戦略を立てそれに則って行動してきたからだ。そのポイントを3つ紹介する
文系データサイエンティストへの道：3つの戦略
「私立文系卒の若手社員がデータサイエンティストになるための戦略」は大きく3つ
①長期間勉強を続け、理系並みの知識があると証明できるような資格を取得する
②データ関連業務の実務経験を1年以上積む
③現場で実際に課題を解決した経験を積み、成果を出す
①長期間勉強を続け、理系並みの知識があると証明できるような資格を取得する
※注意 もしかしたら高校時代、大学時代に数学を学び数3Cまで完璧に勉強したぜ！というやつもいるかもしれない。そんな素敵な奴はこの章は読み飛ばしてもらって構わない
我々私立文系卒のほとんどが「数学が嫌い」だ。
できる限り数学を避けてきて、赤点を避けてきた、なんてやつもいるかもしれない。
残念ながらデータサイエンティストは数字と向き合う仕事なので、数学から逃げることはできない。
ましてやデータサイエンティストを目指している理系と戦わないと内定を得ることができないのだから、最低でも理系並みの知識を得て、それを証明しなくてはならない。
ではどのようなことをすればいいのだろうか？
結論、「理系並みの知識があると証明できるような資格を取得する」である。
これはよくある「データサイエンティストになるためのブログ」に記載の内容と同じになってしまうが、資格はやはり就職に強い
・統計検定2級(可能であれば準1級)
・OSS-DB技術者認定試験等のSQL関連の資格
・Python3 エンジニア認定データ分析試験
あたりは学生～社会人3年目までには取り切ることをお勧めする
ここで、統計検定で必要な数学がそもそもわからない、プログラミングやSQLなんて全くわからないならば
そこを根気強くいろいろな本を買ってとにかく勉強せよ(ここらへんのおすすめは次のブログで紹介予定)
厳しい言い方になるが、この段階で勉強をあきらめるようならデータサイエンティストは向いてないので早めに目指すのをやめよう。なってからつらいだけである...
②データ関連業務の実務経験を1年以上積む
資格を取って「よしこれでデータサイエンティストになれる！！」と思ったら大間違いである
最近は若手だとしてもデータ/エンジニア関連の実務経験やそれに準ずる経験を必要としてくる
新卒でデータサイエンティストになれたり、そもそも戦略コンサルタントやってたぜとかのエリートなら直で内定を取れる可能性もあるが、そうもいかない人が大多数であると考えている
では、どうやってその経験を積めばいいのか？
これは難しいところであるが、「今の職場でデータ関連の業務を経験できる部署へ異動する」「未経験歓迎のデータ関連の業務を経験できる企業に転職する」の二択かと思う
まずは、リスク低いところを選ぶべきで、今の職場でデータ活用のPJTがあるなら積極的にそこにアサインできるのがよい。
また、データを活用している部署へ異動をし、データサイエンティストではないにしろデータを活用する経験をするのが良いかと思う
それが難しい場合は、若干リスクを取ることになるが、未経験歓迎のデータ関連の業務を経験できる企業に転職することだ
ここで怖いのは、求人にはデータを扱えると記載があったのに蓋を開けてみたらデータ入力のみだったのようなことが起きることだ。
面接のときに、本当に「データを扱えるのか？」「プログラミングの経験を積めるのか？」「自分のスキルアップができる環境か？」をしっかり見極めることが重要だと考える
③ 現場で実際に課題を解決した経験を積み、成果を出す
ここまでのスキルを身に着けたら、最後は他のデータサイエンティストを目指している人との差別化を図る段階である。
ここで大事なのは「自分の行動によって何かしらの課題を解決した経験」があるかどうかであり、ここでキャリアを大きく左右する。
課題解決の経験とは、何もデータ分析に限る必要はない。例えば、業務の効率化、チームの働き方の改善、新しい仕組みの導入など、自分の影響で現場が改善したという実績を作ることが大切だ。
既存の業務フローの改善（例えば、エクセル作業を自動化して工数削減）
新しいツールの導入・活用（Google Apps ScriptやRPAなどを使って業務を最適化）
チームの生産性向上に貢献（情報共有の仕組みを作り、ミスを減らす）
重要なのは、「自分が何かを変えた」という経験を積むこと。
データサイエンティストは本質的には課題解決者であり、データを扱うスキルはその手段に過ぎない。課題解決の習慣を持っている人は、データサイエンティストになった後も活躍しやすい。
また、転職時に「自分がどんな課題を見つけ、どのように解決し、どんな成果を生んだか」を説明できると、他の候補者との差別化がしやすくなる。
データを扱う前に、まずは小さなことでもいいので、自分の行動が現場にポジティブな影響を与えた経験を作ることを意識しよう。
データ分析のスキルがあっても、現場の課題解決に結びつけられなければ、その価値は限定的である。逆に言えば、データに縛られず、自らの行動によって現場に良い影響を与えることができる人材は、データサイエンティストとして強く評価される。
この経験があると、転職時のアピールが格段に強くなる。
最後に
ここまで私の経験から具体的なデータサイエンティストになるための戦略を伝えてきた
最後にちょっと言いづらいことではあるが、正直学歴で有利不利になることはかなりある。
理系でもなければ、偏差値50以下の文系大学出身で、今働いている会社は名もなき中小企業、という場合は他のデータサイエンティストを目指しているライバルにかなり出遅れていることを自覚したほうがいい
しかし、とはいえ確実にデータサイエンティストになれないわけではない
根気強く「今から」全力で努力をすればデータサイエンティストになれる可能性は上がっていくはずである
データ分析を仕事とし、企業の意思決定を支えることは本当に面白い。ぜひあきらめずに目指してほしい
おすすめの転職サイト
※もし、このブログを読んで質問してみたい！という人がいたら、ブログの質問欄にて質問をお願いいたします。
0 件のコメント:
コメントを投稿