目次
はじめに
この記事はYouTubeにアップした動画との連動記事です。
というよりむしろ動画がメインで、こちらの内容は概要レベルのものとなっております。
内容をしっかり理解するためにも、ぜひ動画と合わせて本文を読んでみてください。
というよりむしろ動画がメインで、こちらの内容は概要レベルのものとなっております。
内容をしっかり理解するためにも、ぜひ動画と合わせて本文を読んでみてください。
データサイエンスティストに疲れはじめた君へ！リサーチャーはどう？
via www.youtube.com
データサイエンティストとリサーチャー
リサーチャーとデータサイエンティストは共通する点がたくさんあります。
早速それぞれのスキルセットから見ていきましょう。
早速それぞれのスキルセットから見ていきましょう。
データサイエンティストのスキルセット
データサイエンスト協会によると、スキルセットは下記3つです。
・ビジネス力：課題背景を理解し、課題を解決する力
・データサイエンスト力：情報処理、人工知能、統計学などを駆使して情報科学系を使う力
・データエンジニアリング力：データを使える形にし、実装・運用する力
・ビジネス力：課題背景を理解し、課題を解決する力
・データサイエンスト力：情報処理、人工知能、統計学などを駆使して情報科学系を使う力
・データエンジニアリング力：データを使える形にし、実装・運用する力
リサーチャーのスキルセット
リサーチャーはスキルセットがなかったので３つのベン図に沿って合わせて考えると、以下３つになります。
・ビジネス力：マーケティングの局面に限りますが、課題背景を理解し、課題を解決する力
・データサイエンス力：統計学を中心に情報処理をする力
・マーケティング力：消費者のニーズとかインサイトを理解して、それを解決する力
もちろん細かいところで性質が違ったり、求める程度の差が違ったりしますが、基本的には似ている職種と言えると思います。
大きく違うのはデータエンジニアリング力とマーケティング力です。
特に「データエンジニアリング力」を中心にやっている人や強い人は、リサーチャーとは経路が違う職種になってしまいます。
また、リサーチャーも定性調査（言葉で理解する調査）だけをやっている人は情報処理的なことはやらないので、毛色は違ってきます。
・ビジネス力：マーケティングの局面に限りますが、課題背景を理解し、課題を解決する力
・データサイエンス力：統計学を中心に情報処理をする力
・マーケティング力：消費者のニーズとかインサイトを理解して、それを解決する力
もちろん細かいところで性質が違ったり、求める程度の差が違ったりしますが、基本的には似ている職種と言えると思います。
大きく違うのはデータエンジニアリング力とマーケティング力です。
特に「データエンジニアリング力」を中心にやっている人や強い人は、リサーチャーとは経路が違う職種になってしまいます。
また、リサーチャーも定性調査（言葉で理解する調査）だけをやっている人は情報処理的なことはやらないので、毛色は違ってきます。
リサーチャーをおすすめする３つの理由
①短期プロジェクトが多い
データサイエンティストが関わるプロジェクトと比べると、リサーチャーが関わるプロジェクトの方が期間が短いものが多いです。
もちろんリサーチャーも海外調査や長期プロジェクトもあるので、そういうプロジェクトは期間が長いですし、データサイエンティストも短期のプロジェクトはあります。
しかし平均するとデータサイエンティストのプロジェクトは３ヶ月や半年のものが多く、リサーチャーは１ヶ月弱のものが多いです。
また、データを集めるだけだと２、３日で完了します。
長期プロジェクト向きか短期プロジェクト向きか、というのは性格によって違います。
細かいようですが仕事の性質を知って、自分はどちらが向いているか知っておいた方がいいでしょう。
短期の方が合う、という方にはリサーチャーがオススメです。
もちろんリサーチャーも海外調査や長期プロジェクトもあるので、そういうプロジェクトは期間が長いですし、データサイエンティストも短期のプロジェクトはあります。
しかし平均するとデータサイエンティストのプロジェクトは３ヶ月や半年のものが多く、リサーチャーは１ヶ月弱のものが多いです。
また、データを集めるだけだと２、３日で完了します。
長期プロジェクト向きか短期プロジェクト向きか、というのは性格によって違います。
細かいようですが仕事の性質を知って、自分はどちらが向いているか知っておいた方がいいでしょう。
短期の方が合う、という方にはリサーチャーがオススメです。
②マーケティングが面白い
マーケティングとは、消費者のインサイトやニーズを理解し売れる仕組みづくりをすることです。
そして、リサーチャーの役割はマーケティング上の課題を解決することです。
消費者は「こうなんじゃないかな？」と考える業務なので、消費者のことを心理学や行動経済学などを駆使して考え、今まで知らなかったことや気づきあったときは楽しいな、と実感できると思います。
もちろんデータサイエンティストもデータの意味や因果関係を理解しようとする業務がありますが、それを行う頻度はリサーチャーの方が圧倒的に多いです。
消費者の意識や行動、態度とかに興味がある人もリサーチャーはオススメの職業です。
そして、リサーチャーの役割はマーケティング上の課題を解決することです。
消費者は「こうなんじゃないかな？」と考える業務なので、消費者のことを心理学や行動経済学などを駆使して考え、今まで知らなかったことや気づきあったときは楽しいな、と実感できると思います。
もちろんデータサイエンティストもデータの意味や因果関係を理解しようとする業務がありますが、それを行う頻度はリサーチャーの方が圧倒的に多いです。
消費者の意識や行動、態度とかに興味がある人もリサーチャーはオススメの職業です。
③ニッチな職種だから市場価値を上げやすい
市場価値は需要と供給で決まります。
データサイエンティストは需要あるし供給も不足してるので、当然価値も高いです。
しかし問題なのはデータサイエンティストは一人前になるための難易度も高いですし、そのあと一流になるための道の険しさです。
もちろん、リサーチャーも一流になるのは大変です。
それでもおすすめする理由はスキルの掛け算ができるからです。
異なるスキルセットをもって、市場価値を上げることができる。
また、異なるスキルセットは遠いものではなく近いもののほうが、需要も見つけやすいので市場価値を上げやすいです。
リサーチャーとデータサイエンティストは似ている上、さらにリサーチャーはあまり知られていない職種なので供給側が少ないニッチな職種です。
なので市場価値も上げやすい環境だと言えるでしょう。
データサイエンティストは需要あるし供給も不足してるので、当然価値も高いです。
しかし問題なのはデータサイエンティストは一人前になるための難易度も高いですし、そのあと一流になるための道の険しさです。
もちろん、リサーチャーも一流になるのは大変です。
それでもおすすめする理由はスキルの掛け算ができるからです。
異なるスキルセットをもって、市場価値を上げることができる。
また、異なるスキルセットは遠いものではなく近いもののほうが、需要も見つけやすいので市場価値を上げやすいです。
リサーチャーとデータサイエンティストは似ている上、さらにリサーチャーはあまり知られていない職種なので供給側が少ないニッチな職種です。
なので市場価値も上げやすい環境だと言えるでしょう。
今後について思うこと
リサーチャーもデータサイエンティストも、ある程度道を究めていないと、中途半端な存在の人は境界線が曖昧になり一括りにされてしまいます。
これはAIの台頭により自動化が進むことが理由に挙げられます。
データサイエンスを学ぶことに疲れたな、と思ったら、リサーチャーを究める道もぜひ考えてみてください。
これはAIの台頭により自動化が進むことが理由に挙げられます。
データサイエンスを学ぶことに疲れたな、と思ったら、リサーチャーを究める道もぜひ考えてみてください。
19 件
