AI・データ分析のフリーランス向け案件が業界最大級
今回は『東京大学のデータサイエンティスト育成講座（マイナビ出版）』や『顧客分析テクニック（インテリジェンス出版）』等の書籍の執筆に携わり、自身も現役のデータサイエンティストとして活躍する山田 典一氏に、データサイエンスの仕事内容、フリーランスとしての独立、未経験者へのアドバイス、エージェントサービスについて伺いました。
現在は「プロダクト開発の支援」と「AI導入支援」の2つの案件に携わっています。いずれも機械学習に関する仕事です。AI導入支援では、モデルの設計、構築、評価、およびビジネスアクションの具体化や効果測定などを円滑に行えるようお客様のデータサイエンスチームを支援しています。稼働形態としては、週1回や半月に1度のアドバイザリー業務で技術顧問に近い形で入らせていただいています。
どちらの案件もかかわり方が自分の働き方とマッチしているので満足度が高いです。自分のスキルや知識を困っている方々にテンポよく伝えていきたいという思いがあるため、スキルトランスファーの機会を多くもてる点が充実感につながっています。
エッジさんとは、4年前にフリーランスとして独立した直後に登録して以来のおつきあいです。初期のころから僕の志向性によりそって案件を提案していただけているため長く取引できていると思います。
変化している部分と変わらない部分と両方あります。AI導入フェーズの悩みは、どの会社もそこまで違いがあるわけではありません。課題の明確化やデータ収集などアルゴリズム以前の段階で躓くことも多いですし、そこからデータを加工し機械学習を実装していくまでの全体像がわかないという点が課題にあがることも多いですね。そのあたりは、4年前と現在で変わらない部分です。
逆に、変わってきたなという点は、機械学習の知識を持った方がお客様やご一緒するメンバーのなかに増えてきている点です。僕の意見を少しお伝えするだけですぐにその背景や意図を理解できる方も多く、機械学習を使いこなすまでのスピード感がでてきており、機械学習に対するリテラシーが確実に高まってきていると感じています。
ディープラーニングが世の中に浸透してきたことや、機械学習系のオープンソースがかなり進歩してきたということもあり、エンジニアのなかにも機械学習をつかった課題解決について知識や実績のある人が増えている印象です。
データサイエンスコミュニティでは注目されているが、世間ではあまり認知されていない技術を大切にするというのが、強みというか生存戦略です。そういった技術を仕込んでおいて、その技術にフィットしたクライアントに出会えたら、しっかり成果を提供するよう心がけています。最近だと、例えば、自動車やロケット設計に使われる多目的最適化技術の恩恵を、どのようにクライアントに届けるかなどをイメージするようにしています。
ロケットを作るような仕事は、やはり生粋の上流なサイエンティストに活躍が限定され、当然そこで使われる理論、やソフトはとても奥深い仕事になっています。ただ、そこで使われている技術やアルゴリズムは、他分野ではそんなに使われているわけではないと思うので、とても勿体無いなと感じています。
もっと日々のビジネス課題に対して、そのような技術を活用できれば、今やっていることを10倍以上の速さで処理できるかもしれないし、投資対効果や業務能率も倍くらい出せるかもしれないというワクワク感を持つことができます。そういった技術の活用を前提とした従来ビジネスプロセスの非連続的な変革こそ、デジタルトランスフォーメーションと呼べるのではないでしょうか。
データサイエンスのコミュニティで言及されていることを観察していると、なにが流行っているとか、みんなよくここをみているというのはわかるので参考にしています。最近の典型的なトピックスとしては、機械学習ベースの因果推論とかでしょうか。今では滋賀大学のカリキュラムなどでも確認できますが、10年前、20年前には実務者にはほとんど振り向きもされなかった内容だと思います。
注目ということでもないのですが、国内だと最適化技術は海外マーケットに比べ、まだまだ一部の人達のものと感じています。その点を踏まえると、これから確実にひろがっていくテーマだと思いますし、そうならないと生産性の観点からも厳しいんじゃないかと思います。
ちなみに、機械学習の予測結果が最適化のインプットとして使われるというのは分析者には常識ですが、なぜか僕のクライアントでも、予測までは機械学習でやるのに、その後のビジネスプロセスは思い切り人間を介在させて勘と経験と度胸で頑張るということが散見されます。こういう状態の解消に少しは貢献したいですね。
具体的なイメージを持ちたい方は、例えば、ニールセンのマーケティングミックスモデルについての3分くらいのYouTube動画があるので見ると面白いかもしれません。2分くらいからの内容に、予測モデルに基づいて売上を最大化するためのメディアミックス計算、最適化の紹介があります。
つまらない回答になってしまうかもしれませんが、僕自身が情報系の大学院出身というバックグラウンドであったためです。学生のころからニューラルネットやサポートベクターなどは学んでいましたし、人工知能やデータマイニングにも興味は持っていました。
ただ、僕たちが新卒だった2002年頃は、データサイエンスの職種や求人自体がマーケットに存在しない状態でした。データサイエンスという単語自体が、当時はまだ生まれてないですし、統計学や機械学習を仕事にできるのも本当にごく一部の研究者か専門職といった具合で、少なくとも僕のような普通の人間が目指せる仕事ではなかったように記憶しています。
そのようななか、大学院を出て最初に就職したのは、富士総合研究所（みずほ情報総研）でした。そこの銀行システム部門でSE見習いのような形で何年かお世話になりました。その後、なんとかデータサイエンスの仕事をしたいと思いながら転職をして、キャリアについても市場価値を落とさないように模索を続けてきた形です。
ヤフー、ブレインパッド、グリー、外資系メディアエージェンシーなどでデータサイエンスを使った仕事をやってきました。事業会社とコンサル系、外資だったり内資だったり、現場の仕事とマネジメントと、データサイエンス周りの仕事をひととおり経験する中で、この道をまだもう少しは続けたいと思えるようになりました。
それまでずっと会社員としてやってきたのですが、39歳で独立しました。会社の名前ではなく、自分の名前で仕事をするチャレンジをしてみたいという思いがずっとあり、いつかは組織をはなれてとタイミングを計っていました。40歳を超えると独立はもう無理だろうという気がしていて30代のうちになんとかギリギリ滑り込んだという経緯です。
その年齢まで組織に所属していたので、フリーランスで生きていけるかどうかは不安でしたし恐怖もありました。あと一歩のところを躊躇して踏みとどまるということを繰り返していました。ただ、そのまま先延ばしにして、そのうち40代になり、45歳とかになると本当に身動きがとれなくなるだろうなと思い至って最後は決意した形です。
同僚や先輩など転職が多い業界なので、さまざまな場所に散っていった人達から声をかけては貰っていました。そのようななか、月1回でいいから機械学習のことを社内のエンジニアにインプットして欲しいなどのように、元同僚を通して仕事をする機会がありました。そういったいくつかの小さなことがきっかけとなり、自分の名前で働けたらとどれだけ嬉しいのかなという感覚を具体的に持てるようになりました。
そのためかどうだかはわかりませんが、独立前と後で、特段すごいギャップを感じたことはありません。独立前後というよりは、機械学習にせよデータサイエンスにせよ進みが早いので、その点の方が驚きやギャップは大きいです。流行をただ追従しても意味ないですし、とはいえ技術動向から目を離せないので、そのバランスというか距離感をどうしようというのは悩まされるポイントです。
僕の場合、技術的なキャッチアップや情報収集について、組織にいる場合とフリーでやる場合とで、とくに差は感じていないです。元々ほかの人とディスカッションしなくても、論文や本を読むだけでも感動できてしまうため、書籍や論文を通した情報収集で間に合ってしまっています。これは僕がこの分野の偉大な先人や、偉大な現在進行形の方々の成果の上に活動させてもらっているだけということなので、ちょっと残念な側面でもあるのですが。
ただ独立後は、ひとりでやっていてどうしても視野が狭くなってしまう恐れはあります。本当はもっとシンプルに解決できたテーマが解決できないでは困るので、情報収集にあてる時間は独立前よりも確実に増えています。
自分の時間や肉体を通し対価を得るビジネスにはどうしても限界があります。フリーランスとして体を通すときの仕事と体を通さないでもできる仕事とを区別して、事業としてのサービスを作れないかとか、収益のポートフォリオについては、独立前から色々と考えて試しておくとよいのではないでしょうか。
最近こういう働き方の界隈で、フリーランスと名乗るのか一人社長と名乗るのかという話題があったりしますが、やはり仕組みでも稼げる人が一人社長で、自分の肉体だけで稼いでいくのがフリーランスだとすると、そこには明確な違いがあると考えています。
独立したことがない人は、一人社長とフリーランスの違いにあまり興味を持たないようですが、それだと今のデジタル時代の稼ぎ方に無頓着な印象で勿体無いと思います。昔は資金調達し組織をつくってみたいなやり方でしか、非線形な成長は難しかったと思うのですが、いまは別の社会的装置が準備されつつあるんじゃないかなと思っています。
集客やセールスといった機能についても、独立するときやした後に悩むのではなくて、少しずつでもテストし、仮説を設定できるようにアクションをしておくなどはやっておいて損はないですし、色々な収益チャネルをバランスよく総合的に作れるのが結局は精神衛生上一番良いなと思います。
やはり年齢のプレッシャーは正直あります。技術系で40半ばともなると、自分はいつまで現場をはれるかということを感じます。手を動かして他のプレイヤーに対し比較優位を作りたいなら、手を動かしつづけても良いと考えますが、サッカーのフィールドに投入後5分で足をつるプレイヤーがいると正直こまるのと一緒で、現場でずっとという選択肢にだけ頼るつもりはないですね。
さきほどの話とも関わる部分ですが、自分自身のサービスのポートフォリオとして若い頃のような戦略はとれないと考えています。技術の世界にも年齢的最盛期というかピークはあると思うので、今後は少しずつ体を通さないで稼げる仕組みに移行していくことにも取り組みたいです。気持ちは置いておいて肉体は確実に衰えていくので、肉体に最適化した働き方に移行したいなとは考えています。
いまエンジニアの方が機械学習に参入するのは、僕の感覚だとハードルがすごく低いと勝手に思っています。ただし、データサイエンス領域はすごく幅広いです。仕事内容が統計学に寄るほど、エンジニアの興味ポイントとずれが生じるような気もします。データサイエンスのなかでも、例えば、統計モデリングよりは機械学習や深層学習、また機械学習工学といったもののほうがエンジニアの方が取り組む仕事としてはマッチしている気がします。
また、データサイエンスの就業機会はその技術領域的なハードな部分だけでなく、ソフト的な部分もピンキリといえるため危険な現場には注意したほうがよいと思います。運も強いとは思うのですが、いいチームの一員として働けるかどうかで経験の質がまったく変わりますし、その後のキャリアに及ぼす影響も大きいです。ですから、技術領域との相性は前提としつつも、それだけで安易に自分の時間を売らないことが重要だと思います。
非テクニカルな領域のアドバイスになってしまいますが、そういった目利きの部分を磨いたうえで、優秀なチームや人達のところに入って、うまく経歴として紹介できるポートフォリオを作ることが重要ではないでしょうか。やはり、優秀な人材の周辺は優秀です。入り口さへ掴めれば、一気に強みの領域や経験値をふやすことができると思います。
ちなみに、数学や学習理論などに固執しなければ、クラウド含め使いやすいライブラリが次々と提供されている状態ですから、エンジニアであればそれを使ったサービスの設計、実装、品質管理という観点から、開発にはあまり強くない系のデータサイエンティストを補完してくれれば、かなりのニーズがあると思います。
逆に僕たち分析系のデータサイエンティストはエンジニアリングの勝負になると負けてしまうので、そもそものビジネス課題の特定、ビジネス課題をデータサイエンス課題にマッピングする能力、モデリングや最適化技術、エンジニアへの架け橋的能力などを磨かないと、今後はエンジニアやソフトウェアに仕事をくわれてしまうと思います。
僕自身、大学時代からデータサイエンスについて勉強していたので、そういう道筋からでないケースについてはあまり詳しくはないです。僕と似たバックグラウンドであれば、自分の数学偏差値などは把握しているでしょうから、世間の流行にあまり流されず、自分のやりたいことを大切にすれば、時間はかかってもそれが良いのだと思います。
逆に情報技術や統計から遠いところからスタートされる方が、データサイエンスや機械学習を勉強してエンジニア領域にいきたいなら、かなりのジャンプが必要だとは思います。数学にあまり固執せず、プログラミングで人生を変えようとせず、地味に地道に現場で成果を積み重ねる。ビジネスクエスチョンを起点に、その解決のために自分が採用した技術を振り返る。あせらず年単位の成果を得ていくことを心がける。そうすれば結果、一番高くジャンプできると思います。
就職は、できるだけ責任をまかされるような会社がよいでしょう。自分で手を動かして分析しながら、クライアント対応もさせてくれる、仕事に裁量を持たせてくれるという組織や部署がいいですね。
転職などでいざ動こうとなった場合に、自分が躊躇しそうなことは事前につぶしておくとよいでしょう。本格的でなくても「プログラミングを一回は勉強してみる」「データサイエンスを仕事にしている人たちに現場の仕事を聞いてみて期待したイメージと違いがないか確かめる」くらいでよいと思います。
データサイエンティスト協会が定義した「ビジネス」「データサイエンス」「データエンジニアリング」の3つの円がかかれた図は有名ですが、あの世界観を描いた当初と現在では、少し趣が変化してきているように感じます。
当初は、技術サイドが技術に縛られないように「ビジネス」の円が強調されていたと思いますが、現在は技術解像度の低いビジネスサイドの限界が露わになりつつあるように感じています。
なので、3つのうちの1つに「ビジネス」を入れてしまったのはちょっと失敗というか、ビジネスサイドを安心？させちゃったかなという気持ちがあります。ビジネスが大事、自分たちが上流みたいな。
データサイエンティストも実務者でありビジネスマンですから、あれは円ではなく四角形として、他の要素を囲むくらいがちょうど良かったかなと。３つ目の円がないとカッコがつかないので代案になってはいませんが。
もちろん、バランスは大事でビジネスを強みとしたデータサイエンティストが存在することも理解しているので、究極は自分の持って生まれた才能のなかで最適解をつくるというような感じでいいのではないかなと思います。
どのような能力バランスだったとしても、データサイエンティストを名乗ることは自由です。やろうと思えば誰でもやれる道筋があるという点がデータサイエンティストのいいところでもあり、よくわからないところでもあるという理解ですが、世間や他人の正解に流されず、自分が在りたい姿のデータサイエンスティストになれば良いのだと思います。
僕はこの職種しか知らないので一概にはいえないですが、営業であれ、エンジニアであれ、結局は人と人とで仕事をしていると思っています。なので、仕事をすすめていくうえで大切なことに職種による違いはそこまでないのではないかという考えです。そのことを踏まえたうえで、どんな仕事でもそれを届けるべき人の意図や思いをしっかり汲んだうえで仕事を進めていくことが重要だと思います。
データサイエンティストが一緒に仕事をするのは、何かしらの意思決定者が多いですが、その人のペインや悩みを解決するために仕事をしているわけです。なんらかの目的に対して、あくまで手段として技術とか統計的なバックグラウンドをつかっているにすぎないわけですね。
そのため、データサイエンティストとして働くからといって特別意識することなく、仕事をするうえでの手段と目的を取り違えなければ、エンジニアのときに気をつけていたポイントとなにか特別にかわるということはないかと思います。
フリーランスとして独立したタイミングで、ビッグデータナビに登録しました。それまでも紹介などはありましたが、自分の周りだけで仕事を獲得していくことが厳しいことはわかっていました。そのため、エージェントにいくつか登録しようと考えて行動した結果、エッジさんにいきあたったという経緯です。
エージェントを探して検索エンジンで調べたときにすぐでてきたので、きちんとSEO対策してくださっていたのはありがたかったです。（笑）
面談していただいた方や営業担当の方がデータサイエンス業界にかなり詳しい方だったので、自分のキャリアや経験をしっかり理解して評価してもらえた点に満足しています。
高くとか低くということではなく、適切に目利きされているとおもいます。打ち合わせや面談などでやりとりする中で細かなニュアンスや意味などしっかり理解してもらったため、コミュニケーションがとりやすかったです。
案件内容とマッチングの精度も高いと思います。いろいろな案件があるとおもうのですが、僕のバックグラウンドとか志向性だったら、こういう案件がいいよねというように提案してくださるので助かっています。
エージェントサービスについての要望というわけではないのですが、エッジさん自身のビジネスにもっと機械学習をいれていくと面白いのではないでしょうか。特にエージェントサービスでは、フリーランスのネットワークを抱えて、そこからレベニューを最大化するというビジネスモデルでやっていると思います。なので、予測モデルと最適化はとても相性が良く面白いテーマだと思いますよ。
顧客資源を大量に保有しており、その資源から得られるレベニューを最大化するためのリレーションシップ管理は、経営問題としても重要な気がしているので、ぜひ取り組んでみてはいかがでしょうか。
僕がエージェントに相談する際には、自分はこういうサービスを提供したいという思いを極力つたえるようにしています。また、それが相手としても動きやすいように配慮して提案するようにしています。これから登録する際は、受け身でというよりは、自分の思いを伝えるようにするとよいのではないでしょうか。
IT系エージェントさんのなかには、エンジニアと案件をただ割り当てていて、登録のフリーランスを代替可能な労働者としてしか見ていないようなエージェントも存在します。その点、エッジさんはどちらかというと、僕たちと一緒になって考えて動いてくれる、そういう雰囲気というか、姿勢を持っていると思います。
あたりまえなのですが、気を付けてほしいこととして、関係構築ができていないときに、ただ意見を押しつけてもそれを通すのは難しいとは思います。相手が求めているものと、自分が欲しいものとを把握して、関係をつくるなかで順番をまちがうことなく提示していけば、自ずと得たいものが得られるので、そのように利用されるといいと思いますね。