分析キャリアを歩みたい人なら大歓迎のfreee
田中耕太郎氏（以下、田中）：では第2部を始めたいと思います。第2部では「Q&Aフォームから質問に回答します」ということで、質疑応答がメインとなります。画面だと小さくて見えないかなと思いますので、読み上げていきます。では、1番上からいきましょうか。
「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よくお聞きしますが、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？ もし取り組みをされていましたら、どのように育成し、どのような成果が出たか教えてください」ということで、（登壇者で）話したいという方は、ぜひ進んでお話しいただけますか。
鎌田真太郎氏（以下、鎌田）：じゃあ、うちから。
田中：はい、お願いします。
鎌田：freeeだとけっこう、未経験でもぜんぜんオッケーという感じですね。ぜんぜんまったく数字を見たことがないとか、興味がないという人はもちろんアレなんですけど。
今どこのポジションで働かれていても、大なり小なり数字を見る機会ってあると思うんですよ。そういうところで機会を逃さずに、分析とか集計とか、あるいは意思決定とかをされてきた方で、改めて分析キャリアを歩んでみたい的な方がいらっしゃったら、超大歓迎という感じです。
実際に今いるメンバーにも、そういうかたちでジョインして活躍してくださっている方もいらっしゃいますし、中には「（会社に）入ってからSQLを覚えた」みたいな人もいたりっていう感じです。
田中：SQLについては、社内で育成のためのプログラムとかあったりするんですか？
鎌田：そうですね。最近はデータの民主化もけっこうやっていまして、完全に初学者向けの勉強会みたいなのを中で開いていたり、それ用の教材とかもちょこちょこ作っていたりするので、けっこう始めやすいかなというところですね。
あとは、最初に一番いかついクエリの解読をしてもらって、覚えていただくみたいな感じのこともよくあります。
田中：いかついクエリの解読はすごくいいと思いますね。
分析者としてのスキルよりも「思考体力」があるかを見る
田中：阿部さんはいかがですか？
阿部昌利氏（以下、阿部）：未経験者OKはうちも同じで、現存メンバーにも未経験者がいます。データ好き、分析好きならまずはOKです。育成はやはり、案件ベースでやるのが早いかなと思っています。
田中：OJTってことですかね。
阿部：はい。かつ依頼ありきの案件がまずはいいかなと。誰かの知りたいこと・決めたいことがあって、「じゃあそれを満たすためには、どうしたらいい？」っていうのから始めて、ステップアップしていくのがいいと思っています。
これまでの職場でも未経験の人が多かったですが、みんなOJTで育っていったなと思っています。
田中：ありがとうございます。松田さん、メルカリはどうですか？
松田慎太郎（以下、松田）：メルカリも未経験OKです。分析者としての専門スキルがなかったとしても、僕らが面接で重視するのは、「思考体力」なんですね。「考え抜けるか」「反論を考慮して、よりよいかたちに持っていけるか」という点を重視しています。
SQL等のハードスキルは自発的に学べる環境はある程度あって、社内に入っていただければ、SQLについて気軽に質問できるチャンネルもありますし、僕らのアサイン方針として、2人1組なので、OJTもスムーズにできるかと思います。
分析の民主化による、質問や依頼増への対応
田中：なるほど。ありがとうございます。次に「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、そうならないようにどういう工夫をしていますか？」という質問です。
松田：メルカリも、分析の民主化を一気に進めた時期がありました。「ゆるふわBI」という民主化プロジェクトを作り、他部署へ数値の見方や、クエリの書き方等を教えていました。
質問とか集計依頼が来るというのは、まあ、そうです。質問に関しては「ゆるふわBI」というSlackチャンネルの中でアナリスト以外も答える仕組みにして、質問増に対応しています。集計依頼に関しては、僕らは基本的に「やり方を共有するので、やってください」と答えることが多いです。
鎌田：僕は逆の見解です。うちは「アナリティクス留学」っていう名前で、週2回、1時間、僕とかが常駐する部屋があってSQLを勉強したい人はそこに来てもらって、「質問に全部、答えます」みたいな活動をやっていたりするんです。
その結果、質問とか集計依頼がすごく減ったなと思います。一部の事業部はうちのチームより一部のデータベースに詳しくなって、しっかりデータを見ている人たちが現れたり、「質問部屋」みたいなのがあるんですけど、留学OBとかが質問に対して答えてくれたりして、けっこう僕らの対応工数は減ったんです。
なので僕は、あとはうまいこと回ると、むしろ（質問で言われているような状況とは）逆になるのかなと、今は思っています。
松田：本当にそうですね。育っていった人が答えてくれるサイクルができると、非常にやりやすいと思っています。freeeさんもそういったサイクルに乗っているのかなと考えました。
阿部：これまでの広告部門にいたときでいうと、分析の民主化はクエリ教育とテンプレクエリの展開で行いました。テンプレクエリというのは、使いそうなマスタを全部JOINしておいて、「1ヶ所だけ期間指定して、GROUP BY一発で大体何でも出せる形のクエリ」を展開しましたね。
「AutoML Tables」「DataRobot」は助け舟か黒船か
田中：それでは次の質問にいきたいと思います。これは、なかなかおもしろい。「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？」という質問です。
どんどんツールが出てきている中で、「僕らの仕事って、10年後もあるのかな」という話に繋がると思いますが、見解を聞かせていただければと思います。
阿部：DataRobotは去年、研修を受けてちょっと使いました。で、僕はアナリストの仕事の必要性はそんなに変わらないかなと思っています。現状でもツールがやってくれる部分に時間を割いているかっていうと、とくに割いてないんですね。
むしろ、分析の設計や企画に力を入れていて、そっちが本質だと思っているので、すぐには変わらないかなと思っています。
松田：メルカリですと、僕らの仕事で使える」「武器」が増えるのかなと思っていてポジティブに捉えていますね。
阿部：ホント便利ですよね。
鎌田：前職のときに一時DataRobotを使っていたんですけど、ここで代替される業務って、分析している仕事の中の本当に一部でしかないなっていう印象で、もっと辛い前処理の自動化を早くしてほしいみたいなところがありました。
（会場笑）
そうなんですよね。そういう集計とかは、令和になって変わっていけたらいいなとすごい強く思う。なので、そっち側が変わってくれるとけっこう業界が変わると思うんですけどね。簡単と言えば簡単なんですけど、まだそこまで「『チューニングの仕方がちょっとわかんない』みたいな人が使っても、いきなりいい数字が出る」みたいなサービスではないので、そこのところはまだまだ先かなという気がします。
田中：そうですね。課題設定に対して、使っている手法が適しているものなのかっていうのがありますね。適当にやってもとりあえず数字は出るんですが、それが正しいという自信がないままだと、ビジネスに直結する意思決定は難しいと思います。結局、使う側の知識やリテラシーはこれからも求められるという印象はありますね。
分析の資格取得は採用で優位に働くか
田中：今の質問は、次の質問に直結するかなと思いますが、「ティープラーニング協会のG検定やE資格は採用に有利に働きますか？」、これについはいかがですか？ これはチーム構成によって変わりそうですね。
鎌田：僕の見解ですが、不利には働かないけど「これで何かが決定する」ってことはないかなと思っています。こういう資格でできる差って、たぶん「ぜんぜん触ったことないんですけれども、やりたいです」って言っている人に対して、「いや、僕は本当にやりたいんです。その証拠として資格も取ってきました」みたいな差別化ぐらいだと思うんですけどね。
実務上とか、分析をやってく上でのスタンスが合うか合わないかっていうのは、また別の次元で測られるべきことかなと思うので、ちょっと難しいんですけど「有利か？」って言われると……。いい資格だとはもちろん思うんですけどね。
田中：これと似たような質問として、「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？」というのもいただいています。
松田：メルカリは、資格や専門知識は、実はほとんど見ません。さっきもちょっと言いましたけど、僕らは「思考の体力」とか「きちんと考え抜けるか」や「論理的な整合性を取って説明できるか」みたいなところを面接で確認していきます。
逆に言うと「こういう資格を取った」みたいなアピールで加点されることはないというのが前の質問の回答です。統計や数学の知識に関しても、正直そこまで重視していないですね。もちろん統計の知識はあればいいですが、知識がある、ゆえに合格である、とはなりません。あくまで思考体力で見ています。なので「あまり関係ない」というのがメルカリの回答になりそうですね。
先人が突き詰めて磨いてきた、統計学のエッセンスを感じられるか
阿部：「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？」の質問について、実務的にいうと、「論理的思考」とか「数字の罠にはまらない」っていう意味で（知識は）あってほしいっていう場合がありますね。2～3級あれば大体、大丈夫だと思うんですけど。
ただ、個人的に言うと「統計学は好きであってほしい」っていうのがありますね。好きであってほしい。あるいは、そこに奥深さを感じてほしいっていうのがあります。
統計学って、先人が「見たいものを定量的に表現するためにどうしたらいいのか」っていうのをがんばって突き詰めてきた学問だと僕は思っています。そのエッセンスを感じたり、そこに興味を持ってもらえたらいいなって思います。データ好きや分析好きの根幹としてそういう気持ちがあったら、仲間として心強いです。
鎌田：めちゃくちゃ同意で、うちのチームは僕以外、全員理系なんです。僕が「数学、できないだろ」っていう話はちょっとあるんですけど、結果として数学とか統計学とかが好きであってほしいかなとは思っています。
データに興味があるとか、数字を正しく見たい、あるいはそういう分析に対するスタンスの結果として、当然に統計学とかを学んでいくものだと思っています。そこがないのはアレなんですけど、「統計学をやっているから、それが証明できます」っていうのは、その因果が逆にはならないっていうのが難しいところかなと思っています。
田中：そうですね。統計学。基礎的な知識はやはりあったほうがいいと思っています。分布も見ずにいきなり平均値だけを報告しても不十分なこともあり、「分布を見たら、これは平均値じゃなくて、中央値のほうがいいよね」とか、そういうこともあるので。
分布を見て「何を報告したらいいかな？」とか、「全体の中央値や平均値じゃなくて、ちゃんとセグメントをわけたほうがいいかな？」など、統計の基礎的なところやっていると、アイデアが出てくることも多いと思います。その辺りの「勘所」を鍛えるにはすごく役に立つかなっていうのが僕の印象ですね。
鎌田：A/Bテストとかやったことがある人で、カイ2乗検定を見て何の疑問も持たずに「カイ2乗検定で有意だからGO！」って言っている人って、たぶん危ないと思う。
（一同笑）
「これでいいのかな？」とか、「何でこれが有意になるのかな？」っていうところに、たぶん少しでも引っかかると、文系か理系かとか関係なく、必要な知識がついていくのかなと思っています。
田中：例えば「目新しいから影響があるように見えているだけで、本質的な差異じゃないよね」とか、そういうところで一歩立ち止まるためにも、知識を持っているっていうのは大事ですね。
