データサイエンティストは不足している！データサイエンティストを育成する方法を解説する

01データサイエンティストが不足している現状とは

現在、データサイエンティストは慢性的な人材不足と言われています。では、実際にはどの程度不足しているのでしょうか。データサイエンティスト協会が調べたデータを基にデータサイエンティストがどの程度、不足しているかを解説していきましょう。

データサイエンティストが1人以上いる会社は全体の29%

「有効回答数＝計283社」の中で「データサイエンティストが1人以上いる会社は全体の29％」という調査結果が出ています。3割にも満たない在籍率を見るとデータサイエンティストの総数がいかに少ないかを判断できます。また、「この１年でデータサイエンティストを増やした企業は56％。増やした人数の多くは、社内の異動・育成によるもの」ともあり、外部からの人材確保の難しさや育成の必要性を理解することができます。

データサイエンティストは3.4万人~5.5万人不足

データサイエンティスト協会によれば、データサイエンティストの需要人数については「2018年時点で総需要が44,212人、不足数（＝需給ギャップ）が33,516人、2020年時点では総需要が83,265人、不足数が44,857人」とされており圧倒的な人材不足が大きな課題として認識されています。この人材不足は年々大きくなり「2020年時点でAI人材（≒データサイエンティスト）の不足数が約4.5万人であるのに対して、2025年には9.7万人、2030年時点で14.5万人まで不足数が拡大」との見解も発表され、人材不足の課題はますます深刻化すると考えれています。

02データサイエンティスト不足の解決方法とは

人材不足を補う方法にはいくつかの方法があります。現在、我が国で実施されている人材不足の解決方法について解説します。人材不足に解消には企業だけではなく国をあげて対応している点にも注目しておきましょう。

政府主導の「AI戦略」

政府主導で「AI戦略」をたてAIの進化と推進を実施しています。AIの開発が加速することで、従来では人手で行っていた作業が自動化されるため、あらゆる分野での効率化や変化がおきていくことは、データサイエンティストにも大きな影響を与えます。従来よりデータサイエンティストが行ってきた業務の一部がAIで自動化され効率化をはかることが可能となりますが、決してデータサイエンティストが不要になるということではありません。業務の効率化により、人手でなければできないことに集中していくという意味だと理解しておきましょう。

大学に広がるデータサイエンス教育

文部科学省が主体となり、未来のデータサイエンティストを育成するためのカリキュラムが大学に広がっています。大学の講義にデータ分析を始めとするデータサイエンティストとして活躍するためのスキル習得を盛り込み将来のデータサイエンティスト教育を開始することで数年後の人材確保の足がかりを作っている点にも注目しておきましょう。今後の新卒採用においては、こうした学部などに着目し採用活動を行うことも方法の1つです。

企業での人材育成

企業での人材育成も人材確保の1つです。現在は、企業内での人材育成が主流であり企業においては実施せざるを得ないという状況にあります。企業においては、新卒採用までは待てない、AIの進化まではまてないという状況にあり社内での育成を行い人材確保を行っています。

03企業で人材育成を行う研修テーマとは

実際に企業内で人材育成を行う際の研修テーマについて解説していきます。社内での育成研修には、どのようなテーマを盛り込んだらいいのかを検討する際の参考にして頂き、研修メニューの立案を行っていきましょう。

ビジネス知識

ビジネス知識とは、ビジネスパーソンとして必要となる放映の知識やKPIに対する理解などを示しています。現在では特に重要視されているマイナンバーや個人情報保護法などの理解もビジネス知識に含まれています。扱うデータが法的な側面において注意すべきことを理解しておかなければ、後々のトラブルに繋がる可能性がある点を理解して研修項目の整理を行っていきましょう。

セキュリティー知識

ITセキュリティの基本となる3要素（機密性、可用性、完全性）について理解する必要があります。マルウェアをはじめとするる深刻なリスク（消失・漏洩・サービスの停止など）についての基礎知識や回避方法、防御手法を理解していく必要があります。分析しているデータが攻撃にあう可能性を想定し緊急時の対応については、IT部門と連携し対応策を講じておきましょう。また、暗号化技術についての理解も必要です。

基礎数学

基礎数学の知識としては、平均（相加平均）、中央値、最頻値の算出方法や順序尺度、比率尺度などの統計手法を理解し活用する必要があります。その他にも線形代数や微分・積分などの基礎知識も保有する必要があります。いずれも、高校や大学で学んだ知識ではありますが、データサイエンティストで活躍する場合には改めて基礎知識として復習し日々の業務で活用する必要があると考えておきましょう。

IT知識

情報処理技術に関する基礎知識が必要です。その他にもオラクルを始めとする言語についての知識と基礎的な操作を可能にし、実際の分析業務にて利用できるだけの知識を保有する必要があります。オラクルなどの知識習得については、専門的に開発を行えるレベルを目指すとIT部門とは異なり、データを分析する上で必要となる基礎レベルの習得で問題ないとされています。

データ解析技術

階層クラスター分析を中心にグルーピング、サンプリング、データの可視化のための抽出方法、加工方法に関する知識が必要です。ポアソン回帰、ロジスティック回帰などの統計モデリングに関する基礎知識を保有し利用できるようになる必要があります。

04人材育成を行う際の留意点

次に社内の人材を育成する際に留意しておきたい点について解説しましょう。社内の人材を育成することは、将来に向けた投資の位置付けになります。確実な育成を行うためには、以下の点について留意し育成計画の立案を実施していきましょう。

トップダウンによる必要性の周知

明確なトップダウンを行うことで、社内で人材育成が必要であることの周知と理解、協力を得ることが必要です。人材育成については、育成担当者だけで遂行できる訳ではありません。全社においての理解、関連部署の協力があってこそ実現するため、明確でかつ強いトップダウンで必要性や方向性を発信してもらい全社としての対応となるように配慮していきしょう。同時に企業として求まるデータサイエンティストの役割や責務の定義付けを行い経営層と担当者、対象者の中での共通認識を持つことも必要です。企業として目指すべき方向性を正しく理解しておくことは非常に大事なことになります。

人材育成計画の立案と実施

データサイエンティストの役割や責務の定義付けに準じた人材育成計画の立案を実施を行っていきます。この時に、対象者の持つ保有スキルを棚卸し研修で学ぶべき範囲や項目の整理も行う必要があります。すでに保有しているスキルを再度、学習する必要があるのか、振り返りや復習として簡易版で済ませることが可能であるなかなども吟味する必要性があります。学習すべきこと項目は多岐に渡るため、必要、不要の判断を行い効率的かつ期間短縮が可能かの判断を行うことは重要です。

定期的なスキルチェックと見直し

人材育成後には、定期的なスキルチェックと研修内容の見直しや再研修を実施していきます。スキルチェックには、データサイエンティスト協会が発行している「データサイエンティスト スキルチェックリスト」を活用することで、データサイエンティストが必要とされているスキルチェックを行うことが可能です。このスキルチェック表は、2019年に第3半がリリースされており、以下の点に修正が及んでいます。

進化を続ける機械学習、深層学習時代に対応した項目の見直しと追加、広範囲かつ横断的なデータ利活用実務に対応した分析環境構築、着想・デザイン、セキュリティ、コンプライアンスに関するカテゴリ変更や項目の追加、各領域のカテゴリと項目の見直しや領域をまたがるスキル項目の明示化をおこなっています。全体として457項目から528項目へと増えています。
参考：データサイエンティスト協会「データサイエンティスト スキルチェックリスト」

---

 

「研修をしてもその場限り」「社員が受け身で学ばない」を解決！
研修と自己啓発で学び続ける組織を作るスクーの資料をダウンロードする

■資料内容抜粋
・大人たちが学び続ける「Schoo for Business」とは？
・研修への活用方法
・自己啓発への活用方法　など

05まとめ

本記事では、データサイエンティスト不足をテーマに不足している現状の把握から社内育成を行う際の研修テーマなどについて解説しています。多くの企業で人材不足の課題として上げられるデータサイエンティストを社内で育成する際の参考にしてください。