データ分析の各役割を定義する

データを仕事にするときの課題は、 キャリアパスや専門分野が 多岐に渡るという事実です。 いくつか役割を定義した上で 共通のスキルを解説します。 最も多いのは、 頻繁にデータを扱う データワーカーの仕事です。 日常業務の一環として データの操作や提示を行います。 サリーの例を紹介します。 サリーは毎週、 上司に送る報告書を作成しています。 新しいデータを収集し、 報告書のデータを準備します。 報告書自体は先週と同じですが、 データが今週のデータということだけが 異なります。 データワーカーの多くは、 バックエンド経由で システムにアクセスすることを 制限されているため、 アクセスできる人から データを受け取ります。 サリーのようなデータワーカーは、 システムから CSV ファイルや Excel ファイルに データをエクスポートして、 作業を始めます。 データアナリストは、 より深くデータにアクセスできます。 データをモデル化して データフローを自動化する方法を 決めることもあります。 レポートを更新するだけで データへのアクセス、モデル化、 データフローの自動化が行え、 データワーカーよりも深いレベルの分析と 情報提示が行えます。 データアナリストは、 その時々の要求を効率的に処理します。 Excel 以外の仕事もこなし、 達人や魔法使いと言われたりもします。 データワーカーとデータアナリストは 役割が最も多いと考えられます。 誰もが何らかのデータワーカーであり、 自分が思ってる以上に アナリストの役割も果たしています。 すべてのデータ専門家の中核にあるのは、 データを収集し、 要件を満たすようにデータを操作し、 結果を報告するというスキルです。 データエンジニアには、 データセットを構築し設計する 特殊なスキルがあります。 一方、データワーカーやアナリストは、 すでに構築されたデータで作業し、 適宜モデル化も行います。 データエンジニアとデータアナリストの 両方の役割を担っている人も 多く存在します。 頂点に立つのは、 データアーキテクトと データサイエンティストだと言えます。 データアーキテクトは、 データアーキテクチャを設計します。 建築家が建物を設計するのと同様に、 データアーキテクトは データシステムを設計します。 データサイエンティストを含む全役割で このアーキテクチャが必要になるため、 重要性は本当に侮れません。 最上位にいるのは データサイエンティストです。 これは、ほとんどの企業が データアーキテクチャを導入しているか、 導入途中であるという事実と 関係しています。 ここが、データサイエンティストの 出番なのです。 データサイエンティストは、 データアナリスト、エンジニア、 アーキテクトに共通の スキルを供えています。 また、コーディング、統計、数学の 必要性も高くなります。 目標達成までの旅が どこで終わるかわからなくても、 スタートすることが重要です。 データワーカーとして始めるか、 すでにデータワーカーなら データアナリストになるか、 データとの付き合いを深めていくうちに 自分のあるべき姿が見えてきます。 どの役割でも、より深い知識を身に付けて 自分の居場所を見つけたら、 そこに留まってもいいのです。