データサイエンティスト

必須

• SQL・Python・R等を用いたデータ分析・モデル化の実務経験
• 事業全体を俯瞰し、構造的に捉える力
• 構造化（複数の情報や事象のつながりを整理し、筋道立てて捉える力）、示唆（＝だから何をすべきか）を導く力
• 機械学習・最適化・因果推論・シミュレーション等を、課題に応じて選べる素地（特定の手法にこだわらないこと）
• 分析を到達点にせず、前提を疑って意思決定に踏み込む力

歓迎

• 事業戦略・経営企画の経験、またはシステム思考への興味・知見
• システムダイナミクス（時間の経過による事業構造の変化をモデル化する手法）の実践経験
• 最適化・数理計画の知見
• 修士／博士課程の修了、データ分析コンペKaggleでのMaster称号、クラウド環境の利用経験

求める人物像

• モデルの精度向上にとどまらず、「なぜこの事業はこう動くのか」を構造から解き明かし、変えたい方
• 既存のモデルや定石に頼らず、自ら問いを立て、仮説の設計から検証までを回せる方
• 分析結果をゴールにせず、意思決定・行動・事業の変化まで見据えられる方
• 技術だけに閉じず、数理モデルを経営の意思決定に接続する対話ができる方

使用ツール

職種定義

• データサイエンティストは、「なぜ、事業はそう動くのか」を、高度な数理モデルで解き明かす仕事です。数字の集計にとどまらず、その先にある因果の構造そのものをモデル化し、中長期の未来がどう分岐するかまでを数字で描きます。
• クライアントから持ち込まれる相談は、それ自体としては正しいものです。ただ、事業全体を俯瞰してみると、その相談は、成果を左右する数ある論点の一つでしかないことが多くあります。そこに全力で答えても、他の要因の影響の方が大きく、根本的な課題は解決されないままです。だから私たちは、相談に答える一方で、事業の構造そのものをデータで解剖し、本当に成果を左右している要因はどこかを突き止めます。機械学習、因果推論、シミュレーションなど、課題に応じて最適な手法を選び、事業の複雑な因果関係を解きほぐしていきます。
• そのうえで、そこに手を入れたら未来がどう変わるのかを、数字で描き出す。意思決定の場に持ち込める判断材料をつくります。分析はゴールではなく、意思決定を変えるための出発点です。
• この仕事の醍醐味は、複雑にからみ合った事業の構造を、数理モデルという武器で解きほぐし、「なぜそうなるのか」を、動かしがたい事実として示せることです。経験や勘だけに頼るのではなく、データで裏づける。それが、この職種のアプローチです。
• ※クラスが上がると、メンバーやプロジェクトリーダー（PL）から、プロジェクトマネージャー（PM）として案件全体を統括する役割へと広がります。
• ※配属先は、事業が動く仕組みや因果構造をデータで解き明かすチームです。案件に応じて、システムダイナミクス（時間の経過による構造変化をモデル化する手法）を主軸とする進め方と、特定の手法にこだわらず最適なものを選ぶ進め方があり、どちらでも活躍できます。

業務内容

• プロジェクトマネージャー（PM）と論点を握りながら、課題に応じた手法で分析を設計し、データで事実として証明します。
• 現状の可視化（セグメント別・時系列やコホートでの分析）
• 構造の解明（原因と結果の関係を見極める分析や、システム思考で因果関係・影響度を分析し、合意形成する）
• 中期のシミュレーション（システムダイナミクス等で、数年後を数値で示す）
• 効果検証（ABテスト等）と、指標・仕組みの設計
• 「前提を疑い直す」議論をデータで裏づけ、意思決定の場に踏み込む
• （特定の手法に縛られず、幅広いモデリングを実践できます）

得られる経験

• 数理モデルで事業の因果構造を解き明かし、経営の意思決定を動かせる（経営ボードに近い距離で働ける）
• データ担当にとどまらず、意思決定プロセスの中枢に立てる
• システムダイナミクス（時間の経過による事業構造の変化をモデル化する手法）という、因果を扱う技術を実務で使える（案件やチームにより、扱わない場合もあります）
• 高度な数理モデル開発の実務経験を積める
• 型が固まりきっていない領域が多く、仕組みや進め方そのものを自らつくれる成長機会