これまで運輸や流通、サービスなど様々な企業のデータ分析を見てきた。最終回は、統計学の専門家である一橋大学の大江・准教授にデータ経営の今後と組織のあり方について聞く。
最近の統計学やデータ分析のブームをどう見ていますか。
大上：昨今のデータ分析ブームには、驚いています。ただ、まだどの企業も試行錯誤している段階のように感じます。データ分析がうまくいかない場合、そのボトルネックになっているのは人材、いわゆる「データサイエンティスト」の不足です。
データはどんどん集まるけれど、それを分析してソリューション（課題解決策）を導き出す手前で止まってしまっています。ここの部分は、データ分析ツールなどのソフトウエアに丸投げすることはできません。データサイエンティストの育成はこれから重要なテーマでしょう。特に統計学や機械学習といった分析についての知識習得が大切です。
大上さんも米国で統計学を学んでいますね。
大上：私自身、一橋大学を卒業した後、米国に渡り、米カーネギーメロン大学で統計学を専攻しました。米国には4年半いました。私が留学した1990年くらいは計算機のコストが格段に安くなり、コンピュータ中心の統計学に変わっていくころでした。しかも、カーネギーメロン大学はコンピュータサイエンスが有名で、最先端の計算機統計学にかなり力を入れていました。
入学すると1年目から、プログラミングを猛勉強しました。今、統計分析というと「R言語」が有名ですが、当時は商用版の「S」が有名でした。Sをオープンソース化したものがRですが、私はSで統計プログラミングのスキルを習得しました。
データサイエンティストになるには、やはり統計学やプログラミングの知識が重要なんですね。
大上：それだけでは十分ではありません。企業で活躍するデータサイエンティストは、「こういうことができたらいいな」という現場の声が出てきた時に、「こういうデータを集めて、こんな分析をすればできますよ」と助言できないといけません。
業務のなかでデータを使って改善点を導き出すためには、業務知識も必要になります。データサイエンティストは現場の人たちと活発に議論できるスキルがないと、どんなに統計理論を知っていたとしても、宝の持ち腐れになってしまいかねません。
そして大切なのは、仮説を立てることです。仮説がないと、実際にデータ分析による効果の検証もできません。検証ができないと、データサイエンティストも現場の担当者も互いに消化不良というか、あまり達成感のない結末になってしまいます。
