永沢 大樹

  • 価格の決定要因は何か:実在不動産データを用いた重回帰分析 with R

大学卒業後、医療機器の専門家である臨床工学技士として総合病院に勤務。
データサイエンティストに転身後は大手自動車関連メーカーにて、医療工学の知識を活かして生体信号を統計学や機械学習を活用して分析し、快適性向上アイテム開発に従事。データサイエンスベンチャー企業ではスクラムマスターとして分析チームのリードを行う。
現在は個人事業主として大手企業にデータ利活用支援を行なっている。

データサイエンティスト・AI系エンジニアを目指したきっかけ

大学で医療統計に出会ったのが最初のきっかけです。
その後の自動車関連メーカーでの人間工学的な開発で生体信号分析は統計学の塊のようなものなので、論文や専門書を読んで自然となっていった形です。
ただ私自身は起業をしたかったので、ビジネスチャンスが多いデータサイエンス業界を目をつけたのも要因としてはあります。

初学者の方に教える際に工夫しているポイント

実装についても大切なのですが、それ以上に結果の解釈ができ、人に説明できる能力を養成できることを重視しています。
自分で考える能力を伸ばそうとするスタイルですが、一長一短あり、当人にやる気がある場合は相性はいいが、そうでない場合はこちらが言ったことをただ実践するようなタイプだと能力向上は難しい場合があります。
学ぶ側がお客さん意識ではなく、分析実務の当事者の意識がないとスキルは上がらないと思います。

AI・データサイエンスの重要性について

データを元にした意思決定は重要なのは当然ですが、既存のマーケティングのフレームワークでの定性的な分析との整合性も大切だと思います。
クライアント側が理解しやすいフレームワークの中でデータサイエンス的な概念を活用して説明する方が、単なる報告ではなく、実務に生かされる分析になり、施策立案などにつながります。
また、ものづくり分野ではビジネスデータサイエンス以上にドメイン知識が必要となるので、それらの基礎知識がある業界を選ぶのも大切です。

受講者へのコメント

データサイエンス業界はまだまだ人手不足の状態です。
企業側も最適化する余地は大いにあり、データサイエンスを活用することによって、5~10%くらいの利益向上がもたらせるなら高額なデータサイエンスコストはすぐにペイできます。
皆様には分析実務を目的にするのではなく、真に役に立つ分析を行い、示唆出しをし、具体的な施策案の立案の手助けになるように心がけてください。
とはいえ、私自身は数学的な背景への楽しさもあるので、理論的背景を学ぶことにも関心を持って頂きたいです。