データサイエンティストとデータアナリストの違い

上記からわかるように、データサイエンティストの方が業務上でカバーする業務範囲が広い傾向があります。(どちらの方が偉いということはありません)

データサイエンティストとデータアナリストの違いとして2つ目として、データ蓄積部分へのコミットが挙げられます。
データサイエンティストはデータ分析の前に必要な、データ蓄積部分にコミットすることも多いです。
データエンジニアやインフラエンジニアなどと協働していくことになりますが、ビジネス課題の特定から必要なデータやデータの持ち方などを定義してデータ蓄積部分にもコミットする必要が出てきます。
Javascriptを書きWebログデータをDMPに貯めたり、サードパーティーデータの活用などをおこないます。

データアナリストはデータ集計・分析・ビジュアライズが主な役割なので、このデータ基盤部分にはコミットしない場合が多いです。

外資系IT企業は、入れ替わりが激しいためタイミングによって求められるポジションが変わったり、組織編制もよく行われます。また競争率も高い為、転職エージェントを利用してタイムリーな情報収集や必要な対策を取ることがとても重要です。
業界経験が豊富で強みがある場合はヘッドハンティングもありますが、スカウトを待つより自ら動いた方がご志向に合う仕事にたどり着けるでしょう。

未経験から外資IT企業への転職は不可能ではありませんが、人気の業界でもある為チャレンジグではあります。過去に経験したことを外資IT企業でどう活かせるのか、しっかりアピールすることが重要です。

また、外資系企業であるため英語を使えるように勉強しておくと非常に良いでしょう。社内で英語のメールが飛び交うことや、レポートラインが外国人の上司になることは大いにあり得ます。外資系企業は職位が上がるほど外国人が増える為、読み書きだけでなく会話もビジネスレベルまで習得しておくと良いでしょう。

データサイエンティストとデータアナリストの違いとして3つ目として、マーケティングスキルが挙げられます。マーケティングスキルを求められるのがデータサイエンティストです。

Pythonはデータサイエンティスト、データアナリストのどちらの仕事をする上でも必要になります。
データサイエンティストというと、Pythonの機械学習ライブラリを用いたモデル構築の部分に焦点が当てられがちですが、実際の業務ではモデル構築の前段までに時間を要することが多いです。
例えば、objectの型が異なっていたり、欠損値が存在していたり、データのサンプル数が不足していたり、データに偏りがあったり、それらの加工修正等々…

本文の記載者も実際、LightGBMというアンサンブル手法を用いてモデル構築をしましたが、モデル構築自体は極めてシンプルなものです。一方で、モデル構築前のデータ加工や、モデル精度を高めるためのパラメータチューニングや主成分分析に非常に苦労しました。

補足ですが、
データサイエンティストの中にも、ビジネスサイドに強みのあるデータサイエンティストもいれば、研究職としてのデータサイエンティスト(機械学習エンジニア)もいます。
いずれにも知見が深いスーパーマンのような方もいらっしゃるのかもしれませんが、一般的にはどちらかの道を選択するケースが大半です。

大まかな説明にはなりましたが、データサイエンティストやデータアナリストの仕事に興味がある方、詳細をもっと聞きたいという方がいらっしゃいましたら、ぜひお気軽にお声掛けくださいませ。
フラットな立場でできる限りの情報提供、サポートをさせていただきます。

下記に一部ご紹介させて頂きますが、全体の採用動向やニーズ、詳細の案件につきましては、弊社までお気軽にお問い合わせ下さい。

※弊社サイトにITリスクコンサルタントの最新求人情報をUPしております。