【裏ワザあり】文系からデータサイエンティスト転職する方法

00:19:18
https://www.youtube.com/watch?v=EhmgpskET04

الملخص

TLDRこの動画では、文系未経験者がデータサイエンティストになるための方法を詳しく解説しています。文系出身でもデータサイエンティストになれる理由として、数学やプログラミングは手段であり、ビジネス力やコミュニケーション能力が重要であることが強調されています。また、転職のための具体的なステップとして、シグネットやKaggleでのメダル獲得、統計検定2級の取得、現在の仕事でのデータ活用経験が挙げられています。成功事例も紹介され、視聴者に自信を持って挑戦するよう促しています。

الوجبات الجاهزة

  • 📊 文系でもデータサイエンティストになれる!
  • 💡 数学やプログラミングは手段に過ぎない
  • 🚀 ビジネス力が重要なスキル
  • 📈 シグネットやKaggleで実績を作ろう
  • 🎓 統計検定2級の取得が推奨される
  • 🛠️ 現在の仕事でデータを活用する経験が大切
  • 🤝 コミュニケーション能力を活かせる
  • 📚 正しい学習法でスキルを習得しよう
  • 💪 自信を持って挑戦することが成功の鍵
  • 🌟 成功事例を参考にして学習を続けよう

الجدول الزمني

  • 00:00:00 - 00:05:00

    文系出身でもデータサイエンティストになれる理由は、数学やプログラミングは手段であり、ビジネス力やコミュニケーション能力が重要であることが挙げられます。データサイエンティストの役割は、データを活用してビジネス上の課題を解決することであり、未経験からでも実績を積むことが可能です。

  • 00:05:00 - 00:10:00

    データサイエンティストに必要なスキルセットは、ビジネス力、データサイエンス力、データエンジニアリング力の3つです。特にビジネス力が重要で、業界知識や課題設定力、分析結果を分かりやすく伝える能力が求められます。文系出身者はビジネス力やソフトスキルが高いことが多く、これを活かすことでデータサイエンティストとしてのキャリアを築くことができます。

  • 00:10:00 - 00:19:18

    文系未経験からデータサイエンティストになるためのロードマップは、シグネットやKaggleでのメダル獲得、統計検定2級の取得、実務でのデータ活用経験を積むことです。特にデータを活用した業務改善の実績が重要で、これが転職時の強力なアピールポイントになります。また、データサイエンティストに向いている人の特徴として、論理的思考力、好奇心、キャッチアップ能力、地道な作業を継続できること、問題解決能力が高いことが挙げられます。

الخريطة الذهنية

فيديو أسئلة وأجوبة

  • 文系でもデータサイエンティストになれるのか?

    はい、文系でもデータサイエンティストになれます。特にビジネス力やコミュニケーション能力が重要です。

  • 数学やプログラミングの知識は必要か?

    高度な数学やプログラミングの知識は必須ではありません。ビジネス上の課題解決に直結する実績が重要です。

  • 転職のための具体的なステップは?

    1. シグネットやKaggleでメダルを獲得する。2. 統計検定2級を取得する。3. 現在の仕事でデータに触れる経験を積む。

  • データサイエンティストに向いている人の特徴は?

    論理的思考力、好奇心、キャッチアップ能力、地道な作業を継続できること、問題解決能力が高いことが求められます。

  • どのように学習を進めれば良いか?

    Pythonの基礎を学び、データサイエンスの全体像を把握し、必要な基礎を勉強した後、実践的なコンペに挑戦することが推奨されます。

عرض المزيد من ملخصات الفيديو

احصل على وصول فوري إلى ملخصات فيديو YouTube المجانية المدعومة بالذكاء الاصطناعي!
الترجمات
ja
التمرير التلقائي:
  • 00:00:00
    はいこんにちははやたです今回は文系でも
  • 00:00:02
    確実にデータサイエンティストになる方法
  • 00:00:04
    ということで文系未経験からデータ
  • 00:00:06
    サイエンティストになりたいそう考えてる
  • 00:00:07
    人の疑問全て解決できる動画を作りました
  • 00:00:10
    おそらくあなたもデータサイエンティスト
  • 00:00:11
    になりたいけど自分は文系出身だし本当に
  • 00:00:14
    なれるのかなって感じていますよね確かに
  • 00:00:16
    理系出身だと多少転職で有利なことは
  • 00:00:18
    間違いないですでもはっきり言って同じ未
  • 00:00:20
    経験からの転職であれば文系がどうとか
  • 00:00:23
    理系がどうとかってそこまで関係ありませ
  • 00:00:24
    んヒラメとカレキャベツとレタス一光さん
  • 00:00:27
    とチョコプラの松尾さん正直それぐらいの
  • 00:00:29
    差なんですねただそうは言ってもデータ
  • 00:00:30
    サイエンスは数学やプログラミングの知識
  • 00:00:32
    が必要って言われているし文系だと厳しい
  • 00:00:34
    んじゃないのて思いますよねその気持ちは
  • 00:00:36
    めちゃくちゃ分かります英語が苦手な僕が
  • 00:00:39
    半年でトイスコアを300点から800点
  • 00:00:41
    に上げた勉強法って言われても疑いたく
  • 00:00:43
    なる気持ちと同じですなんなら高校時代に
  • 00:00:45
    数学が苦手だから文系に行きましたなんて
  • 00:00:47
    人もいますよねでも実は驚かれるかもしれ
  • 00:00:49
    ないんですけど未経験から転職するだけで
  • 00:00:52
    あれば難しい数学の勉強をしたり
  • 00:00:53
    プログラミングの基礎文法を完璧に覚え
  • 00:00:55
    たりする必要はないんですむしろそういっ
  • 00:00:57
    た数学やプログラミングの基礎学習に時間
  • 00:00:59
    をかけげてしまうと転職で必要な実績を
  • 00:01:01
    作るのが遅くなってどんどん転職活動が
  • 00:01:04
    先送りになってしまいますそして最悪の
  • 00:01:05
    場合半年1年と頑張って勉強してきたのに
  • 00:01:08
    年齢の割にスキルが足りないことが原因で
  • 00:01:10
    全く書類先行が通らなくなる可能性があり
  • 00:01:12
    ますそうなるとせっかく学習に使ってきた
  • 00:01:14
    時間そして書籍や口座の購入に使った数万
  • 00:01:17
    というお金が無駄になってしまいます
  • 00:01:18
    そんな状況になるのは絶対に嫌ですよねで
  • 00:01:20
    も安心してください今日の動画では業界歴
  • 00:01:23
    6年で数多くの未経験者は転職成功に導い
  • 00:01:26
    てきた僕が文系未経験からデータサイン
  • 00:01:28
    テシになる方法を徹底解説していきます
  • 00:01:30
    具体的には文系でもデータ
  • 00:01:31
    サイエンティストになれる3つの理由文系
  • 00:01:33
    からデータサイエンティストになるための
  • 00:01:35
    ロードマップ文系でもデータ
  • 00:01:36
    サイエンティストに向いている人の特徴
  • 00:01:38
    これらについて紹介していきますだから
  • 00:01:39
    今日の動画を最後まで見れば文系の人が
  • 00:01:42
    抱えている悩めは完全に解決してデータ
  • 00:01:44
    サイエケスト転職の一歩を踏み出すことが
  • 00:01:46
    できます実際に今日の動画で伝えている
  • 00:01:48
    内容を実践している僕の女高生は30代
  • 00:01:50
    後半の方が約1年で未経験からデータ
  • 00:01:52
    アナリスト転職に成功他にも30代前半の
  • 00:01:55
    方がたった7ヶ月で未経験からデータ
  • 00:01:57
    サイエンティスト転職に成功同じく30代
  • 00:01:59
    半の方がわずか6ヶ月で未経験からデータ
  • 00:02:02
    サイエンティスト転職に成功するなど多く
  • 00:02:04
    の方が未経験からデータアナリストデータ
  • 00:02:06
    サイエンティストに転職していますもし
  • 00:02:07
    この動画を見てるあなたも文系未経験から
  • 00:02:09
    データサイエンティストに転職したい市場
  • 00:02:11
    価値の高いスキルを身につけて他の企業や
  • 00:02:13
    業界でも通用する人材になりたいどうして
  • 00:02:16
    も出社が必要な仕事だからリモートワーク
  • 00:02:18
    できるようになりたいそんな風に考えて
  • 00:02:19
    いるなら今日の動画も間違いなく参考に
  • 00:02:21
    なります忙しい人は通勤中の電車でいい本
  • 00:02:24
    してラジオ感覚で聞くだけでも大丈夫です
  • 00:02:26
    是非最後まで聞いてみてくださいまたこの
  • 00:02:27
    チャンネルではPythonデータ
  • 00:02:29
    サイエンス学習より役に立つ情報を発信し
  • 00:02:31
    ています需要の高いス料を手に入れて
  • 00:02:33
    どんな企業でも活躍できる人材になりたい
  • 00:02:35
    そう思っている人は是非チャンネル登録を
  • 00:02:36
    お願いしますそれでは始めていき
  • 00:02:39
    ましょうまず始めに理系出身じゃないけど
  • 00:02:42
    本当に大丈夫かなと不安に感じている
  • 00:02:44
    あなたに文系でもデータサイエンティスト
  • 00:02:46
    になれる3つの理由について話していき
  • 00:02:48
    ます結論から言うと文系でもデータ
  • 00:02:49
    サイエンティストになれる理由は1つ目
  • 00:02:51
    そもそも数学やプログラミングは手段だ
  • 00:02:53
    から2つ目ビジネス力を売りにすればいい
  • 00:02:55
    から3つ目コミュニケーション能力を
  • 00:02:57
    生かせるからこの3つになりますおそらく
  • 00:02:59
    これだけだとどういうことって感じている
  • 00:03:01
    と思うので詳しく解説していきますまず1
  • 00:03:03
    つ目がそもそも数学やプログラミングは
  • 00:03:05
    手段だからですあなたに質問があるんです
  • 00:03:07
    けどそもそもデータサイエンティストの
  • 00:03:08
    仕事とは何だと思いますかデータ
  • 00:03:10
    サイエンティストにはどんなことが求め
  • 00:03:11
    られていると思いますかデータを分析して
  • 00:03:13
    何かしらの主さを得ること統計額や系学者
  • 00:03:16
    を使って何かのデータを予測すること
  • 00:03:18
    難しい論文を読んでそれを実装すること
  • 00:03:20
    どれも間違ってはいないんですけどこれだ
  • 00:03:21
    と正直60点の回答ですでは本当にデータ
  • 00:03:24
    サイティストに求められることは何なのか
  • 00:03:26
    それはデータを活用してビジネス上の課題
  • 00:03:28
    を解決することそして売上を増やしたり
  • 00:03:30
    コストカットしたりすることつまり企業の
  • 00:03:32
    利益を増やすことが目的なんですねデータ
  • 00:03:34
    を分析するとか機械学習や統計額を使うと
  • 00:03:36
    か難しい論文で書かれてる内容を実装
  • 00:03:38
    するっていうのは全て手段究極を言って
  • 00:03:40
    しまえば別に難しい知識を知らなくても
  • 00:03:42
    課題を解決できるならそれでいいわけです
  • 00:03:45
    この動画を見てる人の中には難しい数学の
  • 00:03:47
    知識やPythonの基礎文法を完璧に
  • 00:03:49
    理解していないとダメなんじゃないかそう
  • 00:03:50
    感じている人もいると思いますもちろん
  • 00:03:52
    気持ちは分かりますちゃんと数学や
  • 00:03:54
    プログラミングの知識がないとデータ
  • 00:03:55
    サイエンティストにはなれない気がします
  • 00:03:57
    よねでも未経験から転職する時高度な数学
  • 00:04:00
    の知識を求められることはほとんどあり
  • 00:04:01
    ません後でも紹介するんですけどそれより
  • 00:04:03
    も今の仕事でデータを活用した経験がある
  • 00:04:05
    とかそういうビジネス上の課題解決に直結
  • 00:04:08
    するような実績の方がよっぽど役に立ち
  • 00:04:09
    ます事実として新卒でコンサル系に就職し
  • 00:04:12
    て社会人経験を積んだ後データ
  • 00:04:14
    サイエンティストになる文系出身の人は
  • 00:04:15
    結構多いですそう考えると未経験から転職
  • 00:04:18
    する時高度な数学やプログラミングの知識
  • 00:04:20
    は必要ないっていうのも納得してもらえる
  • 00:04:22
    と思いますあくまでデータセンティストの
  • 00:04:23
    役割はデータを活用してビジネス上の課題
  • 00:04:26
    を解決することこれを念頭に置いておき
  • 00:04:27
    ましょうそして2つ目の理由がビジネス力
  • 00:04:30
    を売りにすればいいからですデータ
  • 00:04:31
    サイエンティスト教会によるとそもそも
  • 00:04:32
    データサイエンティストには3つのスキル
  • 00:04:34
    セットが必要だと言われていますそれが
  • 00:04:36
    ビジネス力データサイス力データ
  • 00:04:38
    エンジニアリング力この3つですそれぞれ
  • 00:04:40
    詳しく解説するとビジネス力とは業界知識
  • 00:04:42
    や企業ごとに抱える問題を理解した上で
  • 00:04:45
    データを活用してビジネス上の課題を解決
  • 00:04:47
    する力です具体的にはビジネスの現場で
  • 00:04:49
    どのような課題がありデータで解決できる
  • 00:04:51
    のかを見極める課題設定力データ分析を
  • 00:04:53
    通じてどのようなアクションを取るべきか
  • 00:04:55
    考える仮設構築力分析結果を経営者や現場
  • 00:04:58
    に分かりやすく伝えて意思決定につげる力
  • 00:05:00
    分析の進め方や関係者との
  • 00:05:02
    コミュニケーションを適切に行う
  • 00:05:03
    マネジメント力これらの能力が求められ
  • 00:05:05
    ますこのビジネス力がないといきなり
  • 00:05:07
    データを可視化したりなんとなく機械学習
  • 00:05:09
    モデルを作成したりしてそれでこれって何
  • 00:05:11
    に使うのみたいな状況になってしまいます
  • 00:05:13
    データ再演数力は分かりやすくて統計学や
  • 00:05:15
    機械学習について理解して活用する能力の
  • 00:05:18
    ことを指しますつまり普段あなたが勉強し
  • 00:05:20
    ているスキルのことです具体的には統計画
  • 00:05:22
    機械学習Pythonなどの
  • 00:05:23
    プログラミング言語あとはデータ可視可力
  • 00:05:26
    なんかもこれに該当しますそして最後の
  • 00:05:27
    データエンジニアリング力はデータを収集
  • 00:05:30
    したり加工したりしてデータサイスを活用
  • 00:05:32
    できるように実装を運用する力になります
  • 00:05:34
    つまりデータ基盤の構築能力です最近だと
  • 00:05:36
    データ基盤の構築はデータ
  • 00:05:37
    サイエンティストではなくてデータ
  • 00:05:39
    エンジニアが担当することが多いです具体
  • 00:05:41
    的にはSQLやetlまたパイプラインの
  • 00:05:43
    構築やクラウド分散書類の知識を求められ
  • 00:05:45
    ますデータサイエンティストにはこれら3
  • 00:05:47
    つのスキルセットが必要だと言われている
  • 00:05:49
    んですけどこの3つのスキル全てにひれて
  • 00:05:51
    いる人は僕を含めてほとんどいません
  • 00:05:53
    そもそもデータエンジニアリングはデータ
  • 00:05:54
    エンジニアが担当することが多いし
  • 00:05:56
    ビジネス力に関してもデータ
  • 00:05:57
    サイエンティストではなくビジネス
  • 00:05:59
    アナリストが担当している企業もあります
  • 00:06:01
    さらにデータサイス力の中でも自芸列
  • 00:06:03
    データの分析が得意だったり自然言語処理
  • 00:06:05
    の経験が豊富だったり人によって強みが
  • 00:06:07
    違いますこれってデータサイスに限らず人
  • 00:06:09
    の性格も同じですよね僕はこうやって
  • 00:06:11
    コツコツ動画投稿するのが得意なんです
  • 00:06:13
    けど人によっては継続が苦手で同じことを
  • 00:06:15
    やっていると飽きてしまう人もいます
  • 00:06:17
    もちろん不得意を埋める努力は必要だけど
  • 00:06:19
    わざわざ苦手なこととか得意ではないこと
  • 00:06:21
    で戦う必要ってないですよね文系出身の人
  • 00:06:23
    であれば数学やプログラミングはそこまで
  • 00:06:25
    得意ではないかもしれないけどビジネス力
  • 00:06:27
    とかソフトスキルが高い人は多いと思い
  • 00:06:29
    ますだからわざわざデータサイス力で戦わ
  • 00:06:31
    なくてもビジネス力を売りにすればいいん
  • 00:06:33
    ですそれにこれは3つ目にもつながるん
  • 00:06:34
    ですけど文系出身の人は
  • 00:06:36
    コミュニケーション能力が高い人が多いと
  • 00:06:38
    思います実は驚かれるかもしれないんです
  • 00:06:40
    けどデータサイエンティストは1日中
  • 00:06:41
    パソコンをカタカタしているわけではあり
  • 00:06:43
    ませんお客さんや関係部署に課題を
  • 00:06:45
    ヒアリングしたり分析を進める過程で
  • 00:06:47
    分からないことがあれば質問したり分析の
  • 00:06:48
    途中経過を報告したりチームメンバーで
  • 00:06:50
    分析方針を固めたりと思っている以上に
  • 00:06:53
    コミュニケーションを取る機会が多いです
  • 00:06:54
    そういう場面でも持ち前の
  • 00:06:56
    コミュニケーション能力を活かせます
  • 00:06:57
    ちなみに僕は実務経験8月で独立している
  • 00:07:00
    んですけど実は最初に入った案件は募集
  • 00:07:02
    要綱の必須項目が4つあったうち1つしか
  • 00:07:05
    満たせていませんでしたそれでも案件を
  • 00:07:07
    獲得できて後で現場の社員の方になんで
  • 00:07:09
    採用してもらえたんですかて聞いたらまだ
  • 00:07:11
    若くて可能性を感じたし
  • 00:07:12
    コミュニケーション能力が高かったからと
  • 00:07:14
    言っていただけましたもちろんスキルも
  • 00:07:16
    大事です数学やプログラミング他にも機械
  • 00:07:18
    学習ディープラーニングリナックスギト
  • 00:07:20
    など学んだ方がいいことはたくさんあり
  • 00:07:22
    ますでも結局のところ仕事をしていく以上
  • 00:07:24
    人と人とのコミュニケーションです
  • 00:07:25
    コミュニケーション能力が高い人は十分
  • 00:07:27
    アピールできるスキルになります未経験
  • 00:07:29
    からデータサイエンティストに転職するの
  • 00:07:31
    は簡単ではありませんでも文系出身だから
  • 00:07:33
    といってマイナスに感じる必要もないです
  • 00:07:35
    文系だろうが理系だろうが未系権には
  • 00:07:36
    変わりないので自信を持っていき
  • 00:07:39
    ましょうというわけでここまで文系でも
  • 00:07:42
    データサイエンティストになれる3つの
  • 00:07:43
    理由について話してきましたおそらくここ
  • 00:07:45
    までの話を聞いて少し大変そうだけど
  • 00:07:47
    やっぱりデータサイエンティストを目指し
  • 00:07:49
    てみようかなって感じてくれた人もいると
  • 00:07:50
    思いますそんな人が次に気になるのは
  • 00:07:52
    ハンターハンターの新作情報じゃなくて
  • 00:07:54
    どうすればデータサインティスになれるの
  • 00:07:56
    かという転職バネのロードマップですよね
  • 00:07:58
    そこでここからは文系経験からデータ
  • 00:08:00
    サイキ転職を目指すためのロードマップ3
  • 00:08:02
    ステップを紹介していきます論から言うと
  • 00:08:04
    次の3ステップですステップ1シグネット
  • 00:08:06
    または隠れでメダルを獲得するステップ2
  • 00:08:08
    統計検定に2を取得するステップ3統計
  • 00:08:11
    検定の勉強と合わせて術もでデータに
  • 00:08:13
    触れる経験をするこの3ステップになり
  • 00:08:15
    ます順番に解説していくとまずはステップ
  • 00:08:17
    1でシグネットまたはかぐでメダルを獲得
  • 00:08:19
    しましょうそもそもシグネットやカルとは
  • 00:08:21
    何かと言と企業やサイトから提供された
  • 00:08:23
    データを使って参加者同士が機械学習
  • 00:08:25
    モデルの制度を競分析本分に挑戦できる
  • 00:08:27
    プラットフォームですシグネットやでは
  • 00:08:29
    ほとんどのコンペで上位10%以内の成績
  • 00:08:32
    を収めると順位に応じたメダルを獲得
  • 00:08:34
    できるようになっていますもし分析コンペ
  • 00:08:35
    の参加者が1000人なら上位100人は
  • 00:08:37
    メダルを獲得できるということですこの
  • 00:08:39
    メダルを獲得することがステップ1でやる
  • 00:08:41
    ことになりますおそらくこうやって聞いて
  • 00:08:43
    いるとじゃあその分析本編に挑戦できる
  • 00:08:45
    レベルになるには何をどうやって勉強すれ
  • 00:08:47
    ばいいのて思いますよね結論から言うと
  • 00:08:49
    これは次の5ステップになりますステップ
  • 00:08:51
    1Pythonの基礎を勉強するステップ
  • 00:08:52
    2データサンスの全体像を把握する
  • 00:08:54
    ステップ3データサイスで必要な最低限の
  • 00:08:56
    基礎を勉強するステップ4かれに入門する
  • 00:08:59
    ステップステップ5シグネートまたはカル
  • 00:09:00
    コンペに挑戦するこの5ステップです
  • 00:09:03
    詳しい学習法はこちらの動画最新版未経験
  • 00:09:05
    から6ヶ月で攻略データサイス学習完全
  • 00:09:08
    ノードマップで詳しく紹介しています僕が
  • 00:09:10
    試合している完全審査性のデータ
  • 00:09:11
    サイエンススクールテックフロンティアで
  • 00:09:13
    もこの動画で話している通りに指導してい
  • 00:09:15
    ますそれを無料で公開したものになるので
  • 00:09:17
    是非参考にしてみてくださいステップ1で
  • 00:09:19
    シグネットまたは角のメタルを獲得でき
  • 00:09:21
    たら次に統計検定2級の取得を目指します
  • 00:09:23
    統計検定2級とは何かと言うと統計額の
  • 00:09:26
    基礎的な所用があるか確認する資格試験に
  • 00:09:28
    なりますレベル感としては大学12年生で
  • 00:09:30
    習うような統計額の知識が問われます
  • 00:09:32
    おそらく未経験からデータサインティスト
  • 00:09:34
    転職するとなるとできるだけたくさん資格
  • 00:09:36
    を取得してアピールできるポイントを
  • 00:09:38
    増やした方がいいんじゃないかなて思い
  • 00:09:40
    ますよねでも実は基本的に未経験から
  • 00:09:42
    データサインティッシに転職する上で資格
  • 00:09:44
    を取得する必要はないんですねなぜなら
  • 00:09:46
    この動画でも紹介しているんですけど統計
  • 00:09:48
    検定2級以外の資格は取得してもそこまで
  • 00:09:50
    転職時のアピールにならないからです
  • 00:09:52
    おそらくこうやって聞くとじゃなんで統計
  • 00:09:53
    権でに2級は取得した方がいいのて思い
  • 00:09:56
    ますよねそれはデータサイエンスに必須の
  • 00:09:57
    統計額の知識を保有ししていることを証明
  • 00:10:00
    できるから募集要綱に書かれていることが
  • 00:10:02
    多いからという2つの理由があるからです
  • 00:10:04
    逆に言うと他の資格に関しては全く募集
  • 00:10:06
    要綱に書かれていませんそれにステップ1
  • 00:10:08
    で現役のデータサイティストの参加さの
  • 00:10:10
    分析本部でメダルを獲得できた経験があれ
  • 00:10:12
    ばそれだけで十分強力な実績になりますだ
  • 00:10:14
    から資格試験の取得は統計検定2級だけに
  • 00:10:17
    しましょう統計検定2級の具体的な学習
  • 00:10:19
    方法に関してはこちらの動画が参考になり
  • 00:10:21
    ます学習期間1か月でで合格する人を
  • 00:10:24
    たくさん排出してきたので短期間で効率
  • 00:10:26
    よく統計額を習得していきたいそう思った
  • 00:10:28
    人は是非概要欄のリンクからチェックして
  • 00:10:30
    みてくださいそして個人学習では統計検定
  • 00:10:32
    2級の学習を進めつつステップ3では今の
  • 00:10:34
    仕事でデータに触れる経験を詰めないか
  • 00:10:36
    チャレンジしてみてくださいデータに
  • 00:10:38
    触れる経験っていうのは過去の売上データ
  • 00:10:40
    を集計して時間帯季節顧客の属性による
  • 00:10:43
    売上の違いを分析する過去の販売データと
  • 00:10:45
    在庫データからExcelで簡単な予測
  • 00:10:47
    ボンネルを作成してみる顧客アンケートを
  • 00:10:49
    分析して顧客のニーズや不満点を把握する
  • 00:10:51
    マーケティングキャンペーン前後の売上げ
  • 00:10:53
    データやアクセス件数を比較して効果測定
  • 00:10:55
    をするこれらの分析をした後実際に業務
  • 00:10:58
    改善の施策に落とし込みで実行するとか
  • 00:11:00
    です要はどんな形でもいいんですけど業務
  • 00:11:02
    改善のためにデータを利活用した経験が
  • 00:11:04
    あればそれは転職する時にめちゃくちゃ
  • 00:11:05
    有利な実績になります正直これが1番転職
  • 00:11:08
    に役に立つ実績でそれはなぜだか分かり
  • 00:11:10
    ますかそれはデータアナリストやデータ
  • 00:11:12
    サイエンティストを採用する企業が採用し
  • 00:11:14
    た後に貴重な戦力として活躍できそうな人
  • 00:11:16
    を求めているからです特に30代以降の
  • 00:11:18
    転職であれば今まで仕事でどんな成果を
  • 00:11:20
    上げてきたのかどんな姿勢で仕事を
  • 00:11:22
    取り組んできたのかこの辺りをよく見られ
  • 00:11:24
    ます実際僕が指導してきた受行生も実もで
  • 00:11:27
    データ分析したり業務効率化のプログラム
  • 00:11:29
    作成したりした経験を元に未経験から
  • 00:11:31
    データサイエンティストに転職しています
  • 00:11:33
    経学習まで使わなくても大丈夫なのでまず
  • 00:11:35
    は今の会社で何かしらデータを使って業務
  • 00:11:37
    改善した実績を作れないか検討してみて
  • 00:11:39
    くださいただここまでの話を聞いてうちの
  • 00:11:41
    会社だとデータ分析したり業務改善したり
  • 00:11:43
    するのは難しそうだなていう人もいますよ
  • 00:11:45
    ねそういう人は個人学習の範で何か
  • 00:11:47
    ポートフォリオを作成してみましょう
  • 00:11:49
    身の回りにある課題を発見してそれを
  • 00:11:51
    データ分析や機械学習を使って解決でき
  • 00:11:53
    ないか検討してみてくださいまたステップ
  • 00:11:55
    1でカリアシグネットを使って実践中心で
  • 00:11:57
    学習しているとこうやって課題を見つけた
  • 00:11:59
    た時どうやって解決していけばいいのか
  • 00:12:01
    アイデアが出てくるようになりますそう
  • 00:12:02
    いう意味でも基礎学習を繰り返すのでは
  • 00:12:04
    なくカレアシグネットを使って実践中心の
  • 00:12:06
    学習に切り替えていきましょうここまで話
  • 00:12:08
    を聞いてもらって文系からでもデータ
  • 00:12:10
    サイエンティストに転職するために何を
  • 00:12:12
    するべきなのか分かってきた人も多いと
  • 00:12:13
    思いますでももしかしたら中には仮に転職
  • 00:12:16
    できたとして本当にその後やっていけるの
  • 00:12:18
    かなそもそも自分はデータ
  • 00:12:19
    サイエンティストに向いてるのかなて感じ
  • 00:12:20
    てる人もいますよね正直向き不向きを
  • 00:12:22
    正しく判断するには実際に転職して仕事を
  • 00:12:25
    やってみないと分かりませんでも僕の中で
  • 00:12:27
    はこういう人ならデータサイエンティスト
  • 00:12:28
    にているんじゃないかっていう判断軸が5
  • 00:12:31
    つありますなのでこの動画の最後にデータ
  • 00:12:33
    サイエンティストに適正がある人の5つの
  • 00:12:35
    特徴について話していきたいと思います
  • 00:12:36
    結論から言うと1つ目論理的思考力が高い
  • 00:12:39
    こと2つ目好奇心合性で学習意欲がある
  • 00:12:42
    こと3つ目キャッチアップ能力が高いこと
  • 00:12:44
    4つ目地味な作業を継続できること5つ目
  • 00:12:46
    問題解決能力が高いことこの5つですなぜ
  • 00:12:49
    それぞれの能力が必要なのかも合わせて
  • 00:12:51
    詳しく解説していきますまず1つ目が論理
  • 00:12:53
    的思考力が高いことで具体的には物事を
  • 00:12:56
    順序立てて考えるのが得意だったりこれは
  • 00:12:58
    なぜなんだろうと深掘りするのが好きだっ
  • 00:13:00
    たり複雑な問題を分解整理するのが得意
  • 00:13:02
    だったりこういう人はデータ
  • 00:13:03
    サイエンティストに向いていますなぜなら
  • 00:13:05
    そもそもデータサイエンスが問題を分解し
  • 00:13:07
    て仮説を立ててそしてデータを分析して
  • 00:13:09
    課題を解決するものだからです例えば売上
  • 00:13:12
    が20%増加した時あなたは何を感じます
  • 00:13:14
    かあるいは日本のコンビニは何店舗ある
  • 00:13:16
    でしょうかこんな問題が出された時まず何
  • 00:13:19
    から考えますかこういう時に売上げが増え
  • 00:13:21
    た原因を考えたりコンビニの店舗数を推定
  • 00:13:23
    する時細かく仮説を立てたりできるなら
  • 00:13:25
    あなたはデータサイエンティストに向いて
  • 00:13:27
    いますそして2つ目が好奇心合成で学習
  • 00:13:29
    意欲があることですこれは分かりやすいと
  • 00:13:31
    思いますそもそもデータサイエンスは学ば
  • 00:13:33
    ないといけないことが多くてPython
  • 00:13:35
    機械学習統計学数学も分解すれば微分積分
  • 00:13:38
    線形台数最適化理論日々の業務で使うIT
  • 00:13:41
    の知識で言うとリナックスドッカーギッ
  • 00:13:43
    クラウドなどなどもういろんな知識が必要
  • 00:13:45
    になるんですねそれだけでなくデータ
  • 00:13:46
    サイエンスの世界は日々進化しているため
  • 00:13:48
    常に新しい技術や手法を学ぶ必要があり
  • 00:13:51
    ます実際僕がデータサイエンスの学習を
  • 00:13:53
    始めた頃はディープラーニングが
  • 00:13:54
    盛り上がっている時期でAIが人間の知能
  • 00:13:56
    を超えるシンギュラリティは2045年に
  • 00:13:59
    来るなんて言われていましたでも今では何
  • 00:14:01
    段階も進化してチャットGPTやジェミニ
  • 00:14:03
    のベースになっているllmが話題になっ
  • 00:14:05
    ていますシグラレティに関してもすでに
  • 00:14:06
    aiiが人間の知能の中央値を超えてい
  • 00:14:09
    ますこれだけ進化が早い分野なので学習に
  • 00:14:11
    終わりがありませんだから正直大変な部分
  • 00:14:13
    もありますでも一方で新しいことを学ぶの
  • 00:14:15
    が好きだったり自分のレベルが上がって
  • 00:14:17
    いく感覚が好きな人はデータサイン
  • 00:14:19
    ティストに向いていると思いますまた学習
  • 00:14:21
    意欲があるのと合わせて3つ目にキャッチ
  • 00:14:23
    アップ能力が高いことも重要ですさっきも
  • 00:14:25
    言ったように技術の進化が早いのでそれに
  • 00:14:27
    伴ってPythonライブラリーの
  • 00:14:28
    アップデートも頻繁に行われています特に
  • 00:14:30
    機械学習周りでよく使われている
  • 00:14:32
    サイキットラーンテンソルフローパイトチ
  • 00:14:34
    フュージングフェイスの
  • 00:14:35
    トランスフォーマーズあたりなんかは
  • 00:14:36
    かなり文法とかコドの書き方が変わります
  • 00:14:39
    だから書作を勉強しているとそのままの
  • 00:14:41
    コードではプログラムが動かなかったり
  • 00:14:43
    同じ結果にならなかったりすることが多い
  • 00:14:44
    んですねそういう時に簡単に諦めたり人に
  • 00:14:47
    聞いたりするのではなく一旦自分で調べて
  • 00:14:49
    みたりチャットGPTを活用したりできる
  • 00:14:51
    人はデータサイエンティストに向いてい
  • 00:14:52
    ますそして4つ目が地道な作業を継続
  • 00:14:55
    できることですもしかしたらこの動画を見
  • 00:14:57
    てる人の中にはデータサインティストって
  • 00:14:59
    制度の高い機械学習モデルを開発するのが
  • 00:15:01
    主な仕事なんじゃないのって考えてる人も
  • 00:15:03
    いると思います確かにそれも間違いでは
  • 00:15:05
    ありませんでも実は機械学習モデルを作成
  • 00:15:07
    する前にデータの表記例を直したり特徴量
  • 00:15:10
    を丁寧に作ったりと地道な作業が多いん
  • 00:15:12
    ですねしかもカリアシグネートに取り組む
  • 00:15:14
    と分かるんですけど前処理や特徴量
  • 00:15:16
    エンジニアリングなど行っても被害学習
  • 00:15:18
    モデルの制度が改善しないことは多々あり
  • 00:15:20
    ますそれでも諦めずに思考錯誤したりとか
  • 00:15:23
    地道な作業を面倒くさがれずにできるよう
  • 00:15:24
    な人はデータサインテストに向いています
  • 00:15:26
    そして最後に僕が1番重要だと思うが問題
  • 00:15:29
    解決能力が高いことですなぜこれが最も
  • 00:15:31
    重要なのかこの動画を見てるあなたなら
  • 00:15:34
    分かりますよねそれはデータ
  • 00:15:35
    サイエンティストの仕事がデータを活用し
  • 00:15:37
    てビジネス上の課題や問題を解決すること
  • 00:15:39
    だからですつまりデータサイエンティスト
  • 00:15:40
    の仕事をしていく上で問題解決能力が最も
  • 00:15:43
    直結するスキルなんですね例えば日常でも
  • 00:15:46
    どうすればもっと早く目的地に
  • 00:15:47
    たどり着けるか考えたりPythonの
  • 00:15:49
    学習がうまくいっていない時にどうすれば
  • 00:15:51
    うまくいくか考えたりそうやって現状疑っ
  • 00:15:53
    て問題を解決しようとする姿勢がある人は
  • 00:15:55
    間違いなくデータサイエンティストに向い
  • 00:15:57
    ています意外とPythonやデータ
  • 00:15:58
    サイスの勉強をしていて何ヶ月も基礎学習
  • 00:16:01
    を継続しているけどなかなかスキルを習得
  • 00:16:03
    できない状況を放置してるっていう人は
  • 00:16:05
    結構多いですあとは将来に不安を感じつつ
  • 00:16:07
    も今は困ってないからという理由でその
  • 00:16:09
    まま放置してしまったり僕の大学の友達も
  • 00:16:12
    そういう人が多いんですねだからこうやっ
  • 00:16:14
    て動画を見て真剣に自分の省令について
  • 00:16:16
    考えて問題解決しようとしている人は
  • 00:16:18
    データサイエンティストに向いていると
  • 00:16:19
    思います今回紹介した論理的思考力が高い
  • 00:16:22
    こと後期心王制で学習意欲があること
  • 00:16:24
    キャッチアップ能力が高いこと地道な作業
  • 00:16:27
    を継続できること問題解決能力が高いこと
  • 00:16:29
    この5つのどれか1つでもあれば十分に
  • 00:16:31
    挑戦する価値があります是非諦めずに学習
  • 00:16:34
    を継続していき未経験からデータ
  • 00:16:35
    サイエンティスト転職を成功させていき
  • 00:16:37
    ましょうというわけで今回は文系でも確実
  • 00:16:40
    にデータサイエンティストになる方法に
  • 00:16:41
    ついて解説してきましたおそらく今日の話
  • 00:16:43
    を聞いてこれから転職を目指して学習を
  • 00:16:46
    頑張っていこうと思いますで改めて決意し
  • 00:16:48
    てくれた人が多いと思いますそんな人は
  • 00:16:50
    是非今日の決意を忘れずにこれからも学習
  • 00:16:52
    を継続して欲しいです僕は200名を
  • 00:16:54
    超える受行生を指導してきて思うんです
  • 00:16:56
    けど正しい学習法で継続学習さえすれば
  • 00:16:58
    ちゃんとデータサイエンスのスキルを習得
  • 00:17:00
    して未経験から転職したり業務に活用し
  • 00:17:02
    たりできる人はたくさんいますここまで
  • 00:17:04
    動画を見てキャッチアップしていこうと
  • 00:17:06
    考えている時点で間違いなく素質はあり
  • 00:17:08
    ますそれなのに学習法が間違っていて時間
  • 00:17:11
    を化してもなかなか習得できないそんな
  • 00:17:13
    状況に陥ている人が本当に多いんですね
  • 00:17:15
    そういう人を見ているといつももったい
  • 00:17:17
    ないなと思います多くの人は向いていない
  • 00:17:19
    んじゃなくてやり方に問題があるだけです
  • 00:17:21
    文系がどうとか理系がどうとかなんてお
  • 00:17:23
    なじみ経験であれば大して差はありません
  • 00:17:25
    だから今日の動画で紹介したロードマップ
  • 00:17:27
    を参考にしながら正しい学習法で継続学習
  • 00:17:30
    して欲しいですこの動画を見てるあなたに
  • 00:17:32
    は年齢が足かせになってしまいあと1年
  • 00:17:34
    早かったら転職できたかもしれないなんて
  • 00:17:36
    状況になって欲しくありません是非今日の
  • 00:17:38
    話を参考にして正しい学習法で最短距離を
  • 00:17:41
    狙っていきましょうそしてデータ分析色に
  • 00:17:43
    転職して年収600万円から年収
  • 00:17:45
    800万円になったり今の会社だけでなく
  • 00:17:47
    他の企業でも活躍できるようになったり
  • 00:17:49
    転職しなくても今の会社業務でデータ分析
  • 00:17:51
    を活用できるようになったり妹中心で
  • 00:17:53
    働けるようになったり行々はフリーランス
  • 00:17:55
    独立も見据えてみたりそんな風にして
  • 00:17:57
    たった一時でのの人生を充実できるように
  • 00:18:00
    応援しています最後に本気でPython
  • 00:18:02
    データサンスを習得したいそう思った人は
  • 00:18:04
    この動画下の概要欄からAI時代を受く
  • 00:18:06
    最強スキルPythonデータサンス完全
  • 00:18:08
    ロードマップをお受け取りください公式
  • 00:18:09
    LINEを友達追加するだけで1時間の
  • 00:18:11
    限定動画を無料で受け取れます僕は
  • 00:18:13
    プログラミングやデータ分析の習得に学齢
  • 00:18:15
    系能力は関係ないと思ってますじゃあ習得
  • 00:18:17
    できる人とできない人の差は何なのかそれ
  • 00:18:20
    ただ1つ学習法が違うだけなんですね実際
  • 00:18:22
    僕もプログラミング学習を始めたばかりの
  • 00:18:24
    時はプログエトをレベル100にする
  • 00:18:26
    ぐらい基礎学習をやり込めました学習時間
  • 00:18:28
    は価してるのに一向に自分でコドをかける
  • 00:18:30
    ようにならないだから自分は
  • 00:18:31
    プログラミングとか向いてないのかなって
  • 00:18:33
    思ってましたでも先輩エンジニアに指導し
  • 00:18:35
    てもらい正しい学習法に切り替えた結果
  • 00:18:37
    社会人からプログラミングを始めて実務
  • 00:18:39
    経験8ヶ月でフリーランスとして独立でき
  • 00:18:41
    たんですそして今では月単価100万円を
  • 00:18:43
    超えるようになっています僕の実態験から
  • 00:18:45
    も分かるようにそれぐらい学習法は重要な
  • 00:18:47
    んですでも残念ながら世の中の
  • 00:18:48
    Pythonデータサイエンス学習者の
  • 00:18:50
    999%は間違った学習法で勉強を継続し
  • 00:18:52
    ています学習を継続できるのは本当に
  • 00:18:54
    素晴らしいことなんですけど方向性を
  • 00:18:56
    間違えるといくら継続しても習得できるに
  • 00:18:59
    はなりません東京から大阪に行きたいのに
  • 00:19:01
    東北新幹線に乗っていたら一生たどり着け
  • 00:19:03
    ないのと同じですだからこそ是非この動画
  • 00:19:04
    を受け取って正しい学習法に切り替える
  • 00:19:06
    ようにしてくださいあなたがPython
  • 00:19:08
    データサイエンスを習得できることを応援
  • 00:19:09
    していますそれではまた次回の動画でお
  • 00:19:11
    会いしましょう
الوسوم
  • データサイエンティスト
  • 文系
  • 未経験
  • 転職
  • ビジネス力
  • コミュニケーション能力
  • 統計検定
  • Python
  • 学習法
  • 成功事例