2018年までの動きから考える、これからのデータサイエンス動向概観

2018年はビッグデータ／AI／機械学習／エッジコンピューティング／ブロックチェーン／デジタルテクノロジーなどの技術が注目を集め、PythonとRがオープンソースの最新技術を提供したとして評判となりました。

また最新のソフトウェアとしては、HadoopやHive Stacksも頻繁に使用されています。くわえてFast.aiなどの新しいソフトウェアによって、基本的な深層学習を誰でも無料で勉強できるようになりました。

これらの傾向は、間違いなく今後のビジネス界にも大きな影響を与えるでしょう。

本記事では2018年の動きをもとに、これから予測されるデータサイエンスの動向を紹介していきます。

データサイエンスの自動化に伴い、データサイエンティストの役割は変わる

分析過程を自動化するAugmented Analytics（拡張分析）や、機械学習自体を自動化するAutoMLなど、データサイエンスの技術は発展を続けています。これらのテクノロジーはビジネスをより一層効率化し、生産性を向上させてくれるでしょう。

自動化された機械学習システムは、予測分析を更に発展させてくれます。またチャットボットや拡張現実の技術とあわせることで、プロダクトマーケティングやサービスマーケティングを変革するかもしれません。また機械学習技術は、インタラクティブなデモやライブシミュレーション、ビジュアライゼーションによって、よりパーソナルな経験をユーザーに提供してくれます。

またGartnerの予測によれば、2019年には人間によるデータ分析を超える自動化ツールが登場すると言われています。人工知能により人間の作業や判断を支援する「Augmented Analytics（拡張分析）」によって、データ処理のプロセスを強化され、より正確な洞察や予測的分析が可能となるでしょう。

今後はデータ分析の専門家でないエンドユーザー自身でデータ分析やレポート作成ができる「セルフサービスBI（ビジネスインテリジェンス）」も発展を遂げ、人力で行うよりも信頼性の高い分析が可能になるでしょう。

以上のような動向から、データサイエンティストに求められる役割はより高次なものへと変わることが予想されます。分析自体が自動化されるにしたがって、人間のデータサイエンティストはより複雑な問題に取り組む必要が出てくるためです。これからのデータサイエンティストは、ビジネスアナリティクス分野でより一層のリーダーシップを要求されるようになるでしょう。

なおKDnuggetsの記事によると、データサイエンティストおよびデータアナリストの求人数は2015年から2020年にかけて15%上昇すると予測されています。今後もデータサイエンティスト・データアナリストは引く手あまたとなるでしょう。

ただしデータサイエンスにおける技術の発達は、求人に対しては諸刃の剣にもなりかねないと言われています。先述のとおり、今までデータサイエンティストが行ってきた仕事が、自動化技術によって取って代わられる可能性があるからです。

機械学習を”流行”で終わらせるな。正しい理解と実装を

Rexerのデータサイエンス報告書によると、データサイエンスに取り組んだ企業のうち、機械学習モデルの実装に成功した企業は60%程度しかないことが明らかになりました。

せっかく機械学習を取り入れようとしても、実装できなければ利益にはならず、その労力は経済的損失にしかなりません。2019年には、企業がデータサイエンスや機械学習を単なる流行に留めず、理解を深め、実装率を向上させられることが期待されます。

まとめ

現在ではMOOCや大学、ブートキャンプなど、さまざまなプラットフォームでデータサイエンスの教育が行われています。

データ分析の自動化は今後も加速しますが、だからといってデータサイエンティストの重要性が低くなるわけではありません。データサイエンスの動向に、今後も目を配り続けましょう。

（原文：Subhankar Das　翻訳：Mariko Sugita）

あわせて読みたい！▼