デジタル広告でのデータ利活用ニーズは、2010年頃のDSP（デマンドサイド・プラットフォーム）の流行で加速した。

2014年頃には複数のデータソースを統合管理するDMP（データマネジメント・プラットフォーム）が隆盛、その後はアトリビューション分析ツールやBI（ビジネス・インテリジェンス）ツールなど、データをリアルタイムに可視化するツールにトレンドが移った。

いずれのトレンドも、手段が先行していた感は否めない。

2013年の「データサイエンティストブーム」に端を発し、同職種への期待は加熱した。ある専門家は、「21世紀で最もセクシーな職業」と表現したほど。年収1,000万〜2,000万といったキャッチーな求人票が飛び交う一方、採用要件は混迷を極めた。

とはいえユーザー行動のデジタル化やストレージの廉価化、UIベースで自動化可能なソフトウェアの台頭により、企業が保有するデータは今後も増える。データを活用できない企業が、不利になることも間違いない。

ビジネスチャンスありと判断し、白井氏はメンバーズ社内コンペに応募。2018年11月、株式会社メンバーズデータアドベンチャー（当時）を立ち上げ、社長に就任した。

メンバーズデータアドベンチャーは、設立当初から試行錯誤の連続だった。

そこから、同社は売上ベースで前年同期比1,000％という成果を残す（2020年3月時点）。

「データサイエンス」「AI」「機械学習」などのバズワードにこだわらず、ウェブサイトのレポーティングやUI評価のためのユーザーテスト、データ抽出オペレーションや他部門と交渉してデータを収集するフロント業務など、周辺業務すべてに対応領域を広げたことが功を奏した。

クライアントとの折衝を進める中で、白井氏はあることに気づく。

こうして白井氏は、常駐型プロフェッショナルサービスの提供を加速させた。

データ活用は、鮮度が命。分析に時間がかかると前提条件が変化したり、施策への反映が間に合わなかったり。必要な周辺情報がノータイムで取得できることは、大きなアドバンテージとなる。

客先常駐により、素早く質の高い意思決定支援が可能になった結果、顧客から高い評価を得た。単なる「データ分析を支援する」といった視点では、生まれなかった発想といえるだろう。

ところで、各企業が描くデータサイエンティスト／データアナリスト像には未だに明確な共通認識がない（2020年8月現在）。定義があいまいな以上、市場におけるスキルセットと期待値のミスマッチも温存されたままとなる。

そろそろ我々はAIだなんだ騒いだ責任として、機械学習が実務上適合する領域はさほど多くないという現実と向き合わないといけないと思う。
データサイエンスがざっくりデータをビジネスに繋げる取り組みのことを指すのなら、ビジネス上の機能として不可欠なものだけど、機械学習はどうだろう（続く）

— えりりん@メンバーズデータアドベンチャーカンパニー社長 (@EriShirai) December 3, 2019

白井氏Twitterアカウント

白井氏は、この状況にくさびを打ちたいと考えている。

技術の進歩により、従来データサイエンティストが担っていた役割自体が、コーディング不要なノーコードAIや自動化AIのソフトウェアにより置き換えられるトレンドに。併せて、データサイエンティストに求められる職能要件は「ビジネスにより近い、最新のアルゴリズム研究開発・実装」に移行するなど、より本質に近づきつつある。

データ準備とモデル構築が標準化され、多種多様な機械学習モデルを利用することができる。マーケットリーダーがどのようにツールを使い、ビジネス貢献すればいいのか？ 啓蒙も進んでいる。

今市場で足りていないのは、事業サイドでの分析結果とビジネスを繋ぎ合わせ、価値を提供できる人間。つまり、モデル構築を実装・運用するためのデータアーキテクトや、統計分析に強いデータアナリストなのだ。

データサイエンティストには高度な専門性が求められ、待遇も高い。フィットすれば大きなチカラを発揮するが、そういった環境が多いとは言いがたい。

一方、メンバーズデータアドベンチャーが定義するデータアナリストは「データを手段として使い、事業を前に進める」人材。成果のためなら、手段にはこだわらない。

価値創出のためのビジョン策定だけでなく、データの「居場所」も探る。当該部署、他部署、上部構造に何があるか理解し、必要があれば他部署からデータを共有してもらう。データより効果的な手法があるなら提案し、ベンダー選定の窓口業務まで行なう。

データ分析の専門職は、比較的新しい。だからこそ、成果を挙げるには周囲からの信頼が必要だ。日々の誠実な業務遂行、部門の垣根を超えた地道なコミュニケーションは必須といえる。そうしたヒューマンスキルは、多くの企業に求められるものだ。

データアナリストにとって、成果を出すとは「データから意思決定に使える示唆を導く」こと。意思決定に使えないデータに、意味はない。

白井氏は、メンバーズデータアドベンチャーにおける直近の課題を、そうした部分に目を振り向けられる人材の獲得・育成に置いている。

同社はすでに、Twitter上で社内勉強会の様子を一部公開している。現状はクローズドだが、今後はオープンな会も増やしていく方針だ。

先輩にガチギレする#メンバーズデータアドベンチャー　#LT会 pic.twitter.com/07ZWLytZH6

— えりりん@メンバーズデータアドベンチャーカンパニー社長 (@EriShirai) July 31, 2020

白井氏Twitterアカウント

質の高いデータアナリストを安定供給できる支援会社は、まだ少ない。一方で、活用する側の企業にもさまざまな課題がある。

典型的なミスコミュニケーションは、「データから何か新しいものを出してよ」といった要望だろう。ビジョンの具体化から顧客と一緒に進められる人材であれば対応可能だが、「ビジョンが必要」という認識がない場合お互いにとって不幸な結果となることも。

問題点が洗い出せても、「ありたい姿」がなければ解決すべき課題を決められない。レポーティングがアクションに繋がらなかったり、データ分析が意思決定に影響しなかったりというケースも起こる。

データアナリストにとっては、時間と労力の浪費になりかねない。オーダーに従うだけでなく「こうした方が成果に繋がる」と提案するべきだが、その分意思決定には時間がかかる。支援サイドからの啓発がまだまだ必要な状況といえるだろう。