データ×AIスキル 習得プログラム

「AI技術」が独り歩きしないためには

ビジネスの急速なデジタル化に伴い、企業が扱うデータの量は爆発的に増加しています。クラウドサービスやオープンソースのプログラミング言語の普及により、企業におけるデータ蓄積・分析のコストが大幅に低下し、いまや企業にとってDXの手段としての「データ分析」は身近な存在になりました。
近年では様々なメディアで「AI」というキーワードが取りざたされ、業界を問わず多くの企業がこぞってビジネス活用へ取り組みはじめています。

一方で、データ分析を武器にビジネス価値を創出する人材、「データサイエンティスト」は世界的に不足している現状があります。もし仮に、データサイエンスティストを外部から採用した、また外部ベンダーと提携したとしても、次々とビジネス上の障壁が現れます。
データ分析/AIプロジェクトの課題をクリアし、なおかつデータを活用したビジネス改善・改革を持続可能なものにするためにも、「データ×AI」について社内人材をリスキリングすることが必要不可欠なのです。

「データ×AI組織に向けた社内人材のリスキリング」には次の２つの方向性を同時に進める必要があります。

「データ×AI」というキーワードを中心として、「事業部門」「データ分析担当」「データ管理担当」が三位一体となってデータ分析/AIプロジェクトを推進することが、プロジェクトを成功させ、なおかつ持続可能なものにするためのカギとなります。

各職種に求められるスキル要件

各職種の人が連携してデータ分析/AIプロジェクトを推進していくにあたって、それぞれにどのようなスキルが求められ、どのようなラーニングパスでそれらを習得していく必要があるのでしょうか。全体像として、「ビジネススキル」「データサイエンススキル」「エンジニアリングスキル」の3つのスキルに分けることができます。

各職種の人がそれぞれ必要となるスキルを習得し、三位一体でプロジェクト推進を行いましょう。

ビジネスにおけるドメイン知識を豊富に有する事業部門は、ビジネス課題解決のためのデータ分析/AIプロジェクトを推進するにあたって、必要不可欠な存在です。プロジェクトを成功へ導くために、事業部門の持つビジネス課題からスタートする必要があります。データ分析/AIプロジェクトはいわばビジネス課題解決またはビジネスデザイン実現のための1つの手段にしか過ぎません。事業部門なくしてプロジェクトは始まらないのです。

事業部門には以下のようなスキル/知識が必要になります。

加えて、事業部門が「データ分析の結果を解釈するデータリテラシー」も持ち合わせていると、データ分析担当の分析結果が現場で活用されないリスクを低減することができます。

事業部門の「データ活用/AIプロジェクト理解プログラム」はDXの文脈からデータ×AI組織への変革の必要性を訴求するところからスタートし、データ分析においてはデータはどのように活用されるのか、AIにできること/できないことについて理解していただきます。 プログラムを修了するとデータからビジネス価値を生み出す手法についての全体像を理解していただくことができます。

「データ活用/AIプロジェクト理解プログラム」でデータ活用に興味を持っていただけた方には、「データリテラシー底上げプログラム」に進んでいただくことができます。事業部門の「データリテラシー底上げプログラム」は、ストーリー形式の演習を通して、実際のデータ分析プロセスを体感していただきます。研修内ではデータ分析に必要な統計的知識も補強させていただきますので、データ分析からインサイトを得るためのデータリテラシーを身につけていただくことができます。データを効果的に活用できるようになるための更なるステップとして、データ分析担当の「AI活用力向上プログラム」の「データアナリストパス」に進んでいただくことも可能です。
(※このプログラムはあくまでラーニングパスの一例ですので、必要に応じて途中のコースから受講していただいくことが可能です。)

データ分析を武器にビジネス価値創出につなげるデータ分析担当は、データ分析/AIプロジェクトの旗振り役となります。データ分析担当にはデータの集計・可視化といった基礎分析のスキルから、機械学習やディープラーニングなどの高度な分析スキル、与えられた課題に対して適切な統計モデルを構築するスキルや、ビジネス課題に対する分析目標を適切に設定し事業部門と連携しながらプロジェクトを推進するスキルなど、幅広いスキルが必要となります。

アイ・ラーニングの研修では、ビジネス課題を基にした分析設計書の作成・Excelを活用した分析の実施・分析報告書の作成など、まずはビジネスの視点からデータ分析についてご理解いただきます。その上で、Pythonを用いた機械学習やディープラーニングなどのよりエンジニアリング力の必要となる分析手法を身につけていただきます。データ分析人材としての幅広いスキルを習得していただけるようなラーニングパスをご用意しています。

データを活用するために必要な分析基盤をつくるデータ管理担当は、ビジネス課題解決につながる価値あるデータを収集するために不可欠です。企業内にデータは蓄積されているものの、「機械学習でモデルを構築するにはデータ量が不足している」「データの粒度、フォーマットにばらつきがあり、データ分析に使うことができない」という状況はよくあります。また、社内にそもそもデータ基盤がなく、データは社員個人のパソコンや共有サーバ上に散見しているというケースも珍しくありません。

アイ・ラーニングの研修においては、データベースの基礎からスタートし、データベースの操作・設計についての知見を深めていただきます。次にデータ分析演習を通してデータ分析に適したデータについて理解していただきます。最終的にはクラウド上のデータベースやクラウド上での機械学習に伴うデータの流れについて演習を通して体験していただきます。

データベース基盤の構築・設計・運用・管理などは職種としては「データベースエンジニア」の職種にあたります。また、そこからさらに「機械学習モデルの更新やオンライン処理のためのデータパイプラインの構築」「部門を越えたデータフローを考慮したデータ基盤の最適化」などの業務まで担当するのがデータアーキテクトという位置づけです。
(※このプログラムはあくまでラーニングパスの一例ですので、必要に応じて途中のコースから受講していただいくことが可能です。)

データ×AI組織への変革を考えている経営層の方へ

IDC Japanによれば日本国内におけるAIシステム市場は年平均24%で成長していくと試算されています。2021年時点で約2772億円だった市場規模は2026年には約8121億円にも成長すると予想されており、半導体技術の進歩、機械学習アルゴリズムのブレイクスルー、クラウドサービスの発展に伴い、AI関連の市場は拡大の一途をたどっています。

※「IDC 国内AIシステム市場予測」の内容を引用し再構成。2025年5月版はこちら：  IDC「国内AIシステム市場予測を発表」

一方で2030年段階では最大で約79万人のIT人材の不足、そのうちAI人材については最大で14.5万人の不足が見込まれており、最先端の技術に精通した人材の確保と既存IT人材のリスキリングが急務となります。

引用： 経済産業省「IT人材需給に関する調査」

アイ・ラーニングの提唱する「データ×AI組織への変革に向けたリスキリング」は、 データ分析技術にのみ焦点を当てたものではありません。
「ビジネス課題解決のためのデータ分析」として、共通言語醸成のためのデータリテラシー教育、社内データ基盤構築のためのエンジニアリング力向上、ビジネス課題とデータを往復しながら分析設計を行う分析プロセスの体験、実際にお客様の抱えるビジネス課題をデータ分析を使ってインサイトを見出す実践的研修を行い、「一度きりのデータ分析/AIプロジェクトに留まらない持続可能データ×AI組織に向けた包括的人材育成」を行います。

AI技術の導入はデータ分析基盤のない組織が一足飛びに実現できるものではありません。しかしながら、データの収集・分析・ビジネス上の小さな成果から始まって、データ分析の横展開、データ分析基盤の構築とだんだんとデータ分析文化を浸透させていき、十分なデータが集積された段階でAIプロジェクトを始動することによって、大きな業務改革・ビジネス改革に踏み切ることができるようになります。

お役立ち情報