IT・データ分析

データサイエンティストは、売上や利用の記録などのデータを分析し、サービスや商品を良くする手がかりを見つけます。統計や機械学習を使って予測のしくみをつくり、分かったことを図と言葉で伝えます。

システムエンジニアは、お客さんや社内の要望を聞き取り、ソフトウェアやシステムが何をするべきか(仕様)を決めて設計します。完成したら、どんな場合でも正しく動くかを確かめます。

日本学術会議の参照基準によると、半世紀ほど前まで、数学を学んだ人の仕事は、研究者や先生を除けば保険・金融が中心でした。コンピュータの発達とともに、情報通信のエンジニアなど、数学を学んだ人が必要とされる分野は大きく広がっています。

動画や音楽、ネット通販のアプリには「あなたへのおすすめ」が並びます。その考え方の 1 つが、好みの似た人を探し、その人が気に入ったものをすすめる方法です。好みの近さは、大学 1 年で学ぶ線形代数のベクトルで計算できます。

たとえば 3 本の映画に、5 点満点で点をつけたとします。あなたは (5, 1, 4)、A さんは (4, 1, 5)、B さんは (1, 5, 2) でした。対応する数どうしをかけて足す計算を「内積」といいます。A さんとの内積は 5×4+1×1+4×5=41、B さんとは 5×1+1×5+4×2=18 です。値の大きい A さんの方が、好みが近いと分かります。

実際には、ベクトルの長さで割ってから比べることがよくあります(コサイン類似度)。この例では A さんが約 0.98、B さんが約 0.51 で、1 に近いほど好みが似ています。利用者が何百万人もいるときは、巨大な表(行列)を小さな表に分けて、隠れた好みの傾向を取り出す方法もあります。どれも線形代数の考え方です。

ここでは、Web サービスの会社で、おすすめのしくみを改良するデータサイエンティストの 1 日の例を紹介します。

おすすめを変えたら、それで本当に良くなったかを確かめます。利用者をくじ引きのように 2 つの組に分け、古いしくみと新しいしくみで、作品が選ばれた割合を比べます。差が偶然で生まれた程度のものかどうかは、統計の検定で判断します。

数式を考える時間と同じくらい、エンジニアや企画の担当者と話す時間があります。「なぜこの作品がすすめられたのか」を、数学を使わずに説明できることも大切です。

数学科からは、IT の会社や、会社のデータ分析の部署へ進む人がいます。大学で学ぶ線形代数、確率論・統計学に、プログラミングを組み合わせるのが近道です。数学科の授業でも、数値計算や統計の演習でプログラムを書く機会があります。どの授業でどこまで学べるかは、大学によって異なります。

力を確かめる目安には、日本統計学会が公式に認定する統計検定があります。2 級は大学の基礎課程(1・2 年次)、準 1 級は専門課程(3・4 年次)のレベルとされています。

パズルのように筋道を考えるのが好きな人、「本当にそう言える?」と確かめずにいられない人に向いています。経験を積むと、分析チームのリーダーや、システム全体を設計する仕事、AI の研究開発などへ進む道があります。