「データを分析するだけでは意味がない」アビームのデータサイエンスコンサルタントが文理問わず活躍できる理由

膨大なデータを分析し、社会や企業が抱える課題を解決する「データサイエンティスト」。日本でもその需要は高まってきていますが、理系の専門分野というイメージが強い人も多いのではないでしょうか。

しかし、最近ではデータを分析することだけでなく、その結果を「活用」することの方が重要視されていることから、その風潮も変わってきているようです。

今回、ワンキャリ編集部はアビームコンサルティングでデータサイエンティスト×コンサルタント（以下、データサイエンスコンサルタント）として活躍する2人にインタビュー。文系、理系それぞれの立場からお話を伺いました。

果たして、どのようにしてデータサイエンスに強いコンサルタントになれるのか。プロジェクトの内容から、研修や育成体制、キャリアパスまで、アビームのデータサイエンスコンサルタントの魅力に迫ります。

理系の印象が強いデータサイエンスコンサルタント、文系でも活躍できるのか？

──本日はよろしくお願いします。まず、現在お二人がどのようなプロジェクトに携わっているか教えてください。

板垣：保険会社の業務改革支援のプロジェクトに携わっています。そのクライアントでは、「誰がどのような業務」を「どれくらいこなしているのか」を管理者がきちんと把握できていない状況でした。そこで、今は営業スタッフの業務内容を記録、管理するデジタルツールを導入して業務の可視化を進めています。

道下：金融系クライアントにおけるデータプラットフォーム構築のプロジェクトマネジメントです。データを活用したビジネス展開には、「データを集めて、活用できるようにする」ことが大切です。そのためのプラットフォームを構築するプロジェクトをリードしています。

──データサイエンス……と聞くと、何となく理系のイメージがあるのですが、板垣さんは文系のご出身なんですよね。

板垣：そうですね、私は経済学部出身です。専攻は国際経済学で、ゼミでは3年間、非関税措置が貿易に与える影響の実証分析に取り組みました。統計学や数学の手法も使って分析をしていたので、一般的な文系学生よりはデータ分析に親しみはあったかなと思います。

──現在、データ分析に関わる仕事をされていますが、就職活動をする際は、大学で学んだことを生かせる職種を希望していたのですか？

板垣：就職活動では分析に関わる仕事というより、IT系の仕事がしたいと思っていました。ただ、「何になりたい」という明確な目標は決まっていませんでした。唯一重視していたことは、商品やサービスだけをお客さまに売るよりも、お客さまが抱えている課題を、一緒に解決していくような仕事がしたいということです。

──そうなると、確かにコンサルティングファームが視野に入ってきそうですね。アビームを選んだ決め手は何でしょうか。

板垣：「人」ですね。自分の研究について、面接で真剣に聞いてもらえたのはアビームだけでした。研究内容を理解したうえで、「こういうデータは取らなかったの？」「こういう視点での分析はしてみた？」といった質問をいただいたり、アドバイスまでいただいたりしました。それが強く印象に残りましたね。ここでなら、高い専門性を持った人としっかり議論をしながら仕事ができ、自分自身も成長できると感じました。

入社してからも、その印象とギャップを感じたことは一度もありません。新人の私が何か言っても、上司や先輩の方々が否定から入ることはなく、「こうしたらいいんじゃない？」と一緒に考えてくれる人たちばかりです。 

板垣 恵美子（いたがき えみこ）：デジタルテクノロジービジネスユニット Advanced Intelligenceセクター コンサルタント
学生時代は国際経済学ゼミの研究で実証分析を行う。 2018年にアビームコンサルティングに新卒入社。 財務・非財務データを用いた不正リスク解析・可視化など、さまざまなプロジェクトでデータ分析面をリード。

──板垣さんは、数ある中で「データサイエンスコンサルタント」を選ばれたわけですが、この領域は「理系の方が有利」と言われることもあります。文系出身ということで、不安を感じることはなかったですか？

板垣：大学で学んだ内容と親和性があるので、多少のアドバンテージはあると思っていた一方、「ついていけるかどうか」という不安は、もちろんありました。ただ、理系の優秀な人材がたくさんいる中で、「自分はどこまでできるか」「自分だからこそできることは何か」を見つけることに楽しさを感じている自分もいました。

「データサイエンスコンサルタント」といっても、データを分析すること自体が仕事の目的になってはいけません。大切なのは、データ分析の結果をビジネスにどう生かすかという「上流」の視点を持つことです。私の場合、特定の領域における高い専門性がない分、幅広い分野を学んだり、クライアントに近い立ち位置でコミュニケーションがとれたりします。こういう点は、むしろ文系の自分だからこその強みと考えています。

コンサルタントは個人戦ではない。アビームには「組織全体」で専門家を育てる文化がある

道下：データをビジネスに生かすことの大切さは私も同感です。私は新卒で入社した外資系のコンサルティングファームに7年ほど在籍していました。そこでは、会計システムやデータ分析ツールなどの導入に携わっていましたが、その仕事を進める中で、ツールを導入するだけでなく、実際にデータを分析し、ビジネスにつなげる仕事がしたいと思うようになりました。

そのコンサルティングファームでも、それができないわけではなかったのですが、組織やチームとしてデータ分析の専門家を育てるという強い意識はあまり感じられず、個人で成長することの方が望まれていました。

一方、アビームは仕事の進め方や人材育成において、組織やチームのつながりを大切に考えています。「専門性を高めつつ、組織やチームとして仕事に取り組みたい」と思っていた自分に合っていると感じ、転職を決めました。

板垣：データサイエンスコンサルタントと聞くと、「優秀な人が個人の力を発揮する」仕事と思うかもしれません。もちろん、個人のスキルも重要ですが、アビームはそれ以上にチーム力や、チームでプロジェクトを進めることを大切に考えているように思います。

道下：実際にアビームでは、プロジェクト内外問わず、メンバー間で議論、相談するケースがとても多いです。さらに、クライアントの課題解決にあたって、データ分析やITの専門家だけでなく、業務系のコンサルティングチームのメンバーなど、他部署の人も交えて横断的に相談に乗ってもらうこともしばしばあります。本当に風通しの良い組織だと思いますよ。

板垣：確かに私も今、自分の部署とは異なる、保険業界に強い業務系コンサルタントの皆さんとプロジェクトを進めていますが、保険の知識など、分からないことはすぐに聞いて教えてもらっています。「データ分析担当だから、それだけやっていればいい」ということではなく、お互いに分からないことを聞きながら、チームで取り組んでいこうという意識が強いですね。

道下：データサイエンティストとはいえ、データのことだけを分かっていてもあまり意味がありません。ビジネス的な背景を含め、「どういうデータがどのようなプロセスで生み出されるのか」を理解することが重要です。データを使った需要予測などをする場合も、ビジネスが分かっていないと満足な結果は出せないと思います。 

道下 智之（みちした ともゆき）：デジタルテクノロジービジネスユニット Advanced Intelligenceセクター マネージャー　
学生時代は機械学習を活用した自然言語処理を研究。大学院修了後、外資系コンサルティングファームに新卒入社。約7年間、ITコンサルタントとして、データ活用基盤（DWH／BI）を中心としたシステム構築に従事。その後、2016年にアビームコンサルティングに中途入社。AI活用を含めた業務改革（BPR）やデータプラットフォーム構築のPMOなど、データ利活用にかかるさまざまなプロジェクトをリード。

──ちなみに道下さんは、なぜ前職では外資系コンサルに入ったのでしょう。

道下：理由は2つあって、1つは自分が成長できると感じたこと。もう1つは最先端のテクノロジーに触れられて、それを活用する業務に関われることでした。

私は理系出身で、大学では人間が使う「言葉」をコンピューターに正確に判断させる、自然言語処理の研究をしていました。しかし、私が就職活動をしていた時期は、この技術を活用できるのはグーグル（Google）のような大規模なWeb検索エンジンを持つ企業くらいで、そう多くはありませんでした。研究者の道に進むか、就職するか悩んだ結果、コンサルティングファームに就職しました。

コンサルタントなら「データを待つ」だけではダメ。現場にデータを取りに行く気概も必要だ

──なるほど。それでは、お二人がこれまで関わってきたプロジェクトで、印象に残っているものを教えてください。

道下：鉄鋼商社の業務標準化に取り組んだプロジェクトは印象に残っています。そのクライアントは自動車メーカーと鉄鋼メーカーを仲立ちする商社であり、自動車メーカーおよび関連部品メーカーに鋼材を適宜配送する必要があります。この鋼材の需要予測は、メーカーごとにインプットデータや予測時の考慮点がバラバラ（自動車・部品の生産計画や各メーカーの内示、製造・加工による歩留りやロスなど）であり、各メーカー担当者の経験と勘に頼った手作業で行われていました。

そこで、メーカーを担当する各社員にヒアリングを行い、担当者が個別に蓄積しているデータ（Excelなど）を収集して内容を確認し、全体として需要予測システムが構築できるかを検証しました。

──データサイエンティストというと、膨大なデータを分析してビジネス課題の答えを導く、といった「スマート」なイメージを持つ人も多いと思いますが、実際には人に直接会って話を聞いて……と泥臭い仕事もあるのですね。

道下：確かにデータサイエンティストであれば、与えられたデータから何かを導き出すのが主な仕事ですが、データサイエンスコンサルタントは「データを待つ」立場ではいけません。必要とあらば、現場に出向いてデータを取りに行きますし、細かなヒアリングもします。

それらのコミュニケーションを通じて、クライアントの課題が何であるかをしっかりと捉えたうえで、データ分析の結果をどう活用するかを考えます。最終的にはビジネスとしてこうすべきだ、という提言をするところまで求められます。

──分析だけではなく、結果も含めたデータの活用にまで責任を持つということですか。

道下：そうですね。求められるレベルは高いですが、実際、個々のデータを分析するだけでなく、企業全体のデータ利活用に向けた支援ができたときにやりがいを感じますし、自分の成長も感じます。クライアントの課題を解決するための高い視座を持ち、その課題解決に向けてデータ分析を駆使できるのが、データサイエンスコンサルタントの強みだと思います。

板垣：私は、とある企業の全グループ会社の財務・非財務情報を基に不正会計リスクをヒートマップ（※）化するプロジェクトが、大変だったこともあり印象に残っています。ヒートマップは、ある時点で急に「売上が何倍にもなっている」といった、不正会計が発生している可能性がある事象を一瞬で把握できるので、それを基に不正な会計処理が実際に行われていなかったか調査するというのが業務の流れです。

（※）……行列型の数字データの強弱を色で視覚化する方法。このケースでは「リスクを数値化し、リスクの高低を一瞬で把握できるよう可視化」することを指す

大変だった理由は、900近くある部署に対する分析をわずか3カ月で処理する必要があったことです。そして、スケジュールがタイトだったことに加え、不正会計の可能性を示すものなので、分析に間違いが許されないという点でもプレッシャーがありました。

3人という少人数のチームで担当した、責任の重い仕事でしたが、コンプライアンスという企業活動の重要な部分を任せてもらえ、最終的にクライアントの方から感謝の言葉をいただいたときは、本当にやりがいを感じました。

データは「事実」を物語る。事実が根拠だからこそ、生まれる納得感がある

──実際にデータサイエンスコンサルタントとして仕事をしてみて、学生のときに思い描いていたイメージと違った部分はありましたか。

板垣：学生のときに漠然と思い描いていたコンサルタントは、全部こちらで考えて提案して、「一方的に決める」という印象でしたが、今は、「クライアントの立場」で考え、「クライアントと一緒に」進める仕事だと強く感じています。

もちろんこちらから提案はしますが、一方的に伝えて終わりではなく、さらにクライアントの要望や企業文化を踏まえて、最終的にクライアントの変革を実現できるように進めていきます。泥臭さと粘り強さが求められますね。

道下：データを扱う立場ならではの一番のやりがいは、クライアントに納得して喜んでもらえる成果を出すことです。経験や勘というのは、単なる印象や思い込みのようなケースも多いですが、データは「事実」を物語ってくれるので、その事実を根拠にできる。そういう意味で納得感が違います。

「その根拠があるから、こういう改善をすべきだ」と言えて、その上でクライアントに新たな価値を生み出せるのが、私たちデータサイエンスコンサルタントの強みですね。

板垣：世間ではAI（人工知能）やビッグデータ解析などが話題ですが、自社の業務を手作業で管理している企業もまだまだ多いです。そういうクライアントには、Excelを使った仕組みを入れるだけでも、「こんな簡単に、こんな分析ができるのか」と驚かれます。クライアントの小さな一歩を踏み出すお手伝いをすることも、大切な仕事だと感じています。

──やりがいがある一方で、データサイエンスとコンサルティングを両輪で回すことの難しさはありますか？

板垣：先ほど「データは事実を物語る」という話がありましたが、だからこそ、クライアントの予想と異なる情報がデータで出てくることもあります。その際に、データサイエンスとコンサルティング両方の視点で整理し、説明や提案をする必要がある点は難しいところですね。

道下：そうですね。具体的にはデータから得られる情報と、クライアントへのヒアリングなどで集めた情報にズレがあることが多いです。クライアント自身が気付いていない知見がデータから得られるケースもあれば、分析したデータの品質が問題だったという場合もあり、判断に迷う場面も少なくありません。クライアントとの事前のコミュニケーションの取り方はとても重要ですね。

研修充実、だけじゃない。社員の活躍を支えるカウンセリング制度

──データサイエンスコンサルタントを育成するにあたり、どんな研修やサポート体制があるのでしょうか。

板垣：まず、コンサルタントとしての基礎力をつけるための全体での新人研修があり、次に部署での研修があります。データサイエンスコンサルタントは、基本的にAdvanced Intelligenceセクター（以下、AIセクター）に配属になり、AIセクター独自の研修では、データ分析やデータの加工方法、ビジネス観点からのデータ分析の実践演習などを学びます。

また、部署で使っている分析ツールの研修もあり、スムーズにプロジェクトに入れるよう、研修はしっかり整備されています。全体での研修とAIセクターの研修を合わせると、入社後約半年ほど、研修を受講することになります。

道下：「Python」などのプログラミング言語も学びますし、データ分析の環境をAWS（Amazon Web Services）で構築するといった実習もあります。機械学習に使うモデルの作り方やメンテナンスの方法といったことも学ぶことになります。

──おお……それって、文系でもついていけるのでしょうか。

板垣：心配しなくても大丈夫です。研修中は周りのサポートもありますし、プロジェクトも最初は自分ができる範囲で入っていくことになります。プロジェクトは一人でやるわけではないので、分からないことがあれば先輩にすぐに聞けますし、できることはどんどん任せてもらえます。

「ダメだったら責任は上が取る」という感じで任せてもらえるので、失敗を恐れず、のびのびとチャレンジできます。

──道下さんから見て、アビームは若手が成長できる環境が整っていると思いますか。

道下：コンサルタントとしての研修は外資系ファームにも引けを取らないですし、その上で組織のつながりが強く、組織で働く個人としての能力も伸ばしていけますね。

研修だけでなく「カウンセリング制度」も魅力の一つです。私は板垣さんのカウンセラーでもあるのですが、板垣さんの5年後や10年後を考えてキャリアのアドバイスをしたり、「そのキャリアを実現するには、どのようなプロジェクトで経験を積むのが良いか」といったことを話し合ったりしています。

板垣：定期的に話し合うほか、相談があれば適宜時間を取ってもらっています。チャットで気軽に相談もします。プロジェクトの上司と部下だと業務の話ばかりになりがちですが、カウンセラーとは、プロジェクトとは関係なくキャリアの相談などいろいろな話ができます。

道下さんには「次はこういう案件に携わりたい」「今、参加しているプロジェクトでこんなことに悩んでいる」といったことを話しています。

「戦略」「AI導入」「データ分析」、どのスペシャリストになるかを決められる

──希望を話すことで、キャリアプランに合ったプロジェクトへのアサインを考えてもらえるといったこともあるのですか。

道下：アビームのAIセクターでは、AIを導入したり、データ分析の基盤を作ったり、お客さまのデータを利活用するための戦略を描いたりとさまざまなプロジェクトがあります。データサイエンスコンサルタントとして経験を積んでいく中で、「この力を伸ばしたい」「この領域に進みたい」という希望も出てくるでしょう。

そうした希望はカウンセラーを通じてマネージャー間で共有され、それらを踏まえてアサインするプロジェクトを決めています。 

──AIセクターに入ると、どのようなキャリアパスを描くことになるのでしょう。

道下：板垣さんのようにさまざまなプロジェクトを経験しながら、入社後2年くらいでアナリストからコンサルタントになり、4～5年でシニアコンサルタントになります。

その後、年次が上がっていくにつれて大きなチームをまとめたり、実際に部下をつけてプロジェクトをまとめてもらう立場になったりしていきますが、その過程で「S」「I」「A」という3つの領域のうち、どこを主軸にするかを考えていくことになります。

──「S」と「I」と「A」……それぞれどのような内容なのでしょう。

道下：「S」はStrategyで、データ活用の戦略立案などを担当します。データをいかに活用してクライアントの将来像を描くか、という視点から戦略を描くチームです。

「I」はImplementationで、実装を含めたAI導入を担当します。AI導入は通常のシステム導入とは違い、データの学習や分析モデルの管理など、独自に考えなくてはならない点がたくさんあり、専門性の高い業務といえます。

「A」はAnalytics、つまり分析を中心に行うチームです。データサイエンティストとして、データから何が導き出せるのか、ビジネス的な知見から何が言えるのかを考えていきます。

──なるほど。これはいつまでに決めることになるのですか？

道下：おおむね3年目までは、さまざまな経験を積みながら目指したい方向性を見定めて、4年目くらいから「S」「I」「A」のいずれかに主軸を置いていくことになります。だいたい8～9年目で、いずれかの領域でマネージャーを任されることになります。新卒だと30歳前後でマネージャーになる人が多いですね。

データ分析の力で、アジアNo.1のAIコンサルティングチームになるために

──アビームでは、専門性を身につけながらキャリアパスも明確に描けるのですね。それを踏まえて、お二人の今後の目標をお聞かせください。

板垣：入社してからは、データ分析寄りのプロジェクトを多く担当してきましたが、戦略寄りのプロジェクトも経験しました。今はAI導入の領域など、新しい領域のプロジェクトに挑戦したいと考えているところです。

自分としては、あと2つか3つ、フラットな気持ちでプロジェクトを経験してから方向性を決めていきたいです。私は、理系出身の方々のような高い専門性はありませんが、文系出身ならではの「幅」という強みがあるので、その強みが生かせる方向に進んでいけたらと思います。

道下：AIセクターは「アジアNo.1のAIコンサルティングチーム」を目標に掲げており、それに貢献できる存在になるのが直近の目標です。AI、データサイエンティストとしての専門性はもちろん、それに加え、AI導入に必要なシステムを理解したうえで大きな戦略を描けるようなコンサルタントを目指しています。

あと、板垣さんのような若手がどんどん挑戦できる環境を作っていきたいです。それも私たちマネージャーの使命だと思っています。結果として、アビーム全体がレベルアップしていけるような環境作りに取り組みたいですね。

──アジアでNo.1になるために、AIセクターが今後注力する領域について教えてください。

道下：先ほどあげたS、I、Aの3領域の力を合わせ、クライアントのビジネス変革を支援することです。例えば、大手保険会社のプロジェクトでは、データ活用やAIによる変革に向けた構想を策定し、音声や文書などビジネスで得られる多様なデータをAIで解析する取り組みを進めています。こうした取り組みを通じて、クライアントと新たな価値を共創していきたいと思います。

──ありがとうございました。最後に、読者へのメッセージをお願いします。

板垣：コロナ禍もあって学生の皆さんは不安なことも多いと思います。それでも、学生時代に本気になって取り組んだことは、必ず就職活動に役立ちます。それを信じて頑張ってください。このインタビューから少しでもアビームに興味を持っていただき、自分が成長できる仕事がしたいと思う方は、ぜひ、飛び込んできてほしいと思います。

道下：確かにコロナ禍で就職活動が難しくなっていると思います。なかなか友人とも会えず、横とのつながりも希薄になりがちでしょう。そんなときだからこそ、「人を見て」ほしいです。企業の情報は、Webサイトにもたくさん載っていますが、ぜひ企業の「人」と話してみてください。つながりを積極的に作って、一緒に働きたいと思う「人」がいる会社を見つけられるよう、頑張っていただければと思います。

▼企業ページはこちら

アビームコンサルティング

▼イベントページはこちら

【アビームコンサルティング】 本選考　コンサルタント職

申込締め切り：3月14日（月）

【11/9(火)｜アビームコンサルティング】YouTube企業説明会『ONE CAREER LIVE』（2021年11月配信）

申込締め切り：11月12日（金）

【説明会動画】200社以上が見放題！企業研究からES・面接対策までサクッとできる

申込締め切り：12月31日（金）

【ライター：タンクフル／撮影：赤司聡】