フリーランスに必要なデータ分析のスキルセットって…？
以前、「データアナリストが独立するタイミングについて考えてみる」という記事で、私がフリーランスとして独立する前に身につけていた技術を紹介しました。具体的には以下です。
これらのスキルは、どれも市場価値が高いです。
実際、私がフリーランスになって業務委託の案件を受注する際にかなり役立ちました。
そこでこの記事では、これらのスキルを身につけた方法について解説していきます。役に立った書籍なども紹介していくので、ぜひ最後まで読んでみてください。
独立してフリーランスになることを検討しているデータアナリストの方の参考になれば幸いです！
書いている人の経歴はこちらから
SQLを用いたデータ加工・抽出（速さ・正確さ）
SQLはデータ分析に必須のスキルです。業務内容によっては1日に何時間もSQLを書くというケースもありますね。
私も業務時間の半分ぐらいはSQLを書いています
私の場合、意識してSQLを速く書こうと思っていたわけではないですが、結果的にSQLが速く書けるようになった勉強方法を紹介します。
SQLが速く書けると仕事の効率が上がるので、修得に一定の時間を割くべきだと思っています。
SQLの習得におすすめの本
実践的なSQLの書き方を修得するために、「ビッグデータ分析・活用のためのSQLレシピ」という本を読みました。移動平均やヒストグラムなど、日々の業務でよく使うコードの書き方を学べます。
この本の素晴らしい点は、単にSQLの書き方がわかるだけでなく分析の引き出しも増えること。
売上の構造を把握するための分析やユーザーの定着率の分析など、かなり実践的なトピックを扱っているので、めちゃくちゃ参考になりました。
先輩が書いたコードを写経したら爆速でSQLが書けるように
写経とは、お手本となるコードを書き写すことです。先輩が書いたSQLの写経をすることで、複雑なコードを爆速で書くことができるようになりました。
「急がば回れ」な方法です
具体的には、会社の先輩が書いた「複雑で難解に見える数百行のコード」を1行目から書き写していきました。
もちろん、漫然と書き写すだけでは全く意味がないので、途中のサブクエリを実行しつつ「なぜこんな書き方をする必要があるのか？」を考えながら写経しました。
実行結果を逐一確認しながらコードを読み解いていくと、「複雑で難解だったコード」が「理にかなっていて実はスマート」だったことがわかりました。
こうやってお手本となる先輩が書いたコードを何度か写経するうちに、速く正確にSQLが書けるようになったと思います。
データの可視化（使われるダッシュボードの作り方）
データの可視化（ダッシュボードやチャートの作成）って簡単そうに見えますよね？
たしかに、機械学習や統計的因果推論のような技術的な（数学的な）難しさはないですが、私は良い可視化は、チームの共通認識を作り意思決定をスピーディにする重要なスキルだと考えています。
データの可視化ってそれぐらい重要なスキルなんです
では良い可視化とはどういうものかと言うと、
- 意思決定者が知りたいことが一目でわかる
- 具体的な意思決定（アクション）に繋がる
この2つを満たすものです。では、実際に良いダッシュボードを作る方法を簡単に説明します。
見やすくて使われるダッシュボードを作る際の注意点
ダッシュボードを作る際には、「誰が何を理解するために使うのか」を作る前によく考えることが重要です。また、「このダッシュボードを使うことでどのようなアクションに繋がるか」を想像しながら作成すると、より使い勝手の良いものが出来上がると思います。
※ダッシュボードのみならず、分析結果の報告などの資料作成でも同じことを注意すればクオリティが上がります。
具体的な注意点は次の通りです。
これらに注意していけば、見やすいダッシュボードが作成できます。
ダッシュボード作成後の振り返りこそ重要
ダッシュボードを作ったあとは、それが実際に使われていることを確認するのも大事です。もし、せっかく作ったのに使われていない場合は（これはかなり悲しい）、その理由を探ってみましょう。
ダッシュボードの閲覧数が計測できる場合は、定期的にモニタリングしましょう。たしかLookerは見れたはず。閲覧数が計測できなくても、社内チャットや会話の中で、実際に使われている形跡があるか確認すればOKです。もちろん、使っていそうな人にヒアリングしてみるのも大事ですね。
また、よく使われているダッシュボードはメンテナンスが必要になる場合も多いです。保守しやすいように綺麗にコードを書いておくことも重要です。
施策の効果検証
キャンペーンやクーポン、新機能のリリース等の施策の効果検証は、データアナリストの主な業務の一つです。効果検証のスキルは、フリーランス・業務委託の案件でも求められることが多く、汎用性の高いスキルだと思います。
効果検証を学ぶならまずはこの2冊
私が効果検証を勉強するために読んだ本はこの2冊です。
どちらも、RCT（ABテスト）ができない場合に因果推論を用いて効果検証をする方法が書かれています。
特に、「傾向スコアマッチング」や「差分の差分法」について詳しく説明されています。
「効果検証入門」の方では、例としてDMを送った際の効果を検証するために、「DMを送ったグループ」と「DMを送らなかったグループ」にどのような処理をして比較すれば良いかが書かれていて、とても実用的でした。
私はこれらの本を読みつつ、実務で色々なタイプの施策の効果検証をしていくことで、実践的なスキルを身につけました。
機械学習を使った予測モデルの構築
フリーランスとしてやっていくなら、機械学習のスキルの習得はおすすめです。なぜなら単価が高いから。
機械学習の基本はこの本で学んだ
私の場合、「そもそも機械学習って何？」というレベルだったので、YouTubeで適当に動画を見漁ってざっくり理解していきました。
「なんとなく機械学習が分かったつもり」になったところで、「Pythonではじめる機械学習」という本を、実際に手を動かしながら丁寧に読みました。scikit-learnを使って、教師あり学習、教師なし学習、モデルの評価などを学びました。「機械学習が何なのか」を Pythonを書きながら理解するのには最適な本です。
機械学習をもっと基礎から勉強すべく、「はじめてのパターン認識」という本にも挑戦しました。こちらも名著として名高いのですが、残念ながら途中で挫折…
あと、ディープラーニングの勉強もしたくて「ゼロから作るDeep Learning」というこれまた名著を読もうとしたのですが、途中で何のコードを書いているのか分からなくなって挫折しました（笑）
Kaggleでより実践的なスキルを身につけた
Kaggleに参加することでより実践的な機械学習のスキルを身につけました。
私の場合、Kaggleの入賞歴は少ないですが、コンペに挑戦して機械学習の様々な手法を学ぶことは、後の実務でも大変役に立ちました。
ファクトの整理とKPI設計
KPI設計はデータアナリストが最も能力を発揮できる仕事の一つです。最も上流の意思決定と言ってもいいかもしれません。事業やチームの方向性を決め、適切に評価していくための重要な仕事です。
データアナリストがKPI設計において高いパフォーマンスを出すためには、以下のようなことを日頃から行っておくことが大切です。これらをまとめてファクトの整理と言ったりします。
※因果関係が存在するのかを証明するのは極めて難しいため深追いしないことも多いです
分析内容を適切に伝える技術
行動を促せてこそのデータ分析。
だからこそ、ビジュアライズ（可視化）やメッセージングが大切です。
分析内容を伝える技術には以下のようなものが含まれます。
これらのスキルは全てのデータアナリストに必須です。しかし、事業運営にインパクトを与えられるような高いレベルで、これらのスキルを身につけている人は少ないです。ゆえに、市場価値の高いスキルだと言えます。
どれも一朝一夕に身につけられるスキルではないですが、
- 関連する書籍を読み漁る
- 実務の中でトライ&エラーを繰り返す
などを続けてれば徐々に習得でき、影響力のあるデータアナリストになれるはずです。
まとめと次のステップ
以上、私がフリーランスとして独立する前に習得していたデータ分析のスキルとその勉強方法を紹介しました。
冒頭でも書いた通り、ここで紹介したスキルはどれも市場価値が高いです。
実際、私がフリーランスになって業務委託の案件を受注する際にかなり役立ちました。
これから独立してフリーランスになる方へ
もし、「これから独立してフリーランスとしてやっていこう」という方は、ぜひ次の記事を読んでみてください。私がフリーランスになって案件獲得をした方法を紹介しています。
年収を上げたいと思っているデータアナリストの方には以下の記事がおすすめです。会社員でもフリーランスでも、収入をグッと伸ばすための戦略を記しています。
では、今回は以上です！
コメント