大学院ではデータ科学・統計科学を専攻していて、個人の研究として新たな多変量解析法の開発に取り組みながら、企業のデータを分析してアイデアを競うようなデータコンペにチームで積極的に参加していました。もともとは学部生のときにデータサイエンス教育を受ける中で、主成分分析で次元縮約したデータをマッピングしたり、クラスター分析でデンドログラムを作成したりと、ビッグデータの見える化に興味を持ち、数学的な仕組みを勉強するようになりました。就職活動では、データ分析をメインとする統計解析職を志望して、マーケティング・リサーチのほか、シンクタンク、金融、製薬、ITなど10社ほどにエントリーしました。この業界を知ったのは、大学で開催していた就職講演会に参加し、当社の話を聞いたことがきっかけでした。そこからマーケティング・リサーチ業界も志望業界の一つとして調べていく中で、アンケートを作成して調査する先には、データの分析とソリューションの提案があることを知り、学んできたことが活かせそうだなと思うようになったんです。

今の担当業務は調査データとビッグデータを解析して分析ソリューションを提供することと、新しい分析商品の開発です。データ分析ではお客様のデータを使うのですが、どういうデータがあって、どういう課題を解決したいのかをお客様からヒアリングし、データの集計や分析によって知らなかったことを知ることができたり、お客様特有の事情がデータに現れていることに気づけたりすると面白いですね。商品開発では顧客データ拡張分析支援サービス「ミルフィーユ」で使われているデータ融合の技術開発・改善、大学入試の合格ライン予測など分析系の新しいサービスの仕組みづくりを担当しています。ほかにも国政選挙の議席数予測やCRMデータを使った顧客離反者数予測などにも取り組んでいて、予測業務はどれも印象に残っています。こういった将来予測や現状把握のためのデータ分析では次の意思決定に使われるのが大事で、分析結果が何らかの判断を助ける役割をしていたりするとやりがいを感じます。その意味で、2年目に日経電子版のデータをお客様（この場合は日経のアプリ開発チーム）と連携しながら分析した仕事は転機になりました。閲覧履歴などのビッグデータと自分で設計したユーザー調査で得られた読者の分析から、改善点を見つけて提案するとそれがすぐ反映される。分析結果がちゃんと使われている実感が持てて、やって良かったとすごく思いました。また、お客様とのやりとりをきっかけに、課題設定や解決方法、結果の使われ方などを意識しながら分析に取り組めるようになりました。

最近は研究的なこととビジネス的なことを総合的に考えるよう心がけています。限られた予算や時間の中で、一定の「ビジネス的な成果」を出しつつ、成果の改善につながる「研究」ができないかみたいなことを考えています。近年、機械学習・AIといった予測技術が発達していますが、調査データとビッグデータを組み合わせたデータドリブンなマーケティング活用はまだちゃんとできていないところがあると思います。予測だけでなく、データの解釈も重要だと思うので、それらのわかりやすい要約や要因分析などもあらゆる技術を駆使して高度化したいです。こういう新しいことを考えながら、これまで様々な業種や分野のデータに触れてきましたが、そのような機会をもっと増やしていきたいです。色々な分野のデータに触りたいという思いが、色々な人たちと付き合うことにつながってきます。各分野のスペシャリストの方たちとはぜひ一緒に働いてみたいです。海外視察で最先端テクノロジーのイベントに参加したとき、デザインやクリエイティブの作成にもデータ分析が使用されていることを知りました。データ分析の手法が発達してもマーケティング以外でデータが使われることは少ないので、そうした方たちに役に立つデータ分析を提供していきたいですね。