LinkedIn: データサイエンスと機械学習は米国で最も急速に成長している職業です。

元記事: データサイエンスと機械学習が米国で最も急速に成長している職業である理由

[[223686]]

1. LinkedIn は 2012 年と 2017 年のデータを比較しました。上位2つの職種は機械学習職とデータサイエンティストで、前者は過去5年間で9.8倍、後者は2012年以降6.5倍に増加しています。上位 10 位のポジションのうち 4 位はデータ サイエンス関連で、そのうち 3 位は上位 5 位に入っています。

2. ハーバード・ビジネス・レビューの調査によると、「データを活用して意思決定を行う業界の上位 3 分の 1 に入る企業は、平均して競合他社よりも生産性が 5% 高く、収益性が 6% 高い」ことがわかりました。

3. マッキンゼー・グローバル・インスティテュートは、2024年までに米国のデータサイエンス職の不足が25万人に達する可能性があると予測しています。データサイエンスのスキルギャップにより、企業は分析ニーズを満たす人材のトレーニングや採用に躍起になっています。ブートキャンプやオンラインコースがそのギャップを埋めようとしている一方で、企業は今後数年間、激しい人材獲得競争に巻き込まれる可能性が高い。

元の翻訳:

職場向けソーシャルネットワーキングサイト「LinkedIn」は最近、自社のデータを基にしたレポートを発表し、米国で最も急成長している職業をリストアップした。このレポートをまとめるにあたり、LinkedIn は 2012 年と 2017 年のデータを比較しました。上位2つの職種は機械学習職とデータサイエンティストで、前者は過去5年間で9.8倍、後者は2012年以降6.5倍に増加しています。上位 10 位のポジションのうち 4 位はデータ サイエンス関連で、そのうち 3 位は上位 5 位に入っています。データサイエンスの仕事、特に機械学習の仕事がなぜこれほど急速に成長しているのでしょうか?

多くのレポートや出版物では、データサイエンスは米国で最も需要のある仕事の 1 つとして挙げられていますが、LinkedIn のレポートは、この職種の急速な成長を指摘している点でユニークです。機械学習とデータサイエンスの職種が最も急速に成長している 4 つの理由を以下に示します。

データ量の急増

全データの約 90% は過去 2 年間に作成されており、現在、毎日作成されるデータの量は 2.5 京 (10 の 18 乗) バイトに達しています。この数字がどのようなものかを知るために、データ会社 Domo が提供している数字をいくつか見てみましょう。

アメリカ人は毎分2,657,700GBのデータを使用している

毎分、Instagramユーザーは46,750枚の写真を投稿している

毎分15,220,700件のテキストメッセージが送信されました

毎分3,607,080件のウェブ検索がGoogleで行われている

これらすべての活動によってデータが生成され、そのデータ量は想像を絶するほど大きくなります。膨大なデータがあるため、企業にはそれを処理できる人材が必要です。たとえば、Instagram は、毎分アップロードされる 46,750 枚の写真のうち、どの写真が最も共有されているかを知りたいと考えています。プラットフォーム上で最も人気のあるコンテンツの種類は何ですか?データから得られる情報量に関して言えば、これは氷山の一角にすぎません。データ量が飛躍的に増加するにつれて、データ分析の人材に対する需要も急速に高まっています。

データに基づく意思決定はより多くの利益をもたらす

多くの企業にとって、データは企業に利益をもたらす場合にのみ有用であり、そのことに疑いの余地はありません。データは企業がより賢明な意思決定を行うのに役立つだけでなく、その意思決定が財務上の利益にもつながることもよくあります。ハーバード・ビジネス・レビューの調査によると、「データを活用して意思決定を行う業界の上位 3 分の 1 に入る企業は、平均して競合他社よりも生産性が 5% 高く、収益性が 6% 高い」ことがわかりました。

データにより、企業は CEO の直感に頼るのではなく、数字だけに基づいて客観的な意思決定を行うことができます。データが企業の収益性と市場における競争力を高めることができるのであれば、これは間違いなく、より多くの企業がデータ サイエンスの人材を採用する理由になります。彼らはデータを分析し、それを一般の人にもわかる言葉で説明できるので、チームは次のステップをどう踏むべきかを理解できます。

機械学習は企業のビジネスのやり方を変えている

機械学習は、実際に学習して進化できる人工知能 (AI) の一種です。今日、機械学習はマーケティング、金融、ヘルスケアなど多くの業界で採用されています。高度なアルゴリズムは、過去の学習に基づいて正しい決定を迅速に行うことで、時間とリソースを節約できます。たとえば、機械学習アルゴリズムによって人間の助けを借りずにリスクを評価し、意思決定を行えるようになったため、従来の金融機関では融資担当者の数がますます少なくなっています。

今日、サービスとしての機械学習 (MLaaS) が現実のものとなり、独自の機械学習プラットフォームを構築するために多くのリソースとスキルを投資する代わりに、このようなプラットフォームを使い始める企業が増えています。一般的なビジネス担当者も、機械学習プラットフォームを使用して、上級管理職の介入なしに情報に基づいた意思決定を行うことができます。企業のビジネスのやり方は根本的に変わりますが、このテクノロジーを前進させるには、機械学習アルゴリズムの開発者に頼ることになります。

機械学習はより正確な予測を提供することができる

機械学習アルゴリズムは、人間には発見できない隠れた情報をしばしば発見できます。処理すべきデータが大量にあると、データ サイエンティストのチーム全体であっても傾向やパターンを見逃してしまう可能性があります。市場を予測する能力は企業が競争力を維持するための一つの方法であり、機械学習アルゴリズムによってこれが可能になります。企業は、競争上の優位性を獲得し、市場で先頭に立つために、予測モデルを継続的に改善できる機械学習の専門家を採用したいと考えています。

データサイエンスと機械学習の仕事は、近い将来も成長し続けるでしょう。膨大なデータ量とそれが企業利益の推進に果たす役割を考えると、企業はこれらのポジションに適した人材を探し続けるでしょう。しかし、需要は明らかに供給を上回っています。マッキンゼー・グローバル・インスティテュートは、2024年までに米国のデータサイエンス関連の求人数が25万件に達する可能性があると予測しています。データサイエンスのスキルギャップにより、企業は分析ニーズを満たす人材のトレーニングや採用に躍起になっています。ブートキャンプやオンラインコースがそのギャップを埋めようとしている一方で、企業は今後数年間、激しい人材獲得競争に巻き込まれる可能性が高い。