応用情報技術者 2019年春期午前2 問63

問題文

ビッグデータを有効活用し、事業価値を生み出す役割を担う専門人材であるデータサイエンティストに求められるスキルセットを表の三つの領域と定義した。データサイエンス力に該当する具体的なスキルはどれか。

選択肢

ア：扱うデータの規模や機密性を理解した上で、分析システムをオンプレミスで構築するか、クラウドサービスを利用して構築するかを判断し、設計できる。

イ：事業モデル、バリューチェーンなどの特徴や事業の主たる課題を自力で構造的に理解でき、問題の大枠を整理できる。

ウ：分散処理のフレームワークを用いて、計算処理を複数サーバに分散させる並列処理システムを設計できる。

エ：分析要件に応じ、決定木分析、ニューラルネットワークなどのモデリング手法の選択、モデルへのパラメタの設定、分析結果の評価ができる。（正解）

データサイエンティストに求められるデータサイエンス力【午前2 解説】

要点まとめ

結論：データサイエンス力とは、統計学や人工知能の知識を活用し、データの予測や検定、関係性の把握、可視化を行うスキルです。
根拠：問題文の表にある「データサイエンス力」は、分析手法の選択やモデル構築、評価を含む情報科学の知識を用いる能力と定義されています。
差がつくポイント：ビジネス力やデータエンジニアリング力と混同せず、具体的に「分析モデルの選択・評価」など、データ解析の核心部分に注目することが重要です。

正解の理由

選択肢エは「決定木分析、ニューラルネットワークなどのモデリング手法の選択、パラメタ設定、分析結果の評価」とあり、これは統計学や機械学習の知識を活用してデータを解析する「データサイエンス力」の典型的なスキルです。
他の選択肢はシステム設計やビジネス理解に関する内容であり、データサイエンス力の定義とは異なります。

よくある誤解

データサイエンス力を「システム構築」や「ビジネス課題の整理」と混同しがちですが、これらはそれぞれデータエンジニアリング力やビジネス力に該当します。

解法ステップ

問題文の表で「データサイエンス力」の定義を確認する。
「人工知能や統計学の知識を用いて予測や検定を行う」とある部分に注目する。
選択肢の内容を「分析モデルの構築・評価」に該当するかで判断する。
分析システムの設計やビジネス課題の理解は別の領域なので除外する。
これに該当するのは選択肢エであると結論づける。

選択肢別の誤答解説

ア：分析システムの構築や設計は「データエンジニアリング力」に該当し、データサイエンス力ではない。
イ：事業モデルや課題の理解は「ビジネス力」の範囲であり、データ解析の技術的側面とは異なる。
ウ：分散処理システムの設計はインフラやシステム構築の技術であり、データエンジニアリング力に近い。
エ：分析モデルの選択や評価はデータサイエンス力の核心であり、正解である。

補足コラム

データサイエンティストのスキルセットは大きく「ビジネス力」「データサイエンス力」「データエンジニアリング力」の3つに分けられます。これらは相互に補完し合い、ビジネス課題の発見からデータ分析、システム実装までを一貫して行うために必要です。特にデータサイエンス力は、統計解析や機械学習の理論と実践を結びつける重要な役割を担います。