ホーム > システムアーキテクト試験 > 2017年
システムアーキテクト試験 2017年 午前2 問17
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。
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。
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、クラウドコンピューティングを利用して構築するか判断し設計できる。
イ：事業モデルや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。
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）
解説
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【午前2 解説】
要点まとめ
- 結論：データサイエンス力は統計学や人工知能の知識を活用し、モデル構築や分析評価を行うスキルである。
- 根拠：問題文の定義に「予測、検定、関係性の把握及びデータ加工・可視化」とあり、モデル選択や評価が該当する。
- 差がつくポイント：ビジネス力やエンジニアリング力と混同せず、分析手法の選択やパラメータ調整など数学的・統計的処理に注目すること。
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、モデルへのパラメタの設定、分析結果の評価」とあり、これはまさにデータサイエンス力の核心です。データサイエンス力は統計学や機械学習の知識を用いてデータから洞察を得る能力であり、モデルの構築と評価はその代表的な作業です。
よくある誤解
ビジネス力やデータエンジニアリング力と混同し、システム設計や事業課題の理解をデータサイエンス力と誤認しがちです。
解法ステップ
- 問題文の「データサイエンス力」の定義を確認する。
- 選択肢の内容が「統計学・AIの知識を用いた分析やモデル構築」に合致するかを判断する。
- ビジネス力（課題整理）やデータエンジニアリング力（システム実装）と区別する。
- モデリング手法の選択や評価が含まれる選択肢を選ぶ。
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、データサイエンス力とは異なる。
- ウ: 分散処理システムの設計はデータエンジニアリング力に含まれ、分析手法の選択とは別領域。
- エ: モデリング手法の選択やパラメータ設定、評価はデータサイエンス力の具体的スキルで正解。
補足コラム
データサイエンス力は単なる統計解析だけでなく、機械学習や人工知能の技術を駆使してデータから価値を創出する能力です。近年はPythonやRなどのプログラミングスキルも重要視され、モデルのチューニングや結果の解釈力が求められます。
FAQ
Q: データサイエンス力とデータエンジニアリング力の違いは何ですか？
A: データサイエンス力は分析モデルの構築や評価に関する能力で、データエンジニアリング力は分析環境の構築や運用に関する能力です。
A: データサイエンス力は分析モデルの構築や評価に関する能力で、データエンジニアリング力は分析環境の構築や運用に関する能力です。
Q: ビジネス力はなぜデータサイエンス力と区別されるのですか？
A: ビジネス力は課題の理解や整理に関する能力であり、データの分析やモデル構築とは役割が異なるためです。
A: ビジネス力は課題の理解や整理に関する能力であり、データの分析やモデル構築とは役割が異なるためです。
関連キーワード: データサイエンティスト, モデリング手法, 統計学, 機械学習, データ分析, 人工知能, データエンジニアリング