将来性のある職業 - データ クランチング(Data Crunching)
データ クランチングとは?
ナンバー クランチング (Number Crunching) とも言います。
次の産業革命(第4次産業革命)と呼ばれるインダストリー4.0の時代の主要分野のひとつであるビッグデータに関連する職業です。
データ クランチングとは、コンピューターへの負担をできる限り最小限にし、
しかも速く、データを処理、抽出して、意味のある情報(インフォメーション)に加工することです。
決して華々しくはありませんが、高度な知的レベルを要する重要な仕事です。
ナンバー クランチング (Number Crunching) とも言います。
次の産業革命(第4次産業革命)と呼ばれるインダストリー4.0の時代の主要分野のひとつであるビッグデータに関連する職業です。
データ クランチングとは、コンピューターへの負担をできる限り最小限にし、
しかも速く、データを処理、抽出して、意味のある情報(インフォメーション)に加工することです。
決して華々しくはありませんが、高度な知的レベルを要する重要な仕事です。
データ クランチングとは、新しい職業ですか?
いいえ。
この分野では、SASが、世界的に知られた代表格の企業です。
古い話しですが、米国の某大手スーパーマーケットが、赤ちゃんの紙おむつ売り場とビール売り場を近くにした途端に、ビールの売り上げが伸びたのは、よく知られています。奥さんに頼まれて紙おむつを買いに来るご主人たちの心理と行動を読み解かれた結果です。
スーパーマーケットの競争が、非常に厳しい米国では、各チェーンがSASを導入しており、SASのジャケットを着用したスタッフを見かけることは珍しくありません。
消費者の行動パターンをしっかりと把握されており、絶妙なタイミングで好みの商品の割引クーポンや無料クーポンが送られて来る影には、SASが貢献しています。
いいえ。
この分野では、SASが、世界的に知られた代表格の企業です。
古い話しですが、米国の某大手スーパーマーケットが、赤ちゃんの紙おむつ売り場とビール売り場を近くにした途端に、ビールの売り上げが伸びたのは、よく知られています。奥さんに頼まれて紙おむつを買いに来るご主人たちの心理と行動を読み解かれた結果です。
スーパーマーケットの競争が、非常に厳しい米国では、各チェーンがSASを導入しており、SASのジャケットを着用したスタッフを見かけることは珍しくありません。
消費者の行動パターンをしっかりと把握されており、絶妙なタイミングで好みの商品の割引クーポンや無料クーポンが送られて来る影には、SASが貢献しています。
データと情報(インフォメーション)の違いは?
根本的に意味が異なります。
データとはナマの数字、インフォメーションとは、加工済みのデータで、意味のある姿に変身したものです。
例えば、各アパートの家賃はデータです。
近隣のアパートの家賃の平均値やテナントの家族構成平均等は、インフォメーションです。
このインフォメーションを使って、アパートの家賃を決定したり、間取りを決めたりできます。
また、身近なオフィスの例では、Excelシートに入力しただけの状態では生データ。
これをグラフや表に構成し、プレゼンテーションや経営戦略に使えるようにしたものがインフォメーション。
根本的に意味が異なります。
データとはナマの数字、インフォメーションとは、加工済みのデータで、意味のある姿に変身したものです。
例えば、各アパートの家賃はデータです。
近隣のアパートの家賃の平均値やテナントの家族構成平均等は、インフォメーションです。
このインフォメーションを使って、アパートの家賃を決定したり、間取りを決めたりできます。
また、身近なオフィスの例では、Excelシートに入力しただけの状態では生データ。
これをグラフや表に構成し、プレゼンテーションや経営戦略に使えるようにしたものがインフォメーション。
そもそも、Crunch(クランチ)とは?
雪道や砂利道の上を歩く時の「ジャリジャリ」、「バリバリ」という音を意味します。
個人的な解釈ですが、ザラザラしたものを細かく砕いて、形のあるものに作り出す意味合いで、データクランチングと呼ばれるようになったのだと思います。
雪道や砂利道の上を歩く時の「ジャリジャリ」、「バリバリ」という音を意味します。
個人的な解釈ですが、ザラザラしたものを細かく砕いて、形のあるものに作り出す意味合いで、データクランチングと呼ばれるようになったのだと思います。
主な職業タイトル
データ アーキテクト:
生データを処理加工し、分析できるツールに作り上げます。
例は、GoogleアナリティクスやFacebook等、小売業界を中心に活用。
データ アーキテクト:
生データを処理加工し、分析できるツールに作り上げます。
例は、GoogleアナリティクスやFacebook等、小売業界を中心に活用。
データ サイエンティスト:
一般的に、個人情報を扱う企業には、データサイエンティストやデータ サイエンス チームが必ずと言っていいほどあります。
生データ処理加工のリーダー格。データを有益な情報に抽出する中心的な役割です。データ アナリストとしてキャリアをスタートし、サイエンティストに到達する人が主流です。
一般的に、個人情報を扱う企業には、データサイエンティストやデータ サイエンス チームが必ずと言っていいほどあります。
生データ処理加工のリーダー格。データを有益な情報に抽出する中心的な役割です。データ アナリストとしてキャリアをスタートし、サイエンティストに到達する人が主流です。
求められる知識:
SAS、R、RHadoop、Pig、Hive、Python、SQL等。
数学、統計学、人工知能、言語処理等の知識や経験、理数系のセンスが必要です。
SAS、R、RHadoop、Pig、Hive、Python、SQL等。
数学、統計学、人工知能、言語処理等の知識や経験、理数系のセンスが必要です。