【イベントレポート】データサイエンスなんでもLT会

• はじめに
• イベントのふりかえり
  • LT① 生成AIで変わるAI開発の現場とジュニアのキャリアデザイン
  • LT② Google Big Query is 何？
  • LT③ 私が業務で活用した・していきたいTableauについて
  • LT④ データサイエンス以前
• まとめ
  • 謝辞
• 編集後記

はじめに

今回はLT会に登壇者として参加してきたので、そのイベントレポートを書きました。

• 参加理由
  • 個人学習を続ける中で、自分のコミュニティと違う場所のモチベーション高い人と出会いたかった
  • 久しぶりに誰かの前で本気の発表をしたくなった
  • 雑談の中で「BigQueryって機能多くてなんかわかんないっすね〜」という発表ネタを拾った
• イベント概要 データサイエンス、データ分析領域のコミュニティである「データラーニングギルド」によるアウトプット応援LT会。 各地でイベントを開催される内の第一弾として、都内で行われました。 詳細は以下のconnpassを御覧ください。

データラーニングギルドmeetup#1〜あなたのアウトプットを応援！データサイエンスなんでもLT会〜 - connpass

イベントのふりかえり

LT① 生成AIで変わるAI開発の現場とジュニアのキャリアデザイン

• 発表者：村上智之さん(@GreenGreenMidor) ギルド長の村上さんの発表は、生成AI時代において私のようなジュニアレベルが生き残るための戦略をお話してくれました。求められるスキルの基準が上がったことにどのように対応していくか。というお話でした。

一方で変わらないのは、「常に求められる水準を超えていれば仕事はある」ということです。その水準を越えるために、どうAIと向き合って付き合っていくのかという点が非常に面白かったです。

- 生成AIの登場によってデータサイエンス領域がどのように変化したのか
    - 多くのデータサイエンスの問題がAIで解決可能になった
        - 画像分類・セグメンテーションの自動化
        ‐ 文書分類：JSON（半構造データ）を構造化データへの変換
        ‐ 統計解析の一部：A/Bテスト設計
        ‐ 機械学習モデルの自動設計
- 上記により、ジュニアレベルの作業はAIでいいじゃん？となっている
    ‐ 非定型作業、生成AIができないことを目指す必要が出てきた
    - 例：統計解析
        ‐ AIのアウトプットを検証するための統計知識がこれまで以上に重要
        ‐ AIにはハルシネーション問題が必ずついてくるため、人間は検証者として必要
        - 何を理解して、何をブラックボックスにすべきかの切り分けが重要

LT② Google Big Query is 何？

• 私(@ykokubo)

就労移行支援事業所の利用者同士で「BigQueryってわかんない」って話をネタに作成しました。
自分自身が歴史好きであり、データ基盤の本を読むと割と歴史の話が多いので、そういう視点でみると面白いのでは？という思いつきでした。
作っている最中に捗ってしまって、5分の予定時間で40枚以上、一時は50枚を越えるスライドとなっていました。*1
聞いてくれた方から以下のような感想を頂いたのも嬉しかったです。

Redshiftの登場とか、Hadoopの話とかがあって、凄く懐かしい気持ちになりました。

自分も、分析者なりたての頃は、Postgre SQLを使ったり、awkを使ったりして分析してたなぁ。

今はBigQueryにぶち込めば、あんまりパフォーマンス気にしなくて良いので、良い時代になりましたね。 https://t.co/vuDxxnnZj8

— 村上智之 / データサイエンス教育 (@GreenGreenMidor) 2025年9月27日

以下、発表スライドです。 speakerdeck.com

LT③ 私が業務で活用した・していきたいTableauについて

• 発表者：井上さん(@inokiweb)

広告業という未知の業界でBIツールをどのように使えるのか？という興味ふかい発表でした。
御本人は簡単な機能と謙遜されていましたが、ドメイン知識の深さというか広告ビジネスへの理解があるからこそ、BIツールを実業務に活かす方法を見つけられたのだと感じています。
いずれ導入されそうな雰囲気でしたので、いつか成功事例としてお話を聞いてみたいです。

- 広告担当者がなぜTableauを使うのか？
    - 広告担当者に求められること：広告の費用対効果は？
    ‐ Tableauでは以下2種類の方法で説明に利用できるかもしれない
        ‐ 1. これまでの売上から予測グラフを作る
        ‐ 2. 過去のデータを把握する
- 独学をする中で、広告の分析より先にするべきことがあるかも
    ‐ 集計や計測
    - 広告の分析は仮説を検証するもの
    - まずは、「どの行動や変数が売上に貢献するのか？売上を上げるための変数はなにか？」という仮説を立てる必要がある 
    - その仮説自体が作れていない現場もある
    - その場合は、データを集計や計測をとおして「仮説」を作成するのが先

LT④ データサイエンス以前

• 発表者： 富樫さん

この方の発表は一番心に響いたと同時になかなかまとめるのが難しいです。
データ利活用における泥臭いけど、最も重要なお話をされていたという認識です。
誰にでもできることではなく、総合格闘技的なデータエンジニアリングを実践されたプロフェッショナルという感じでした。懇親会でお話も聞きましたが、生き残った強いビジネスマンという認識です。
また、懇親会でお話する中で印象的だったのは「自分の強みを知ること」が大事とおっしゃっていたことです。
組織の中でデータ活用を進めるためには、技術・ビジネス理解・ドメイン知識など様々な分野が必要で、自分に何ができるか、他の知識や経験は誰とつながると借りることができるのかを知るのが大事と認識しました。

発表されたようなデータ活用組織を作る仕事をしてみたいと思いつつ、本当に任されたらプレッシャーで泣きそう。本当にすごいお話でした…

データ活用のファーストペンギンになってしまったら
- データサイエンエンス以前とは？
    - データサイエンスとはなにか？を整える
- 医療材料メーカー
    - DXをようやくはじめた会社
    - データの利活用が難しい
- 自己紹介
    - 文系の方
    - 営業職
    - コロナ時期は訪問できない
        - 営業いらなくなる
        - 営業の数を減らそう
        - ある日突然、データ収集業務担当に
- 素人が情報担当になったら
    - 社内のバラバラのデータをかき集める
    - Excelの大量集計・Webから収集
        - 泥臭い作業
        - Excelは意外と簡単に壊れる：関数100個でだめ
    - PythonかR
        - Rを選択
        - イベント参加、セミナー参加
        - ベンダー、SIerさんの営業を受ける
        - 資格を取得し、体型知識
- ファーストペンギンになること
    - ロールモデルがいない
    - 本も大事だが、コミュニティの経験を学ぶ
    - それを資格試験に活かす
    - ベンダーの営業さんは業界知識豊富、ユースケースも多い
    - 上司を説得するためには未来感を説明
        - GoogleやTableauの未来を使う
        - 具体的なものは資格を通じて説明
    - ITの営業にとっては、顧客育成は重要
        - 若手の育成、教育は重要
        - 意思決定者にはなかなか会えない
        - 将来の意思決定者かを見極められる、値踏みされる
        - 論点や力量を見られる
- 知識を使いたくなる
    - 社内に布教する
    - 外部コミュニティ、資格試験、外部業者を利用する

まとめ

15人程の小規模イベントでしたが、熱量が高く楽しかったです。 発表者もれなく予定時間の5分をオーバーしている程、白熱していました。 こういう会、イベントって楽しいですね。

謝辞

素敵なイベントを開催いただき、主催の皆様ありがとうございました。
また、他の参加者さん、発表者の皆様にも重ねてお礼申し上げます。

編集後記

イベント会場が株式会社Progateさんのオフィスだったのですが、入口ににんじゃわんこがいて可愛かったです。

本日参加したイベント会場、Progateさんにて

にんじゃわんこ#DLGmeetup pic.twitter.com/FQigeLkdnq

— Aizack (@ykokubo09) 2025年9月27日