データサイエンスにおける
オールラウンダーを目指す

四季 拓未 Takumi Shiki

データサイエンスにおける
オールラウンダーを目指す

四季 拓未 Takumi Shiki

データサイエンスにおける
オールラウンダーを目指す

四季 拓未 Takumi Shiki

データサイエンスにおける
オールラウンダーを目指す

四季 拓未 Takumi Shiki
  • 制作物、研究内容

    name

    項目反応理論(item response theory、IRT)というテスト理論の一種で用いる統計モデル(データから情報を抽出するための統計学的な枠組み)の研究を行っています。 テスト理論とは、テストやアンケート調査において被験者の能力・特性を公平かつ客観的に評価するための統計学的理論です。その中でもIRTは、設問の内容や被験者集団に被験者の評価が依存するなど、素点や偏差値に基づいた従来のテスト理論が抱える問題点を解決するために開発されました。

    IRTでは、被験者の能力を潜在変数(物理的に測定できない変数)で置くとともに、難易度など設問の特性を定量化し、特性値が予め分かっている設問群への反応(「正解か不正解か」など)から潜在変数を統計学的に推定することで被験者を評価します。理論提唱者が開発に携わったTOEFLやTOEICを始め、既に導入例も多く(就職活動でお馴染みのSPIにも採用されています。)、現代型テスト理論としての地位を確立しています。

    しかし、現在広く使われているモデルは数学的・統計学的な制約が多く、より柔軟な運用を行うには課題点が多いのが現状です。研究では、2015年に発表された新たな統計モデルの拡張により、実用性の高い統計モデルを提案することを目指しています。

    企業選ぶうえで大切にしていたこと

    name

    私が企業選びで大切にしていたことは次の5つです。

    (1) 若いうちから仕事に裁量権があること:
    私は自分でできることは自分で考え自分の手でやらないと気が済まない質なので、仕事のやり方をガチガチに決められるよりも、ある程度自分の裁量で仕事に取り組めるほうが合っていると考えていました。

    (2) 事業展望に理由や根拠があり、共感できること:
    いくら綺麗事を並べたとしても、事業展望にはその会社の方向性・安定性・成長性が如実に表れると考えていたので、ジョブマッチングとブラック企業フィルターの2つの観点から、座談会や面接では理由や根拠まで含めて必ず深掘りするようにしていました。

    (3) 月給が高いこと:
    公私問わず妥協するのが下手糞なので、仕事中は仕事に集中するために、私生活でも満足のいく水準を維持できる月給を貰えるかどうかはかなり重視していました。(就活後にマイカーを持ったことで結果的にこの問題は一層切実になりました……。)

    (4) 職場の雰囲気や社員の方と合うかどうか:
    ここは直感です。

    (5) 選考のスピード:
    企業側の採用意欲は規模を問わず選考スピードに現れるという話を何度も聞いていました。採用意欲の低い企業には採ってほしくなかったですし、就活にかけられる時間も資金も限られていたので、選考を受ける企業はたとえエントリー後でも徹底的に絞り、最初に内定を頂いた会社に入ると決めていました。

    ZERO TO ONEを選んだ理由

    name

    大学で専攻している数学との親和性が高いITエンジニアと、研究で使っている統計学の知識を直接生かせるデータサイエンティストの2本軸で就活を進めていました。

    そんな中、登録していた逆求人サイトでエンジニア職でのオファーが届いたのがZERO TO ONEとの出会いです。レンタカー店でアルバイトをしたり、車中泊で旅行をしたりと、自動車に触れる機会が多かった私は、ITを使って中古パーツ市場から自動車業界を盛り上げようという事業内容に興味を持ち、説明会に臨みました。

    ところが、逆求人サイトのプロフィールに記載していた研究内容が引っ掛かったのでしょうか、学生は自分1人の説明会では、自社サービスのデータ解析をする人が全くいないという会社の現状を社長自ら熱心に説明してくださいました。その後の採用プロセスを経る中で、ITエンジニアとデータサイエンティストの二足の草鞋という贅沢なキャリアプランが見えるとともに、そのような贅沢を許容し、失敗を恐れず果敢に挑戦する風土と、それを可能にする安定した収益源を持ったベンチャー企業であるという点に魅力を感じました。ここでなら納得のいくファーストキャリアを積めると確信し、内定を承諾しました。

    入社後に実現したいこと、なりたい像

    name

    データサイエンスにおけるオールラウンダーを目指します。そもそもデータサイエンスは統計解析だけをすればよいというものではありません。データを効率的に収集して解析可能な状態にするにはデータベースシステムの構築や運用が必要です。実際の解析では専門のソフトウェアやプログラミング言語を用いますし、機械学習などデータ解析のための高度なITのスキルも身につけなければなりません。

    また、統計解析はあくまでデータを解釈するための情報を提供するものであって、その真価は解析結果を活用して有益な提案をできて初めて発揮されます。

    入社後は、大学で培った統計学の知識を活かして解析の実践経験を積むと同時に、統計解析周りのITエンジニアリングのスキルとビジネスの素養を身につけて、データすらない「ゼロ」の状態からデータを活用した提案という「ワン」を生み出せるようになりたいと考えています。

  • 四季 拓未さん
    出身地:熊本県
    大学:筑波大学大学院 数理物質科学研究科
    職種:エンジニア職
    採用担当からひとこと 未知の環境を開拓する難しさをたのしさと捉えることができる挑戦家。学部生時代に統計学を学び、時には大学院レベルの高度な内容にも積極的に取り組み、大学院では新型テスト理論のセミナー活動も行う幅の広さ。社内ではじめてのデータ解析というポジションで道なき道を切り拓いていってくれることを期待しています。