DXの現場導入を進めるテクニカル人材と求められるスキル【第4回】

データ系インフラエンジニア

　データサイエンティストが解析する計算リソースや、アプリケーションエンジニアが実装するサーバーを管理します。一般的なインフラエンジニアは、はるかに多くの領域をカバーしており、データ分析のためのシステムを担当するテクニカル人材を分ける意味で、データ系インフラエンジニアと呼んでいます。

　機械学習モデルの実行には、多くの計算リソースが必要になります。複雑なシステムでモデルの数が増えれば、なおさらです。実運用を見据えた開発では、実際のシステムが安定してサービスを提供し続けられるように、各実行に必要な計算リソースの割当などを管理しなければならず、それをデータ系インフラエンジニアが支えます。

　実行環境の管理に必要な知識は、データサイエンティストが持ち合わせている場合もあります。ですが、役割を分けることでデータサイエンティストはモデル構築に、より集中できるはずです。

セキュリティエンジニア

　構築する機械学習システムのセキュリティを担保します。アクセス制御や改ざん防止といったソフトウェアセキュリティのほかに、機械学習システム特有の脆弱性にも対応する必要があります。

　例えば近年では、入力データにノイズを注入し機械学習モデルに意図しない出力をさせたり、入力と機械学習モデルの出力から個人情報などを特定したりと、確率モデルの特性を突いた攻撃が指摘されています。これらへの対応を含め、システムが安全に導入・運用できるだけの環境を整備します。

データアナリスト

　DX活動のプロジェクト的な側面が完了した後に登場し、日々のオペレーションにデータ駆動な風土を定着させる役割を担います。

　DXプロジェクトは、実行すればするほど、プロジェクト終了後も現場でプロセスを使い続けるために奮闘する人材の重要性が高まります。データアナリストは、システムを理解し、その価値を現場の担当者に説明し、改善点を議論することで、次のDX活動の起点を生み出します。そのためデータアナリストに求められる最も重要なスキルは可視化になります。

データスチュワード

　データをどのように蓄積するかをデザインし、その通りにデータが蓄積・管理されているかを監督します。データアーキテクチャーを理解し、その価値を現場の担当者に説明し、解析可能な形で保存するよう促します。

　例えば、全社的なデータアーキテクチャーを定め、どの種類のデータをどこに、どのように蓄積していくかを決めても、実際にデータを保存する現場の担当者が、その考え方に沿ってデータを蓄積できなければ、全社的な価値は享受できません。それだけにデータスチュワードの質は、データアナリスト同様、現場の担当者の間にデータ駆動な風土を定着させる上で重要な役割を担います。

　このように、一口にテクニカル人材と言っても複数の人材が存在し、求められるスキルも多種多様です。ITに関連するスキルだけでなく、現場の担当者とのコミュニケーションが重要な場面も少なくありません。「これなら私も活躍できるかも」と思える人材像が見つかれば、とてもうれしいです。

　次回は、これまでのまとめとして、DXスキルツリーの発表後、それを普及させていく過程で挙がっている、さまざまな議論や今後の活用などについて説明します。