私のキャリアをひと言で表すなら「データと共に生きてきた25年」と話すグループデータアナリティクス２部の町田部長。

新卒でシティバンクへデータ分析者として入社。金融分析という経験を活かし、楽天ではデータ分析だけではなくマーケティングにも従事。金融業界で自分のデータ分析スキルを活かしたいという想いから、2025年6月当グループへ入社。

新卒で社会に出てから、ずっとデータ分析に携わり、金融からIT、そして再び金融へと舞台を変えながらキャリアを積んできました。
最初の大きな転機はシティバンク時代です。当時はまだ「データサイエンス」という言葉すら一般的ではありませんでしたが、消費者金融部門で顧客データを解析し、与信モデルを作り上げるという仕事を任されました。数字から人の行動を読み解き、リスクを可視化していくことに大きな魅力を感じました。

その後、楽天に移り、事業ドリブンなデータ活用に携わりました。金融の枠を超えて、ECやマーケティングの世界で数字を動かす醍醐味を知ったのはこの時でした。データ分析は単なる「裏方の技術」ではなく、事業の成長そのものをドライブするエンジンであることを学びました。

しかし、心のどこかで、「もう一度、金融の最前線で勝負したい」という思いが募っていました。お金と信用を扱う金融の世界で、データを武器に経営に貢献する。その原点に戻りたいと考えるようになりました。

その思いを実現する場として選んだのが、”アイフルグループ”です。面接で感じたのは、経営層が本気で「データドリブンな会社に変わろう」としている熱量！！単なる掛け声ではなく、実際に投資や組織づくりに踏み出している姿勢に惹かれました。

入社してみて最初に感じたのは「自由度の高さ」です。大手企業特有のガチガチのしばりがなく、自分の提案やアイデアがすぐに事業に反映されるスピード感があります。一方で、他社と比べるとデータ活用の基盤や人材の育成は不足している部分があると思います。他社だと、データはグループ全体で使用でき、統計技術を使った様々な推測データも整備されているので即座にマーケテイング・キャンペーンなどで使用できますが、当グループではまだできておりません。 

また、仕組みだけではなく人材面では現状OJTによる人材育成を行っているため、バックグラウンド、スキルレベル別の育成ロードマップの整備ができていません。今後、分析の作業的な部分はAIに代替していくため、データサイエンティストのソフトスキル（分析設計力、ビジネス価値創出力、プレゼンスキル、リーダーシップ）を磨くカリキュラムは必要であると思っています。

更には“中間層不足”という課題も抱えており、トップレベルのデータサイエンティストと実務担当のアナリストの間をつなぐ「トランスレーター」や「プロジェクトドライバー」による、分析成果を経営・営業・リスク部門に展開するプロセスの整備が今後の大きな課題だと思っています。

データサイエンスティストにとって本当に必要なのは「仮説を立てる力」「課題を定義する力」「分析を設計する力」です。そしてそれを経営層に伝え、意思決定に結びつける“翻訳力”が求められます。データは経営と現場をつなぐ共通言語になり得ますが、使い方を誤ればただのノイズにもなりかねません。
だからこそ私は「提案型分析」にこだわっています。単に結果を報告するのではなく、データが示す未来を提示し、次の一手を共に考える。その対話ができてこそ、データサイエンティストの価値が発揮されると信じています。

―苦労したハナシー
「データ分析が意思決定に活かされない」時期がありました。
特に金融機関ではリスク管理や法令遵守の観点から「過去実績を重視する文化」が強く、データドリブンな発想が浸透しづらい業界です。そこでこの壁を乗り越えるために私は「モデルの精度を語る」のではなく「経営インパクトを数字で語る」ようにしました。
たとえば「このスコアモデルを導入すれば年間貸倒れ損失が〇億円減る」といった具体的な経営指標で話すようにしたところ経営層との距離を縮めることができたと感じました。

ChatGPTやPythonといったツールが急速に進化しています。今や誰でも一定のコードを書き、分析を実行することは可能になりました。では、この時代にデータ分析者に残された価値は何か。
私は「問いを立てる力」だと考えています。AIは与えられた問いに対して答えを返すことは得意ですが、「何を問うべきか」を決めるのは人間にしかできません。問いの立て方次第で、同じデータから導かれる未来はまったく変わります。まずは「分析前に経営者や現場の会話を聞く」こと。現場の言葉には“本当の課題”が必ず隠れています。問いを立てる力はデータではなく人との対話で磨かれていきます。また、「自分でデータを触ってみる」こと。Kaggleやオープンデータでも構いません。大切なのは手を動かして仮説を立て検証して失敗してみる経験が大切です。

また、分析結果をどう伝えるかというストーリーテリングとプレゼンスキルも求められます。数字を並べるだけでは人は動きません。経営者や現場が納得し、次の行動に踏み出せるように伝える。それができる人間こそ、AI時代にも必要とされるデータサイエンティストだと断言します。

「分析」だけで満足してはいけません。大切なのは、数字から何を学び、どうビジネスを動かすかを考えることです。与えられたデータを処理するだけでなく、「この数字は何を意味しているのか」「次にどんなアクションにつなげられるのか」と常に自分の頭で問いかけてください。

データ分析者は、経営にとって欠かせない存在です。だからこそ、必要なのは“ビジネス理解力”です。業界の仕組みや顧客の行動を深く理解し、そのうえでデータを使って新しい価値を提案する。そうすれば「データで仕事を創る」ことができます。
ツールやアルゴリズムは日々進化しますが、人間の想像力と好奇心は決して機械に代替されません。

私自身で言えば、高度なデータ分析、AI、そして革新的なテクノロジーを活用することで、事業全体の収益創出と業務効率を飛躍的に向上させることに挑戦したいと考えています。多様なバックグラウンドを持つ高度な専門性を備えたグローバル人材の強力なチームとともにグループ全体の長期的な成長を実現していきたいと思います。ぜひ私より若い世代にはもっと自分のキャリアをデータで切り拓き、会社だけでなく、社会に新しい風を吹かせてほしいと思います！