なぜ、日本はデジタル化が遅れているのか？

昨今“DX”というキーワードがあらゆるところで飛び交っています。

DXは経済産業省の「デジタルトランスフォーメーションを推進するためのガイドライン（DX推奨ガイドライン）」では以下のように定義しています。

「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズをもとに、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。」

【出典】デジタルトランスフォーメーションを推進するためのガイドライン（DX 推進ガイドライン）Ver. 1.0

その一方で、日本はデジタル化、すなわちDX推進に不可欠なデジタル技術の導入、アナログからの脱却、データ活用すら遅れているのが実情で、スイスのIMD（国際経営開発研究所）が毎年発表している「世界デジタル競争力ランキング2021」では、日本のデジタル競争力（全体）が低下し続けていることを示しています。

【出典】第5回 デジタル時代の人材政策に関する検討会

特にデータ×AIが活用できるデータサイエンティストをはじめとする人材の区分では、64カ国中、47位にまで降下し続けており、優れたデジタル技術の導入や活用を真に理解し、普及・推進できる人材の不足が、日本のデジタル化の遅れを招いていると言えます。

これまで日本では、デジタル分野の人材は、必要性を理解している企業の育成、もしくは個人で習得する慣習が長く続いており、その結果、データ×AI人材の不足どころかデジタルディバイドといった”置き去り問題”にまで発展してしまっています。

データ×AI人材が不足している理由

データ×AI人材の育成は、学校教育や職業訓練方法がまだ確立されていないため、必要に迫られた企業のナレッジ化や個人の独学に依存しているのが実情です。

データサイエンティストの場合、“在るべき姿”が不鮮明で、必要なスキルや知識を習得しようにも、学習の過程において“手ごたえ”を感じることができない、企画、営業、経理、設計といった他の職業と異なり、案件・事案がケースバイケース過ぎ、学習量が膨大、といった理由で断念するケースが多いと考えられています。

それでは、データ×AI人材が不足する原因を根底から辿って突き詰めてみましょう。

必要な知識や情報の膨大すぎる

データサイエンティストに求められるスキルは、数学、情報工学から成る基礎知識、プログラミングの実践、情報経営におけるビジネス戦略の構想など、基礎から応用まで多岐に渡ります。

データ活用やAIのテクノロジーは目まぐるしく変化し続けており、新しい知識の登場と同時に、既に廃れてしまった知識も増え続けるという情報過多の状況に陥っており、この積み上がり続ける膨大な情報量に阻まれてしまっています。

何を学べばいいのか？知識を深めるために適した教材はどれなのかがわからない。

データサイエンティストに必要なスキルを身に着けるための第一歩として、書籍やインターネットの活用を多くの方が選択されると思います。

様々な分野、ジャンルで細分化された書籍の大半は専門書に属するもので、読解に必要な知識やスキルもまちまちです。

知識を得る、深めようとする、といった志向の違いでも学びたい人にとって有用な情報源は変わってしまうため、データサイエンティストへのチャレンジャーの多くは、自分に適した教材がわかないといった難民状態に陥っています。

学びたいことを的確に学べる仕組みがない

1つの疑問点を解決するための学習において、10の知識を学習して、ようやく解決に辿り着く、もしくは途中で断念する、とったケースは専門学習のよくあるケースです。

これには、様々な教材を購入するため、費用も要しますし、時間も膨大にかかるため、費用対効果は非常に悪く、学習者の士気を低下させてしまいます。

自身が学習したいコトを、自身のレベルに沿って、知識や情報が集積された状況で学べる仕組みがないことが、データ×AIの学習のハードルを一気に上げてしまっているのです。

DX時代のこれからを担うデータ×AI人材の育成に必要な仕組みとは？

データサイエンティストには、情報を的確に選び出す目線や、進化し続ける知識への適応力を磨き続けることが求められます。

一線で活躍するデータサイエンティストの多くは、豊富な知識と経験を持ち合わせていますが、彼らがこれらの知識や情報を膨大な書籍やコンテンツで隅々まで学習して、活用しているか？というと決してそうではありません。

その時のトレンドで習得すべき知識や情報を独自に取捨選択する術を得ており、それに倣ってデータ×AI人材を増やすには、

• 各種データや教材をまとめたコンテンツ作成および検索システムの構築
• それぞれのレベルに沿う細やかなラーニングシステムの開発

といった仕組みを確立し、必要なデータや教材の明確化や現状に見合った適切な学習を出来るようにすることにより、データ×AI人材を目指す方達が着実にステップアップできるようにする、「データサイエンス学習者と学習コンテンツのマッチングの最適化」が必要です。

「Data Learning Bibliography」とは？

「Data Learning Bibliography」は、学習コンテンツのレビュー、紹介を見ることができ、自分の学習したい領域に合った書籍を検索できるナレッジベースです。

データ領域のコンテンツに関して、カテゴリー、必要となる前提知識、対象読者、書籍のレビューなど、コンテンツが自分に適切なコンテンツなのか判断するための情報を整理した記事を蓄積され、学習者はこれらを確認することで、教材との最適なマッチングを実現します。

学習コンテンツをデータベース化することで、タグを使ってスキルカテゴリや、サブカテゴリ、現在の自分の学習レベルに基づいて、自分に合った最適な学習コンテンツを検索するサービス構築できるようになります。

このようなサービスの提供と多くの企業、教育機関、個人の活用は、データ×AI人材の育成・学習を支援し、データサイエンティストの不足という課題を解決に導いてくれます。

データのじかんも「Data Learning Bibliography」プロジェクトを応援しています。

データで越境者に寄り添うメディア【データのじかん】は、多くの企業に未だに残る組織内部の壁（データに対する理解のギャップ、データ活用への意欲の差、データが変える未来へのイメージの差など）が、有機的なデータ活用を阻んでいると捉えています。

このような状況の解決には、“データ”の有用性を真に理解する“共感者”を増やすことが必要と認識しており、「Data Learning Bibliography」プロジェクトの成功は、デジタル人材の不足の解消し、さらには、日本のデジタル競争力の向上に繋がると期待しています。

「Data Learning Bibliography」プロジェクトについて

「Data Learning Bibliography」は、データ×AI人材の学習に有用な教材を検索するサービスです。

開発元・プロジェクト主催者である「データラーニングギルド」では、現在、利用者が活用する書籍のレビューなどのデータベースの制作のための支援者を募っています。

READYFORで募った支援金は、以下の分野のデータベースとなるコンテンツ制作への使用を予定しています。

• SQL
• 微分積分・線形代数
• 統計学基礎
• 機械学習
• python
• データ活用に関するビジネス書

「データラーニングギルド」について

「データラーニングギルド」とは、「株式会社データラーニング」が運営するニュースタンダードな専門家コミュニティです。

データラーニングギルドは、データ活用を中心に専門家同士の交流、スキルアップ、キャリア支援、コラボレーションや仕事が生まれるような仕組み作りを提供するコミュニティを目指しており、その一環として「Data Learning Bibliography」プロジェクトに取り組んでいます。

「株式会社データラーニング」について

「データから学ぶ」データ分析の受託・コンサルティング事業と、「データ分析を学ぶ」データ分析の教育事業を柱に、データ分析の講座と実務の両軸を通じて意思決定をサポートする人材を育成していくことに挑戦しています。