未経験からデータサイエンスへ — 未経験の私が「データで意思決定を支えたい」と飛び込んだ話
はじめに
このブログでは、未経験でデータ分析やコンサル業界に飛び込んだ私が、現場で学んだ「リアル」を初学者向けに分かりやすく伝えていきます。前職はゴルフ業界で働いていましたが（※ゴルフ場そのものではありません）、そこで見たのは「多くの会社で意思決定が経験や勘に頼っている」現実でした。この違和感が、私がデータでビジネスを支えたいと強く思ったきっかけです。
現在、株式会社SiNCEに入社したばかりの身として、まだ現場で走り回っているフェーズではありません。これから来客数予測モデルやAIを活用したクリニックの出店立地戦略のプロジェクトに参画予定です。入社直後の視点や期待感、そして初学者に向けた実践的なアドバイスを、等身大で綴ります。
なぜ「勘」ではなくデータなのか
ゴルフ業界での経験から感じたのは、現場の知見は確かに重要だけれど、意思決定が主観に依存すると再現性や説明力が弱くなる、ということです。例えば販促の効果や来客増加の理由を説明できなければ、同じ施策を別店舗へ再現できません。データがあると「なぜ効いたのか」を説明でき、意思決定が早く・納得感を持って行えます。
SiNCEに入社して（今の正直なところ
入社したてで学ぶことが山積みですが、期待で胸が膨らんでいます。これから参画予定のプロジェクト例（予定）を端的に紹介します。
小売店の来客数予測モデル（参画予定）
目的はシフト最適化や在庫計画の精度向上。季節性、天候、施策情報などを使って予測精度を上げることを目指します。
AIを活用したクリニックの出店立地戦略（参画予定）
人口構成、競合、近隣の人流データ等を統合して、成功確率が高い立地をデータで示す支援です。
現場の“泥臭さ”
実務は教科書通りに進まないことが多いです。私が事前に知っておいて良かったと感じる点を3つ。
データは整っていないことが普通
フォーマット違いや欠損、タイムゾーンやタイムスタンプのズレなど。まずは「使える形に整える」作業が必要です。
依頼の目的が曖昧なことがある
「売上を上げたい」と一言で言われても、KPI（何で測るか）を決めないと分析はブレます。初期のヒアリングでKPIを明確にする習慣を。
分析は“使われて初めて価値が出る”
正しいだけでなく、現場が実行できる形で伝えること（アクションにつながる提案）が重要です。
これからのブログで書くこと（予定）
- 実務に入ってからの参画日誌（最初の3ヶ月の学び）
- データクレンジングの実例と対処法（実務で効くテクニック）
- プロジェクト参画レポート：目的・手法・初期所感（コードは短く、解説は丁寧に）
まとめ
データは単なる数字ではなく、現場の意思決定を支えるためのツールです。入社したばかりの目線から「これから参画する現場で何を学び、どう役立てるか」を等身大で共有していきます。未経験の方、興味がある方、一緒に学んでいきましょう。
