データサイエンティストが激務になる条件3選【きつい?大変?忙しい?】

こちらもおすすめ
関連記事
データサイエンティストが激務になる条件3選
1. そもそもの人員数が足りているか？
2. 依頼主がデータサイエンティスト業務に理解があるか？
3. 自社開発か受託開発か？
あわせて読みたい
こちらもおすすめ

【初心者から上級者まで】Pythonプログラミング独学におすすめの本6選 (難易度順)【感想あり】 | Quant College

QuantLib-Pythonチュートリアル（導入編）をリリースしました。 | Quant College

QuantLib-Pythonチュートリアル（スワップイールドカーブ編その１）をリリースしました。 | Quant College

【やめとけ?飽和?】データサイエンティストのつらいこと7選【なくなる?後悔?クオンツからの転職】 | Quant College

データサイエンティストとデータアナリストの違い5選 | Quant College

データサイエンティストとデータエンジニアの違い5選 | Quant College

データサイエンティストが激務になる条件3選

結論としては、激務というほど忙しいことは少ないが、職場によってケースバイケースだろう。

激務度合いが高まる要素は以下の通り。

そもそも人員数が足りていなければ、激務になりやすい
仕事の依頼主（顧客、あるいは社内の他部署の人や偉い人）がデータサイエンティスト業務に理解がなければ、激務になりやすい
（社内の人ではなく）社外の顧客から依頼を受けてサービス提供する、（自社開発ではなく）受託開発のビジネスだと、激務になりやすい

1. そもそもの人員数が足りているか？

当たり前だが、業務量に対して人員数が足りていなければ、激務になりやすい。
データサイエンティストには広範な専門スキルが求められるが、それらスキルを兼ね備えている人材はいまだ希少である。

このため、十分な採用力を持っていない会社や、人材を他社に引き抜かれている会社では、少ない人員でチャレンジングな業務量をこなさないといけないため、激務になりがちである。

2. 依頼主がデータサイエンティスト業務に理解があるか？

仕事を依頼してくる人や会社が、データサイエンティスト業務に理解があるかどうかも重要な条件である。例えば次の通り。

前例や答えがない業務なので、試行錯誤に時間がかかる点を理解しているか？
そもそも必要な量・質のデータがないと適切な分析はできない点（ゴミ箱からはゴミしか出てこない）を理解しているか？
なんでもかんでも機械学習・AIで解決できると思っていないか？

依頼主の期待水準が高すぎると、

チャレンジングすぎて技術的にほぼ不可能な仕事
難易度に対して期限が短すぎる仕事

が発生してしまい、激務になってしまうことがあり得る。

3. 自社開発か受託開発か？

ケースバイケースではあるものの、受託開発のほうが自社開発より激務になりやすくストレス耐性が求められることが多いと思われる（もちろん、この辺りの話は何が正解ということはないだろう）。

自社開発型の職場では、社内の他部署や、社内の偉い人からの指示を受けてプロジェクトを進める。いわば社内向けの仕事であり、あくまで社内だけでコンセンサスが取れればいいことになる。このため、偉い人の都合に合わせないといけない点はあるものの、仕事を進める際の裁量や、プロジェクトの終了期限には、ある程度余裕を持てる場合が多い。

これに対して、受託開発型の職場では、顧客から依頼を受けてプロジェクトを進める（コンサルタントの仕事に近い）ことになる。したがって、顧客の都合に合わせないといけないほか、何事も最終的には顧客の合意を取り付ける必要がある。また、顧客に満足してもらわないとプロジェクトが終わらない、という事態も発生しかねない。