キャリアにつながるデータサイエンス ⇒立正大学：立正大学 受験BBS

★立正大学データサイエンス学部
・立正大学データサイエンス学部は、データサイエンスの様々な分野での実績を持つ教授陣（25名）による講義と、実際にデータを用いてビジネス・モデルを展開している企業や組織との連携によるインターンシップやフィールドワークといった実践的な学びによる「文理融合型」のカリキュラムで、データサイエンスを広く実社会に応用し、ビジネスを始めとした社会のあらゆる現場で新たな価値を生み出す即戦力となるデータサイエンティストを養成します。

★データサイエンス学部の特徴や取り組み
☆様々な資格取得をバックアップ
・データサイエンス学部では様々な資格を取得、あるいはチャレンジすることが出来ます。
・例として、教職課程の履修で高等学校教諭一種免許状（情報）、任意資格である「社会福祉主事」「社会教育主事 / 社会教育士」「博物館学芸員」や、認定資格である「GIS学術士」「社会調査士 / 専門統計調査士」「社会調査士」など。
・さらに情報処理技術者試験やＩＴパスポート試験、Ｇ検定（ジェネラリスト検定）、統計検定などにも積極的に支援しています。

☆専門領域における教員のきめ細やかな専門指導
・データサイエンス学部では官公庁、スポーツ、ビジネス、観光などの各分野で25名の専任教授が指導に当たります。
・3年次から始まる専門領域の研究（ゼミナール）では各教員の研究室に所属し、集中的・専門的な指導が行われます。
・研究の成果は卒業研究（複数人数のグループが取り組む研究）あるいは卒業論文（個人で取り組む研究）としてまとめられます。

☆企業や組織と連携した実践的な教育体制
・実際にデータを用いたビジネスモデルを展開している企業や組織と連携したインターンシップやフィールドワークが行われます。
・これを通して、課題の発見とそれに対する解決策を学生が主体的に提案していくなど、社会や経済の諸課題への対応力を養います。

☆卒業後も連携できる開かれた研究・教育体制
・データサイエンスの早い技術進歩に対応するため、卒業生が大学に戻って情報交換や新知識習得の機会や最新情報が提供される場を用意しています。
・卒業生や連携先からのフィードバックを得て教育内容をダイナミックに変化させるなど、卒業生とネットワークを生かした教育・研究体制の構築を目指します。

データサイエンス学部（2021年）
新入生の男女比率：男88%・女12%
さらに多くの女子受験生歓迎！！！

これまでは ITエンジニアと言えば、一定の法則に従って動作するプログラムを構築するプログラマーや SE（システムエンジニア）が主流でした。
しかし近年、ビッグデータを正確に扱える高度なスキルを持ったデータサイエンティストの人材が必要不可欠となってきました。

あるデータサイエンティストは、
データサイエンス学部って、行く意味がある。何故ならば大学の教授と企業の間にはコネがあって、データサイエンス学部がある大学に入るだけで、インターンシップと称してその企業のデータを入手でき、分析できるからと言っていました。

データサイエンス学部は、そういう意味で恵まれた環境にあり、就職活動で「ある企業のデータを分析しています」といえば、就職で絶対に有利になるといっていました。

立正大学データサイエンス学部では、2年次に企業などで実践的なインターンシップやフィールドワークなどが課されています。これって、絶対に就職活動の時に有利に働きますよね ！！！

『卒業後は有名企業から引く手あまた？　全国で「データサイエンス学部」が増加している理由』2021.11.19　AERAdot.　からの要約

★日本は世界の中で後れをとっている
大学でデータサイエンスを学べる環境が急速に広がっているのは、社会からの要請だ。「多くの企業がデータサイエンティストを求めている」（滋賀大データサイエンス学部長・竹村彰通）というが、そこには世界と比較して日本がこの分野で後れを取っていることが背景にあるという。

★企業が優秀な社員を大学院に派遣
滋賀大では2019年に大学院にデータサイエンス研究科を設けた。ここでは社会人派遣を受け入れており、情報通信系の大手企業などから若く優秀な社員が送り込まれているという。
「連携している企業から派遣された大学院生が学生に声をかけてその企業に就職し、社内で独立した部署を作ったという事例もありました。中途採用は今、取り合いで採用できないので、本学（滋賀大）の卒業生を採用しよう、と思ってくださる企業があるのではないかと思います」

★英語と同じレベルで必要とされる時代が来る
「いくら外部に専門のデータサイエンティストがいても、その人が企業や業界の内情を全て知っているわけではないですよね。どのデータとどのデータを連携させたら役に立つのか、という具体的な事が分からないとDX（デジタルトランスフォーメーション）は進められない。医療、行政、製造業、マスコミ、どの分野でも、当該分野の人にどれだけデータサイエンス教育を教育していくかが、国や企業、行政サービスの強さに繋がっていくと思います」（京都橘大・東野輝夫教授）

こうした考えのもと、京都橘大では、来年度から経済学部をはじめ文系理系を問わず全学部で体系的にデータサイエンス教育を行う方針だという。東野教授は「データサイエンスの知識が、英語と同じくらいのレベルで必要とされる時代がもうすぐ来るだろう」という。

「国は今、大学・高専から年間50万人のデータサイエンス人材の輩出を目標に掲げています。現状、日本の情報教育は遅れていて、アメリカのようなIT中心の社会というわけではない。ただ、今後人材が増えて行けば、日本が得意とするものづくりとうまく組み合わせて、日本ならではの強みが生まれるのではないかと期待されています」（東野教授）

就職活動を有利に進めるためには、インターンシップやフィールドワークに参加して、まずは企業の人たちと顔見知りになることが大事です。　そして、その後は夏休みなどを利用して、その企業でアルバイトなどをして企業の人たちに自分の存在をアピールすることが、就職戦線を勝ち抜いていく方法だと思います。

★ データサイエンスに興味のある人にお勧めの動画があります！！！
データサイエンティストになりたいと興味がある人は、ぜひ動画をご覧になってください！！

YouTube 動画：シス☆スタ（略称名）、　正式名称：株式会社セゾン情報システムズ【公式】
参考動画例：シス☆スタ 【全会社員がデータを活用する仕組み 〜データドリブンプラットフォーム 〜
※その他多数の参考になる動画があります！！！

★ その他のオススメ YouTube 動画！！！
● HULFT Square LESSON コンテンツ　「ビジネスのデータ活用ってそもそもどうやるの？」
by ＨＵＬＦＴチャンネル【公式】

★なぜデータサイエンス（デジタル化）がこれからの時代で必要なのか？
【日本が海外に比べてあまりに遅れている・・・コロナ禍で気づいた、「たった一つの恐ろしい原因」】　2021年12月10日 幻冬舎GOLD ONLINE の記事の要約より

● コロナ禍、否が応でも気づいた「日本の遅れっぷり」
欧米先進国と比較しても日本の労働生産性が低いのは、日本企業のビジネスイノベーションに対する感度の低さと収益力のなさが主たる要因ですが、その根底には現場レベルでのデジタル化の遅れが密接に関係しています。
国のみならず地方自治体レベルでの様々な行政システムにおいて、統合的な仕組みになっていないことは、結果として膨大なコスト増になり、我々の生産性向上の阻害要因となっています。
そのような状況を招いたのは、様々な業務においてコンピューターシステムやソフトウェアを導入する際に、統一的な基本コンセプトがなく、それぞれの省庁や自治体の部局において、各ベンダーへの入札を経た調達がバラバラに行われた結果であることは容易に想像できます。

● 日本が「海外よりも遅れている」残念なただ一つの理由
日本企業には、自社のビジネスにテクノロジーを生かそうという意識が海外企業と比較すると低いのではないか、という意見を聞いたことがあります。
日本では、現場の人たちの経験や知見によってビジネスを円滑に運営し、売り上げを伸ばそうという職人的で、かつ属人的な対応が一般的でした。今でもこの風潮や雰囲気は、根深く日本企業に残っているのではないでしょうか。
一方、デジタル化というのは、ある意味優れた日本企業の職人的、属人的な仕事の進め方に対して、全てを定型化していくような逆の方向性であり、この辺りが日本企業の現場でデジタル化を受け入れ難い事情であったと思われます。
また、会社全体として経営者がIT技術を多彩に活用してビジネス自体を伸ばしていこうという意識が希薄であること。
さらに経営陣による大胆なデジタル投資への意思決定がなかなか進まないこと。それは経営陣の中に最新の世の中の動向やデジタル技術自体への知見が乏しいためと思われます。
日本企業のデジタル化の遅れは様々な要因が複雑に絡みあっていますが、最大の問題は、経営陣がグローバルな大きなデジタル化の潮流を見逃してきたという事でしょう。

★2025年の大学入学共通テストの出題教科にプログラミングを含む「情報」（Information) の科目が必修化！

・高校の改定された新学習指導要領では、共通必修科目「情報�T」が新設されます。必修科目となったことで、高校生全員がプログラミングを学ぶことになります。

「情報�T」は、以下４つのカテゴリーに分けられます。
１．情報社会の問題解決
２．コミュニケーションと情報デザイン
３．コンピューターとプログラミング
４．情報通信ネットワークとデータの活用

● 大学入試への影響
・2021年3月24日に大学入試センターが、2025年1月に実施する大学入学共通テストの教科、科目の再編案を公表しました。
・その中で、【プログラミングや、データサイエンスに必要な統計処理、情報リテラシーの知識などを試す「情報」を導入し、国語や数学などと並ぶ基礎教科とする」ことを発表しています。
・プログラミングは、国語と算数と並ぶ教科の位置づけとなり、プログラミング知識を問われる「情報」科目が、入試科目となっています。
・基礎教科、入試科目となった背景は、急速に発達するIT社会で活躍できる人材育成や、2030年に最大79万人の不足が見込まれるIT人材確保の、裾野拡大につなげる狙いがあります。

※このようにデータサイエンスの知識の需要は益々大きくなっていきます。

★G7で最下位・・・日本の「労働生産性」上げるには、”社長を称賛しないこと”
女性自身 2021年12月28日 評論家・加谷珪一さんの記事を一部抜粋

◇日本の生産性は米国の6割ほど

「時間当たりの労働生産性（以下・生産性）」は、1人の従業員が1時間にどれくらいの製品やサービスを生み出したかを数値化したものだ。

12月17日、2020年の日本の時間あたりの「労働生産性」が OECD 加盟38か国中23位、G7（先進国首脳会議）では最下位だということを日本生産性本部が発表した。その値は、49.5ドル（約5086円）で、米国は80.5ドル（約8282円）の6割ほどの水準だという。

「日本の生産性の低さは、労働時間が長く労働者数も多いのに、そもそもの『儲けが小さい』ことが背景にあります。日本企業は終身雇用制で正社員の解雇は難しく、余剰人員は多い。一方、欧米はそれと比較して3分の2ほどの人数で生産しています」


◇企業、政府がスキルアップを後押しする

経営者が”チャレンジ”しないので、社員もスキルアップをしようという意識が働かない。その結果、社員が労働で生み出す「付加価値」も高まることはない。

近年、社員のスキルアップを通じて生産性を高めようという動きは、日本の一部大企業でも見られるようになった。

「先日、Yahoo ! JAPAN が約8千人の全社員に、AI、データサイエンティストなどの最新テクノロジーのスキルをアップさせるプログラムを始めることが明らかになりました。数年後には全員が身についていることが目標だといいます。オンライン講座などの設備費や環境は会社が準備し、後は個人で習得してくださいということ。また、
GMOインターネットは2023年度から、新卒採用をエンジニアや統計のスキルのある人材に絞ると発表。他にもこうした方向にシフトする会社が出てきている。そうしないと生産性が上がらないんです」

以下省略

★立正大学データサイエンス学部学部長・北村行伸先生の経歴がすごいです！！！

北村先生は日本の経済学者で、一橋大学名誉教授、総務省統計委員長、一橋大学経済研究所前所長を歴任しています。専門は応用計量経済学、ミクロ計量経済学、金融・財政論、公共経済学。

略歴
1981年　慶応義塾大学経済学部卒業
1982年　ペンシルベニア大学大学院（修士課程）卒業
1988年　経済協力開発機構（OECD）パリ事務局事務官
1989年　オックスフォード大学大学院（経済学博士Ph.D.）取得
1991年　日本銀行金融研究所研究員
1996年　慶応義塾大学大学院商学研究科客員助教授
1999年　一橋大学経済研究所教授
2020年　立正大学経済学部教授
2021年　立正大学データサイエンス学部学部長

研究テーマ
社会経済の諸問題を、統計データを使って実証分析すること。とりわけ金融・財政などの分野での経済政策に関わる研究。仮想通過や電子商取引に関わる問題の研究。世代間移転に関わる研究。

担当科目・ゼミ
・データサイエンス入門
・データサイエンスと価値創造
・計量経済学
・EBPM

教員から学生へのメッセージ
ゼミナールでは、データサイエンス全般の問題を取り上げます。データを使った分析、そのための手法の習得、データを使った様々な社会実装について学びます。

研究業績等
著書
・北村行伸　「パネルデータ分析」、2005年、岩波書店
・北村行伸　「ミクロ計量経済学入門」、2009年、日本評論社
・北村行伸　（編著）「応用ミクロ計量経済学１」、2010年、日本評論社
・北村行伸・宮崎毅　「財政改革のミクロ実証分析　家計経済から見た所得税・消費税」、2013年、岩波書店
論文
・北村行伸　「生活水準の概念と計量の再検討」、2020年、〔経済研究〕、71(1)、102-122
・その他、英文論文多数

所属学会
・Econometric Society
・American Economic Association
・日本経済学会
・日本統計学会
・日本金融学会
・日本財政学会
・生活経済学会

★立正大学データサイエンス学部のNEWS：お知らせ・教員情報・イベントについては、https://www.ris.ac.jp/ds/　まで。

※特に、イベント欄には、【スポーツパフォーマンスにおけるデータの活用】についての「講習会」のお知らせなどが掲載されています。
どうぞご利用ください。

★データサイエンス系　大学教育組織連絡会　2020年8月20日設立

◇組織会員
・滋賀大学データサイエンス学部
・総合研究大学院大学複合科学研究科統計科学専攻
・長崎大学情報データ科学部
・一橋大学ソーシャル・データサイエンス教育推進センター
・兵庫県立大学社会情報科学部
・立正大学データサイエンス学部
・群馬大学情報学部（11月16日加入）https://www.gunma-u.ac.jp/information/83078

◇設置目的
データサイエンス系の専門学部・学科・研究科・専攻等が協力・共同し、教育・研究・運営の在り方等について継続的な議論を通して、大学及び大学院におけるデータサイエンス分野の教育・研究を推進するとともに、産官学の直接的な対話を促進し対外的な意見や要望を発信することをもって、我が国におけるデータサイエンス教育・研究、科学技術や経済社会の発展に寄与することを目的とする。

★ 立正大学様と「データサイエンスを活用した企業データ分析」に関する共同研究を実施
FUJITSU 富士通フロンテック　のトピックより


富士通フロンテック株式会社（以下、当社）は、立正大学（注1）様と「データサイエンスを活用した企業データ分析」に関する共同研究プロジェクトを実施しています。

立正大学様は、データサイエンスに関わる研究推進と、データサイエンス教育および業務への活用支援を目的とした全学的な組織として、2021 年4 月にデータサイエンスセンターを設立しました。データサイエンスセンターに所属するデータサイエンス学部（注2）の教授が本プロジェクトに参画しています。

本プロジェクトでは、当社製品の構成部品の交換・故障などに関する膨大なデータを活用し、統計解析や機械学習を応用することで、交換・故障パターンと部品の対応関係を推定、部品在庫の計画管理を実現する研究を推進しています。2022年度中に予測モデルの構築を目指しています。

当社は、業務における様々なデータを基に、データサイエンスの技術を応用し、当社製品・サービスの品質管理や在庫管理などの適正化・効率化を始めとした、新たな価値創造に結び付けていく取り組みを行っていきます。

◆ 本共同研究の概要
1. プロジェクトタイトル
「データサイエンスを活用した企業データ分析」

2. 期日
2024年3月31日まで

3. プロジェクトメンバー（敬称略）
プロジェクトリーダー：高部 勲（立正大学 データサイエンス学部 教授）
プロジェクトメンバー：上原 宏（立正大学 データサイエンス学部 教授）
共同研究員：青木 謙次（富士通フロンテック株式会社 執行役員 サービス事業本部 本部長）
共同研究員：Jin Yanling / 金 研伶（富士通フロンテック株式会社 サービス事業本部）

◆ 関連リンク
立正大学 データサイエンスセンター

◆ 商標について
記載されている製品名などの固有名詞は、各社の商標または登録商標です。

◆ 本件に関するお問い合わせ
富士通フロンテック株式会社 サービス事業本部 DXビジネス推進統括部

お問い合わせフォーム
以上

◆ 注釈
注1 立正大学：
所在地 東京都品川区（品川キャンパス）、学長 寺尾 英智。
注2 データサイエンス学部：
所在地 埼玉県熊谷市（熊谷キャンパス）、学部長 北村 行伸。

立正大学データサイエンスセンター

★ スポーツデータサイエンスプロジェクト

＊プロジェクト期間
2021.04 〜 2024.03

＊プロジェクトリーダー
永田　聡典

＊プロジェクトの概要

(1) **スポーツサイエンスを活用したアスリート支援プロジェクト
・プロ野球BCリーグチーム「埼玉武蔵ヒートベアーズ」との盗塁パフォーマンス向上プロジェクト
　地域連携事業の一環として、データ活用した走行分析とスプリントトレーニングを併せて実践することによって選手の盗塁パフォーマンスの向上を目指しています。

・陸上中長距離トップアスリートクラブ「TwoLaps」とのスポーツ科学サポートプロジェクト　
　ランニングパフォーマンスに関わる身体機能の分析及びレジスタンストレーニングを中心とした科学的サポートによって、選手のパフォーマンス向上を支援しています。

(2) サッカーにおける選手の運動を予測するモデルに関する研究
　サッカーなどの集団球技において、選手の数秒後の到達位置を予測する運動モデルに着目しています。トラッキングデータやウェアラブルデバイスを用いた実験を基に、妥当な運動モデルを提案することを目標としています。

＊プロジェクトで何を明らかにするのか（研究手法・分析手法など）

後半につづく {emj_ip_0675} *(1) スポーツサイエンスを活用したアスリート支援プロジェクト

前半からのつづき

(1) **スポーツサイエンスを活用したアスリート支援プロジェクト
【プロ野球BCリーグチーム「埼玉武蔵ヒートベアーズ」との盗塁パフォーマンス向上プロジェクト】
地域連携事業の一環として、走塁に関する走行分析とスプリントトレーニング、ストレングストレーニングを併せて行うことによって選手の盗塁パフォーマンスの向上を目指します。

【陸上中長距離トップアスリートクラブ「TwoLaps」とのスポーツ科学サポートプロジェクト】　
ランニングパフォーマンスに関わる身体機能の分析及びレジスタンストレーニングを中心としたスポーツ科学サポートによって、選手のパフォーマンス向上を支援します。

(2) サッカーにおける選手の運動を予測するモデルに関する研究
選手の全力疾走を記述する運動モデルとして、駆動力、内部抵抗、空気抵抗、方向転換、選手間相互作用を取り入れた運動方程式を提案し、その妥当性をトラッキングデータや実験により検証します。また、運動方程式の解の性質の検討、パラメータ推定や数値計算の手法開発にも取り組みます。

＊プロジェクトの成果は何に応用できるのか

**(1) スポーツサイエンスを活用したアスリート支援プロジェクト

本プロジェクトにおけるトップアスリートのデータを計測し科学的なトレーニング戦略を構築していくプロセスからは、データを活用する人材に求められるスキルが学習、修得できると考えられます。よって、課題解決のためのデータ活用方法や、データを元に他者と協働して意思決定していくための技能を学ぶ体験学習コンテンツへの応用が考えられます。

(2) サッカーにおける選手の運動を予測するモデルに関する研究
サッカーにおいてスペースの価値を定量化するには、選手の各位置への到達時間を正確に計算できる運動モデルが必要となります。本プロジェクトによって妥当な運動モデルが明らかになれば、到達時間を基にしたスペース評価手法を実際の試合分析に応用できる可能性があります。具体的には、選手のポジショニングや動き出しの定量化、あるいはスペースの価値をリアルタイムに可視化するシステムの開発などにつながると期待できます。

＊これまでの成果
2022年度プロジェクト成果報告書：https://www.ris.ac.jp/dsc/projects/cuefqf00000004cb-att/a1684116636907.pdf

立正大学データサイエンスセンター

★ スポーツデータサイエンスプロジェクト

＊プロジェクトリーダー
永田　聡典

＊プロジェクトメンバー
家富　洋　研究員
成塚　拓真　研究員
松尾　忠直　研究員
宮崎　善幸　研究員
渡辺　美智子　研究員
井川　貴裕　共同研究員
角　淳之介　共同研究員

立正大学　Rissho University
品川キャンパス
熊谷キャンパス

★ 1本のヒットが運命を変えた・・・樋口正修が中日入団という”奇跡”を起こせた3つの理由
＊立正大学データサイエンス学部と提携し、継続的な細かい計測と分析により、走りを科学で後押しするシステムの軌跡！
文春野球コラム・ウィンターリーグ2023
by HISATO

ドラフトは生き物だ。上手く運ばない事の方が多い。それなのに、こんな奇跡があるのかと誰もが驚いた。大逆転だった。

昨秋のドラフト会議の事だ。中日ドラゴンズが育成3位で指名した樋口正修（埼玉武蔵ヒートベアーズ）には、その3日前まで調査書は届いていなかった。BCリーグとしては初の試みとして遠征したみやざきフェニックス・リーグに、最後のチャンスと樋口も参加した。そのうちの1試合としてたまたま中日戦が組まれていたのだ。

その日、10月16日、樋口は第1打席でライト前に二塁打を打ち、片岡篤史二軍監督の目の前を持ち前のスピードで駆け抜けた。深い当たりではなかったが二塁へ到達し、類まれな足を証明して見せた。

試合を終えた片岡監督は、樋口に言った。

「お前、NPBに行く気はあるんか？」

否と言うわけもない。片岡監督から立浪監督へ話が通り、その翌日に樋口は宮崎滞在のまま、急遽調査書を書いたのだという。

埼玉武蔵の首脳陣ですら「もう今年の指名はない」と彼を翌年の主力選手として計算していた。ヒット1本打ったからといって、運命が変わると誰が思っただろう。そんな「奇跡」が起きた理由が、樋口にはあった。


【もっと速くならなきゃならないんです】

さらに続く・・・：https://bunshun.jp/articles/-/60992

★ 立正大学データサイエンス学部データサイエンス学部【mote】について

立正大学データサイエンス学部の活動・ニュースについて発信しています！


（＾〜＾）： https://note.com/rissho_ds/

◆ データサイエンス学部と情報学部の違いについて

＊ データサイエンスは新しい学問で、統計学、機械学習やAI（人工知能）、データの分析など、色々な領域の手法を組み合わせて、蓄積された大量のデータから得られた情報を、【どのようにビジネスに活用するかの企画力や提案力が求められる学問】です。それゆえに「文理融合学部」と言われています。
別の言い方をするとデータサイエンス学部は、計量経済学の領域とほぼ一緒なので、ジャンルは文系ですが数理的な解決を要求されるので数学の知識が必要となります。

それに対して情報学にはインフォマティクスとコンピュータサイエンスの2系統があります。

＊ インフォマティクスは【情報学】のことで【情報】が関係する分野全てという広範囲の学問です。（文系的要素と理系的要素のどちらも含まれる広範囲な領域）

＊ コンピュータサイエンスは【計算機科学】のことで、IT（コンピュータ＝機械）の仕組みについて学ぶ学問です。情報学部や工学部の【情報工学科】に相当します。（ガチで理系の学問）

どんなにAI（人工知能）が開発されても、人口知能は与えられた課題を過去に機械学習によって蓄積された知識から答えを導くので、未来の課題に対する予測をするという点で人間のように柔軟な発想が出来ません。確かにAI（人工知能）の研究はこれからも益々発展すると思いますが、データサイエンスとAI（人工知能）は持ちつ持たれつの研究分野になることと私は思います。

※「計量経済学」とは：統計的手法を用いてデータを分析し、社会経済現象のメカニズムを解明する学問のこと。
※「文理融合型の学部」では、カリキュラムに【課題解決型の学習】(PBL=Project Based Learning)を取り入れています。これは文系・理系のさまざまな知識を活用して、社会に出た時に役立つ【問題解決能力】を育てることが狙いです。

【まとめ】：データの処理・分析・可視化によって新たな価値を見出し、目的達成や課題解決のために最適な提案をすることが、データサインエンティストには求められています。

No.1
◆　ChatGTP（生成AI）　が答えた一般的な欠点について

ChatGTP の一般的な欠点は、以下のような点が挙げられます。

・知識の限界：私の知識は2021年までのものであり、それ以降の情報は持っていません。また、事実と異なる情報を提供する可能性もあります。
・文脈の欠落：ChatGTPは過去の会話履歴を持っていません。そのため、先に進むにつれて文脈を失い、一貫性のある会話が崩れることがあります。
・誤った情報：ChatGTPはトレーニングデータから学習したものであり、信頼性の低い情報や偏った意見も含まれる可能性があります。
・応答の曖昧さ：質問に対して明確な回答をすることができない場合もあります。適切な情報が不足している場合や、質問が曖昧な場合に発生します。
・倫理的懸念：AIは悪用される可能性があります。誤った情報の拡散、プライバシーの侵害、差別的な内容の生成などの倫理的懸念が存在します。
・意図の理解の欠如：ChatGTPは会話の背後にあるユーザーの真の意図を理解することが難しい場合があります。そのため、適切な支援やサポートを提供できないことがあります。

これらはChatGTPが持つ一般的な欠点ですが、技術が進化しているため、これらの問題に対処する改善が行われている可能性があります。

◆　AI（人工知能）について

AIはさまざまな分野で非常に価値のあるツールとなっています。データサイエンスや機械学習の分野では、AIは膨大なデータの処理や複雑なモデルの構築、高度な予測能力などに活用されています。しかし、AIも完全な解答を持つわけではありませんし、【あくまでツールやサポートの一部】です。

AIは情報を提供し、問題解決の手助けをすることができますが、【成功するためには人間の努力や創造性が不可欠】です。データサイエンスやビジネスの領域では、AIを活用することで競争力を高めることができますが、【それは努力や専門知識を持った人間の指導や適切な活用に依存しています】。

【AIは私たちが持つ能力を補完し、新たな可能性を開拓する手段です】。そのため、AIを活用することで効率化や収益の最大化を目指すことは価値があると言えます。ただし、結果を得るためには努力や適切な戦略が必要です。

No.2に続く

No.2

※ どんなに AI（人工知能）が進化しても、やはり人間による作業は無くならないと思います。
特にビジネスを円滑に進める上では、相手がどのような考えを持っているかを察して、空気を読む事が重要になる場面が多くあります。そして、その空気を読むという行動が、後々の大きなチャンスに繋がっていくというケースも決して少なくありません。

「相手の気持ちを察して空気を読む」といった行動は、人間だからこそできるものであり、AI(人工知能）が簡単に行えるものではありません。ただ AI(人工知能）は過去のデータに基づく予測が得意であり、AIが最善と判断したものが正しい可能性があります。　しかし、それはあくまでも「そのビジネスに関わる人間の心理」を差し引いた上で導き出されたものに過ぎません。

そのため、AIを活用して業務効率化を図っていくことも重要ではありますが、必ずしもすべての業務にAIを活用できるわけではないと考えておいた方が良いでしょう。言い換えれば、AIでは難しい「相手の気持ちを汲み取る必要のある業務」においては、私たち人間の力に頼らねばならないのが現実です。

河合塾偏差値35

令和5年度　立正大学データサイエンスセンターセミナー

★ 日本の家族構成と行動分析を介した発展的な産学融合

立正大学データサイエンス学部
2023年12月8日（金）　白川清美

◆ データサイエンスセンタープロジェクト

１．プロジェクト名：
「日本の家族構成とその行動分析」
２．プロジェクトの期間
2021年10月1日〜2024年9月30日
３．概念
社会生活基本調査や国勢調査の公的統計調査のデータに基づいた無償労働時間の男女間格差や少子化状況の分析及びその結果の可視化により、根本的な要因を導出する。

◆ 連携企業
プロジェクト実施による企業との連携

＊株式会社タクミインフォメーションテクノロジー
・生活時間調査データの分析
・SASを使ったデータ分析の講義の実施
⇒ 機械学習ができるSAS VIYA 等

＊株式会社プラージュ
・生活行動データ可視化アプリ
⇒ 「Life Tracker の開発（デモ可能）
・データ取得システムの構築（開発中）

➡ 続きを読む：https://www.ris.ac.jp/dsc/news/n39op1000000004a-att/a1702446439684.pdf

★ ビジネス成功のカギは気象情報にある？　SDGｓ時代は天気から収益を上げる！　
　 【気象データアナリスト / 気象データサイエンティスト】

FRANKLIN JAPAN ＞ 気象情報サービス > 気象情報ソリューション


2人に1人がSDGsについて認識しているSDGs時代の今、様々な企業が持続可能な社会の実現に向けて、新しいプロジェクトや工夫を練っています。そんな新しい挑戦に気象情報が活用できることを知っていますか？　今回は「気象情報がなぜ重宝されるのか？」、について徹底解説していきます。

◆ 気象情報に収益が左右される職業とは？

・土木や塗装、建築関係×天気
・漁業・農業 ×『風・雨』
・観光業・リゾート事業
・アパレル

◆ 天気情報の具体的な活用方法とは？

・観光業の場合（企業）
・ゴルフ場の場合（企業）
・洗濯の場合（家庭）

詳しくはここをクリック：https://www.franklinjapan.jp/solution-case/2273/

★ 環境学や気象学について学べる大学

◆ 【みんな輝く気象学会】より　　気象学が学べる大学・大学院

＊ 大学名：https://www.metsoc.jp/jinzai/link/index.html

◆ 気象データが各学会で多角的に活用されている【日本気象学会】の事業と導入例の紹介

詳しくはここをクリック：https://www.metsoc.jp/jinzai/link/index.html

◆ 気象データが各学会で多角的に活用されている【日本気象協会】の事業と導入例の紹介

詳しくはここをクリック：https://www.jwa.or.jp/case/


★ 立正大学地球環境科学部環境システム学科・データサイエンス学部について
【気象データアナリスト・気象データサイエンティストを目指す！】

● 環境気象学分野・環境情報学分野 紹介

立正大学熊谷キャンパスのある埼玉県熊谷市は、関東平野北西内陸域に位置しています。2007年8月16日には当時の日本国内の観測史上最高気温を更新する40.9℃を記録し、暑い街として一躍有名になりました。さらに2018年7月23日に日最高気温41.1℃を観測し、ふたたび国内最高気温を更新しました。熊谷は、日本のヒートアイランド研究の先駆けとして古くから観測的研究が実施されてきた街でもあります。このように、熊谷は環境気象学を学ぶには絶好のフィールドと言えるでしょう。

立正大学地球環境科学部環境システム学科環境気象学分野では、熊谷を中心とした関東平野北西域で夏季にしばしば発生する猛暑など局地気象のモニタリングやその解明、熊谷市街地ヒートアイランドの観測や形成メカニズムなどを中心に、気象観測から数値モデルによるシミュレーションまで幅広い手法を用いて研究を行っています。

◆ 立正大学地球環境科学部【環境システム学科】で学ぶ

● 環境情報学分野（3年次から環境データサイエンスを活用）
● 環境気象学分野（3年次から）
● 勿論、データサイエンス学部でも、気象データアナリストになるための知識を学ぶことができます

では、気象データアナリストとなるために必要な専門知識を深く、幅広く学ぶことができます。　あなたもチャレンジしてみませんか？

★ 気象情報がこれからのビジネスの成功のカギを握るようになる！！！
〜 気象データアナリスト、気象データサイエンティスト〜

2023年12月8日、スキルアップAIの記事・【気象データアナリストとは】より


◆ 気象データアナリストとは

気象データアナリストとは、気象データの知識とデータ分析の知識をもち、気象データとビジネスのデータを分析することによって、企業が抱える問題の解決や新しいビジネスの提案をする人材です。

気象庁では、以下のように定義しています。

気象データアナリストとは、企業におけるビジネス創出や課題解決ができるよう、気象データの知識とデータ分析の知識を兼ね備え、気象データとビジネスデータを分析できる人材です。
気象庁「「気象データアナリスト育成講座」の認定制度について」より引用

気象データアナリストは、一般的なデータサイエンスの知識に加えて、気象データ特有の専門知識についても理解している必要があります。
例えば、スーパーやコンビニにおいて「商品の売上データ × 気象データ」を分析することで、天候や気温による売れ行きを予測することが挙げられます。アイスは〇℃以上になると売れるという過去のデータを用いて、販売促進に役立てるのです。

このように気象と人の購買行動は密接な関係にあります。データから各業界と気象の関係性を分析することによって、ビジネスに新しい価値を見出すことが気象データアナリストの役割です。

※ 目次

・気象データアナリストとは
・気象データアナリストの需要
・気象データが社会に与える影響
・気象データアナーリストの仕事内容
1.クライアントへのヒアリング
2.データの収集・整理・分析
3.モデルの開発と評価
4.施策の実行
5.結果報告
・気象データアナリストの2つのメリット
1.データ分析の専門家として重宝される
2.企業の売上向上や業務効率化に貢献できる

・以下、その他に続く

詳しくはここをクリック：https://note.com/suai/n/ne23b7c64aae2

立正大学地球環境科学部環境システム学科

環境情報学分野紹介

■Topics■


◆オープンキャンパス用情報公開：環境のデータサイエンスを学ぼう!! New



環境データサイエンスとは？

環境システム学科環境情報学分野では、環境データサイエンスを用い、「物化生地」の枠にとらわれず社会の問題を含む環境の課題に対応できる人材を育てております。

環境データサイエンスは、環境システム学科環境情報分野が1998年の開設時から作り上げてきたカリキュラム体系であり、観測データ、ドローンや人工衛星などによる面的な空間情報を含む環境情報を、AI、統計解析、数値シミュレーションなどのデータサイエンスの手法でモデル化し、様々な環境問題に適用しております。


I　 環境情報を使った環境データサイエンスとは？



II　環境データサイエンスで何かできるか？

・　ヒートアイランドの原因を探る（気象分野との連携）

・　ニホンリスの生息域評価を行う（生物分野との連携）

・　荒川河川敷 上流-下流の植生の変遷を調べる（地学・生物分野との連携）

・　災害時の被災個所をAIで早期発見する（地学・水文分野との連携）

・　美味しいお米を見分け圃場の管理を行う（農業分野との連携）

＊ 詳しくはここをクリック【環境DSとは？】：https://rissho-es.jp/info/oc.html#:~:text=%E7%92%B0%E5%A2%83%E3%83%87%E3%83%BC%E3%82%BF%E3%82%B5%E3%82%A4%E3%82%A8%E3%83%B3%E3%82%B9%E3%81%AF%E3%80%81%E7%92%B0%E5%A2%83,%E3%81%AB%E9%81%A9%E7%94%A8%E3%81%97%E3%81%A6%E3%81%84%E3%81%BE%E3%81%99%E3%80%82

★ 気象は農業、観光、製造・販売さらには消費者の行動など様々な分野に大きな影響を与えます　〜あなたのビジネスをより良くするために気象データを活用してみませんか？〜

◆ 気象ビジネス推進コンソーシアム / Weather Business Consortium
〜多様な気象データを高度利用し、様々な社会課題の解決や産業創出・活性化を目指す産官学の連携組織〜

＊ 詳しくはここをクリック：https://www.wxbc.jp/

＊ 事例集：https://www.wxbc.jp/bizcasestudies/web/

＊ データ活用事例（事例インタビュー、気象データ利用ガイド、利活用事例集）：
https://www.wxbc.jp/exampleandinterview/

◆ 地理情報システム（GIS：Geographic Information System) とは、
地理的位置を手がかりに、位置に関する情報を持ったデータ（空間データ）を総合的に管理・加工し、視覚的に表示し、高度な分析や迅速な判断を可能にする技術のこと。

◆ 地理空間情報（Geospatial information）とは、
空間上の特定の地点又は区域の位置を示す情報（位置情報）とそれに関連付けられた様々な事象に関する情報、もしくは位置情報のみからなる情報をいう。地理空間情報には、地域における自然、災害、社会経済活動など特定のテーマについての状況を表現する土地利用図、地質図、ハザードマップ等の主題図、都市計画図、地形図、地名情報、台帳情報、統計情報、空中写真、衛星画像等多様な情報がある。

◆ リモートセンシング（Remote Sensing）とは、
遠く離れたところ（リモート）から、対象物に触れずに対象物の形や性質を測定する（センシング）技術のこと。　GIS (地理情報システム）の世界では、人工衛星や航空機などが搭載している測定器（センサー）によって遠隔でものを調べる技術として知られている。


※ これらの空間情報を重ね合わせて様々な解析を行うことができるGIS (地理情報システム）は、研究・教育機関だけでなく、行政機関や民間企業でも積極的に利用がなされています。　

【立正大学のデータサイエンス学部や地球環境科学部・環境システム学科】では、GISの操作方法や衛星画像も含めた様々な空間情報の活用方法について学ぶことが出来ます。　

★ 気象データを使ったデータサイエンス

気象・気候の変化は、様々なビジネスに大きな影響を与えます。
例えば、農業は気温・雨量・日照といった気象条件、水産業は水温・波・風等の気象条件によって、特に影響を受けやすい業種です。また、鉄道・航空等の交通機関や、物流業、宿泊・観光業等も、異常気象の発生によって大きな影響を受けます。

◆農業
気象データとAI・IoTの技術を連携させる事で、より正確な管理と適切な収穫時期の見極めを容易にし、作物の高品質化を図る事に繋がります。

◆ メーカー・物流業・小売業
メーカー・物流業・小売業にとって、「いつ」「どの商品」が「どれだけ」売れるかを正確に分析する事は重要な課題です。これらが分析できれば、商品の不足や過剰供給を防ぐ事ができ、生産性の向上を図ることができます。
商品の売れ行きについての気象データの活用で、例えばコンビニなどに於いて暑くなればビールや清涼飲料水、アイス等が売れ、寒くなればおでんや肉まん等が売れます。雨になればビニール傘の売上げが好調になります。

◆医療関係
特定の気象条件で痛み、吐き気、めまい等の症状が生じる「気象病」があります。
例えば、毎日の体調を記録しておけば、気象データとの相関関係を自動的に分析してくれるアプリを使って、日々の体調をあらかじめ予想する事ができます。
他にも、花粉症、インフルエンザ、デング熱といった季節性の病気の蔓延予想等にも気象データは有効活用ができます。

★ 民間の気象情報サービス
　 気象振興協議会：https://www.w-shinkou.org/link/

★ 地図・気象情報サービス業界 市場規模・動向や企業情報
　 NIKKEI COMPASS

＊業界概要
地図情報市場は2025年に2000億円市場へ

＊地図・気象情報サービスのレポート
業界レポートを閲覧することで、最新の業界動向・競合環境を簡単に理解・把握できます

＊市場動向
気象情報サービス市場は気象リスクへの関心の高まりやネット技術の発展によって、今後も成長が見込まれています。気象庁は気象情報のビジネスへの有効活用を企業に呼びかけています。

地図・気象情報サービス業界 市場規模・動向や企業情報：https://www.nikkei.com/compass/industry_s/0857

★ お天気データサイエンス
〜気象データ提供・利活用サポートサービス〜
　日本気象株式会社

＊気象データの真価を発揮し、暮らしを安全・安心で、より豊かなものへ

お天気データサイエンス：https://ods.n-kishou.co.jp/

>>32と>>25と>>29

この3つに出ている企業で、インターンシップやコネ作り、就職活動でのエントリーシート提出をすれば、結構良いキャリア形成の第一歩になると思う。

あとは、気象データアナリストになるためには、データサイエンス学部がいいのか、地球環境科学部の環境情報学分野、または環境気象学分野のどれを選ぶのがベストなのか、誰か教えて欲しい。

大学で気象学について学ぶ前に読んでおくと良いオススメの本！！

★ 見えない大気を見る　身近な天気から、未来の気候まで
日下博幸著　(くもん出版) 　1540円 (税込み)

虹や風とは一体何なのか。雨はどういう原理で降るのか。本書を読んで、家でもできる簡単な実験を通じて気象の原理を学び、疑問を解決してみることをオススメします。

それ以外にも、天気予報の仕組み、ゲリラ豪雨、フェーン現象、地球温暖化予測についての最新の研究結果や気象予報士も知らない新説に触れることができます。

また、大学の気象学の講義や学生の研究の様子、卒業後の就職状況も紹介。気象学を学んだ卒業生たちが、現在の仕事に対する思いを語っています。

気象学はもちろん、他の自然科学の研究や、大学での勉強に興味をかき立ててくれる書籍です。


◆ 将来、気象データアナリスト、気象データサイエンティストを目指したい！
【みんな輝く気象学会】　➡　気象学が学べる大学・大学院　より

＊立正大学
・地球環境科学部：環境システム学科・気象・水文コース・環境気象学分野、環境情報学分野（環境データサイエンスを活用）
・データサイエンス学部：データサイエンス学科・気象データサイエンス研究室
・［M、D］地球環境科学研究科 環境システム学専攻 気圏環境学分野

★ 詳しくは、【みんな輝く気象学会】⇒ 気象学が学べる大学・大学院一覧：https://www.metsoc.jp/jinzai/link/index.html

★ 立正大学・気象データサイエンス研究室/ News & Topics、研究室紹介、学びについて
ここをクリック：http://h2lab.html.xdomain.jp/

★ 立正大学地球環境科学部環境システム学科・環境気象学分野/ 分野紹介、新着情報、教員紹介
ここをクリック：https://rissho-es.jp/met/

★ 立正大学地球環境科学部環境システム学科/ 教員紹介（環境生物学分野、環境地学分野、★ 環境気象学分野、環境水文学分野、★ 環境情報学分野）
ここをクリック：https://rissho-es.jp/staff.html

◆立正大学データサイエンス学部の特徴とは

・データサイエンスを体系的に学ぶカリキュラム
・企業や組織と連携した実践的な学び
・理系よりの高度なAIやプログラミングを駆使できる科目群の他に、文理融合系の多様な分野（ビジネス・社会・観光・スポーツ）でデータ利活用の実績を持つ教授陣による講義

＊ビジネス：ものづくりの現場や市場、流通などの過程で収集されるビッグデータの分析から、新しい視点での問題解決やこれまでにないビジネスモデルを創出する ⇒ Keywords として
経済学・経営学、マーケティング、金融データ分析、サービス科学、イノベーションマネージメント

＊社会：国に関する統計データをはじめ、様々なデータを活用し、まちづくり、環境問題、医療、教育など、社会が抱える様々な課題の解決や公共政策の立案に貢献する ⇒ Keywords として
社会調査 / 地域分析、EBPM（証拠に基づく政策立案）、犯罪社会学、リモートセンシング、空間情報システム / 気象データ解析、環境、地理情報システム

＊観光：携帯電話の位置情報や購買記録、SNSの投稿など、旅行者に関わる膨大なデータを分析し、新たな観光スポットの開拓やニーズの可視化など、観光産業の発展や地域の活性化につなげる ⇒ Keywords として
観光経済学、観光統計、観光データ分析、観光マーケティング、スポーツツーリズム

＊スポーツ：AI（人工知能）やIoT（モノのインターネット）などの最先端技術を使って、選手のプレーやコンディションに関するデータを取得・分析し、プレーの質向上や新しい戦術開発を行う事で、スポーツ界をデータサイエンスでさらに発展させる ⇒ Keywords として
データによる戦術・戦略、コーチング、スポーツモニタリング、トレーニング科学、スポーツアナリティクス

◆教育の特色
※文理融合型の学びを通じて、実社会で活躍できるデータサイエンティストをめざす！

・数理・統計、AI及びプログラミングを基礎からじっくりと学習
・データサイエンスの応用（ビジネス・社会・観光・スポーツ）に関する授業が充実
・インターンシップやフィールドワークなど、実社会におけるデータサイエンスの利活用を意識した学び
・学生全員に1人1台のノートパソコンを貸与し、プログラミング学習やオンライン授業などをサポート

◆ 立正大DS学部の学びや学生の活動を紹介する【note】連載：https://note.com/rissho_ds/

note 「職業：スポーツアナリスト」になるまでの軌跡　２.より

METAFOOTBALL
2020年9月10日

はじめまして
METAFOOTBALLアナリスト部門担当の"Sou"です。
現在、プロのスポーツアナリストとして活動する傍らスポーツアナリストを目指す若者へのキャリアサポートをしていきたいと思い、2020年4月から"METAFOOTBALL"の活動を本業と並行して始めました。

今回の記事は、将来スポーツアナリストを目指す方にとって、１つのモデルケースを知っていただければ、何か参考になることがあるのかもしれないと思い立って執筆致しました。
（※高校生・大学生向けの内容になっております）

私の半生を振り返ると今のキャリアを築き上げるために何度か大きな決断をしていることに気づきました。
以下の順番で記事をアップしていこうと考えています。

１．大学選択：https://note.com/metafootball/n/n165496297b28
２. 選手 OR スタッフの選択：【今現在、あなたが読んでいるこの記事】
３．大学卒業後の進路選択：https://note.com/metafootball/n/n9f35e48d628d
４. 学生生活、最後の進路選択：https://note.com/metafootball/n/nc8444f2624ce


２.選手　ＯＲ　スタッフの選択

前回までは、大学選択のお話でした。
実際、私が進学した大学というと3つの基準の内2つしかクリアすることができなかったのです。
クリアできなかったのは3)【部活動】です。しかし、これをクリアできなったことがアナリストの道に進むことに.....。

諸事情により私はこれまで続けてきたスポーツから競技変更をし、新たに強豪まではいきませんが、大学内の強化指定部になっていたスポーツの世界に【選手】として入部しました。
（※毎年、数人は卒業後も選手としてのキャリアを切り開く）

※ その１　➡　その２に続く

note 「職業：スポーツアナリスト」になるまでの軌跡　２.より

METAFOOTBALL
2020年9月10日

※ その1からの続き

やはり、強化指定部に入るだけあって、部活動という大きな組織には選手と監督以外にさまざまなスタッフがいることに驚きました。
一番衝撃を受けたのは、スタッフの人数よりも【選手のマインド】です。
特に試合に勝利するための準備（オフ・ザ・フィールド）の部分は選手主導で相手チームの【ゲーム分析】（スカウティング）からチームミーティングで【プレゼン】までしていたことに圧倒されました。
実際、ゲーム分析の結果が試合でどのように活かされているのかを、選手として実感する場面は度々ありました。
（※所属していたチームに”アナリスト”は不在）

私が高校生まで在籍していた部活動の競技レベルや競技特性もあって、選手が練習以外の部分でここまでの取り組みをしていることに1年目は驚愕の連続でした。
今振り返ると、この取り組みが、アナリストとしてのファーストステップだったと思います。

前置きが長くなりましたが、いよいよ本記事のメインテーマに移ります。
月日は流れ、ある日、選手として充実した日々を送っている中で、キャリアについて考える講義を受けていました。
大学卒業後のキャリアについて考える内容で、以下の質問をされました。
「何も制約がなければ、将来何をしていたいですか？」
私はふと、分析能力を極めた指導者として生計を立てていけたら楽しい人生を送ることができそうだなと思いました。

後日、ネットで調べた際に
【Analyst アナリスト】
に関するバレーボールの記事を見つけ、頭の中の点と点が線になったのです。アナリストの解釈はさまざまありますが、大学生の私は以下のように変換されました。
　　　　　　【分析能力を強みにしている指導者　＝　アナリスト】
こうして怪我等のさまざま理由もありましたが最終学年は選手と並行しながら分析を行うのではなく、”スタッフ”として分析に専念したいと思うようになりました。（�B編に他の理由も述べている）

※ その３に続く

note 「職業：スポーツアナリスト」になるまでの軌跡　２.より

METAFOOTBALL
2020年9月10日

※ その２からの続き

実際、チームの声を聞くと「選手復帰」を熱望されていました。
そういう状況下での最初のシーズンはチームにほとんど貢献できず、選手として活動していた方がチームにとってはプラスだっといえる結果だけが残り、あっけなく大学4年生のシーズンが終了しました。
自らビデオカメラで撮影した練習や試合映像をSDカードでなはくHDDで管理したり、スカウティングシートを紙から電子化したりするレベルの取り組みでした。
強化指定部といえど、分析環境には恵まれず、専門の分析スタッフを育成する文化もなく、今思うとあの頃の関わり方はアナリストと名乗るには程遠いものでした。
ただ、高度な機材やテクノロジーを使いこなすことはできなかったが、現場で起こる様々な問題を解決する上で必要な【ヒアリング能力】や【洞察力】を磨くことができたのはアナリスト１年目の成果だったといえます。
やはり、選手経験があったからこそ、選手はもちろんスタッフとの関係性を構築するのに時間がかからず、本音で意見交換をする機会を設けることができたのが成長の一番の理由だった思います。

◎選手 or スタッフの選択 - 現状

「プロの指導者を目指す上で、'指導経験'と"競技経験"どちらが重要か？」
また、スポーツ指導者になりたい方のキャリア相談の場では
「大学生になってから、選手として活動するか、指導者として活動するべきか」

最初の問いに関しては、答えになってはいませんが、やはり、【どちらの経験も大切です！！】
しかし、身近にいる【アナリストの”キャリア”】の話を聞くと面白い経歴の方がたくさんいます。


● アナリストのキャリア形成
１．”プロアナリスト”を目指す
２. ”監督”を目指す人のファーストキャリア
３．”アスリート”のセカンドキャリア
４. ”研究者”としてのデュアルキャリア
５. ”統計学の専門家”による新規参入

”キャリア形成”とは、自分で設定したキャリアプランに沿って、必要なスキルを磨いたり、必要な経験を積み上げる過程を言います。
詳しくはここをクリック：https://careerpark-agent.jp/column/402

※ その４に続く

note 「職業：スポーツアナリスト」になるまでの軌跡　２.より

METAFOOTBALL
2020年9月10日

※ その３からの続き

【上の図】のように、アナリストのキャリア形成は大きく5つのパターンに分けることができるのではないかと私は考えました。
※1つの考え方の例です。

�@�Aの方は選手としてのキャリアは高校生までで、大学生からコーチやアナリストのようなスタッフとして活動されている方が多い印象を受けました。

�Cの方は大学院生も含め、研究対象として分析をはじめて、そのまま現場の分析スタッフとして活動をはじめていくようです。割と大学4年間は選手として活動されていた方がほとんどでした。


２.選手 OR スタッフの選択・まとめ

私のように大学4年間の間では選手からスタッフに立場を変える方はほとんどいないのが現状でした。（大学院生は意外と多い）
大卒や院卒の方に見られる共通点は、選手経験に加え、【コーチ】、【アナリスト経験】を経て、「職業：アナリスト」という立場に辿り着いているということです。（※�Bと�Dは除く）

個人的には、高いレベルで競技経験を持つアナリストはとても強みになると思っていますが、近年では選手（プレイ）経験すらない方がアナリストとして活躍されている方がいるのも事実です。
【Jリーグ（サッカー）】や【トップリーグ（ラグビー）】、【Xリーグ（アメフト）】でいらっしゃるようです。。
今後、競技経験よりもアナリスト経験を積むというのも1つのルートになりうるかもしれませんね。

最後に元も子もないことを言うと
私もそうでしたが、明確なビジョンと信念、行動力さえあれば、プロのアナリストへの道の第一歩を踏み出すことは容易にできると思います！！

※ その４　終わり