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