背景

昨今では、サービスやプロダクトの開発者にとってユーザー視点は必要不可欠で、潜在的なユーザーのニーズやインサイトを見出す、ユーザーインタビューを行ったりすることが多いと思います。弊社のエンジニアの働きとして上流から入るケースというのが往々にしてあり、エンジニアであっても、ユーザインタビューに参加してターゲットユーザーに質問したり分析の整理に参加したりします。全てのケースでそういう流れになるわけではないですが、UXデザイナーがインタビュー結果をRやPythonを使って分析をするということもしています。

(どういうアプローチで分析で進めるか、ディスカッションするの楽しいですよ)

本件を記事にしようと思った背景ですが、データ分析・機械学習といった学習・業務のヘルプを進める上で定性と定量両方から攻めるとユーザを理解が一層深まる・判断の根拠が固まるなと思い、UXデザインとデータ分析はすごい近い位置にいるなと感じたからとなります。

影響された記事

2019年の記事となりますが、「普通のデータサイエンティストと世界トップクラスのデータサイエンティストの違い」：”ノン”データサイエンティストでも取り入れられる、データサイエンティスト的モノの見方・考え方の中で Kaggleのスコアを上げるために、データだけではわからないから使う人の気持ちになることをされています。こうした記事を読んだりすることで、真にユーザ理解を進めていくと双方とも近づいていると感じました。 newswitch.jp

また、「UXデザインにおけるデータドリブンとデータインフォームドの意思決定 | アドビUX道場 #UXDojo」の記事に収集、分析、そして適切なデータの使い方は、良いユーザー体験をデザインするための糸口ですと紹介されており良い体験を社会に届けたいという気持ちを抱き続けながらエンジニアをしているため、自分には刺さりました。 blog.adobe.com

身につけるメリット

エンジニアがデータサイエンスを学ぶメリットですが、弊社のデザイナーと一緒に共創してプロジェクトに臨むスタイルで挙げますとプロジェクトメンバーの視点を拡張させる・意思決定のスピードを早くさせるということが、メリットがあります。

別に大それたものではなく、Dockerを使って手元でPythonを動かすなどそういったパッと試してみるという点で、チーム内でパスを出し合って、良いユーザー体験の意見積み上げゴールに向かう連携を加速できるのではないかと思います。

どうやって身につけるのか

現在は身につける上で、様々なソリューションがあるので目的に沿って選択すると良いと思います。という回答だと、それで終わってしまうので...。自分は、継続中のものもありますが下記のものや本を通して学習をしていました。

CourseraのGoogle データアナリティクスプロフェッショナル認定 ja.coursera.org
社会人のためのデータサイエンス演習(基礎的なものは、社会人のためのデータサイエンス入門も良いかと思います) gacco.org
Kaggle www.kaggle.com
AIQuest aiquest.meti.go.jp

身につけた先

概要や知識を学んだ後・・・どうすれば良いのかですが小さく始めるのが良いと思います。ちょっとした可視化や分析のまとめ、そこから始めることをお勧めします。何事も打席に立つ回数が必要ですし、困ったことに直面して切り抜けることも経験しておいた方がいいと思うのですが、大きく始めると何をどうしたらで止まってしまうことが多いです。

自分は、弊社に導入されているUniposの分析を行なってワードクラウドやネットワーク分析などの可視化を行って、社内に共有したりしましたね。