ITパスポート 令和6年度 問26：business_strategyに関する問題

答えは a です。

データサイエンティストは、たくさんのデータ（ビッグデータ）を分析して、「こういうお客さんはこれを買いやすい」など“ビジネスに役立つ発見”を引き出す専門家です。統計やAIを道具に使います。

👉 覚え方：データ＋サイエンティスト（科学者）＝「データを分析してお宝（知見）を見つける人」。

ほかの選択肢：b データベースのシステムを作る人＝データベース管理者／c 情報のリスクを調べる人＝監査・リスク担当／d セキュリティの専門家。どれも“データから新発見をする人”ではありません。

なぜこれが正解か

正解は a。データサイエンティストは、機械学習や統計などの手法でビッグデータを解析し、ビジネスに活用できる新たな知見・価値を引き出す専門人材。aの記述がこれに一致する。

各選択肢の解説

• b：高速検索のためのDBシステム基盤を構築・運用＝データベース管理者/エンジニアの役割。
• c：情報システムのリスク評価のためデータの取扱い実態を調査＝（システム）監査人・リスク管理担当の役割。
• d：安全な情報システムの企画〜運用をサイバーセキュリティの知識で支援＝セキュリティ技術者の役割。

覚え方・ひっかけ注意

データサイエンティストの核は「分析して“知見”を生む」こと。基盤構築（b）や監査（c）、セキュリティ（d）は隣接職種で、いずれもデータに関わるため紛らわしいが“新たな知見の獲得”があるのはaだけ。

理論的背景

データサイエンティストという職種の確立は、機械学習と統計学の融合によるビッグデータ活用の本格化（2010年代初頭）を背景とする。Harvard Business Reviewが2012年に「21世紀で最もセクシーな職種」と表現した同職は、「数学・統計スキル（量的分析力）」「プログラミング・IT技術（データ取扱い力）」「ドメイン知識（ビジネス文脈理解）」の3領域の交差点に位置する複合的専門職として定義される。

正解aの「機械学習や統計などの手法を用いてビッグデータを解析し、ビジネスに活用するための新たな知見を獲得する」は、データサイエンティストの本質的価値創造プロセスを正確に記述している。このプロセスはDKIH（Data→Knowledge→Insight→Hypothesis）サイクルとも呼ばれ、①大量データの収集・前処理、②探索的データ分析（EDA：Exploratory Data Analysis）、③モデル構築（機械学習・統計モデリング）、④モデル評価・解釈、⑤ビジネスインサイトの言語化・提案という一連のワークフローから成る。この「新たな知見獲得」という創造的要素が、単純なデータ処理担当者や分析エンジニアとの本質的差異である。

実務での使われ方

データサイエンティストの実務プロセスはCRISP-DM（Cross-Industry Standard Process for Data Mining）が標準フレームワークとして広く使われている。フェーズは「ビジネス理解→データ理解→データ準備→モデリング→評価→展開」の6段階で構成される。

大企業では「分析エンジニア（Data Engineer：データパイプライン構築）」「機械学習エンジニア（ML Engineer：モデルを本番展開）」「データサイエンティスト（分析・仮説構築）」「ビジネスアナリスト（分析結果の事業解釈）」に役割分担が進んでいる。スタートアップや小組織ではこれらを一人で担うフルスタックデータサイエンティストが求められる。日本のDX推進でもデータ人材育成が国家戦略課題となり、経産省の「DX推進指標」や「デジタルスキル標準」にデータサイエンティストの能力定義が盛り込まれている。

試験での位置づけ

データサイエンティストはITパスポートの「IT人材・データ戦略」に関連する問題で頻出の職種区分である。「データベース管理者（DBA）」「システム監査人」「セキュリティエンジニア」「データサイエンティスト」の役割区別がITパスポートでは繰り返し問われる。誤選択肢bのDBA・cのリスク評価（監査系）・dのCISO（セキュリティ系）との混同が典型的誤答パターン。

基本情報技術者では機械学習の基礎概念（教師あり・教師なし・強化学習の区別）、統計的手法（回帰分析・クラスタリング・決定木）のアルゴリズム概要まで出題される。応用情報・データサイエンス系資格（G検定・DS検定）では特徴量エンジニアリング・モデル汎化性能（過学習対策）・MLOps（機械学習モデルの継続的運用）まで求められる。

選択肢の発展補足

bのデータベース管理者（DBA：Database Administrator）：データベースのパフォーマンスチューニング・バックアップ・セキュリティ・インデックス設計を担当する技術職。「高速に検索できるシステム基盤の構築・運用」がまさにDBAの職域であり、「データから新知見を得る」データサイエンティストとは活動の目的・性格が根本的に異なる。

cの情報セキュリティ監査・リスク評価：システム運用・管理の適切性をリスク視点で評価する監査系職種（内部監査人・情報セキュリティ管理士が近い）。「データの取扱い実態調査」という記述がデータサイエンティストとの混同を誘う設計だが、これはリスク評価・コンプライアンス活動であり、機械学習によるインサイト獲得とは異なる。

dのCISO・セキュリティエンジニア：「企画・設計・開発・運用をサイバーセキュリティの専門知識で支援する」という記述はCISO（Chief Information Security Officer）やセキュリティアーキテクトの職域に対応する。近年の出題でセキュリティ人材とデータ人材の職務内容の混同を問うパターンが増えており、両者の「専門知識の方向性の差異（守備的セキュリティ vs 攻勢的分析）」を理解することが重要である。