解答例：データを対象として、サイエンスという手段を駆使する学問

データサイエンスの「データ」は情報ですね。特にデジタルデータになります。

データサイエンスの「サイエンス」は科学ですね。

なので、データを対象として、サイエンスという手段を駆使する学問といえます。

たとえば、学問の分野で、物理数学という分野があります。

これは、物理のための数学、という意味で、

• 対象は物理
• 手段・方法論が数学

という解釈になります。駆使・適用されるのは数学なわけです。

データ・サイエンスは、デジタルデータを対象にして、科学的理論や方法論を適用すること、またはそのための学問、

となります。

物理数学と同じような感覚なわけですね。

（注意：この学問分野の２つの組み合わせの書き方は、

常にこのパターンなわけではありません。

例えば、物理化学は、化学を対象として、物理的な手段を使います。

同様に、化学物理は、物理を対象として、科学的な手段を使います。

これらは、上とは逆のパターンになっています。）

解答例：サイエンス（科学）

データサイエンスは、データを対象としてサイエンスを駆使するわけなので、

価値の源泉はサイエンスとなります。

つまり、科学的手法について習熟することが１つのポイントとなります。

といっても「科学」って幅広いですよね。

ここからは私の主観入ってくるかと思うのですが、

データサイエンスでの科学ってどんな学問？

あなたの思う、データサイエンスの科学的手法はどんなものですか？

（回答例）

まず大前提として、厳密な違いの定義は世の中にないのではないかと思います。

なので、個人個人で違う場合もありますので、あくまで回答例になります。

製造業の製品製造ラインを考えてみますね。

そこではガラスのコップを作っています。

データサイエンスの立場からは、ガラスのコップの材料の開発や、作る途中での条件（温度・時間）などの最適化を行います。

AI（人工知能）・機械学習の立場からは、不良品の検知などを行います。

データサイエンスとAI（人工知能）・機械学習の共通点は、

• どちらもデータを収集すること

です。

• 収集したデータの使い道が違っています。

データサイエンスの場合は、データを分析し、プロセスを最適化することで、

昨日とは違った新規材料や製造方法などの提案を行います。

AI（人工知能）・機械学習の場合は、データをもとに、例えば不良品の特徴を学習し、

不良品を目視するという人の作業の業務効率化に寄与します。

つまり、ビジネスの発展のために、

• データサイエンスでは、よりよい行動の指針を提案・策定すること
• AI（人工知能）・機械学習では、タスクの省力化・効率化を担ってくれる

といった違いがあります。

（あくまで個人の意見ですので、どんな場合にも当てはまるわけではありません。）

（解答例）既存システムの最適化

例えば、あなたがネットショップを運営しているとします。

あなたはさらに売り上げを増やしたいかもしれません。

あなたは管理者として、ユーザがどんなページにアクセスし、どんな商品を購入したかといったデータを持っています。

少し詳しく分析するなら、IPアドレスなどからどの国からのアクセスかなどの情報も得ることができるかもしれません。

それらのデータを分析することで、

• ショップのどのページを改善することで、離脱するユーザを減らすことができるのか
• どんな商品を誰におすすめ表示すればより売れるのか？
• どんな条件の時に、どんなセールを、どの商品に行えば、ユーザは購入しやすいのか？

といった疑問への洞察を得ることができるかもしれません。

このように、データサイエンスを使うことで、売り上げの最適化への洞察を得ることができます。