データサイエンティストにはなれなかった

データ活用と働き方について考えていくブログ

開業以降

平成も終わるので、1月に開業届を出して以降の動きについてまとめておきます。

事業用口座開設

プライベートと分けて事業用の口座を持ちたかったので
新規に口座を開設することにしました。
いくつか調べてみて、使い勝手も悪くなさそうでかつ
名義の先頭に屋号を付けられる楽天銀行に決めました。
法人ではないものの事業用ではあるので
手続きが複雑なのではないかと若干心配していましたが
開業届のコピーを返送するぐらいで大して面倒とは思いませんでした。
www.rakuten-bank.co.jp


ドメイン取得

メールアドレスがGmailというのはあまり格好がつかないのと
企業によってはGmailでのやり取りができないケースもあるのとで
ドメインを取得することにしました。
初のドメイン取得で分からないことだらけでしたが
想像していたよりも安かった(約5000円/5年)ので大した比較もせず
ムームードメインで取得しメールアドレスを作成しました。
muumuu-domain.com


会計ソフト契約

経費の類が溜まってきたので
クラウド会計ソフトの利用を始めることにしました。
選択肢としてfreeeとマネーフォワードと弥生がありましたが
勢いのある会社の方がUI/UXに配慮されているのではと考えて弥生を消し
freeeとマネーフォワードの比較においては正直違いがあまり分からなかったので
若干費用が安い※マネーフォワードに決めました。
※2019年5月より料金体系が変わりfreeeに対するアドバンテージはなくなるようです。

biz.moneyforward.com


名刺作成

後述のフリーランスの求人サービスに登録してから
個人事業主として面談する機会が増え始めたので慌てて作成することに。
自分でデザインすることも考えましたが、時間もなく、
印刷の手間なども含めて考えると頼んでしまった方が良いなと思い
以下のサイトで作成してもらいました。
www.designmeishi.net

仕上がりは満足しているのですが、校正がやりにくかったのと
良い紙にするとそれなりのお値段になってしまうことが分かったので
次回刷る時は自分でデザインしようと思っています。

フリーランス登録

本来は自分で営業をして案件を獲得するのが理想的ですが
営業のコストもかかりますし、自分のコネではリーチできないニーズもあります。
(そもそも今年は積極的に仕事を取りに行くつもりはない。)

そこで、フリーランスとして案件を紹介されるという受け身な働き方が
どの程度成り立ちそうなのか確認してみることにしました。

結論としては、100万円/人月以上の案件もそれなりにあり
中抜きのマージンを考えたとしても現状では悪くはないと考えています。
実際に、紹介してもらった案件に4月から週3で参画していますが
案件の難易度も高くなく、クライアント側は技術的に強い人も多く
それなりに楽しくやっています。
ただ、やはり週5労働だとスキル上げの時間の確保が難しいので
近いうちに週4以下に減らそうと思っています。

登録したのは以下のサイトです。
freelance.levtech.jp

bigdata-navi.com

freeconsultant.jp

www.high-performer.jp


各社で扱っている案件の内容も相場もだいぶ違う様でした。
また、ここではどこかは記載しませんが
中の担当者の質が低いものや
業務委託の契約書があまりに酷いものもありましたので
初めて利用される際は注意が必要だと思います。

加えて、SQLでデータ抽出+単純集計するだけ(で良さそう)、
DeepLearningのフレームワークを弄るだけ(で良さそう)みたいな案件だと
60万円/人月程度だったりするので
エントリーレベルで十分な案件の相場は既に崩れ始めているなあという印象です。

今のような相場が長く続くとは思っていませんが
スキルを持った人間がきちんと成果を出すことで
案件の相場が大きく崩れないようにはしたいです。

Rで音声データを扱う

音声データの扱いに関してTask View的なものがないか調べていたところ
以下の本のAppendixにまとめられていたので簡単にメモしておきます。

Sound Analysis and Synthesis with R
目次を見る限り、この本は音声データの扱いに関して
基本的なところから丁寧に説明してある雰囲気で良さげです。

Appendixで紹介されていたのは以下の9つのパッケージでした。
使用頻度が高そうな順に記載します。

tuneR

https://cran.r-project.org/web/packages/tuneR/tuneR.pdf
音の入出力周りが充実したパッケージ。
MIDIやMP3のファイルも読み込めるらしい。

seewave

https://cran.r-project.org/web/packages/seewave/seewave.pdf
http://rug.mnhn.fr/seewave/
音の振幅や周波数を扱う関数や各指標を算出できる
かなり汎用的なパッケージ。
vignetteも充実しているし
著者のページで様々な可視化の例も見られる。

signal

https://cran.r-project.org/web/packages/signal/signal.pdf
MatlabOctave)互換な関数が集められた信号処理パッケージ。
フィルタ系の関数が充実している印象。
2015年で開発が止まっている。

soundgen

https://cran.r-project.org/web/packages/soundgen/soundgen.pdf
http://cogsci.se/soundgen.html
音声生成周りが充実したパッケージ。
shinyでインタラクティブに音を生成できる。すごい。

warbleR

https://cran.r-project.org/web/packages/warbleR/warbleR.pdf
動物の音声の分析をスマートに行うためのパッケージ。
一部seewaveの関数をベースにしたものがあったりするが
使い勝手がどのくらい違うのかは不明。

phonTools

https://cran.r-project.org/web/packages/phonTools/phonTools.pdf
http://www.santiagobarreda.com/rscripts.html
フォルマントの抽出や、その遷移の可視化など
音声解析用の関数が充実したパッケージ。
2015年で開発が止まっている。

soundecology

https://cran.r-project.org/web/packages/soundecology/soundecology.pdf
音環境、サウンドスケープ研究のための様々な指標を計算するパッケージ。
ややマニアック。

monitoR

https://cran.r-project.org/web/packages/monitoR/monitoR.pdf
音声データ同士のテンプレートマッチングができるパッケージらしい。
(動作未確認)

audio

https://cran.r-project.org/web/packages/audio/audio.pdf
今のところ特化した関数があるわけでもなく、使いどころはなさそう。


おまけ。
”Sound Analysis and Synthesis with R”に
辿り着くまでに見つけたものもまとめておきます。

SoX

http://sox.sourceforge.net/
音声処理の界隈ではよく使われているらしいソフトウェア。
seewaveのsox関数から呼び出すことができる。

openSMILE

https://www.audeering.com/opensmile/
音声データから諸々の特徴量を作成するソフトウェア。
C++で書かれているので速い。
Rからは直接system関数で呼ぶしかなさそうで
作成されたarff形式のファイルを読み込む形で使う。
商業利用は要相談らしい。https://en.wikipedia.org/wiki/OpenSMILE

開業を届け出てきました

先日、開業届を出してきましたので、その辺りについてのメモを残しておきます。

提出物

開業届に関してググってみた結果、
以下の2つを提出する必要があることが分かりました。

・開業届
青色申告承認申請

提出時期

ブログによって書いてある時期が揺らいでいたりしたので
お役所の文書を読みました。やはり安心感がありますね。

[手続名]個人事業の開業届出・廃業届出等手続|国税庁
[手続名]所得税の青色申告承認申請手続|国税庁

開業届は1月以内、青色申告は2月以内が正解でした。

作成方法

紙のフォーマットは上のリンクから落とせて
記載する内容もそれほど多くはなく、悩むところもほとんどありません。
ただ、手書きが面倒だなーと思っていたら
freeeのサービスで簡単に作れるということに気付きました。
www.freee.co.jp

メールアドレスの登録が必要ですが無料で使えます。
因みにご利用特典というものがありますが
さらっと眺めた限り自分にとって魅力的なものはありませんでした。

作成にあたっての補足

開業届の方に「屋号」を記載する欄がありますが
この屋号はいつでも変更できるそうです。
変更があれば確定申告の際に
変更後の屋号を記載して提出すればOKというものらしいです。
従って、私は悩んだり1週間ぐらい寝かせたりしましたが
一旦ブランクで提出するというのもアリなのかもしれません。

青色申告の方に「備付帳簿名」を選択する欄があります。
上記の開業freeeで作成するとデフォルトで以下の項目にチェックが入っていました。
・現金出納帳
・売掛帳
・買掛帳
・経費帳
・固定資産台帳
・預金出納帳
・総勘定元帳
・仕訳帳

本当に全部必要なのかな?と思いましたが
使用しなかったものはナシということでもOKなんじゃないかなーと思い、
そのまま提出することにしました。
また、逆にデフォルトでチェックが入っていなかったものを
求められるということはないだろうという判断もしました。

提出方法

郵送しても良いとのことですが
滅多にないことなので散歩がてら往復2時間歩いて税務署へ持参してきました。
受付は待ち時間も込みで3分ほどで終わりました。一瞬。


次は事業用の口座の開設と会計ソフトの準備ですかね。

これからの生き方

早いもので1月も中旬になってしまいましたが、
昨年末で約1年半勤めた会社を退職し、独立することにしました。

退職を考え始めたきっかけは
よくある「データサイエンティストが会社に居着かない理由」みたいなブログに
包含されていますので詳しくは書きません。
他の方のブログを読む限りでは
相対的に上司や同僚には恵まれていたのではないかなと思っています。
お陰様で短い在籍期間ながらも貴重な経験を積め、
自分としても満足できる結果を残せたと思っています。
ただ、今後のキャリアを考えるとここに居続けるのは良くないなと思い
出ていくことにしました。
前職のみなさま大変お世話になりました。

独立するという決断については
働き方に関するもっと根本的なところに違和感があったことが理由で、
こちらについて書いてみようと思います。

時間の割り当て方

大前提として、人生は自分の時間の割り当てを工夫することで
現時点から先の満足度の累積値を
いかに高めるかというゲーム(問題)だと私は捉えています。
現在の技術では満足度を測定することもできないし
全ての可能性を吟味することもできないので正しい意味での最適化はできませんが、
これを意識しながら意思決定していくことに人生の醍醐味があると考えています。

労働は私を含め多くの人にとって生計を立てるために必要なものであり
人生の中でそれなりに大きなパートを占めます。
大学を卒業してから健康に活動できる時間は
約30万時間(16時間/日 × 365日/年 × 50年)しかありません。
そのうち通勤や残業まで含めた労働時間は
約9万時間(10時間/日 × 220日/年 × 40年)となります。

今回の退職に際し、この9万時間について考えてみました。

労働によって得たいもの

労働とは自身の時間をなんらか価値のあるものに変換する営みです。
私がどのような価値を求めていたのか改めて考えてみると
以下の2つにまとめられました。

・生計を立てるための収入
・自己充実感

前者については上述の通り必要なものではありますが
過剰に求めるものでもありません(そりゃ多いに越したことはないですが)。
都内1人暮らしであれば年収500万円あればそれほど不自由せず、
結婚したとしても年収800万円程で私が望む生活が実現できると見積もっています。
つまり、がむしゃらに週5日以上働き続けていると年功序列で勝手にお給料が上がって
いつの間にか年収1000万円を超えるような労働は私には過多なわけです。
ここで年収が労働に割り当てる時間に比例するものだと仮定すれば
週5日の労働を週3日にしても
少なくとも独身の間は十分に生計を立てられるように思えます。
加えて、平均的に週3日の労働で良いのであれば週2日分のバッファが生まれるので
時期によってはプライベートの時間を優先して労働を週1日にして
別の時期に週5日の労働によって帳尻合わせをするということも可能になります。
(そんなに都合よく仕事が見つかるかは別の話ですが、、)

一方で、後者については高まれば高まるほど望ましいものだと考えています。
これを高めるための要因は絡み合っていますが
大きく3つの観点が必要なのではないかと考えています。
・高度なスキルに基づいた仕事をすること
・ワクワクする仕事をすること
・キャリアの持続可能性の高まる仕事をすること
 
言うは易しでなかなか実現は難しいだろうなと感じていますが
これが実現すれば本当に素晴らしいと思います。

自己充実感の実現に向けて

「高度なスキルに基づいた仕事」をするためには当然ですが
自分自身が高度なスキルを持ち合わせていなければなりません。
スキルの向上は労働によってもなされますが
それは本来的には副次的なものであるはずなので
労働とは別にスキルの向上を図るための時間を割り当てることが必要となります。
今後も私のスキルの1つとしたいデータサイエンスは
AIブームと相俟って技術革新のスピードが速くなっていることに加え
ビジネスへの応用も益々広がっています。
正直なところ週5日の労働を続けながら
このトレンドを追い続けるのは厳しいと感じています。

加えて、高度なスキルが求められる仕事に出会い続けなければなりません。
私のこれまでの経験上、どんなプロジェクトでも
高度なスキルに基づいた意思決定が求められるシーンというのは極一部で、
ほとんどは高度なスキルがなくとも選択できるオーソドクスな方法で
ビジネス的に筋の良いアウトプットをスピード感を持って出すことが求められます。
実際に、このようなアプローチがビジネス的な価値に直結することも多く、
正しい仕事のやり方だと心から思います。
ただ、こればかりだと技術力を売りにする者としては張り合いがありません。
従って、特定のプロジェクトにコアメンバーとしてどっぷり浸かり続けるよりも
複数のプロジェクトに参画してコアメンバーの支援や育成を行う立場の方が
向いているのではと考えるようになりました。

「ワクワクする仕事」をするためには仕事の内容だけでなく
組織的・環境的な要因も必要です。
具体的には、モチベーションを高く保てるミッションや
尊敬できる上司や切磋琢磨できる同僚、ストレスの少ない社内規定や設備などです。
これらはある時点で最高な状況でも、容易に変化しうるものなので
一所に留まり続けてワクワクし続けられる可能性は高くないのではないかと考えます。

「キャリアの持続可能性の高まる仕事」とは
副次的にスキルやブランド力の向上が見込め、
次の仕事がやりやすくなる仕事のことをここでは指しています。
このような仕事をするためには、目先の報酬に捉われず
仕事の内容を見極めた上で請けるかどうかを判断できる自由と余裕が必要です。

これから

長くなりましたが、以上のようなことを考えた結果として
特定の企業に所属する生き方ではこれらを綺麗に解消させることは難しいなと思い
独立するという決断に至りました。

幸い、上記のような考えを理解してくださる方々に出会うことができましたので
当面は以下のように時間を割り当てて生きていくつもりです。
・週2日を労働
・週5日をスキルの向上(当然息抜きも必要)

新しい試みなので上手くいくかどうか不安もありますが
じっくり焦らず生き方を確立していければなと思います。
今後ともどうぞ宜しくお願い致します。

振り返り

今年、人生初の転職をしました。
良い機会だと思うので
これまでの仕事観、キャリアなどについて振り返ってみます。
無駄に長くなってしまいました。

高校時代

将来の夢などありませんでしたが
進学校の雰囲気に飲まれて3年間それなりに勉強をしました。

進学先の決定にあたっては、諸々の制約から大学はすぐに決まりましたが
学部・学科については社会を知らない十代なりに悩みました。
将来のイメージがないまま安易に進学先を選ぶのは良くないのではと考えて
一時は浪人することも考えたほどです。

でも結局は、浪人中も勉強を続けられる自信が持てなかったため
進学することに決めました。
私は理系のコースでしたが化学も物理も興味が持てませんでした。
それらの勉強が避けられない学部・学科を外していった結果、
いくつかの候補が残りました。
残った候補のうち、情報系は将来食いっぱぐれなさそうだなと思い、
工学部の情報系の専攻がある学科を選択し、入学しました。

余談ですが、入試の点数を開示したところ、
数学の点数が同じ学科の友人達の半分くらいしか取れておらず
やっぱり自分は理系に向いていないのだろうなと思いました。

大学&大学院時代

上記のような消去法の連続で進学したこともあり、
1年次必修の基礎科目はほとんど興味を持てませんでした。
出席カードだけ記入して退室、居眠りなどをよくしていました。
今となっては非常にもったいないことをしていたなと思います。

そんな不真面目な学生でしたが、
週に1度だけある専攻の基礎科目日は少し楽しみでした。
その日はプログラミングの実習や
論理学、アルゴリズム、コンピュータアーキテクチャなどがあり、
これらについては純粋に面白いと思えるものが多かったです。
2年次以降も専攻の科目は興味をそそるものが多く、
学校に行くのが億劫でない日はそれなりに講義に出席しました。

それなりの興味と出席でほとんど単位を落とすこともなく
順調に3年次の単位まで取得し、研究室選びのタイミングが訪れます。

当初私はロボティクス系の研究室を志望しようとしていました。
深い理由はなく、動作から知的さを感じるロボットを見て単純に面白いと感じた、
卒業後の産業分野での活用イメージが分かりやすかったぐらいの理由でした。

しかし、例年その研究室は成績上位者で枠が埋まり、
私の年も上位の何名かの同級生が志望しているという情報が入っていました。
そこで、リスクを取ってまでして本当に行きたい研究室なのか考え直しました。

その結果、私は知能や情報処理の仕組みには興味があるが、
機械を動かすことには興味がないということに気付きました。
また、基礎的な数学力の低さから
アルゴリズムなどの理論研究も向いていないだろうと認識しました。

ここも消去法で絞り込んでいった結果、
実験心理学のアプローチで人間の認知について研究している研究室に辿り着きました。
研究内容がやや基礎研究寄りであることなどから
就職面で不利になるかもしれないことを覚悟して志望し、
無事に研究室生活をスタートすることができました。

大学院進学に際しては近い分野の研究者が多く在籍し
実験設備の面でも充実していた同大学の別の大学院に進学しました。

大学院で所属した研究室は他大学から進学してくる方も多く、
理系文系問わず様々なバックグラウンドの方々と互いに
知識や考え方を共有したり議論したりと、とても面白かったです。

就職活動

大学院進学を決めたのはモラトリアムを得たいという不純な動機が大きく、
博士課程まで進む気はありませんでした。
また、研究内容を生かして就職先を見つけるのが難しいことも早々に分かったため、
これまでの研究は趣味だったと割り切って就職活動を進めました。

この時点でも相も変わらずやりたいことはなく、
楽に働けてほどほどお給料が貰える企業に入って
プライベートを充実させたいなーなんて考えていました。

そんな企業を探し当てるために就職四季報を全ページめくりました。
年収や退職率、業績の変化などを確認してめぼしい企業を書き出し
そこから自身の適正や競争倍率などを予想しながらフィルタをかけていきました。
データに基づいて判断するという習性は当時からあったのだと思います。

消去法で残ったものは大きく括るとメーカーとSIerでした。
就職活動期間中に起こった3.11の震災に影響を受けた私は
工場や設備などの固定資産から利益を生み出すメーカーに脆さを感じ、
人間の能力で利益を生み出すSIerの方が良いなと、SIerを中心に選考を進めました。

面接を受ける中でもっとも雰囲気がゆるく、
業績も好調でお給料も悪くないなーと思っていた企業から
最初に内定をいただき、それで就職活動を終えました。

因みに、当時からデータ分析専業の某B社の業務内容は
非常に面白そうだなあと感じていました。
しかし、ユーザーとして古典的な統計学や多変量解析を使っていたに過ぎない自分には
もし入社できたとしても入ってから大変だろうなあと思って見送りました。

1社目(SIer

入社してみて、ゆるくて風通しも良くてかつ20代のうちはお給料も高く、
予想通り働きやすい会社だったと思いました。

ただ、配属後の数か月はSEとしてシステムの改修やテストを担当していましたが、
私は業務内容に全く興味が持てず、この仕事は向いてないなーと感じていました。
そう悶々としていた頃に、先輩がレセプトデータの集計分析を行っていることを知り、
少しずつ仕事を振ってもらう様にお願いしました。
Accessでクエリを書いて集計してレポートにまとめるだけの仕事だったのですが、
この経験が繋がって、新規で発足したデータサイエンス領域でのビジネス探索チームに
異動することができました。
チームのリーダーと、私と同時期に中途採用で加わった先輩の2人は
データサイエンティストとしてもビジネスマンとしても非常に優秀で
刺激的な日々を過ごすことができました。
彼らと一緒に働く中で仕事に対する捉え方が
「お給料をもらうために仕方なく取り組まなければならないもの」から
「本気で取り組めば面白いもの」に変わりました。
勉強会に参加したり、自分で書籍を買って学習するようになったのも
これがきっかけです。

その後、先輩方が会社を去り、出資先にマネージャーが出向したりと、
もはやチームとしての体を成していませんでしたが
私がリーダー的なポジションになりました。

ビジネス上は出口が見えず詰みに近い形でしたが、
結果として約2年間に渡って探索を継続させてもらえました。
自身のデータサイエンティストとして歩み始めたキャリアを途絶えさせないためにも、
データ分析案件の掘起こしから中途採用による人員補充、新人のOJT指導など
できることは色々と実施しました。

昨年の4月に組織の再編があり、
メインのミッションがデータ活用周りのビジネス化ではなく
IoTやAIに関する調査やビジネス検討になりました。
それからの1年と数か月間は、グループ会社の技術交流会で発表したり
他部署の研究開発の支援をしたりと
以前に比べればだいぶ技術者寄りのポジションで働きました。

転職活動

あまり大きな不満はなかったのですが、
将来のことを考えると、居心地の良い環境で
のらりくらり生きてる場合じゃないなと漠然と感じていました。

そんな中、年度が変わってOJTで見ていた後輩が異動になり、
研究開発として携わっていたものがある程度形になったり、
社内外でお世話になった方々が退職されたりと
色々タイミングとしてキリが良いなと感じ、出ていくことにしました。

これまで他社のデータ分析のお手伝いしている中で感じていた色々を
転職によって解消したいと考えていました。
具体的には以下です。
 ・データサイエンスの力で直接的に自社ビジネスを拡大したい。
 ・ビジネス拡大に貢献できるという前提で、お給料も上げたい。
 ・施策側まで意識したプロジェクト運営をしたい。
 ・大企業の中の仕組みを体験して理解したい。

履歴書もまだ書き上がっていないうちに見事に合致する求人を見つけ、
一番最初に応募したその企業から内定をいただき、決めました。

2社目(金融系)

現在です。転職して良かったことはいくつかあります。
 ・自身の工夫によって売上に貢献できるポジションになった。
 ・年収が4割ぐらい上がった。
 ・データ分析以降の施策部分の難しさを感じられるようになった。
 ・大企業の価値観、働き方を知ることができた。
 ・朝が早くなった分、家に帰る時間が早くなって夜の時間が生まれた。
 ・SQLの読み書きに慣れた。

悪かったことは書いていると新年を迎えそうなので、また今度。

今後

今の仕事の仕方(スピード感、技術への触れなさなど)をずっと続けていると
市場価値は下がっていくだろうなあという危機感があります。
採用された責任は果たそうと考えていますが
その後のことについては色んな可能性を考えたいと思っています。

可能性を考えるにあたっては
以下の2つを大事にしたいなと考えています。
 ・自分の知見や技術を十分に活用する。
 ・コスト削減などの効率化だけでなく、新しい価値を生み出す。

これらを本業として実現するために転職するのか、
本業とは別に実施できる副業しやすい企業に転職するのか、
はたまたフリーランスになるのかとか
色々ありますがこれらはじっくり考えていこうと思います。

この年末年始は上記検討の材料とするため、
ボランティアとして某プロジェクトに参加しています。

総括

これまで成りたい自分を設定しないまま
その時々の消極的な理由に基づいて人生の選択を行ってきました。
しかし、その割には人に恵まれたりタイミングに恵まれたりと
色々な偶然が重なったお陰で
良い生き方ができているのではないのかなと思いました。

これからも助け助けられながら生きていきたいと思いますので
皆さま来年もどうぞ宜しくお願い致します。

しばらくRから離れることになりました

いつかまた使う日のために
お世話になったパッケージについてまとめておきます。

統計検定2級を受けてきました

梅雨らしい雨が降りそうな天気の中、統計検定2級を受けてきました。

1週間前から「やばいやばい」と言いながら勉強し始めて
まぁ落ちずに済んだのではないか、というところです。
解答は2日程度で発表されるみたいなので、楽しみです。
(すでに2問も間違っていることが判明しているが、、)

モチベーション

統計検定の存在は前から知っていたのですが
レベル感がよく分からず、世の中にどの様に認められているものなのかも
不明だったのでスルーしていました。

そんな感じだったのですが、今年に入って
某分析力をコアとするほにゃららな企業の求人情報の欄に
「理論的な知識(統計検定2級程度以上)」と記載されているのをみつけました。
上位の職種を見ても2級程度以上と記載されていたので、安直ではありますが
「まぁ2級受かっていれば実務で分析してる人間として恥ずかしくはないのかなー」
なんて思ったのがきっかけです。

それで試験内容を確認してみると、
「データを扱うための初歩的なリテラシーの問題」と
「仮説検定などの推測と呼ばれる問題」の
大きく2つに分けられそうなことが分かりました。
http://www.toukei-kentei.jp/about/pdf/grade2_hani_140901.pdf

前者に関しては改めて勉強する必要はなさそうでしたが、
後者に関しては普段使わないのでいくらか勉強する必要(勉強する価値)がありそうでした。
今回から始まる準1級を受けてみようかなという気持ちもありましたが、
受験料が高かったのに加えて、1級に比べてだいぶ範囲が広く、
勉強する時間が確保できるか怪しかったので今回は手堅く2級を受けてみることにしました。
(我ながらナイス判断だったと思います)

勉強方法

まずは、過去問を解いてみようと思い公式問題集を買いました。

日本統計学会公式認定 統計検定 2級 公式問題集[2012〜2014年]

日本統計学会公式認定 統計検定 2級 公式問題集[2012〜2014年]

「過去問も買ったし余裕で受かるわー」なんて思ってたら
いつの間にか試験の1週間前になっていて、
いざ2012年の問題を解いてみると、6割程度の正答率で焦りました。
間違える問題の多くは信頼区間の計算だったり検定統計量に関わるもので、
「推測」の問題がやはり弱いということが確認できました。

間違った問題については解説をじっくり読んで理解を深める様にしました。
ただ、公式問題集の解説では各問題の「解き方」についてしか分からないため、
体系的に解き方を理解するのは難しかったです。当然と言えば当然ですが。

ですので、時折Wikipediaを見て頭を整理しつつ
足りない部分については別途ググって知識を補っていくという感じになりました。

これを何度か繰り返していくと、
直近2回の過去問では9割弱合う様になり、
落ちることはないかなーという感じで試験に臨みました。

所感

試験までの時間が残り少ないという状況で、
理論の本質的な理解よりも計算方法の暗記に走ってしまったことは若干後悔しています。
各検定統計量でなぜ検定ができるのかとかそういうことは全く分かっていません。
仮説検定が使われるケース自体が減少していきそうな世の流れに逆行して勉強する
機会を逃してしまったという喪失感がややあります。
(試験が終わった今となっては仮説検定について全く勉強する気が起きません)

また、逆に考えると大して理解していなくても
2級は取れそうなレベルであることが分かったので
2級を受かること自体にそれほど意味はないなーとも思いました。

さらに余談ですが、問題の中にはRを使えば一瞬で分かるような問題もちらほらあり、
「こんなのの計算の仕方を覚えるの?」って感じで辛かったです。
例えば、確率分布の上側確率の表を使って確率を求める方法とかです。
(紙と鉛筆(と電卓)があれば計算できることは凄いなとは思いますけど、、)

今後の話

今回2級に受かったとして次に準1級や1級を受けるかという話ですが、
多分受けないと思います。
「データ分析する人は博士号か統計検定1級持ってないとダメ」
なんて世の中になったら考えますが(笑)

試験合格を目標にすると合格することに最適化し
中身の本質的な理解は軽視してしまうことを今回改めて実感したので、
わざわざ高いお金を払ってそんな目標設定をする必要はないかなあと
私は思いましたという感じです。

追記

結果が出ていました。
統計検定:正解発表
自己採点してみると4問ミスでした。まぁこんなもんですか。

追記2

最優秀成績賞というのをもらいました。
嬉しいのは間違いないのですが
4問ミスで最優秀ってどうなの、、