経済学からデータサイエンスへの接続に役立った知識・必要になった知識をまとめてみた

こんにちは！ダイナミックプラス社（以下DP社）で広報を担当しております、インターン生の林です。
今回はデータサイエンティストとして働かれている松島さんに記事を書いていただきました。

大学院で経済学を専攻されている松島さんが、データ分析業務に携わっていることから、「経済学からデータサイエンスへの接続として役立った知識・必要になった知識」というテーマでお聞きしました。それではまいります！

はじめに

こんにちは。DP社の松島です。データサイエンティストの長期インターンとしてDP社にジョインしていますこの度「経済学からデータサイエンスへの接続に必要となる知識」というテーマで筆を執らせていただきました。

大学時代の専攻分野・研究内容

日本の大学を卒業後、ドイツの大学院で経済学を専攻しました。特に産業組織論という企業や消費者の行動をモデリングし、データを用いて実証する分野を勉強しました。具体的には、市場における消費者の需要関数や価格弾力性を推定する方法についての勉強をしました。
卒業研究では、オンラインレビューサイトにおける「消費者間ネットワーク」と「消費者行動の類似性の関係」について研究しました。フォロー/フォロワー関係にあるユーザーは、似たような商品レビューをしているのではないかという問いを立て検証しました。データの制約上消費者の購買行動までは分析できなかったのですが、そのデータさえあれば「消費者間ネットワークが購買行動に与える影響や、それを見込んだ企業の戦略的行動」という分析テーマに発展できる卒業研究でした。

現在の業務内容

最初の業務はダイナミックプライシングの先行研究を読み、共有資料を作ることでした。次に、ある興行主様の需要予測の実験的分析をやりました。1月に入ってからはデータ整理・加工や、モデル作成を行っています。

なぜ現職に至ったのか

第一の理由は、DP社が提供する価格戦略決定サービスには、需要や価格弾力性等の専攻した知識を活用できると考えたからです。
第二の理由は、大学卒業後にはデータ分析系の職業に就きたかったので、データ分析が事業の根幹にある企業で経験を積みたいと考えたからです。

データ分析に役立った経済学の知識

(業務とは言えないかもしれませんが)先行研究の理解には、計量経済学の知識が役に立っています。ダイナミックプライシングの研究は、需要推定・需要予測・動的計画法という3本柱で大分部分が構成されている印象ですが、需要推定・予測に関しては、推定手法や誤差に関する注意点等、学んだ知識で対応できました。実際に私が需要予測を行った際は、時系列解析法の考え方が役に立ちました。産業組織論では「価格差別」という概念を学びました。プライシングの重要性はここで知りました。

データ分析の際に不足した知識

動的計画法を用いたシミュレーションを理解する必要があったのですが、理解できない部分がありました。また、需要予測に関しても機械学習の知識が無く、実践できない予測手法が多々ありました。共に勉強が必要だと感じています。

経済学からデータサイエンスへの接続に必要となった知識のまとめ

微積・線形代数・確率統計・最適化といった数学、基本的な価格理論といったミクロ経済学、計量経済学(時系列とミクロ実証)、動的計画法といったマクロ経済学が根幹的部分だと思います。勉強する順番は特に無さそうですし、ほとんど必修科目で勉強する分野なので、特殊な知識では無いと思います。しかしながら、機械学習については、なかなか触れる機会がないので、自発的な学習をお勧めします。