博多大学 （設置準備中） の概要

データ駆動型社会を支えるデジタル人材として、データエンジニア、データアナリスト、データサイエンティストと呼ばれるデータプロフェッショナル（データ分析専門職）が求められています。博多大学は、我が国産業界の発展にとくに必要と考えられるデータプロフェッショナルを養成するために新たに設置する大学です。　　　　　　
（大学の設置認可を2023年10月に申請し、2025年4月の開学を目指しています。）

博多大学のデータサイエンス学部は一学科の単科学部ですが、学科には４つの専攻があり、学生は３年生後期にいずれかの専攻に所属して、より専門分野の学習に取り組みます。

経営・データアナリティクス専攻 ・・・・ 企業経営においてデータ駆動型意志決定を支援するデータアナリストを養成します。

ヘルスケア・データアナリティクス専攻 ・・・・ ヘルスケア産業においてデータ分析から有用情報を引き出すデータアナリストを養成します。

ＡＩ・データサイエンス専攻 ・・・・ AI・機械学習による予測モデル構築で課題を解決するデータサイエンティストを養成します。

セキュリティ・データエンジニアリング専攻 ・・・・データ活用基盤を高いセキュリティーレベルで構築するデータエンジニアを養成します。

博多大学のメインの校舎は麦野キャンパス（博多区麦野）に置かれ、徒歩圏内にある板付キャンパス（博多区板付）および博多駅前キャンパス（博多区博多駅前）がこれを補完します。

（クリックすると拡大します）

（クリックすると拡大します）

データサイエンス学科には次の４つの専攻があり、学生は３年生後期にいずれかの専攻に分かれ、専門科目を学修します。入学後3年生の前期までは全員がデータの取り扱いの基礎を学び、その後に専攻に分かれて専門科目を実践演習形式で学びます。カリキュラムの概要は次の通りです。

（クリックすると拡大します）

経営・データアナリティクス専攻　・・・　企業経営においてデータ駆動型意志決定を支援するデータアナリストを養成する。
　経営・データアナリティクスとは、経営上のデータ（顧客情報、生産コストと収益性、市場動向など）を分析することでビジネス上の重要なインサイト（洞察、核心、動機・・・）を明らかにし、企業がデータに基づく業務プロセスの改善や意思決定を支援することです。
　経営・データアナリストは、①ビジネスインテリジェンス（データウェアハウスやダッシュボードなどのツールを使い、企業が持つデータを可視化してビジネスに関するインサイトを得て、企業の意思決定を支援すること）、②顧客分析（企業が持つ顧客データから、顧客の行動パターンや嗜好を把握し、顧客との関係性強化や、新たな顧客獲得のための改善を行うこと）、③マーケティング分析（マーケティング施策に関するデータから、広告やプロモーションの効果測定や改善を行うための手法で、顧客の購買履歴やウェブサイトのアクセスログなどを分析してマーケティング戦略の最適化を行うこと）、④財務分析（企業の財務に関するデータから、収益やコストの分析、財務リスクの評価などを行うために、企業の財務状況を把握して業績の改善や資金調達の計画などを策定すること）などにより、経営プロセスにおけるインサイトを提供してデータ駆動型経営を支えるデータプロフェッショナルです。

ヘルスケア・データアナリティクス専攻　・・・　ヘルスケア産業においてデータ解析から有用情報を見出すデータアナリストを養成する。
　ヘルスケア・データアナリティクスは、病気の治療や予防、健康増進、医療費の削減など、ヘルスケア産業が直面する多くの問題に対処するために、医療や保健に関するデータを収集、分析、解釈し、有用な情報を見出すことです。ヘルスケアとは、個人や社会全体の健康を維持・改善するための、医療や保健などのサービスや取り組みを指す。医療の範疇には、病気やけがの診断・治療、手術、薬の処方、リハビリテーション、看護などが含まれ、保健の範疇には、予防接種や健康診断、栄養指導、生活習慣改善、ストレスマネジメントなどが含まれます。また、これらのサービスを提供する医療機関や医療従事者、保健師や栄養士、介護職員なども、ヘルスケアの一部とされます。近年、テクノロジーの発展に伴い、ヘルスケアの分野でもデジタルヘルスケアやモバイルヘルスケアなどの新しいサービスや技術が生まれており、スマートフォンやウェアラブルデバイスを活用した健康管理アプリや、リモートモニタリング、テレヘルスなどが始まっており、人工知能やビッグデータ解析などの技術も活用されることで、より効率的で効果的なヘルスケアの提供が目指されています。
　ヘルスケア・データアナリストは、電子カルテ、臨床試験データ、医療機器・センサーデバイスデータ、栄養調査データ、運動・スポーツデータ、医療費請求データなど多様なヘルスケアデータを分析することで、治療や健康増進に役立ち、ヘルスケア産業の効率化・省コスト化を支援する有用な情報を見出すデータプロフェッショナルです。

ＡＩ・データサイエンス専攻　・・・　AI・機械学習による予測モデル構築で課題を解決するデータサイエンティストを養成する。
　ＡＩ・データサイエンスは過去や現在の大量のデータを収集・整理・分析して将来のイベントや傾向を予測するツールとしての予測モデルを構築し、その活用によってデータ駆動型意志決定を支援することです。
　ＡＩ・データサイエンティストは、将来のイベントや傾向を予測するために、①問題の定義とデータ収集（予測したい現象や問題を定義し、必要なデータを収集する）、②データの前処理（収集したデータの整理、欠損値や異常値の処理、モデル構築に適した形式への変換など）、③特徴量抽出（データを説明するための特徴量の選択、あるいは新たな特徴量の作成など）、④モデルの選択とトレーニング（適切なモデルを選択し、トレーニングデータを使用してモデルを学習させる）、⑤モデルの評価（テストデータを使用してモデルを評価し、モデルの性能を確認する）とその際に必要となるデータと予測結果の可視化および統合、⑥モデルパラメータのチューニング（ハイパーパラメータの最適化や特徴量の追加・削除などを行ってモデルパラメータをチューニングする）およびその後の問題解決に係わるインサイト（洞察）の取得、⑦モデルのデプロイ（性能が良好なモデルを実際のシステムにデプロイし、予測結果を得る）、といったプロセスを経て予測モデルを構築し、その活用によって価値ある情報を取り出すデータプロフェッショナルです。データサイエンティストは、ビジネス分野のみならず、科学、医療、社会科学、エンターテインメント、教育など様々な分野で活躍しています。

セキュリティ・データエンジニアリング専攻　・・・　データ活用基盤を高いセキュリティーレベルで構築するデータエンジニアを養成する。
　セキュリティ・データエンジニアリングは、大量のデータを扱うために必要となるデータの収集・整理・管理するためのデータ活用基盤を高いセキュリティーレベルで構築し、セキュリティ関連データを収集・分析してセキュリティ上の脅威やリスクを特定して適切な対策を提案するセキュリティ上の脅威やリスクを特定して適切な対策を講じることです。
　セキュリティ・データエンジニアは、①セキュリティインテリジェンス（外部からの攻撃やインサイダーの脅威など、企業に対する様々な脅威についての情報を収集・分析して、早期に脅威を検出するための情報を提供すること）、②セキュリティ情報・イベント管理＝SIEM（企業内のネットワークやシステムから収集されるログ情報を分析することで異常なアクセスや不正行為を検出してその情報を提供すること）、③脅威分析（サイバー攻撃の手法やツールなどに関する情報を収集・分析し、脅威の特徴を理解して早期に検出・対応すること）、④フォレンジック分析（サイバー攻撃による被害が発生したときに、攻撃の経路や攻撃者の特定などを調査するフォレンジック分析を行って被害の原因を明らかにし、再発防止策を講じること。）などを活用して、企業や組織のセキュリティ関連データを収集・分析してセキュリティ上の脅威やリスクを特定して適切な対策を講じるデータプロフェッショナルです。