Tech Frontier(テクフロ)の受講生で、製造業で接着剤を開発する材料開発職のたむらさんは、Pythonで接着力を予測するモデルを作り、20水準の実験を5水準に絞って実験の数を75%減らしました。
分析と関係のない仕事をしていても、Pythonやデータ分析を業務で使えるのか。社内でPythonを使う許可がなかなか下りない場合、どう動けばいいのか。結論から言うと、業務で使えます。製造業で接着剤を開発する材料開発職のたむらさんは、Pythonの認定資格は持っていたのに、コードは自分で書けない状態からテクフロで学び始めました。1年かけて上司を説得して社内のデータサイエンス研修に参加し、分析の専門部署と連携しながら接着力を予測するモデルを作り、20水準の実験を5水準に絞って、実験の数を75%減らしています。
はやたす本記事では、分析と関係のない材料開発職から、入会1年9ヶ月で機械学習を業務に取り入れ、接着剤の実験の数を75%減らしたたむらさんにインタビューしました!
業務活用コースのインタビューで伺った、上司を説得した方法、Excelの実験データの前処理、社内の反応までをまとめました。
- 分析と関係のない仕事でも、Pythonやデータ分析を活かせるか知りたい
- 会社でPythonを使いたいが、上司の許可が下りない
- ノーコードツールがあるのに、なぜPythonなのかを説明できない
- 製造業や研究開発でのデータサイエンスの活用事例を知りたい
上のような疑問や悩みを抱えている方にピッタリな内容です。
社内でデータ活用を提案したいのに、最初の一歩が通らずに悩んでいる方は、ぜひ最後まで記事をご覧ください!


材料開発職がPythonを業務活用|たむらさんが実験の数を75%減らすまでの1年9ヶ月





「分析と関係のない仕事でも、Pythonを業務で使えますか?」と聞かれたら、答えは使えます。
たむらさんは材料開発の仕事を続けながらPythonとデータ分析を学び、社内の分析の専門部署と連携して、接着剤の接着力を機械学習で予測するところまで進めました。
| 職業 | 製造業の材料開発職。接着剤の開発を担当 |
| 受講前のスキル | Pythonの認定資格は暗記で取ったが、コードは自分で書けない。Pythonの実務経験なし |
| 入会 | 2024年2月(テクフロの立ち上げ時のメンバー) |
| 入会3ヶ月ごろ | 社内のPython×データサイエンス研修(2024年度)に手を挙げるが、却下される |
| 却下後の1年 | 毎月の上司との1on1で、研修を受けたいと言い続ける。SIGNATEのコンペでメダルを獲得 |
| 2025年度 | 活用案を具体化して研修の受講が決まる。2025年7月から本格的に分析を開始 |
| 分析の内容 | 接着剤の配合から、最終的な接着力を機械学習で予測(マテリアルズ・インフォマティクス)。案件ごとにバラバラのExcelの実験データを1つのテーブルにまとめて使用 |
| 使った手法・ツール | Python、Jupyter Notebook、VS Code、正規表現での前処理、XGBoost |
| 成果 | 5日かかる20水準の実験を、予測で良さそうな5水準に絞って狙いどおりの結果。実験の数を75%削減。入会から実務活用まで1年9ヶ月 |
| 職場での変化 | 「自分の実験にも使えるか」と同僚から質問が増えた |



こんにちは、はやたすです!
今回は業務活用コースのインタビューとして、たむらさんに来ていただきました。
自己紹介をお願いできますか?



たむらと申します。
製造業で、材料開発職に従事しています。
入会したのは2024年の2月で、最終的に実務に活用できるまで、少し時間がかかってしまい1年9ヶ月かかりました。
分析と関係のない材料開発職が、社内のデータサイエンス研修に手を挙げるまで





たむらさんは、分析の部署にいたわけではありません。
個人で学習を進め、社内の研修に自分から手を挙げました。
入会したときのスキルから伺います。
Pythonの資格は暗記で取ったが、コードは書けなかった



入会したときは、どんな状態でしたか?



Pythonの認定資格は持っていました。
ただ、暗記で取れる資格だったので、コードを自分で書けませんでしたし、実務の経験もありませんでした。
会社ではPythonを使うのに、専門部署の研修と上司の了承が必要だった



会社では、もともとデータ利活用の動きがあったんですか?



2〜3年前から、データ利活用の活動が始まりました。
Pythonやデータサイエンスを扱う専門部署もあります。
ただ、専門部署の研修を受けないと、会社でPythonを使えない決まりです。
研修を受けるには上司の了承が必要で、上司と専門部署に、データサイエンスの業務活用案を提案する流れでした。



研修は、業務で活用するテーマを実際に進める形式です。
研修の中で分析をして成果を報告し、最後に自分の職場で内容を説明する機会もありました。
SIGNATEでメダルを取れて、経験者向けの研修に手を挙げられた



研修に手を挙げたきっかけは何だったんですか?



テクフロに入って3ヶ月ほどのときに、ちょうど2024年度の社内研修の募集が出てきたんです。
やりたいと手を挙げて、テーマも申し出ました。



社内の研修はかなり大変な位置づけで、ほかの受講者は、すでに業務でPythonを使っている人や、技術のスペシャリストの職位の人たちでした。
本来なら、何もない私が手を挙げられる研修ではありません。
テクフロを通してSIGNATEでメダルを取れたので、自分で手を挙げられるようになったと思います。



経験者向けの研修でも、コンペでメダルを取った実績が「自分もできるかも」と思える自信になったわけですね!
会社でPythonを使う許可をどう取った?|1年目は却下、毎月の1on1で言い続けた





会社でPythonを使う許可は、1回で下りるとは限りません。
たむらさんも1年目は却下され、2年目に研修の受講が決まりました。
上司を説得した方法を伺います。
2024年度は「工数がかかる」「案が具体的でない」と却下された



2024年度の研修は、受講できたんですか?



申し出たんですけど、却下されました。
かなり工数がかかる研修だった点と、活用案をあまり具体化できていなかった点が理由です。
1年間、毎月の上司との1on1で「やりたい」と必ず言った



却下されてから、どう動いたんですか?



1年かけて、毎月の上司との1on1の面談で、やりたいと必ず言い続けました。
2025年度は、予測したい対象は同じまま、データの前処理をPythonでやりたいなど、Pythonでやる内容をもう少し具体化した案で提案しています。



毎月言われたら、上司も「じゃあやってみよう」となりますよね。
諦めずに挑戦し続ける大切さが、よく分かるお話です。
「ノーコードツールではなく、なぜPythonか」は専門部署の言葉を借りて説明した



一番苦労したのは、どんな点でしたか?



精度の改善も大変でしたが、分析を始める前のほうが大変でした。
会社では、データサイエンス用のノーコードツールを使うよう推奨されています。
「ノーコードツールでいいじゃん」と跳ねられる可能性があったので、なぜノーコードではなくPythonなのかをどう説明するかが一番大変でした。



上司を説得するときに、一番心がけた点は何ですか?



今あるノーコードツールでできない作業を、明らかにする必要があります。
できない作業を整理したうえで専門部署の人に相談し、「専門部署の人がこう言っています」と説得の材料を準備しました。
上司も判断基準を持っていないので、専門部署が言うならそうなんだろうと納得してもらえました。



専門家の言葉を借りて、説得力を上げたわけですね。
新しいツールを入れたいときは、Pythonに限らず「今のツールで足りないのはなぜ?」と聞かれます。
生成AIのツールでも同じです。
多くの会社で使える進め方だと思います。
材料開発のデータサイエンス活用事例|接着剤の接着力を機械学習で予測した





材料開発の実験データも、テーブルデータとして機械学習で予測できます。
予測する対象が特殊なだけで、やっている内容はKaggleのHouse PricesやSIGNATEのコンペと基本的に同じです。
分析の中身を順番に伺います。
データが集まりやすく、実験を効率化できる接着力の予測を選んだ



どんな分析をしたんですか?



接着剤の開発をしていて、配合を変えて高い接着力を出したいんです。
試したい配合で実験したときに、最終的にどれくらいの接着力になるかを、機械学習で予測しました。
マテリアルズ・インフォマティクスと呼ばれる分野で、データサイエンスの一種です。



接着力の予測を選んだ理由を教えてください。



もともとあるデータが一番集まっていたからです。
実験の一覧表が案件ごとにバラバラのExcelであって、かき集めれば1つのテーブルデータになりそうだと感じました。
もう1つは、実験は1日かけて3つか4つしかデータが取れず、試したい水準をやり切れていなかった点です。
予測で接着力が上がりやすい水準に絞って実験すれば、効率が上がる点をメリットとして提示しました。
Excelの実験データの前処理は、SIGNATE Cupのコードをそのまま転用した



前処理では、どんな課題がありましたか?



コンペで経験したような、全角と半角の混在、いらない文字、表記ゆれがありました。
実験データは、いろいろな人が手で書いているので、材料の配合の欄に違う情報が書いてある場合も多いです。
1つのセルに材料A・B・Cと比率がまとめて入っていたので、正規表現でスラッシュやイコールのところを分割して、別々の特徴量にしました。
列ごとにユニークな値を出して、いらない情報を1つずつ消す処理も入れています。



SIGNATE Cup 2024で経験した処理を、該当する部分からそのまま転用しました。
コンペの経験があったから、Excelではなく、Pythonが必要な理由も説明できたと思います。



SIGNATE Cup 2024は、人工的に表記を崩したデータで、直す処理がたくさん必要なコンペでした。
車を持っているか、子供がいるかなどが1つの列に入っていたので、分割の知識がそのまま使えますね。
コンペの経験が、めちゃくちゃ役に立っています!
ランダムフォレストなどを一通り試し、最後はXGBoostに落ち着いた



アルゴリズムは何を使いましたか?



よく見る手法は一通り試して、ランダムフォレストとXGBoostの2つで比べて、最終的にXGBoostに収まりました。
周りの人に説明しやすいのは線形モデルなので、線形モデルが使えればいいと言われていたんです。
ただ、線形モデルに合うデータセットになっていなくて、決定木系のモデルがはまりました。



僕も実務では、説明用の線形モデルと決定木、精度を出すためのLightGBMの3本柱で組む場合が多いです。
線形モデルを試して、精度が出ないから決定木系に移る流れは、まさに同じですね。
業務時間は研修の課題、精度の改善は社用PCを持ち帰って進めた



本業の材料開発と、分析の時間はどう分けたんですか?



会社の研修の中で始めたので、業務時間内にも分析の仕事ができました。
業務時間は、普通の仕事が半分、研修の課題や資料作成が半分です。
座学と課題の提出、2週間に1回の進捗確認の定例会もありました。
本来のデータサイエンスの精度改善は、家に持ち帰ってやっていた印象です。
Jupyter Notebookを入れた社用PCを持ち帰っていました。



分析を本格的に始めてから、どれくらい経ちますか?



本格的に始めたのは2025年の7月で、半年ほどです。
研修なので、最初の1〜2ヶ月は前処理や、ヒートマップなどの可視化を学ぶ時間に使いました。
1ヶ月近く精度が出なくて焦っていた時期もあります。
精度が出てからは、新しくデータを取って確認するサイクルを回しました。
Pythonのデータ分析で実験の数を75%削減|材料開発の職場で起きた変化





機械学習の予測で、実験の数は4分の1になりました。
実験は時間だけでなく材料の費用もかかるので、削減のインパクトは大きいです。
成果と周りの反応を伺います。
5日かかる20水準の実験を、予測で選んだ5水準に絞った



データ活用で、具体的にどんな成果が出ましたか?



狙っていた内容ができました。
20水準をやろうとすると、5日間かかります。
20水準を全部予測して、良さそうな5水準だけを試して、狙いどおりの結果が出ました。
実験の数は25%で済んだ計算です。



20水準を試しきれなかった実験が、5水準で済むようになった。
実験の数を75%減らせたわけですから、もっと自信を持ってください!
今後も実験は続くので、削減の効果は積み上がっていきます。
同僚から「自分の実験にも使えるか」と質問が増えた



結果を周りに見せたとき、反応はどうでしたか?



本格的な評価は今後で、査定が良くなるのを期待しています。
見せたときの反応としては、ほかの人が自分の実験にも使えるかを確認する質問が増えました。
データが欠けていてもできるのか、数値ではない対象も予測できるのか、データ数が少なくてもできるのか、などです。



データまわりで分からなければ、たむらさんに聞けばいいと思われ始めていますね。
職場で頼られる存在になってきています。
生成AIコースも並行し、社外の副業案件にも応募した



テクフロの生成AIコースが始まった2025年の9月は、社内のデータサイエンス研修と時期が重なっています。
一瞬、データサイエンスだけに注力しようか迷ったんですが、できなかったら仕方ないくらいの気持ちで参加しました。
なんとか並行して進めて、年明けごろには副業を探せる状態になりました。
クラウドソーシングで、データサイエンス関連の副業案件に応募しています。



社内のデータは使えないので、データサイエンスのポートフォリオは出せません。
代わりに、生成AIコースで作った自動化ワークフローのポートフォリオを提示できたのが良かったと思います。



Pythonやデータサイエンスの副業は、フルタイム前提や経験者向けの案件がほとんどです。
行動していたから、案件も見つけられたのだと思います。



学んでいる内容を上司に伝えて工場のデータを任され、検査時間を4分の1に減らした受講生の事例もあわせてご覧ください。


分析と関係のない仕事からPythonを業務に導入する5ステップ





分析と関係のない仕事からPythonを業務に導入するなら、たむらさんの進め方を手順として使えます。
最初にやる手順を、順番に並べました。
- コンペに取り組みながら、業務に使える処理を探す
- データが集まっていて、効果が見えるテーマを選ぶ
- 箇条書きでもいいので、活用案を早めに上司へ出す
- 今のツールでできない作業を示し、専門部署の意見を借りる
- 小さく予測して実験や作業を絞り、削減の数字で報告する
ステップ1:コンペに取り組みながら、業務に使える処理を探す



たむらさんが勧めた明日からのアクションは、業務に活用できそうな箇所を探す視点でコンペに取り組む行動です。
SIGNATE Cup 2024の表記ゆれや列の分割の処理は、社内の実験データの前処理にそのまま使えました。
ステップ2:データが集まっていて、効果が見えるテーマを選ぶ



テーマは、手元にデータが一番集まっている業務から選びます。
たむらさんは、案件ごとのExcelの実験データをかき集めれば1つのテーブルになると見込み、試しきれない実験を絞れる点をメリットとして示しました。
ステップ3:箇条書きでもいいので、活用案を早めに上司へ出す



たむらさんが振り返って挙げた反省は、行動の遅さでした。
2024年の時点で資料を完璧に作ろうとせず、箇条書きでも活用案を出していれば、1年早く研修を受けられた可能性があります。
House Pricesの段階で職場に働きかけ始めた受講生もいます。
ステップ4:今のツールでできない作業を示し、専門部署の意見を借りる



会社にノーコードツールやExcelがあると、「なぜPythonが必要なのか」と聞かれます。
たむらさんは、ノーコードツールでできない作業を明らかにしたうえで、分析の専門部署の意見を説得の材料にしました。
上司が判断基準を持っていなくても、専門家の言葉なら納得してもらえます。
Pythonにこだわらず、今ある社内のツールで分析を始めてみるのも1つの手です。
ステップ5:小さく予測して実験や作業を絞り、削減の数字で報告する



最後は、予測の結果を使って実際の作業を減らします。
たむらさんは20水準の実験を5水準に絞り、実験の数を75%削減しました。
削減の数字があると、同僚から「自分の業務にも使えるか」と声がかかり、次のテーマにつながります。
【まとめ】分析と関係のない材料開発職でも、Pythonとデータ分析を業務に導入できる





分析と関係のない材料開発職でも、社内の手続きを1つずつ越えれば、Pythonとデータ分析を業務に導入できます。
たむらさんの事例を整理します。
- 職業:製造業の材料開発職(接着剤の開発)
- 受講前:Pythonの認定資格は暗記で取ったが、コードは書けない。実務経験なし
- 社内の手続き:2024年度は研修を却下され、1年間毎月の1on1で言い続けて2025年度に受講
- 分析:Excelの実験データを正規表現で整え、XGBoostで接着力を予測
- 成果:20水準・5日かかる実験を5水準に絞り、実験の数を75%削減。入会から実務活用まで1年9ヶ月



最後に、今後業務で導入したい方へ、明日からのアクションを1つ挙げるなら何ですか?



コンペから業務に活用できそうな箇所を探す視点で、コンペに取り組んでほしいです。
コンペで見つけた処理をもとに活用案を上司に提示するか、Pythonにこだわらずに今あるツールで分析してみる。
早めに手をつけたほうがいいと思います。
私も生成AIコースに、とりあえず参加しておいたから副業を探せる状態になりました。
行動できる環境を整えておくのがいいと思います。



チャンスは誰にでも平等に来ますが、つかめるかどうかは準備次第です。
たむらさんは前々から準備していたから、研修も副業もつかめました。
たむらさん、本日はありがとうございました!
たむらさんのように「社内でデータ活用を通したい」方へ



たむらさんが経験者向けの社内研修に手を挙げられたのは、SIGNATEでメダルを取った実績があったからです。
上司を説得できたのも、コンペで身につけた前処理の力で「Excelではできない作業」を示せたからでした。
社内の提案を通す一番の材料は、自分の手で出した分析の実績です。



公式LINEでは、Pythonの基礎からコンペで実績を作り、職場のデータに活かすまでの順番を、約1時間の限定動画で無料公開しています。
上司に出す活用案を考える前の、最初の準備として見ておいてください。
分析と関係のない仕事からのPython業務活用でよくある質問


分析と関係のない仕事でも、Pythonを業務で活用できる?



分析と関係のない仕事でも、Pythonは業務で活用できます。製造業で接着剤を開発するたむらさんは、入会から1年9ヶ月で、接着力を機械学習で予測して実験の数を75%削減しました。分析の専門部署と連携し、社内の研修の中で分析を進めています。
会社でPythonを使う許可が下りないときはどうする?



活用案を具体化し、上司に繰り返し伝えてください。たむらさんは2024年度に却下されたあと、1年間、毎月の1on1で「やりたい」と言い続け、Pythonでやる内容を具体化した案で2025年度に研修の受講が決まりました。
ノーコードツールがあるのに、なぜPythonが必要と説明する?



ノーコードツールでできない作業を具体的に示します。たむらさんは、1つのセルに複数の材料と比率が入ったExcelの実験データを正規表現で分割する処理などを示し、専門部署の意見も添えて上司に納得してもらいました。
材料開発でのデータサイエンスの活用事例は?



配合から物性を予測し、試す実験を絞る使い方があります。たむらさんは接着剤の配合から接着力をXGBoostで予測し、5日かかる20水準の実験を5水準に絞りました。マテリアルズ・インフォマティクスと呼ばれる分野です。
データ分析未経験からPythonを業務で使えるまで、どれくらいかかる?



たむらさんは入会から1年9ヶ月でした。1年9ヶ月のうち約1年は、研修の受講を上司に認めてもらうまでの期間です。本人は箇条書きでも早めに活用案を出していれば、1年早くできた可能性があると振り返っています。
たむらさんが学んだスクールはどこ?
たむらさんが学んだスクールは、テクフロです。テクフロは6ヶ月間のオンライン完結型のデータサイエンススクールで、1ヶ月で基礎を終えて2ヶ月目からKaggle・SIGNATEの分析コンペに取り組みます。たむらさんの成果は、Pythonの予測モデルによる実験の75%削減です。











