【21卒】三井住友海上火災保険のテックビジネスの1次面接詳細 体験記No.9006（東京工業大学大学院/男性）（2020/7/22公開）

データサイエンティストのコースということもあり、データ人材としての素養があるかどうかが見られていました。しかし、私は長期インターン等の実務経験があったわけではないため、機械学習の基本的な事柄への理解（例えば決定木とロジスティック回帰の違い、それぞれの特徴など）があれば十分だと思います。むしろ興味関心を持っていることをアピールできるかどうかが重要であると感じました。線形代数や微積、統計の知識は一切問われませんでしたが、専攻によっては突っ込まれることもあるかもしれません。また、同業他社との違いが問われたため、なぜ三井住友海上なのか、をきちんと述べることで志望度の高さを示せたかどうかも評価点だったのかなと思います。

お二方とも現場の社員の方でした。面接はまさしくざっくばらん、という感じでした。機械学習にどの程度興味を持っているのかは見られますが、そこまで詰められるというわけでもありません。

なぜマリンではなく三井住友海上なのか。

IT技術をはじめとする、新しい技術への取り組みの早さと積極性に魅力を感じたためです。東京海上日動の方のお話を伺う機会もあったのですが、どちらかというと王道、保守的な企業であると感じました。一方で、御社は同業他社との競争を制するためにデジタル化を含む様々な改革に力を入れており、MS1 BrainやRisTechといったデータサイエンスを用いた取り組みを同業他社に先んじて行っています。現在、保険業界を含む様々な業界でITおよびデータ分析の活用が叫ばれており、私は理系的素養を生かしてこうした変革に携わりたいと考えております。他社に先駆けてこうした取り組みを行っている御社で働くことが、モチベーションを最も高く保ちつつ、会社の求めている成果を出すことにつながると考えました。

データ分析を行った際に用いた、データとモデルの概要を教えてください。 また、保険業以外で興味を持っているデータ分析の取り組みは何かありますか。

講義でデータ分析の課題を行った際には、pythonのscikit-learnを用いました。load-breast-cancerというライブラリに入っているデータを用いて、細胞の形状データから乳がんであるかどうかを判定するモデルを作りました。モデルには決定木を用い、過学習を防ぐために交差検証法を用いました。生データをそのまま用いた場合と、主成分分析で特徴量を減らした場合と2通り行いました。なお、経験があるのはサンプルデータの解析だけで、一から解析するデータを用意した経験はありません。保険業での取り組み以外ですと、市場データやSNSのデータを用いた株価予測モデル構築に興味があります。Qiitaなどに載っている機械学習関連の記事をよく読んでおり、最近ですとトランプ大統領のTwitterでの発言が株価に与える影響、という記事が興味深かったです。