【自己紹介】
#Twitter：@Nurruttan / #YouTube：@Nurruttan
【転職支援サービス】
転職を検討しているデータサイエンティスト向けに【完全無料の】転職支援サービスを実施しています！
詳しくは下記をご覧ください！
【キャリア相談サービス】
キャリアに悩むデータサイエンティスト向けにキャリア相談サービスをやっています！
詳しくは下記をご覧ください！
データサイエンティストは「お金50%、経験50%」で副業すべしという話。
データサイエンティストはビジネス課題を解決する職業。ビジネス課題を解決するスキルは勉強では身に付かず、実践経験が重要。
だから、データサイエンティストとしてキャリアアップするには、自社の案件だけでなく、多様な経験を積むことが大事という話。
自分の会社にいる人って意外と似通ってしまうから、無意識的に視野が狭くなってしまう。
その視野を無理やり外に出して、色んな経験を積むことでデータサイエンティストのキャリアをきらびやかにできる。
そのためには、副業で受諾するのがオススメだよというお話しです。
では、本題に。
データサイエンティストは視野がせまくなりがち
データサイエンティストは視野が狭くなりがちという話。
データサイエンティストは職業柄データ分析部分を切り出して依頼されることが多い。そのため、ビジネス課題の大上段の課題背景が知れなかったりすることも多い。
また、依頼元目線で見ると1人のデータサイエンティストに長く手伝ってもらい、自分たちのビジネス課題の解決に精通した人材になってほしいと考える。
そのため、局所的な部分を長く対応するデータサイエンティストは少なくない。
しかし、データサイエンティスト目線で見ると局所的な領域で長くデータ分析を行っていると視野が狭くなってしまいがち。
その案件が終了して、他の案件に移った時に意外と過去の経験が使えなかったりするということはある。
これは、案件に対してデータ分析を適用することはできるが、依頼元の気にすることや文化が違うということがよくあるのだ。
過去では大ウケした分析が、別の案件では全くウケないということはよくある。
このようなことを避けるためには視野を広く持って、あらゆる引き出しを持っている必要があるよね、という話でした。
データサイエンティストは課題解決のために多くの引き出しを持っているべき
データサイエンティストは課題解決のために多くの引き出しを持っているべきという話。
データサイエンティストはデータを活用して、ビジネス課題を解決する職業だ。
「データを活用して」はあくまで方法であり、目的は「ビジネス課題を解決する」だ。つまり、本当に重要なことは「データを活用する」ことではなく、「ビジネス課題を解決する」ことなのだ。
案件によっては社内的な事情により、「データを活用する」が目的にされ、データサイエンティストに相談しにくるケースはよくあるが、大抵はうまくいかない。
なぜなら、その時点で縛りプレイになっているからだ。ビジネス課題を解決することは容易ではないうえに、謎の縛りプレイでクリアしなければならなくなる。
そうすると、難易度が高くなり中々取り組みを成功させるのは難しくなる。
このような事態を避けるために、データサイエンティストは「ビジネス課題を解決する」部分に重きを置いて考えることが重要だ。
「ビジネス課題を解決する」には色んな引き出しを持っているべきであり、幅広い視野・視点で物事を考える必要がある。
この幅広い視点・視野が持つことで、ビジネス課題解決に向けたあらゆるアプローチを考えることができ、最適な方法を選択することができる。
これがデータサイエンティストとして価値高い動き方である。最適な選択を意思決定するためにデータを活用して意思決定を促せばよい。
もちろん、アプローチを変えることができない案件もあるが、そのような議論を一度するかしないかで案件の成功率は大きく変わり、データサイエンティストの価値も大きく異なる。
データサイエンティストは「ビジネス課題を解決する」ために、色んな引き出しを持つべきという話でした。
課題解決の経験がそのまま経験値・実績になる
データサイエンティストは課題解決の経験がそのまま経験値・実績になるという話。
データサイエンティストは課題解決の経験がそのまま実績と思われることが多い。実はスキルより、実績の方が重視されることが多いのだ。
なぜなら、ビジネス課題は多種多様であり、単純にスキルを有しているからといって、課題解決できるわけではないからだ。
つまり、多種多様なビジネス課題に対して、柔軟に適用してスキルを活用して課題解決できるか、が重要であるということ。
そのため、課題解決の経験が多ければ多いほど、そのままその経験は実績となりキャリアをきらびやかにする。
もちろん、データサイエンティストとして、分析のスキルや機械学習の知識などは一定は必要であるが、学べば学ぶほど、コスパは悪くなるというのが私の考え。
尖った考えではあるが、自身のキャリアをうまく作るという観点に重きを置きたければ、この考え方をオススメする。
データサイエンスのスキルをある程度身に付けたら、実践の中でさまざまな課題解決の経験を積んで、実績を作るということが重要である。
多種多様な経験をするには別の案件をやってみる
多種多様な経験をするには、別の案件をやってみることが重要だという話。
自身がデータサイエンティストとして、主で担当している案件以外に案件を持ってみることが大切。
別の案件では、全く違う課題があり、その課題に対する解決方法、必要なデータ分析はさまざまであろう。
データ分析環境も違うだろうし、依頼元の考え方も大きく異なるはず。
多種多様な経験をするにはやはり、別の案件を担当して毛色が違う案件を経験することが重要である。
お金50%・経験50%で副業すべし
上記のように、経験値を積むことがデータサイエンティストのキャリア・実績作りとしては非常に重要。
そのためには副業案件を受注して、経験を積んでみることがオススメ。自社のPJで経験値を積むのもいいが、やはり上司が同じ・文化が同じであると大きく外にはみ出すことはできない。
自身で依頼元とコミュニケーションしながら、ビジネス課題を解決する経験を積むことが大事である。
最初はややハードであると思うが、最初だけだと割り切って、チャレンジしてみることが大事。
その際に重要なことはお金50%・経験50%という感覚で副業案件を探すということだ。自身のいままで経験とは異なる案件を経験することが大事である。
お金だけで決めるべきではなく、経験値がそのまま今後のキャリアに活きるという感覚を持って、案件を選定することが重要。
この動きを繰り返すことで、本業のキャリアアップ、副業での受注選択肢の増加・単価の向上につながる。
筆者はデータサイエンティストは他の案件を経験するために、副業をすべきと強くオススメする。
オススメは同じ業界で規模感が違う案件
オススメの副業では同じ業界で規模感が違う案件だ。
例えば、マーケティング領域を主としているのであれば、マーケティング領域で案件を探すことが望ましい。
そして、担当している企業と規模が違う案件がオススメだ。規模が違う案件で探すことで、普段見えてこなかった視点で物事が経験できる。
具体的にいうとマーケティング領域での広告の運用などだ。広告運用は複雑性が高く、間接的に関わっていると中身がよくわからないことが多い。
中~大企業の分析を担当しているとなんとなくはわかるものの、なんとなくしかわからない。
しかし、小企業で担当することでこの広告運用の中身がクリアに見えてきて、実際の自身の業務にも活きるということがある。
そのため、副業をうまく活用して自身の経験値を磨いていくには、同じ業界で規模間の異なる案件を探すことが重要である。
もちろん、希望に完全に合致した案件を探すことは難しいが、案件を探す前に理想の条件を頭の中で想像しておくべきである。
副業案件をどうやって探すか
基本的には副業サイトで探すことがシンプルかつオススメの方法。
面談などを行い希望条件を基に副業案件を紹介してくれるので、初めての副業でもサポートを受けながらチャレンジできる。
筆者が登録しているものは下記のサイトだ
登録の際はいままでの経験をまとめた職務経歴書とスキルシートを一度作る必要がある。
一つ作ってしまえば、複数のサイトに流用できるので、まず最初に一つ作っておこう。
登録をすると諸々連絡がきて、副業案件の紹介をしてもらえる。面談をして希望条件を伝えながら希望に近い案件をさがそう。
副業をうまく活用してスマートにキャリアを築こう
データサイエンティストはそれ相応のスキルを有している。
会社で昇進するために自身の時間を使うことも一つだが、会社の外で経験値を積んでいくことも選択肢に入れるべき。
特に社外に視点を持つことで、経験値は大きく広がり、他者と違った考え方ができ、本業でも差別化ポイントを持つことができる。
自社でキャリアを作ることがすべてではない。
副業を合わせてスマートにキャリアを作ることも選択肢に入れて自身のキャリア形成を考えていくべきである。
今回は以上です。
にほんブログ村
