【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キャラづくりが大事って話。マネジメントしてて思うこと。データサイエンティストって普通にしていると割とみんな似てしまう。
機械学習を学びたいとか、プログラミングがまずできるようになる。
その後は事象に対する分析・示唆出しができるようになって。
マネジメントするようになるとコードは書かず、依頼元とのコミュニケーションに時間を割くようになる。
自分が属している会社ではそんな感じ。
でも、キャリアを真剣に考えるんだったらキャラづくりってめっちゃ重要だよね、って話を書きます。
関連記事はここらへん。
データサイエンティストのキャリアむずかしい問題
データサイエンティストのキャリアってめっちゃむずかしい。中々分析だけしていると成り立たないからそのうちマネジメントを求められる。
マネジメントをし始めたら分析の深みまでしれずに、汎用的なキャリアになりがち。でも、分析だけしててもそのうち案件がなくなる。
データサイエンティストとしてはまだまだ学びたい。でもキャリアを考えるとマネジメントに振った方がいい。データサイエンティストのキャリアあるあるでみんなが悩むポイントの一つ。
最終的には信念をどこに置くのか次第だが、若者にはあるあるの悩みでデータサイエンティストのマネジメントをしていると半分ぐらいはこれに悩んでいる。
データサイエンティストのキャリアってむずかしいよね、って話でした。
違いを生み出せるデータサイエンティストにはキャラが必要
違いを生み出せるデータサイエンティストにはキャラがある。もうちょっと深ぼっていうと、データサイエンス＋「なにか」の専門性をもっていること。
これが比較的大事で、「なにか」をもっていると知らぬ間に希少種になっていることが多い。そして、その「なにか」はデータサイエンス外の専門性である。
例えば、「業界知識」がそれにあたる。業界が複雑であればあるほど、他のデータサイエンティストの参入障壁はあがる。
データサイエンティストとして価値を出すにはビジネス課題を解決することが重要。その時に前提となる知識を持っていることが大切であり、それがないと分析もくそもない。
データサイエンティストは「データサイエンス」以外の「なにか」の専門性を持っていると途端に希少性があがって、活躍することができる。
なので、その「なにか」をどうやってもってキャラを作っていくというのはデータサイエンティストとして大事な考え方。
データサイエンティストのキャラ作り
データサイエンティストのキャラづくりは大きく二つ。
- データサイエンスを深く突き進む
- データサイエンスの外側に専門性を持つ
データサイエンスを深く突き進む
データサイエンスを深く突き進んで深い専門性を持つスタイル。ほとんどの人はこっち。
ビジネス寄りに進むか、サイエンス寄りに進むか、エンジニア寄りに進むか多少の差異はあれどデータサイエンス領域の中で頑張る。
データサイエンティストとしてあるべきスタイルであるとも思う。
が、ビジネス的に価値が出せる人間になれるかというと実はそうでもなかったりする。
もちろん、ビジネス的に大きな価値をだせる人間も多くいない訳ではないが、データサイエンスの領域で頑張る人が多い中で、一握りに人間しかいない。
そして、そうゆう人間は米国などの圧倒的投資環境がある中で活躍しており、日本ではさほど多くない。
実はデータサイエンスだけでビジネスを動かすことは難しく、データサイエンスの領域だけで頑張るのはキャリア形成が難しくなってしまうのが実情。
データサイエンスの外側に専門性を持つ
一方で、データサイエンスの外側に専門性を持つスタイル。これを考えている人は少なく、この方向性はコスパがいい。
端的にいうと「がんばるポイントを他人とずらす」こと。他者との差別化を図るためにあえて領域の外にでて、キャリアを作る。
重要なことはデータサイエンスの領域外に専門性をもつこと。
わかりやすいのはUdemyの人気講師など。彼らはデータサイエンスを極めたから講師として活躍しているわけではなく、「教育スキル」「Webマーケスキル」が高いから成功している。
実はデータサイエンス外に専門性を持っている。
下記で述べているデータ分析を組織に浸透させる話もデータ分析を極めたからでなく、組織を動かす「コンサルティングスキル」に高いものがあるから実現できる。
実は市場で活躍しているデータサイエンティストはデータサイエンス外で専門性を持っている。
データサイエンス外の専門性をどう持つかを考えることがキャリア作りには非常に重要な選択である。
専門性をどうやって作るか
専門性をどうやって作るか、という点において色々な方法があるがオススメはここらへん。
- ドメイン領域を決めてしまう
- 自分でなにかやってみる
ドメイン領域を決めてしまう
一つ目はドメイン領域を決めてしまうこと。どこかのドメインに身を置いてそのドメインをキャラとしてしまう方法だ。
例えば、「製造業」。もっと言えば、「製造業」の中でも「自動車業界」や「鉄道業界」など。
製造業の中でひたすらデータサイエンスを経験すればおのずとそのドメインが「専門性」になる。会社によっては自然とそのようなキャリアを築ける可能性はある。
対極にあるのが、大手のコンサル業だったりする。彼らは多くのクライアントを持ち、さまざまな業界の案件に携わったりする。これでは、「ドメイン」に対する専門性はつかない。
コンサル業にいるのであれば、どのような業界でも通ずる「コンサルティングスキル」を身に付ける方がオススメのキャリアの振り方である。
しかし、このやり方にはリスクがあることは留意しておきたい。「ドメイン」の将来性に自身のキャリアが引きずられることだ。
「ドメイン」自体が伸び悩むのであれば、同時に自身のキャリアも伸び悩んでしまうということがリスクだ。
そのためには、ドメインの選定は自身で目利きをするべきであり、所属する会社の案件でなんとなく決められてはいけない。
自身で成長領域と考える「ドメイン」に身を置くことが重要だ。
自分でなにかやってみること
二つ目は自分でなにかやってみることだ。簡単にいうと、事業を始めてみることだ。
事業を始めると言っても、大きく始めるのではなく小さくやってみる程度でよい。
例えば、副業案件を受注してみることも一つ。ブログを始めて集客をして広告収益を得るでもよい。SNSを始めてフォロワーを増やしてみるのもよし。
副業案件を受注するためには、営業力やWEB上でのブランディングを考えることになる。
ブログを始めれば、SEOや収益がどのように発生するのかWEBマーケのスキルが身に付く。
SNSも同様にWEBマーケのスキルやSNSでのマーケティングスキルが身に付く。
このように自分でなにかやってみることで、少しずつデータサイエンス外の領域で専門性が身に付いていく。これが意外と本業で活きて、自身の差別化要素につながる。
重要なことは「やってみる」ことだ。本で勉強するだけでは足りない。自分でやってみて得られた経験こそが専門性であり、血となり肉となる。
成果がでれば副業として成立するものであり、オススメの専門性の身に付け方だ。
デメリットとしては時間を使うことだ。業務外でもしっかり時間を割いてそれ相応の時間を割くことになるが、キャリアを本気で考えた際には非常に重要なこと。
自身のキャリアを真剣に考える人は取り組んでみるべきである。
がんばりどころをずらせばずらすほどハイリスク・ハイリターン
がんばりどころをずらせばずらすほどハイリスク・ハイリターンになる。
現状でデータ分析の活用方法がある程度見えている領域であれば、それ相応の需要もあり、価値も出しやすい。
いま見えていない領域でがんばることは将来的に需要が生まれるかもわからない中でがんばる話なので、需要が生まれないリスクは多々ある。
しかし、その領域で需要が生まれた際には先駆者としてあらゆる利益を得ることができ、リターンも大きくなる。
例えば、いま見えている製造業やマーケティング領域で専門性を持ち、データサイエンティストのキャリアを築いていくことはリスクが低い。一方で多くの人材と被る可能性も高く先駆者にはなりえない。
しかし、例えばメタバースやNFTの「WEB3.0」領域であるとどうだろう。そもそも「WEB3.0」の領域は市場もこれから拡大していく中で、この領域にBetしているデータサイエンティストは多くないだろう。
将来的に市場が立ち上がり、データサイエンティストの需要が増してきたら先駆者として大きなリターンを得られることができる。
このように自身のキャリアをどこに置くかで、リスクとリターンを天秤にかけて専門性を身に付けることが重要である。
重要なことはこの考えを持ってキャリアを考えること
重要なことはこの「データサイエンス外に専門性を持つ重要性」を理解した上で、キャリアを考えること。
むやみやたらにデータサイエンスの専門性だけ身に付けても、キャリアはあまり育たない。拍車をかけるように生成AIでデータ分析が誰でもできる時代が近づいてきている。
重要なのはデータサイエンス外の専門性。
あらゆるデータサイエンティストがいると思うが、自身のもう一つの専門性をどこに置くかいま一度考えて、キャリアを作っていくことをオススメする。
今回は以上です。
にほんブログ村
