わたしが東芝を辞めた、たった一つの理由 [キャリアプラン]
何で辞めたんですか?と最近聞かれるので、「いや、予言能力あるんですよw」とはぐらかしたりもするんですが、本当の理由はちょっと重くて、一言で言うと「事業に個性がなくサービス志向が無い文化が辛かった」です。
一つ例を挙げます。当時まだデバイスメーカーは10強ぐらい会社があって、intelが頭一つ抜けている状態。そんな中で「とりあえず追随する」という方針を頑なに取っていました。なので基本的やることはベンチマークと他社がやっている技術のコピー。
事業に個性が無いので、求められる仕事にも個性は不要です。大人数で議論、意見が合わない時は間を取って良い議論ができたと満足する。他社ではこうやっているとか一般論に流される。そんな進め方をしているうちにintelとの差は開くばかり。自分達が一生懸命今立ち上げようとしている技術が、いま仕事で使っているノートPCのintel chipには既に乗っている。こんなペースで自分が事業を引っ張るぐらいの年齢までこの組織あるだろうか?辞めよう、、。1年ぐらい悩み、転職活動の末キャリアチェンジ先が見つかり、辞職しました。
思い返すと「問題先送り文化」とか「労働組合」とかも嫌だったのですが、一番の辞めた理由は上記です。
時代は「マスを煽って買わせる」ことからどんどん「実のあるパーソナライズサービス」に向かっています。耳触りだけのソリューション(水素水とか?)は一瞬受け入れられてもすぐにボロが出て叩かれ無くなります。誰かにはちゃんと役立つモノを作りあげる、そんなことを大事に時間を使っていこうと、東芝消滅のニュースを見ながら気持ちを引き締め直しました。
分析系と業務系のデータサイエンティスト~データサイエンティストの領域はまだまだ拡がる! [キャリアプラン]
最近自分の会社で基幹システムの入れ替えを行ったのですが、その際に痛感したことがあります。それは、「自社のデータモデルを理解したうえでデータの変換、可視化が行えると無敵に近い」ということです。通常そういう人がいなかった場合、ユーザー側でExcelでちまちまやるか、ベンダーでDB使える人がユーザーに聞きながらいつ詰まるか分からない仕様と戦い続けるということになると思うのですが、上記のようなスキルセットを持っている人がいた場合、最適値に到達するまで脳内で完結するので、効率が10~100倍ぐらい高いです。今回の基幹入替は非常に時間が限られていたため多くのリスクを抱えていたのですが、この裏ワザが使えたことが重要なイネーブラーになったのではと痛感しています。
○分析系データサイエンティストと業務系データサイエンティスト
一般的にデータサイエンティストと呼ばれる人たちは「統計などを駆使して見えないものを見えるようにする」ことを求められていることが多いのではないでしょうか?ここではそういう人を「分析系データサイエンティスト」と呼ぶことにします。一方でゴリゴリ統計を使うことがなくても、決して数億件のいわゆるビックデータのようなものを相手にしていなくても、上記のような「会社にとって非常に価値の高い仕事をできるデータサイエンティスト業務もある」と私は考えており、それを業務系データサイエンティストとここでは呼びたいと思います。
○業務系データサイエンティストが活躍する領域
それでは業務系データサイエンティストはどんな領域の業務を行うことが求められるのでしょうか?
・各システムからのデータ抽出(実はこんなことだけでも業務が効率化することが多い)
・データ変換(コード変換かけたり、サマったり)
・Excelの構造改善
・BIのレポートの実装
通常これらの業務は「本業」と言うには中途半端なため、誰かが兼任で行うことがほとんどでしょう。しかし実はこの領域は詳しい人がやると桁で効率がいいので、実は専門の人をアサインしてしまったほうが全体でみると圧倒的に効率の向上が見込まれます。
○業務ってデータそのものなんです
そもそも会社とは何でしょう?私は、会社のコアとはデータの取り扱いそのものであると考えています。よく会社コア業務以外をアウトソーシングするみたいな話があると思いますが、突き詰めて残るものというのはその会社のビジネス、つまり何(データ)を用意(データ)して誰(データ)に売る(データ)かということです。基本どんな部署にしてもデータを基本にして業務をしていることは確かで、データの処理効率をあげるというのは会社全般にインパクトのある改善なのです。
○一歩踏み出して業務系データサイエンティストを増やそう
見えないものが見えるようになる分析系データサイエンティストも確かに必要です。しかし足元を強化し、多くの部署の業務をリバレッジできる業務系データサイエンティストという視点でスキルを生かしていくということも有意義ではないでしょうか?生産性の低い日本の職場を一変させていくようなデータサイエンティストが増えていくと日本企業の競争力強化に貢献できそうですね。
転職してから1年たちました [キャリアプラン]
前の会社の転職1年後の状態と比べると、現在はそこそこ適職で前向きなメンバーと精力的に仕事ができており非常に良い状態です。会社の人に見られているかもしれませんが関係無しに正直なところを書いてみます(笑)。
○良かった点
自分がこれから先、何を強みとして世界の人材マーケットで評価される人材になっていくか、という質問に答える道筋がつけられました。前はデータ解析はできるけどExcel以外のツールは使えませんという状態でしたが、RDBMS、BI、ETLなどこの分野での必須スキルをつけることができました(まあ全て自習なので誤った認識も多分にありそうですが…)。これができるようになったことにより、通常は人材的に分断しているスキルセットを一通り備えているので多くが失敗していくBIの分野において、業務要件を概念モデル・物理モデルにまで落とし込み、さらにその結果を統計的に正しく見せる、までをリードできるようになりました。今後は浅く広くだったのを深さを追求するのと最新技術を追求し、会社の分析スキルをトップレベルにまで持っていくのが目標です。直近では今年中にBIを導入して、データ中心の企業文化を作っていきます。
2点目はメンバーにはめぐまれています。多くの人は前向きで明るい。いや、ほんとに東芝とIBMは後向きの人多かったんです。あれ以上会社にいたら自分もそうなっていたと思います。
○心配な点
東芝の時もそうだったんですが、あまり大変さをアピールして仕事をしない性質のため、自分の仕事は「大変ではない」と軽視される・チームが作られない・予算がつかないというスパイラルに陥る可能性があり、若干その匂いを感じています。まあこちらからの情報発信が少なかったというのもあるのでそこらへんは改善中です。
2点目は会社が成長していく中で、仕組みや思考回路をシンプルに保ち続けられるか。前も書いたかもしれませんが、東芝(システムLSI)や(日本)IBMはこれに失敗して凋落しました。うちの会社はいろいろなことに現在挑戦しようとしていますが、アドホックに拡張するのではなく常にフレームワークを作り直すことで効率的な業務ができるようにしないと複雑化の罠にハマり、誰もが忙しいけど仕事が進まない、という状態に陥りかねません。ここは経営企画として時には厳しい意見を提言していかないといけない分野です。
3点目は…うばばばw。一番この手の課題苦手なんだよな。プロジェクトの成功を取るか、和を取るか。最初和をとろうかと思いましたがやっぱり前者を取りに行くことにしました。損だよなあ。
ということで2年目もバシバシ攻めていきます(・ω・)ノ
データサイエンティストはどんなツールを使えるべきか? [キャリアプラン]
自分は会社内で「データ分析担当」という割と日本では特殊な位置づけで仕事をしています。データ分析にはメインの在庫管理だけでなく、商品販売分析、店舗販売分析、マーケティング効果分析、経営分析なども含まれます。こういうふうに書くとうちの会社はデータ分析で進んでいるのか?と思われる方もいらっしゃるかもしれませんが、どちらかというと逆です(でした)。上司がデータ分析の重要性を理解していたために、こういう変わった職種で働くことができています。自分が入社時はデータを活用する、という観念が薄かったですが、現在はデータ活用の重要性が染み渡ってきていることを実感しており、次の「それぞれの人が自発的にデータを取りに行く」というステップの下地固めを現在行っています。
さて、データ分析を担当していて思うのが、「業務が広範のため、理想とするシステムを目指すのではなく適度な割り切りが必要」ということです。自分が思う業務範囲はKPI(Key Performance Indicator)の設定に始まり、データモデル・メタデータのメンテナンス、MDM(Master Data Management)というデータの正確性を担保し続ける上流工程があり、そこからようやくデータ保持(DWH)、データ取得(ETL)、データ加工、可視化(BI)に進んでいき、ようやくそこで分析に入ることができます。ここで通常発生する問題はそれぞれのフェーズで職種が分断していることが(日本では)多く、データ分析のPDCAを回すことができている企業が少ないということです。
データの可視化(BI)に関する外国の記事や、よく理解している人の書いている記事で共通しているのは、BIの開発はSmall start & Agile(アジャイル)であるべきだということです。しかし職種が分断していると、それぞれの間できっちりした仕様を受け渡す必要があり、そういうことをしているといくら時間があっても足りなくなるのが常です。効果を実感しつつBIの利用を軌道に乗せるには、元のデータモデルをシンプルにして高速にBIでビューを提供していくことが重要ではないでしょうか?
このようなことを考えていると、データ分析をする人は専門家に任せすぎることなく、データの正確性を保ち、データを各システムから取得し、データを分析・提供する、ということを統合的に扱えるスキルが求められます。基本的に日本で同じ会社にずっといる場合ではこれらのすべての分野の知識を吸収するのが難しいです。ということで、今回はツールに絞ってデータ分析業務を網羅する方法を紹介したいと思います。
◯表計算(Excel)
Excelなんて使えるよって声が聞こえそうですが、Excelに関しては「途中で数値をいじらずに1変数で全ての結果を得られるシートの作成ができるレベル」を目指してください。
・使用する関数…VLOOKUP,HLOOKUP,INDEX
また、それの作成にあたっては「オートフィルや条件付き関数を使うことで、あとからいちいちセルの内容をいじらずに再編集可能」にしておく必要があります。
・コンセプト…よく「=G3+J3+M3」といった書き方をしていることを見かけますが、SUM用の列を固めたり、SUMIF関数を使うことで後からの編集に強いシートを作ることができます。
そして、基本は「関数でやりきる」ですが、それでは処理しきれない時のためにExcel VBAは習得しましょう。いつもの作業が高速化されることうけあいです。
基本的にExcelは守備範囲が広がっています。昔は統計分析ならMinitabとかありましたが、もはや通常の解析や簡単なBIはExcelでやり切ってしまうのがベストだと思っています。Excelはデータの一貫性の管理ができないということでBIベンダーが必死に説いていますが、だれもがデータを簡単に扱えるメリットを捨ててまで得られるメリットなんてあるのでしょうか?私は非常に疑問に思います。Excelでデータの一貫性の管理レベルを上げるほうが効率がいいでしょう。
◯RDBMS・データベース(Access、MySQL)
Excelが無敵になりつつありますが、そうはいっても数百万件のデータを処理するのはDBの仕事です。ここでいきなりOracleとかを始めるとギャップが大きいので、まずはAccessでRDBMSというものを視覚的に理解し始めることをお勧めします。一方、基本的には個人で閉じて業務をこなす分にはAccessで十分ですが、業務システムからデータを取ってくることが出てくると、SQLが使えることが必須になってくるので、その段階になったらどれかRDBMSを習得するのが良いでしょう。文献が多く使いやすいオープンソースのMySQLなどはお勧めです。
◯ETL(Talend)
ETLはデータ取得・データ加工を高速に行うツールです。Excelはコピペでいろんなところからデータを簡単に持ってこれますが、基本的にDBを使う場合はローダー(インポートツール)を使うか、ETLを使うかのどちらかになります。ETLとは通常業務システム間のデータのやり取りに使用しますが、個人的にETLを使うことのメリットはずばり、「データの移動、変換、保存を簡単にできる・自動化できる」ということです。実はDBにデータを読み込んで加工して吐き出す、というのは手でやるのはそこそこ面倒な作業です。そこで一部の作業をETLで置き換えることで飛躍的に作業効率を上げることができます。自分の場合ではローカルのデータマートの更新を自動化したことで、いままで毎朝業務システムからCSVをダウンロードして差分更新していた作業がざっくりと無くなったため、業務効率の向上と、後々の帳票作成自動化を実現することができました。
通常ETLはものすごい高いツールですが、Talend Open Studioという製品は、様々なデータソース間のデータ保存・変換・取得が可能なオープンソース製品で、超おススメです。(本ブログでも使い方を紹介させていただいております)
◯BIツール(Qlikview,Jedox,Jasper,PowerPivot,その他商用ツールなど)
正直ここはオプションだと思います。ただしBIを手元で立ち上げられると、周りの人のためのデータ可視化が一気に進むため会社として非常に効果が高いです。なので簡便に使えるツールを自分で探し出して使いこなしていくようになれると無敵になれます。BIにはざっくりとレポーティング(定型帳票)とアドホック分析(オンライン分析、OLAP)があります。前者はいろいろなツールがありますので自分にあったものを探してください。オープンソース系でおススメはPalo,Jasperserver,Pentahoです。後者に関しては自分の中でPowerPivotが決定版になっています。これはOffice2010用の無料アドインで、簡単に設定ができ、OLAPをインメモリで高速に行うことが可能です。ちなみに自社ではQlikviewを最終的に導入しました。結局目的に対して一番最適なツールを選ぶ、そのためにどれが一番目的に合うかを自分で試して選別するスキルが最終的には必要になります。
◯統計分析(R、SAS)
実は自分はここまでは到達していません。ネックになっているのは難易度が高い点と、得られる結果が必ずしも説明できるものではない点です。前者は単なるスキル不足なのですが、後者は割と根が深い問題です。というのも「統計は万能」みたいな信仰が世の中にはありますが、通常の業務で使用するデータに関しては難しい分析は必要なく、地味に可視化ができていればことが足りるケースが多いのです。統計が必要なケースはデータ量や変数が多い場合ですが、仮説と結びつかない知見を産んでしまう危険性を秘めており、注意して使用しないと間違った知見を産んでしまう可能性があります。なので、機会があったら取り組もうと思っているものの、自分の業務ではまだ具体的に適用すべきテーマが見つかっていないのが現状です。
ということでいろいろなツールを紹介させていただきました。正直初めて触るには敷居の高いものばかりなので上から順に気長に取り組むのがおすすめです。習得にチャレンジしてみてください!
BI( Business Intelligence)の飛躍のために [キャリアプラン]
さて、ここまで好調、好調と言っているのには理由があります。それは自分がいままでやりたかったBIの分野に本格的に携われそうであるということなんです。
BIというと一般的にはソフトウェア屋が考えた絵空事というイメージが蔓延しています。なぜそうなってしまったのか?。それは以下の3つの理由から来ていると自分は考えています。
- 業務担当がITに詳しくないのでBIの機能を使い込むまで到達しない
- IT担当、またはベンダーが業務に詳しくないので、業務と関係ないレポートしか提案できない
- 数値解析の勘が悪い人が多い
Week 1 [キャリアプラン]
まだ一週間しかたっていませんが、相変わらず順調です。悪運あるな、自分(笑)。
最近思うのは、大企業で埋もれている優秀な人って本当に日本には多いと思います。今日の日経ビジネスに記事がありましたが、大企業に入る若手は「タイタニックで皿洗い」と表現されています。いやあ、まったくもってその通り(--。しかも船は地上みたいに店が大きくなることは無いので、人事は固まっているという状態をも言い当てていると思います。
http://business.nikkeibp.co.jp/article/manage/20100615/214970/
昔のように終身雇用や広がり続ける市場が期待されない以上、やりがいのある仕事ができない大企業にいること自体がリスクです。この考え方は「経営者人材への道」という記事で、エージェントの取締役の座談会にて語られています。
http://www.procommit.co.jp/management/p_type_200908.pdf
って半年たったらまた違うことを言っているかもしれませんが(笑)、 新しい門出に期待が膨らんだWeek1でした。
前職の反省と今後の抱負 [キャリアプラン]
やずや騒動で考える~日本1億2千万人がどうやって食っていくか?を考える時が来た [キャリアプラン]
http://news.mixi.jp/view_news.pl?media_id=53&id=1192786
べつにこういう応募をかけた、「やずや」が悪いとは思いません。
熱い思いといって何か遊んでいる映像が目立ってしまうこの学生が悪いとも思いません。
一番の問題はこのように働く意思のある学生の働き口が無くなってしまっていることです。少なくとも働き口があり安泰だと思っている人達が、継続的にバリューを生み出し働く意思のある人を拾い上げていく余力を増やす努力をし続けなくてはいけないんじゃないか?って考えている人はなかなかいないものですね。自分はいわば既得権益を持っているほうですが(まあいろいろあっていろいろなんですがそれは5末にまとめて報告ということで(笑))、せめて自分が報いるのはそういうことだと思うんです。
大企業病と戦う [キャリアプラン]
「ソニーをダメにした「普通」という病」という本を読みました。現在の会社にいること5年間、「もう3年いたらこの企業の社風(大企業病)に染まってしまう」という危機感を持っていた自分にとって、あらためて大企業が陥りがちな問題をはっきりと再認識させてくれました。
いろいろな「普通」病を紹介していますが、ざっくりとまとめるとこれらに対処できるのは「楽な方向に流されない尖った社員」がいるかどうかにかかっています。ここから本の内容とは関係ない私見になりますが、尖った社員を許容できるかどうかはいろいろな性質の人間が組織に均等にいる必要があると思います(均質な人間の集団ではなく)。尖った人にも苦手分野があるのでそれをサポートできるようなバランス型の人、地味な仕事を着実にこなせる人、人を育てるのがうまい人…。これらの人がうまいバランスで構成されている組織で1+1=2以上の成果を出せるのではないかなと最近思います。
著者はソニーの現場に10年以上在籍した後、コンサルとしてのキャリアを成功させています。日本人のホワイトカラーの生産性を向上させてプライベートな時間を増やして欲しいという願いは自分も常日頃から思っていることであり、こういう人を目指していきたいと思いました。コンサル純粋培養の人と自分の違いは自分が現場の惨状を知っていることなので、今までの経験を大事にしていきたいです。
説明忘れていましたが転職します(笑)。これ見てびっくりした人は↑見て大体察してください。
キャリアプランを考える(1)~概要 [キャリアプラン]
正直最近現在の仕事で知識不足からくる不自由はなくなってきたので余裕を持って自分の仕事を見つめることができるようになってきている。まだ20代なのでそれほどあせる必要はないが、ちゃんとプランを立てておくのは重要なのでちょっと考えはじめることにした。とりあえず思いついた項目を挙げといて、あとで一つ一つ掘り下げていこうと思う。
重要な項目は以下の2つ。
○どうなりたいか?
・ほりえもん…逮捕されるという意味ではなくて(笑)、ビジネスを持って成功させる
・ノーベル賞の田中さん…一生技術者を貫く
・今の会社でマネージャ…大企業で偉くなっていく
最近の世の中、お金を稼げるのに価値観が寄りつつあるのでやはりそういう生き方は気になるがそれは自分にとって幸せか?
○自分のスキルは?
・現在の仕事…どこでもやっていけるとは思う
・趣味…システムアーキテクチャを考慮したプログラミング(VBA 笑)、技術翻訳
・資金運用…統計と確率を使えるのは強みか
昔、日雇いのバイトをした時にそこのおじさんが「3つぐらい特技をもっておかないとこれからはくいっぱぐれることあるよ」という言葉を残していたのが今になって思い返される…。
次回以降は各論を掘り下げていきたい。