この記事はBrainPad Advent Calender 2023 13日目の記事です。
魅力的な記事が満載ですので、ぜひ本記事と併せてご覧ください。
サマリー
メンバーレイヤーのデータサイエンティストに求められる主な役割は下記の3つである。
- 個別タスクの遂行
- 適切なエスカレーション
- 関係者とのコミュニケーション
その役割を果たすためには下記の3つを意識するとよい。
- ラストマンシップを持つこと
- とにかくアウトプットを出すこと
- マネージャーとコミュニケーションを密にとること
そして思いやりの心をもって仕事に臨もう。
はじめに
私はBrainPad(以下BP)に中途で入社しました。前職の事業会社でもデータサイエンスに触れていましたが、BPで本職のデータサイエンティストとして業務に携わるようになってから約2年が経過しようとしています。
“データサイエンティスト”はここ数年で一気に知名度を上げて聞き馴染みのある単語になってきたものの、依然として比較的新しい職種であることに変わりはなく先駆者も多くないため、そのキャリアには未知領域が多く残されています。この記事をご覧のあなたも「この先どうしていこうか？」と頭の片隅で悩んでいる最中なのではないでしょうか。
私もBPで様々な案件を経験する傍らで、データサイエンティストとしてどう成長していくか模索してきました。長期的なキャリア像を描く過程で、まずはデータサイエンティストとしてどのように仕事をすれば価値発揮できるかを考えるようになりました。
経験値を積むうちに、今までボンヤリしていた理想の仕事像が輪郭を帯びてきたように感じています。このチャンスを逃す手はありません。言語化することでその輪郭の縁を捉まえ、記事の形に落とし込んでみようと思います。
私は現在、いわゆる”メンバーレイヤー”のデータサイエンティストです。組織構造や実案件によって体制は様々あると思いますが、今回はマネジメントする側の”マネージャー”とマネジメントされる側”のメンバー”という2つのレイヤーに大別し、メンバーレイヤーにフォーカスを当てます。
メンバーに求められる役割をベースに、チーム全体が価値発揮するためにはメンバーレイヤーのデータサイエンティストは何を意識して仕事にあたるべきか、私の考えを述べたいと思います。
マネージャーとメンバーの区別は相対的なものです。ある括りではメンバーで、ある括りではマネージャーであるというケースが多いでしょう。いずれにしても基本的には全員が必ずメンバーからキャリアをスタートさせますから、メンバー側の仕事像を深く理解することは必要です。
私自身も成長途上ではありますが、この記事がデータサイエンティストとしてキャリアを積む皆さまのお役に立てれば幸いです。皆さまご自身の経験談などをコメントいただけると嬉しいです。
メンバーに求められる役割
マネージャーとメンバーの役割の違い
データサイエンティストがチームを組んで進めるプロジェクトにおいて、マネージャーとメンバーの最も大きな役割の差は意識している時間の幅です。マネージャーは常に視座が高くプロジェクト全体の中長期的なQCD管理を担います。それに対してメンバーは個々のテーマに注力します。
メンバーも将来的にマネージャーになることを見据えると早い段階から高い視座を持つべきですが、まずは実際に作業するテーマに集中すべきであり優先順位は低いです。
図1：マネージャーとメンバーの視点の違い
個別のテーマに着目して業務プロセスの観点で整理すると、マネージャーとメンバーの差は業務プロセスにおけるコミット割合で捉えられます。
メンバーの役割の重点はプロセス中央部の”分析設計”、”分析実施”、”成果物・資料作成”におかれており、マネージャーが切り出した分析タスクについて、実際の分析や結果の集計を担います。メンバーの中でも経験の浅いジュニア層は、さらに粒度の細かい分析タスクを渡される場合が多いでしょう。
図2：業務プロセスにおけるコミット割合
これらの状況を理解したうえで、メンバーの役割は以下の3つに整理されます。
メンバーレイヤーのデータサイエンティストに求められる主な役割は3つある。
①個別タスクの遂行
②適切なエスカレーション
③関係者とのコミュニケーション
(＋その他雑務)
それぞれについて見ていきます。
①個別タスクの遂行
メンバーレイヤーのデータサイエンティストが最も為すべきことは、マネージャーに任された個別の分析タスクの確実な遂行です。QCD管理ができるとベストですが、初めのうちはQCDのうちQuality（品質）とCost（コスト）を担保するのは難しいので、まずはDelivery（納期）を管理することが最優先です。
納期に向けて工数管理を行い目の前のタスクを頑張ること、言うまでもない基本のキですが、これがメンバーレイヤーに最も求められる大切な役割です。
個別タスクを遂行する上で意識しておくと良い点が2つあります。
- 扱っているデータに関する様々な情報を把握しておくこと
- 自分が用いた技術は周辺情報も併せて調査しておくこと
扱っているデータに関する様々な情報を把握しておくこと
分析した元データや出力された結果データの一部分だけを見て、問題なさそうだと満足してはいけません。分析結果をマネージャーに報告した時に、型は？件数は？平均値は？分散は？欠損値は？イレギュラーな値は？などといろいろ聞かれてしまったことはありませんか？
よく聞かれる情報は予め回答できるように用意しておくのはメンバーの役割です。マネージャーは実際にデータを触ったメンバーのフィルターを通して分析結果を理解することになる場合があるので、メンバーはマネージャーが結果の良し悪しを判断できる情報を揃えておかなくてはいけません。
これを意識しておくと、マネージャーの分析の進め方が自然と身につくので、とりあえず思いつく限り目の前のデータをつついて情報を把握しておくと良いでしょう。
自分が用いた技術は周辺情報も併せて調査しておくこと
マネージャーは知識豊富ですが、データサイエンスの世界は日進月歩です。新技術が毎日バンバン生まれるしツールもどんどん増えます。マネージャーも人間なので全ての詳細は把握していません。
分析中に詰まった箇所があれば、ネット等で情報を集めて作業を進めると思いますが、その際に周辺技術などについても深めに調査しておくと非常に良いです。
特にAWSやGCPまわりは実際に試行錯誤したメンバーが現状に一番詳しくなっている場合があります。複雑な内容まで完全に理解するのは困難ですが、依頼元やクライアントの細かい問い合わせにもある程度答えられるようにしておくと、周囲の評価は一段と上がります。
上記の2点はちゃんとやろうとすると意外と大変です。目的通りの分析結果が出たからOKと済ませてしまうのではなく、丁寧に情報集めを行うこともタスクの遂行に含まれています。自分の役割を理解して、その領域でちゃんと仕事をすることで確実に成長していきます。
余裕が出てきたら”分析実施”の周りの”要件定義”や”分析設計”についても考えるようにしていき、徐々にマネージャーのコミット割合を減らすことを意識できるようになると、メンバーレイヤーとしては中級グレードに上がったと言えるでしょう。
図3：メンバーの成長に伴うコミット割合の変化
②適切なエスカレーション
エスカレーションは「上司に相談して判断を仰ぐ」という意味です。
具体的なエスカレーションの例としては、タスクの工数管理が危うい時にヘルプを求めたり、想定外の結果が出て二進も三進もいかなくなった時に相談したりする場合があります。
マネージャーはプロジェクト全体のQCD管理を行っているので、もちろん定期的にメンバーへの進捗確認は行いますが、実際に分析タスクを担っているメンバー側が必要だと思ったタイミングで報告を上げることは、テーマやプロジェクト全体を円滑に進めるためにメンバーが担うべき役割です。
ちなみにレスポンスが早いのは超大事です。
上記のような緊急性の高いエスカレーションは誰しも自然と行うと思いますが、もう一つ重要なエスカレーションがあります。それが**適切なスパン、適切な粒度での情報共有(sync)**です。
syncは緊急性は薄いが共有されていると嬉しい内容のエスカレーションとここでは定義します。
主な共有内容は進捗状況、分析結果、コード変更箇所、などになると思います。また、自分なりの考察や感触をエスカレーションしておくことも大切だと思います。例えばあえて下の視点から感じているちょっとした違和感を伝えたり、依頼者の現場やクライアントと話した時のフィーリングを伝えておくと、マネージャーはそこからヒントを得ることもあります。
マネージャーとは進捗確認のミーティングが定期的にセットされていると思いますが、マネージャーは様々な業務に携わっているため、仮に1日に1回会議があったとしても細かい内容までは覚えていません。
そこでメンバーが取るべき対応が2つあります。
- 報告内容を整理しておく
- 報告のスパンを短くする
この2つをちゃんと実行できれば、マネージャーがメンバーの状況を良い感じで把握でき、テーマ進捗の遅延や手戻りのリスクを減らすことができます。
報告内容を整理しておく
進捗状況を報告する時には、分析結果や考察の羅列をするのではなく、タスク全体の進捗状況、前回MTGからの変更箇所、主要エラーの対応箇所を共有するとよいです。
また個別タスクの遂行時に調べた情報や試行錯誤についてメモを残しておくとベストで、できれば簡単にでもConfluenceやNotionなどを用いてドキュメント化しておくと良いでしょう。
報告のスパンを短くする
例えば週に1回しか報告の機会が無い場合、マネージャーへの説明コストがどんどん上がってしまいます。そこで、報告内容を整理したうえでマネージャーに2日に1回はチャットで現状を報告するなどして、メンバー側からマネージャーに状況の把握を積極的に促すと良いでしょう。
マネージャーも情報共有の頻度を上げてくれるかもしれませんし、そうでなくてもマネージャーが長期の予定を見通すための材料を与えることになるので良い行動です。
なお、マネージャーによって求められる粒度やスパンが異なるので、2つのバランスを調整する必要があります。プロジェクト開始から早い段階でマネージャーと相談しておくと良いでしょう。
マネージャーは中長期のことを見ているので、個別の細かい領域は知らないことが大半です。なので、マネジメントされるメンバーは、マネージャーにマネジメントされやすい状態にしておくことが大切です。
③関係者とのコミュニケーション
データサイエンティストの業務を行う際には、分析依頼元である部署やクライアント、分析環境を整備している情シスなど関係している人が多数存在します。
初期のコミュニケーションは基本的にはマネージャーが担う部分ですが、案件が進むにつれて実務レベルでのコミュニケーションが増えてきます。会議の設定や資料の送付にはじまり、具体的な分析内容や問い合わせ対応もメンバーが担うようになります。コミュニケーションが取れていると分析結果の報告が円滑に進みやすいので個別タスクの報告の観点からも重要です。
データサイエンティストはたいていの場合、分析データが発生する実際の業務には携わっていないケースが多いです。そのため実際の現場担当者や現場と距離の近い人とのコミュニケーションを密にしておくと、現場担当者ならではの情報が聞ける場合があります。この情報は上述したようにマネージャーにエスカレーションしておくと喜ばれるでしょう。
ここまでメンバーレイヤーのデータサイエンティストに求められる3つの役割について述べましたが、時には期待役割のレベルを調整することも必要です。マネージャーのマネジメント傾向やチームの構成によって求められる役割には変化があります。
事業会社の場合はマネージャーが頻繁に変わることは稀ですが、分析ファームで配置転換が多い場合は案件アサイン時に自分に期待される役割をすり合わせておくとスムーズです。
メンバーが意識すべき3つのこと
メンバーが果たすべき役割が明確になったところで、では何を意識すればその役割を全うできるようになるでしょうか。私は下記の3点を強く意識するようになってから自分でも成長を感じるようになりました。
成長のために意識すると良い3つのこと
- ラストマンシップを持つこと
- とにかくアウトプットを出すこと
- マネージャーとコミュニケーションを密にとること
ラストマンシップを持つこと
ラストマンシップとは自分が最終責任を負っている意識をもつことだと私は捉えていて、仕事をキチンと果たすために必須の考え方だと思っています。もっとシンプルに『覚悟』と言い換えても良いかもしれません。
メンバーの役割は「個別タスクの遂行」ですが、最初期を抜けて少し顔を上げてプロジェクト全体を眺められるようになってきた時には、ラストマンシップを持つことが次なる成長を促すキーになります。
例えば、分析結果の正確性について「マネージャーがきっと確認してくれる」と思ってしまったり、報告資料を作成する際に「最後はマネージャーが完成させてくれる」と思ってしまったりと、メンバーのアウトプットに対する責任感が薄い場合が往々にしてあります。
実際にはもちろんマネージャーが責任を負うので、そう思ってしまうのは仕方ない側面もあるのですが、このラストマンシップをメンバーレイヤーが持つことで圧倒的に品質が上がり、チームが発揮する価値も飛躍的に向上していきます。
プロジェクト全体までは意識が及ばずとも、個別タスクの1段上にあるテーマレベルまではすぐに意識が向くようになると思いますし、自分のアウトプットを責任もって依頼者に見せられる状態にまで引き上げることは必ず自身の成長に繋がります。
なお、ラストマンシップについては下記noteを読んで感銘を受けました。ぜひご一読ください。
とにかくアウトプットを出すこと
ラストマンシップが大事とは言いましたが、まずは納期に間に合うようにアウトプットを出すことも大事です。アウトプットがないとマネージャーも何も動くことができません。
「60点でいいからアウトプットを出せ」とよく言われますが、メンバーの100点のクオリティとマネージャーの100点のクオリティは異なるので、まずは自身の納期までにできる限り完成度を高めましょう。
ラストマンシップは念頭におきつつ、アウトプットを適切なタイミングでマネージャーに渡してフィードバックをもらうサイクルで、試行錯誤しながら品質向上していくことが成長への王道です。
マネージャーとコミュニケーションを密にとること
メンバーの役割で述べた「適切なエスカレーション」と似た内容になるのですが、マネージャーとの密なコミュニケーションは意識的に多めに行うと良いです。
進捗状況や懸念点の共有も大事ですし、そのハードルを低くするためにはコミュニケーション頻度を上げることが大事です。エスカレーションの粒度やスパン、依頼者とのコミュニケーションの結果などを1on1や定例会議などで雑談レベルでも話しておくと仕事が回りやすくなります。
また、マネージャーはメンバーを経ていますから、マネージャーはメンバーレイヤーの悩みを理解してくれるはずです。マネージャーに仕事のやり方や悩みを相談したり、プロジェクトについて話すことは自分の仕事に対する解像度やプロジェクトを俯瞰する視座を引き上げてくれるため重要だと思います。
成長のために実践したアクション
データサイエンティストとして成長するために、私が実際にとったアクションをいくつか挙げてみます。
自分が得意な領域にちょっと尖ってみる
データサイエンティストとしての能力はマネージャーには敵わないですが、マネージャーに「コイツここはちゃんとやるじゃん」と思わせる領域を作ると自信になります。ある部分では限定的にラストマンシップが発揮できたと思える領域が増えると、次第に本当のラストマンシップが身についてくると思います。
得意な領域というのは業務に関わることであればなんでも良いと思います。私は「とにかく毎日進捗とアウトプットを出すこと」と「情報をドキュメントにまとめること」を実践しています。
環境を変える
成長環境は非常に重要です。仕事内容や人間関係の相性は必ずありますから、自ら行動して環境を変えることはデータサイエンティストに限らず成長のために必要だと思います。
仕事内容は自分が伸ばしたい能力がキチンと成長しているかを意識すると良いです。1年中同じようなルーティン業務ばかりでは新しい技術を磨くことは難しいでしょう。
メンバーとマネージャーの相性はメンバーの成長曲線の形に大きな影響を与えます。ここまでで何度も”マネージャーと相談”と述べてきましたが、相談しても自分と合わない場合は大いにありえると思います。
世の中にはいろいろなタイプの人がいて相性は必ずあります。相手が良い人悪い人という話ではなく、自分と合うかどうかという軸で判断すべきです。仕事なので必要があれば割り切って環境を変えた方がいいし、その結果メンバーがより良い価値を提供できるのであれば、その方が会社全体のプラスになります。
今の環境で違和感を覚えるのであれば、積極的に環境を変えることをオススメします。
がんばる！
完全に持論ですが、人間はある程度ストレッチを効かせないと大きく成長することはないと思っています。筋トレで筋肉を一度破断しないと筋肥大しないのと同じです。
Plus Ultraの精神で自分の限界を一歩超えたところに、ようやく次のステップが顔をのぞかせてくれると思うので、ちょっと多めに頑張ってみることは大事です。
もし今の仕事が少し楽だなぁと感じたら、そこで学ぶことはもうないのかもしれません。思い切って別のテーマや案件に異動させてもらうと良いと思います。新しい人間関係や作業環境はストレスでもありますが、同時に学ぶことも多いです。頑張りましょう。
本当に大切な思いやりの話
ここまで長文でメンバーレイヤーのデータサイエンティストに求められることと成長するための意識や行動について述べてきましたが、本当に一番大事なのは相手の立場に立って考えることです。
社外に向けて「お客さまの立場に立って考える」のは当然ですが、社内に対しても同じ意識を持つべきです。上司や同僚、部下に対してもリスペクトを持ち、今接している相手に敬意を払うことが大事です。
データサイエンティストの仕事はチームで進めるもので、チームの仕事を円滑に進行させるために全員が協力することはレイヤーに関わらず重要です。メンバー視点で言うといわゆる「フォロワーシップ」ですね。
データサイエンティストは「データから引き出す価値を最大化するために、統計学や数学、プログラミングなどの技術を駆使してデータ活用を実践するスペシャリスト」ですが、事業会社でも分析ファームでも、その役割の本質は「データ活用に悩む人たちを助けること」です。
データサイエンティストは他者を助けるのが最優先の仕事であり、人を助ける気持ちこそがデータサイエンティストの本質だと私は思うし、データの側面からあらゆる業界や職種と協業できることがデータサイエンティストの魅力だと思います。
これからも思いやりの心をもって仕事をしていきたいです。
おわりに
データサイエンティストの能力はスキルセットで論じられがちです。データサイエンティスト協会が提唱しているビジネス力、データサイエンス力、データエンジニアリング力の3つは皆さんも目にしたことがあると思います。
図4：データサイエンティストに求められるスキルセット
データサイエンティストのキャリアがスキルベースで語られるため、実際の業務で求められる仕事に対する解像度が低いままになっていると感じています。コンサルタントとエンジニアの間のような存在であるデータサイエンティストは何をすべきなのか曖昧な部分が多いです。
そこでこの記事を通してチームの中で果たすべき役割を理解しているか、を問おうと考えました。仕事はチームで進めるものですから、自分が果たす役割を理解しつつ、お互いが尊重しあいながらチームで成果を出すことが最も大切です。データサイエンティストのスキルはその過程で高めたくなるし、高まっていくものです。
またデータサイエンススキルが連続値で成長していくのに対して、マインドセットは離散値で変化します。ある日何かのきっかけでガラっと仕事に対する考え方変わると、それによって発揮できる価値が格段に上昇します。そのため記事中には仕事に対する意識にフォーカスした内容を多く盛り込みました。
粒度のバラツキがあったりヌケモレがあったりと綺麗に整理できておらず恐縮ですが、この記事が皆さまのデータサイエンティストとしての仕事の解像度を上げ、成長を促すことができれば幸いです。
もしキャリアを考える過程で弊社にご興味が湧きましたらお気軽にご連絡ください。
お待ちしております。
参考ページ
※本記事は私個人の考えであり、会社を代表するものではありません。