My_lightning_talk_at_data_learning_guild_s_1st_anniversary_event.pdf

 My_lightning_talk_at_data_learning_guild_s_1st_anniversary_event.pdf

データ分析界隈に転職してから1年間のことを
データラーニングギルドの1周年記念イベントで話しました。

805fed9673eadc2e26918b2beddf0950?s=128

banquet.kuma

July 23, 2020
Tweet

Transcript

  1. この1年データ分析界隈で やったことと今後の戦略 データラーニングギルド 1周年記念LT

  2. 自己紹介 年齢:34 学歴:応用物理学修士 職歴:大手電機(生産技術) →半導体ベンチャー(生産技術) →データ分析系SES(?) twitter:@dar_kuma_san

  3. 昨年8月に、完全未経験からデータ分析業に転職しました。 転職までの話は割愛します。 こちらの記事を参照下さい。 https://qiita.com/banquet_kuma/items/7d44d0e777bcc5ac8b67

  4. 転職後に行動したことと、 現在の状況(with コロナ)を話します これからキャリアチェンジを考えている方の 参考になれば幸いです ※あくまで私のモデルケースなので、一般論ではないです。 話半分に聞いてください。

  5. 1年表 時期 イベント 学習したこと 意識したこと 感情 2019/8 キャリアチェンジ ・統計 ・Python

    特になし とりあえず、走り出した のでやるしかない 2019/9 自習期間 2019/10 研修期間 統計検定2級取得 Python3エンジニア試験 ・数学、統計 ・R、Python、SQL ・機械学習、 多変量解析 ・CRISP-DM ・プレゼンスキル ・テストで良い点を取る ・積極的に手を挙げる ・予習復習 会社以外の学びで差別化 したい(DLGの活用) 2019/11 2019/12 2020/1 2020/2~3 実務 (前処理ツールの開発) ・自然言語処理 ・Python自動化 プログラミング データ分析力よりも ビジネススキルを意識 分析スキルよりも ビジネススキルを求めら れているな 2020/4~6 自宅待機期間 (=自習期間) 色々 モチベーションの維持に DLGを活用 この先仕事があるのか 不安 2020/7~ 実務 (製造業のデータ分析) ドメイン知識 (現状、ほとんどこ れに費やしている) ・ドメイン知識を推す ・ドメンチ知識にキャッ チアップする ・積極的に発言する ・業務内外を分けない 経験値が上がることは なんでもやりたい ここからが勝負
  6. 一案件目の心得(2020/2~2020/3) 初案件では、「データ分析力」よりも「ビジネススキル」意識するのが吉 ヒットよりは送りバントを確実に成功させて信用残高を貯める 現実解 PMのアウトプットイメージから 大きくずれなけらばOKくらいの感覚で! ・目的、アプトプットイメージをしつこく確認する ・進捗2割で共有する ・納期の遅延を事前に報告する ・できれば、PMの期待値を僅かに上回る

    2件目以降、仕事の幅を広げるために PMの心理的ハードルを下げておくことが大切 理想 自ら考案した手法で 課題解決に大きく寄与! PMの期待値を少し 上回れれば御の字す
  7. 自宅待機中の心得(2020/4~2020/6) 自分の精神力でモチベーショを維持するのは止めましょうw そのための「仕組み」を活用するのが吉 DLGの効用 スキルへの効用 モチベーションへの効用 ・最新の情報にキャッチアップできる ・業界の動向を知れる ・実践的なトレーニングが積める ・企画に参加して、強制的にin/out

    putする ・メンバーの活動を見て自分に刺激を与える ・悩みがあるのは自分だけでないと認識できる モチベーション、 in/out put量 時間 谷間に落ちると戻すのが大変そう DLGを活用して一定のモチベーションを保つ とにかく目の前のタスクをこなさないと いけない状況を作ってしまう
  8. 二案件目での学び(2020/7~現在) 〇〇×データサイエンスを満たせる人材は少ない 未経験からの参入だと、 “ドメイン知識”や“ポータブルスキル”を推したほうが案件獲得しやすい お客さんの求めるスキル 持ち合わせているスキル 〇〇業界(製造業)への深いドメイン知識 >サイエンス力、エンジニアリング力 (これらはむしろあって当たり前と思われてい る?)

    ・半導体製造プロセスに関する知識 ・製造業での課題解決経験 ・サイエンス力、エンジニアリング力 に関する基礎的な能力 後は、前述のようにコツコツと信用残高を貯めていって、 やりたい仕事ができるように動く
  9. 想像と現実 キャリアチェンジ前の想像 キャリチェンジ後の現実 ・機械学習とか深層学習とかバリバリ使える ・すぐに高収入 ・高度な数理的能力が求められる ・需要が高い ・それ以外の業務がほとんど ・長期戦になる ・ドメイン知識でカバーできる部分もある

    ・それはそう あきらめずに、 走り続けるメンタルが必要になります。。
  10. まとめ YouTubeにインタビュー動画がアップされる予定なので、 良かったらご覧ください 未経験 & 社会人経験を積んだ上でのキャリチェンジに関して ✅まずはビジネス力を意識して信用残高を貯めよう! 信用を獲得できれば、仕事の幅が広がるはず ✅自分一人で頑張るのは止めよう! お互いに利用しあって、長期戦を乗り越えたい

    ✅〇〇×データ分析人材を目指すのが現実的 〇〇はこれまでの経験、ここも同時に変えるのは更に難易度高い