Upgrade to Pro — share decks privately, control downloads, hide ads and more …

【HR×Tech最前線】未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは /...

【HR×Tech最前線】未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは / hrtech-data-scientist-working-future

【HR×Tech最前線】未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは
登壇資料(2022/12/06)
https://lmi.connpass.com/event/266831/

登壇各社の情報はこちらとなります。
=============================================
【株式会社ZENKIGEN】
■株式会社ZENKIGEN採用情報・応募はこちらから
 https://recruit.zenkigen.co.jp/career
■データサイエンティスト社員インタビュー
 https://recruit.zenkigen.co.jp/interview/konita
 https://note.com/zenkigen/n/n6af5173545c4

【株式会社リンクアンドモチベーション】
■お問い合わせ
 [email protected]
■Entrancebook
 https://note.com/lmi/n/n179505e048f4
■登壇者 東山インタビュー
 https://www.wantedly.com/companies/lmi/post_articles/219196
=============================================

More Decks by リンクアンドモチベーション

Other Decks in Technology

Transcript

  1. 11 経営 人材 戦略 デジタル化 人生100年時代 グローバル化 予測不可能性への 対応 環境変化

    優 先 課 題 例 ・急成長海外市場の シェア獲得 ・ニーズ多様化への対応 ・グローバルガバナンス への対応 ・競争力や勝ち筋の再検証 ・テクノロジー進化、 スピードへの対応 ・シニア人口増加/ 若年層人口の減少への対応 ・個人の労働寿命が長期化、 キャリア意識が変化 ・コロナウィルス/戦争など 予測不可能性状態での 事業継続 ・企業存在意義(パーパス) の明確化 ・多様な人材の育成 / 確保 ・JOB型への対応など 柔軟な人事精度構築 ・イノベーション創出人材 の発掘/育成/確保 ・人材の再教育/再配置 (ビジネスモデル変化 へ対応) ・価値観の多様化への対応 ・エンゲージメント向上 ・キャリアの自律化 ・変化対応力の高い 人材/組織 ・場所/時間に囚われない 働き方の整備 ・リモートワークにおける コミュニケーションの 活性化 参照: 持続的な企業価値の向上と人的資本に関する研究会報告書~ 人材版伊藤レポート ~ https://www.meti.go.jp/shingikai/economy/kigyo_kachi_kojo/pdf/20200930_1.pdf 人的資本を含む “無形資産” が企業価値の源泉となる時代
  2. 12 • HRとデータ | 取得・活用 • 人の可能性を発揮 | 倫理の方向性 •

    企業価値向上 | 人的資本の最大化 • より良い社会を創造する | 未来へ |Keyword
  3. 未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは 質疑応答 ご質問 まだまだデータサイエンティス トという役割の定義が曖昧で、 周囲の理解を得づらいこともあ ると思うのですが、実際に社内 で取り組みを進められるうえで 工夫されていることはあります か?

    回答 ▪小荷田様 入社当時は、社長をはじめ多くのメンバーがデータサイエンティストの役割をはっきりわかっていたわけでは なさそうでした。 ただ、自分が期待に応えないと部門も大きくならないと思ったので、専門ではなかったHRドメインをしっかり 勉強して、一番可能性を感じたピープルアナリティクスの知見をHR SaaSに組み込んで成果を出していこうと 思いました。 最初はその成果までの道のりが長かったため、まずはマーケティングデータ分析をしたり、適性試験のデータ 活用をサポートしたりして、目の前のことで成果を出し信頼を得ていきました。 新しい職種のため、私たちより上の世代のデータサイエンティストはなかなかいないと思います。 自分たちが成果を残していかないと消滅してしまう職種でもあるので、半分はビジネス貢献のため、そしても う半分は、未来へ向けて取り組んでいるところがあります。 ▪東山様 私も社内データサイエンティスト第一号なので、小荷田さんがやってきたことに非常に共感できます。 入社時描いた構想も色々ありましたが「今じゃない」と実現が後回しになっていました。 そんな状況だったため、何が一番事業貢献できるかを考えてやってきました。 そして、まずはモチベーションクラウドの解約予測だと取り組みやすく貢献もできると思ったため、 解約しそうなお客様のところへ同行してフォローしたりして信頼を得ていきました。 私は7割ビジネス貢献、3割未来のために取り組んでいますが、 これは企業フェーズによって違いはあると思います。
  4. 未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは 質疑応答 ご質問 前提として、データサイエンス には大きく2つの問題があるよ うに思います。 1 情報取得はできるが、解釈が 難しい問題 2

    情報取得が難しい問題 現状よく聞くビジネスサイドの データサイエンスは1を指すよ うに思っていますが、やり尽く されてきているようにも思いま す。特に人間の知覚の延長の際 には、今後のトレンドは1, 2の どちらが主流なのでしょうか? 回答 ▪小荷田様 ①分析:事後分析(採用活動終了後来年に向けて使うもの) 取得はできているが解釈が難しいパターンです。 問題のあるところを特定して、それからはUXリサーチやインタビューなどを実施して、 真実を暴いていく取り組みをしています。 ②AI開発:リアルタイム(採用活動中に使うことができる) 情報取得が難しいところですが、モデルなのである程度の想定の動きはあります。 ただ、解釈の問題が出てくるものなので、精度は落ちますが、2つモデルをつくることがあります。 (重要変数がわかるものと、DeepLのハイブリッドなど) 人間の領域のものなので「解釈できないもの」は使えないと考えています。 ▪東山様 1の限界を感じたときに、2の取得戦略を考えていくように、1と2は地続きの問題だととらえています。 1の取得できている情報をモデルに落とし込みますが、取得できていないものは何かを普段感じていることか ら考え、どのようにしたらデータとして取得できるか戦略をたてていきます。なので、両方とも大事だと考え ています。
  5. 未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは 質疑応答 ご質問 小荷田様へ 先ほど人文系方面 の方々ともコラボレーションを されているとお聞きして非常に 興味深かったです。異なるバッ クグラウンドの方々とコミュニ ケーションを取りながら成果を

    出すことは困難もあると思うの ですが、何かコツや気をつけて いることなどはございますでし ょうか。 回答 ▪小荷田様 R&Dの採用基準は、「専門性+共感力が高い人(他分野を否定したり攻撃するのはNG)+人間に興味がある 人」というものになっているので、コラボ力が低いということは少ないです。 そのうえで、弊社では基礎的な勉強会を積極的に行っています。 例えば、各分野のバイブルとなる書籍がリスト化されていて、社内の課題書籍になっています。 他にも、みんながわからない領域があった場合、分野を超えて全員で論文を探してきて、ディスカッションす る場を週に1回設けて、共通言語づくりをしています。 専門家の方を招くときもあるのですが、外部の人も参加が可能なものもあり、先月の読書会テーマは「味覚」 で実施しました。 ▪東山様 小荷田さんとことごとく被りました(笑) 相手の言っていることの背景にあることを理解して共感をし、そこを受け入れたうえで共通の目的をつくるこ とが大事だという考えが弊社のメンバーに共通してあります。その上で、その共通の目的を達成するためのコ ミュニケーションが効率的になるように言葉を揃えることにも腐心しています。リンクアンドモチベーション グループには、「DNA Book」というものがあり、テストの実施などを通して言葉を揃えています。
  6. 未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは 質疑応答 ご質問 分析結果やAIの示唆を元に、ビ ジネス上の意思決定やプロダク トの開発方針に反映する際に、 工夫していることはあります か?よくPoCは終わったがそこ から先に行けない、ということ があるのですが、そこにデータ

    サイエンティストとして、どう 関わっているのか気になりまし たか。 回答 ▪小荷田様 PoC貧乏にならないようにするために、デザイン思考をよく使っています。 プロトタイプの概念として、①ファンクショナルプロトタイプ②デザインプロトタイプの2つがあると思うの ですが、①だけだとモデルは検証しかできていない状況、②だけだとUXテストしかしていない状況になります。 なので、片方しかやらないで進めてしまうと、設計が不十分なのでPoCで止まりやすいです。そのため、弊社 では、どちらも設計をしてからしかプロジェクトを走らせないようにしています。 ▪東山様 AIを使わない解決策があるなら、それをなるべく提案/選択しています。 確定的な挙動が強く求められるものに機械学習は向かないことが多いので。 また、やると決めたら最後までやりきるという覚悟が大事だと考えています。
  7. 未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは お知らせ|ZENKIGEN 【データサイエンティスト募集】 世界でも貴重なデータを解析できます。独自で豊富なデータを活用して成果に結びつけてくれる方を募集しています! • 必須スキル データドリブン経営をアシストしてくれる方 ・機械学習に関する知識 ・統計言語を用いた分析の経験(Python、R) •

    歓迎スキル 2年以上のコンサルティング経験者 大学/大学院においてコンピューターサイエンス・統計学・社会学を勉強していた方 機械学習モデルを用いた分析プロジェクト経験者 • 求める人物像 社会課題の解決や新しいサービスの創造に挑戦したい方 日々の新しい分析手法やデータに対するアプローチの方法の更新に対して、高い感度とリサーチ力 理解力を持てる方 自らの専門領域を越え、技術研鑽したい方 スペシャリティを存分に発揮し、価値創造に尽力できる方 好奇心と向上心を持った専門家 ・分析結果をビジネスに活用できる方
  8. 未踏の地に挑戦するデータサイエンティストがつくる「未来の働く」とは お知らせ|リンクアンドモチベーション • データサイエンティスト • エンジニアリングマネージャー • プロダクトマネージャー • テックリード

    • サーバーサイドエンジニア • フロントエンドエンジニア • SRE • QAエンジニア • CRM • UXデザイナー 週1でテックブログ更新しています! まずはカジュアルにお話しましょう! ご連絡お待ちしております! 全職種、積極採用中です!