Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
データエンジニアリングの実践課題「K-DEC」説明資料 / 20211006
Search
yuzutas0
PRO
October 06, 2021
Technology
3
13k
データエンジニアリングの実践課題「K-DEC」説明資料 / 20211006
風音屋の選考課題「K-DEC:Kazaneya Data Engineering Criterion」に関する紹介資料です。
https://kazaneya.com/kdec/
yuzutas0
PRO
October 06, 2021
Tweet
Share
More Decks by yuzutas0
See All by yuzutas0
OLSにおける推定量β1=共分散÷分散の導出 / 20230517
yuzutas0
PRO
1
380
民間企業におけるデータ整備の課題と工夫 / 20220305
yuzutas0
PRO
14
6.6k
累計参加者8,500名! #DataEngineeringStudy の43スライドから学ぶ、データエンジニアリングの羅針盤 / 20220224
yuzutas0
PRO
15
4.8k
あの人の自分戦略を聞きたい!2022 #devsumi / 20220218
yuzutas0
PRO
3
3.6k
データ基盤による利益最大化と初期構築プロセス / 20220209
yuzutas0
PRO
10
6.1k
Engineer Career Lounge#1「エンジニアの成長戦略を考える」 #ECLounge カンニングペーパー / 20211217
yuzutas0
PRO
3
1.3k
Data Management Guide - 事業成長を支えるデータ基盤のDev&Ops #TechMar / 20211210
yuzutas0
PRO
15
21k
[投影資料]『実践的データ基盤への処方箋』の刊行にあたって #TechMar / 20210210-2
yuzutas0
PRO
1
3k
DXを妨げる要因と実現へのアプローチ by @yuzutas0 / 20211022
yuzutas0
PRO
55
45k
Other Decks in Technology
See All in Technology
OCI Security サービス 概要
oracle4engineer
PRO
0
6.5k
dev 補講: プロダクトセキュリティ / Product security overview
wa6sn
1
2.3k
AWS Lambda のトラブルシュートをしていて思うこと
kazzpapa3
2
170
オープンソースAIとは何か? --「オープンソースAIの定義 v1.0」詳細解説
shujisado
4
530
VideoMamba: State Space Model for Efficient Video Understanding
chou500
0
190
適材適所の技術選定 〜GraphQL・REST API・tRPC〜 / Optimal Technology Selection
kakehashi
1
150
AGIについてChatGPTに聞いてみた
blueb
0
130
個人でもIAM Identity Centerを使おう!(アクセス管理編)
ryder472
3
180
Amazon CloudWatch Network Monitor のススメ
yuki_ink
1
200
TypeScriptの次なる大進化なるか!? 条件型を返り値とする関数の型推論
uhyo
2
1.6k
Lambda10周年!Lambdaは何をもたらしたか
smt7174
2
110
インフラとバックエンドとフロントエンドをくまなく調べて遅いアプリを早くした件
tubone24
1
430
Featured
See All Featured
A Modern Web Designer's Workflow
chriscoyier
693
190k
Bootstrapping a Software Product
garrettdimon
PRO
305
110k
Building a Scalable Design System with Sketch
lauravandoore
459
33k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
8
740
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
232
17k
GraphQLとの向き合い方2022年版
quramy
43
13k
What's in a price? How to price your products and services
michaelherold
243
12k
Automating Front-end Workflow
addyosmani
1366
200k
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
GitHub's CSS Performance
jonrohan
1030
460k
Gamification - CAS2011
davidbonilla
80
5k
How to Think Like a Performance Engineer
csswizardry
20
1.1k
Transcript
【中級者向け】データエンジニアリングの実践課題 Kazaneya Data Engineering Criterion 「K-DEC」
免責事項 本資料の内容は作成時のものです。 予告なく内容を変更する場合があります。 2
サマリー 1. データエンジニアリング特化のリモート SES事業を検討中です 2. そこで選考課題「K-DEC」を開発しました 3. 「K-DEC」で自分の実力を確かめることができます 4. 腕試しとして「K-DEC」に挑戦してみませんか
3
風音屋(かざねや)は、令和元年創業・東京下町の ITコンサルティング企業です。 事業課題に対して、ビジネス・システム・データ・オペレーションの全体像を描き直し、 現場が主体的に改善サイクルを回せるように伴走します。 会社概要 合同会社 風音屋 東京都中央区 横山翔 令和元年
ITコンサルティング、サービス選定 /斡旋、研修/セミナー、メディア 法人名 創業者 設立 事業内容 所在地 4 企業HP https://kazaneya.com/
創業者 5 横山翔(@yuzutas0) データパイプラインやダッシュボードの構築を中心に ITコンサルティングサービスを提供 ・PyCon JP 2017 ベストトークアワード優秀賞 ・Developers
Summit 2018 Summer アンケート満足度1位 ほか Google Cloud Day 2021 など登壇多数 ・インプレスR&D 『個人開発をはじめよう!』 ・ITmedia「データ基盤 大解剖」(連載記事) ・技術評論社『Software Deign 2020年7月号 - ログ分析特集』 ・技術評論社『データ基盤の処方箋』(2021年12月発売予定) ・『データマネジメントが30分でわかる本』(発売日にKindle人気度ランキング1位) ほか 日経産業新聞 や ForbesJapan など掲載・執筆多数
風音屋におけるデータエンジニアリング 6 データソース データ利用者 BI DWH ETL パイプラインの構築・運用 モニタリング業務 継続改善の文化装着
データエンジニアリング特化のリモート SES事業を検討中 多種多様な 案件・データに 挑戦できる データに 関心のある同僚や 依頼者と働ける 著名な 技術顧問の支援を
受けられる データエンジニア&データアナリストが得られる体験 7
選考課題「K-DEC」の位置付け データエンジニアリングは、多くの企業・行政に必要で、関心が寄せられています。 まだ担当できる人材は少なく、ニッチな分野です。知見は十分に出回っていません。 だからこそスキルを身につけることで、活躍の幅が広がるはずです。 8 実践者を招いて、初心者向けに講演してもらう Data Engineering Study 企業にトレーニングを提供する
研修/セミナー事業 個人にノウハウを提供する メディア事業 実践を通して同僚や技術顧問と一緒に学ぶ リモートSES事業 課題を通して自分の実力を試す 選考課題「K-DEC」
選考課題「K-DEC」の内容 1. 演習課題 ETL→DWH(SQL)→BIツールを構築して、データを可視化 2. ケース面談 お題に対してモニタリング要件やデータアーキテクチャ設計 3. インタビュー 案件を担当するときの日々の意識や工夫について振り返り
各ステップの完了時には有識者によるレビュー&フィードバックを行います 9
初心者と中級者の間にある壁 初心者が 中級者が できること できないこと できること チュートリアルの開発や分析を再現できる 仕事だと実現方法に悩む お題をもとに実現方法を見通せる チュートリアル用のデータなら扱える
現実のデータを扱うと複雑に感じる 現実のデータを仕事で扱える 個々のツールは使ったことがある 全体を通した設計ができない 全体を通した設計ができる 目の前の仕事には慣れてきた 自分の実力が社外に通用するか自信がない 新しい案件でも成果を出せる 自分用のダッシュボードを作った 周囲に役立つようなダッシュボードは作れない ダッシュボード提供で周囲の役に立てる アーキテクチャの話は聞くだけ 自信を持ってアーキテクチャを設計できない 品質/納期/運用を考慮してアーキテクチャ設計できる モチベーションが上がったら勉強する プロとして安定した成果を出し続けられない プロとして安定した成果を出し続けられる 10 ※全領域で 100点を求めるわけではなく、ポテンシャルを加味して選考を行います 「この壁を突破できるか」「この壁を突破するために何が必要か」をチェックできます
関係者のコメント 某社データアナリスト(副業パートナー) 「演習課題のチョイスが良い。実務ではよく見かける案件だが、本や動画で 勉強しているだけの初心者にとっては、引っかかるポイントが多々ある。」 某社データエンジニア(副業パートナー) 「インタビューのフォーマットが参考になる。自分もやってみたい。 この項目を定期的に振り返るだけでキャリアアップできるだろうと思う。」 某社マネージャー(クライアント) 「このような選考を経ている人材なら、安心して仕事をお願いできそうだ。 手を動かせる。設計できる。プロ意識がある。どれも必要不可欠だ。」
11
ご提案 選考課題を「腕試し」として利用してみませんか? 終了後は「項目別スコア」や「有識者フィードバック」を受け取ることができます。 将来的には独立した学習プログラムとして有償化する可能性がありますので、 ぜひ無料のうちに試してみてください。 ※事務処理上は人材募集フローに乗りますが、途中で辞退いただくことが可能です。 ※とりあえず合格しておいて、興味が出たら検討する、という形でも問題ありません。 ※再チャレンジを歓迎しています。「スキルアップしてから受ける」ではなく 「スキルアップのために何が必要かを確認する」という使い方が可能です。 12
プロフェッショナル・マニフェスト プロフェッショナルが育ち、活躍する場を目指しています。 特別な技能を持つ必要はありません。ご自身の専門分野における頻出手法を学び、 依頼者の目的に沿ってプロジェクトを定義・推進し、期待される QCDSを達成し、 頻繁かつ丁寧にコミュニケーションを取れるなら、上位 10%に入れる人材だと考えます。 その「当たり前」の活動を通して得た気付き、ノウハウ、サンプルコードなどを アウトプットすれば、やがてはその分野の第一人者として周囲から信頼されるはずです。 10の「当たり前」を積み重ねることで、「当たり前」を超えた存在になるのではないでしょうか。
このような希少性の高い人材が育ち、活躍できるような環境を作りたいと考えています。 @yuzutas0 13
申し込み&お問い合わせ https://kazaneya.com/kdec 14