Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
データラーニングギルド オープン記念イベント
スクール事業を通して感じた
データサイエンティストのキャリア構築の難しさと
データラーニングギルド設立に至った理由
自己紹介
◼ 氏名
• 村上 智之
◼ 経歴
• 情報科がある高校に入学し、プログラミングを学び始める
• 大学では情報系の学系に入り、分析に必要な基礎知識を学ぶ
• 新卒4ヶ月目で入った中小SIerを退職
• 業界を代表するデータ分析会社でデ...
1. スクール事業を実施して感じたキャリアチェンジの難しさ
2. スクールビジネスの抱える課題
3. データ分析人材としてのキャリアを振り返る
4. ギルド型組織をどのようにキャリア形成に役立てるか?
1. スクール事業を実施して感じたキャリアチェンジの難しさ
2. スクールビジネスの抱える課題
3. データ分析人材としてのキャリアを振り返る
4. ギルド型組織をどのようにキャリア形成に役立てるか?
キャリアチェンジ、転職をしたい、
20代~30代前半の、企業勤めのサラリーマン
どんな人が講座を受けたか?
• 隔週で8時間×8回の分析講座(4ヶ月間)
• 各回で出る課題を持ち帰って次回までに実施
• スキルに応じて追加課題(講座終了後もサポート)
• 最低限のスキルが付いた人には仕事を依頼
• 分析に必要となる基礎知識を中心に学習
➢ Excel...
受講生の傾向を一般化したもので、
能力や人格を否定する意図は一切ございません
お断り
得意分野、苦手分野が人によって全く違う
難しさその1
自分ではどんなスキルが足りていないか気付けない
難しさその2
良き指導者の下で質の高い実践をこなした数が実力に直結するが、
実践経験を積める環境、優秀な指導者に巡り合うのが難しい
難しさその3
未経験者、初学者を教育しても企業にメリットが少ない
難しさその4
キャリアチェンジを最優先事項として扱うのが難しい
難しさその5
• 得意分野、苦手分野が人によって全く違う
• 自分ではどんなスキルが足りていないか気付けない
• 実践経験を積める環境、優秀な指導者に巡り合うのが難しい
• 未経験者、初学者を教育しても企業にメリットが少ない
• 今の会社との関係性をキャリア...
キャリアを育てるためのスキル、マインド、環境が足りない
難しさの根本的原因
ということで、スクール事業、めちゃくちゃ苦戦しましたが、
なんとか参加者の人生が狂わない形で着地しました。
1. スクール事業を実施して感じたキャリアチェンジの難しさ
2. スクールビジネスの抱える課題
3. データ分析人材としてのキャリアを振り返る
4. ギルド型組織をどのようにキャリア形成に役立てるか?
スクール事業全般に関するお話で、
特定のエンジニアスクールを否定する意図はございません
お断り
売れる
たった3ヶ月間集中して勉強するだけで、フ
リーのエンジニアになれるよ!(仕事の
内容は単純作業かもしれないけど)
短期間で成果が出ないと売れない
売れない
2年間業務後に毎日2時間捻出して勉強して、
休日も返上、新しい会社に入って1年間...
早くて3年、平均で5年くらいはかかりそう(感覚値)
未経験からデータサイエンティストになるまでの期間
• 教えられるレベルのエンジニアやデータサイエンティストを雇ってビジネスをするとなると、
どれだけ安くても1ヶ月100万円以上で販売しないと成立しない
• きちんと教育するのであれば、少数グループ(5名程度)で3ヶ月以上の期間が必要になる
• ...
同じ学習をしても理解に差が出る
プログラミングの学習において、できる人、できない人との間に大きな隔たりがある
(約60%の人がプログラミングに向いていない ※)
成績
人数
※ Saeed Dehnadi and Richard Bornat ...
スクール事業はなかなか難しい
Q.スクールビジネスは悪なのか?
A.悪ではないが、多くの問題がある
スクールビジネスの功罪
• 「短期間でエンジニアになれる」という宣伝によって、踏み出すことができる人も多数いる
• スクールを受講することで、一定数のエンジニアが生まれる
• エンジニアになり切れない人もいるが、選んだのはその人であるので、自己...
でも、もっと良い選択肢があるんじゃない?
まずは、自分のキャリアの振り返り
1. スクール事業を実施して感じたキャリアチェンジの難しさ
2. スクールビジネスの抱える課題
3. データ分析人材としてのキャリアを振り返る
4. ギルド型組織をどのようにキャリア形成に役立てるか?
約14年の積み重ね
• 情報科がある高校に入学し、プログラミングを学び始める。基本情報技術者合格。
• 大学では情報系の学系に入り、情報系に必要な数学などを学ぶ。
• 新卒4ヶ月目で入った中小SIerを退職する。人月の神話を身をもって体験する。...
• 岡山→首都圏
➢ 調子乗って滑り止め受けずに国立大学受けたら落ちて、結果として関東圏の大学に
行くことができて、サマーインターンができた
• 1社目→2社目
➢ 真面目に就活をせずに、適当に就職先を選んだら150時間残業を超え、Twitte...
上司、同僚、チームメンバーに奇跡的に恵まれた
以下の書籍を出した人たちが上司だったり、チームメンバーだったり、同僚だったりと、
業界の一線で活躍する人と一緒に仕事をすることで、多くの経験を得ることができた。
ただただ、運が良かった
キャリア構築を助けてくれたもの
• ロールモデルとなるような、素敵なマインドを持った諸先輩方
• 高いスキルを持っていて、それを惜しみなく教えてくれる師匠
• 専門家の集まるコミュニティ
• 困ったときに声をかけてくれる、人とのつながり
• 挫...
茨の道を、たまたま生き残った
でも、生き残った後は圧倒的に楽だった
指数関数的成長
経験
提供価値
提供価値が増えるにつれてより良い仕事、人脈が手に入り、それによってさらに提供価値が増えるので、
提供価値は指数関数的に成長
一定のラインを
超えるまでが難しい
スクールで得られる経験値のイメージ
経験
提供価値
スクール事業では、経験は確実に増えているが、実務に耐えうる能力としては足らない
足らない部分を
どうするか?
スクールで得られる経験
1. スクール事業を実施して感じたキャリアチェンジの難しさ
2. スクールビジネスの抱える課題
3. データ分析人材としてのキャリアを振り返る
4. ギルド型組織をどのようにキャリア形成に役立てるか?
旧来のキャリア構築は限界を迎えつつある
これからのキャリア支える仕組みとしてデータラーニングギルドを設立
これまでのキャリア これからのキャリア
終身雇用が前提 転職が前提
企業が教育を主導 自分で専門を選んで学習
スペシャリスト
or
ジェネラリスト
複数の専門性をシフト
キャリア...
そもそも、ギルドとは?
中世より近世にかけて西欧諸都市において商工業者の間で結成された各種の職業別組合。
商人ギルド・手工業ギルド(同職ギルド)などに区分される。
同じ職能を持ったメンバーが集まって、競争力を持つための組織
ギルド型組織とは?
• フリーランスを中心として構成され、個人が会社に属さない
• 複数の組織に横断的に所属する
• 組織として活動することで、個人では受けられないスケールメリットを生み出す
• 組織に対する参加、離脱は比較的容易
• 上記のよ...
ギルド型組織をどのようにキャリア構築に役立てるか?
キャリア構築は、運頼りな所が大きい
なら、機会を多くできれば、うまく行く人も増えるはず
こんな機会を増やしたい
• ロールモデルとなるような、素敵なマインドを持った諸先輩方と出会う機会
• 高いスキルを持っていて、それを惜しみなく教えてくれる師匠と出会う機会
• 専門家の集まるコミュニティに所属する機会
• 困ったときに声をかけて...
データラーニングギルドが目指すところ
経験
提供価値
急いで仕事を始めるのではなく、
十分に力が溜まってからスタートダッシュが切れる環境を目指す
ここまでの期間をギルド内で
サポートする。
時間がかかったとしても、
挫折する人の割合を減らす。
...
どうやるのか?
データラーニングギルドが持つ機能
1. マッチング(交流)
2. 情報収集・情報選定
3. キャリアプランニング
4. 実践とフィードバック
5. 評価
6. エンパワーメント
7. 相互扶助
まだまだ検証段階、試行錯誤しながら、
最適な組織を目指します
最後に
現代のギルド型組織のモデルケースを作るのに、
協力していただけませんか?
Nächste SlideShare
Wird geladen in …5
×

スクール事業を通して感じたデータサイエンティストのキャリア構築の難しさとデータラーニングギルド設立に至った理由

1.276 Aufrufe

Veröffentlicht am

データサイエンティスト育成スクールを通じて、感じたデータサイエンティストとしてのキャリア構築の難しさと、ギルド型組織の活用方法に関してお話させて頂きます。

1.スクール事業を実施して感じたキャリアチェンジの難しさ
2.スクールビジネスの抱える課題
3.データ分析人材としてのキャリアを振り返る
4.ギルド型組織をどのようにキャリア形成に役立てるか?

データラーニングギルド説明ページ
https://data-learning.com/guild

Veröffentlicht in: Technologie
  • Loggen Sie sich ein, um Kommentare anzuzeigen.

スクール事業を通して感じたデータサイエンティストのキャリア構築の難しさとデータラーニングギルド設立に至った理由

  1. 1. データラーニングギルド オープン記念イベント スクール事業を通して感じた データサイエンティストのキャリア構築の難しさと データラーニングギルド設立に至った理由
  2. 2. 自己紹介 ◼ 氏名 • 村上 智之 ◼ 経歴 • 情報科がある高校に入学し、プログラミングを学び始める • 大学では情報系の学系に入り、分析に必要な基礎知識を学ぶ • 新卒4ヶ月目で入った中小SIerを退職 • 業界を代表するデータ分析会社でデータサイエンティスト • マーケティング系のスタートアップで、Webエンジニア • 大手製造業にて常駐しPM業務、コンサルティング業務 • 半年間のフリーランスを経て、株式会社データラーニングを設立 ■データラーニングの活動 • 2018年5月に立ち上げ • 未経験者に向けた、データ分析に関する講座を実施 • そのうち、一部の受講生には実際に仕事を依頼 • 10社以上に対してデータ分析のコンサルティング業務を提供
  3. 3. 1. スクール事業を実施して感じたキャリアチェンジの難しさ 2. スクールビジネスの抱える課題 3. データ分析人材としてのキャリアを振り返る 4. ギルド型組織をどのようにキャリア形成に役立てるか?
  4. 4. 1. スクール事業を実施して感じたキャリアチェンジの難しさ 2. スクールビジネスの抱える課題 3. データ分析人材としてのキャリアを振り返る 4. ギルド型組織をどのようにキャリア形成に役立てるか?
  5. 5. キャリアチェンジ、転職をしたい、 20代~30代前半の、企業勤めのサラリーマン どんな人が講座を受けたか?
  6. 6. • 隔週で8時間×8回の分析講座(4ヶ月間) • 各回で出る課題を持ち帰って次回までに実施 • スキルに応じて追加課題(講座終了後もサポート) • 最低限のスキルが付いた人には仕事を依頼 • 分析に必要となる基礎知識を中心に学習 ➢ Excelを使った分析、可視化とレポーティング、SQL、BI、python どんな講座を実施したか?
  7. 7. 受講生の傾向を一般化したもので、 能力や人格を否定する意図は一切ございません お断り
  8. 8. 得意分野、苦手分野が人によって全く違う 難しさその1
  9. 9. 自分ではどんなスキルが足りていないか気付けない 難しさその2
  10. 10. 良き指導者の下で質の高い実践をこなした数が実力に直結するが、 実践経験を積める環境、優秀な指導者に巡り合うのが難しい 難しさその3
  11. 11. 未経験者、初学者を教育しても企業にメリットが少ない 難しさその4
  12. 12. キャリアチェンジを最優先事項として扱うのが難しい 難しさその5
  13. 13. • 得意分野、苦手分野が人によって全く違う • 自分ではどんなスキルが足りていないか気付けない • 実践経験を積める環境、優秀な指導者に巡り合うのが難しい • 未経験者、初学者を教育しても企業にメリットが少ない • 今の会社との関係性をキャリアチェンジより優先する 難しさまとめ
  14. 14. キャリアを育てるためのスキル、マインド、環境が足りない 難しさの根本的原因
  15. 15. ということで、スクール事業、めちゃくちゃ苦戦しましたが、 なんとか参加者の人生が狂わない形で着地しました。
  16. 16. 1. スクール事業を実施して感じたキャリアチェンジの難しさ 2. スクールビジネスの抱える課題 3. データ分析人材としてのキャリアを振り返る 4. ギルド型組織をどのようにキャリア形成に役立てるか?
  17. 17. スクール事業全般に関するお話で、 特定のエンジニアスクールを否定する意図はございません お断り
  18. 18. 売れる たった3ヶ月間集中して勉強するだけで、フ リーのエンジニアになれるよ!(仕事の 内容は単純作業かもしれないけど) 短期間で成果が出ないと売れない 売れない 2年間業務後に毎日2時間捻出して勉強して、 休日も返上、新しい会社に入って1年間は 死ぬほど勉強ましょう!
  19. 19. 早くて3年、平均で5年くらいはかかりそう(感覚値) 未経験からデータサイエンティストになるまでの期間
  20. 20. • 教えられるレベルのエンジニアやデータサイエンティストを雇ってビジネスをするとなると、 どれだけ安くても1ヶ月100万円以上で販売しないと成立しない • きちんと教育するのであれば、少数グループ(5名程度)で3ヶ月以上の期間が必要になる • 3ヶ月で300万円、5人で割ると1人当たり60万円程度の価格設定が妥当(※) • 実際はプロモーション費用などもかかるので、ちゃんとやると、もっと高くなる • スクールに入る生徒は、入学の時点では講師の技術力を評価できない • 質の高い講師を揃えても、そこそこの講師を揃えても、売上にはあまり関係がない • 高価格で講座の質を維持するより、講師の質を下げて人件費を下げるインセンティブが働く ※あくまで参考値です 講師の質が下がるメカニズム
  21. 21. 同じ学習をしても理解に差が出る プログラミングの学習において、できる人、できない人との間に大きな隔たりがある (約60%の人がプログラミングに向いていない ※) 成績 人数 ※ Saeed Dehnadi and Richard Bornat School of Computing, Middlesex University, UK 2006 The camel has two humps (working title) このグループをケアするために一定の コストがかかって来る
  22. 22. スクール事業はなかなか難しい
  23. 23. Q.スクールビジネスは悪なのか?
  24. 24. A.悪ではないが、多くの問題がある
  25. 25. スクールビジネスの功罪 • 「短期間でエンジニアになれる」という宣伝によって、踏み出すことができる人も多数いる • スクールを受講することで、一定数のエンジニアが生まれる • エンジニアになり切れない人もいるが、選んだのはその人であるので、自己責任とも言える • スクールから得た収入を再投資できるので、新規の受講生獲得、講師の採用などに 予算をかけることができ、ビジネスとしてスケールして多くの受講生を抱えられる • 元々の素養の部分も大きいので、質の高い講師が質の高い教育をしたからといって、 エンジニアになれる確率が劇的に上がる訳ではない • 「世の中のエンジニアの数を増やす」という観点で考えると、スクール事業は合理的である • 世の中にはエンジニアが圧倒的に足りないので、エンジニアが増えるのは良いことである • 生涯年収で考えた場合、講座を受けている人たちの方が生涯年収が上がる確率は十分に あるので、投資と考えた場合には十分に良い商材である(感覚値)
  26. 26. でも、もっと良い選択肢があるんじゃない?
  27. 27. まずは、自分のキャリアの振り返り
  28. 28. 1. スクール事業を実施して感じたキャリアチェンジの難しさ 2. スクールビジネスの抱える課題 3. データ分析人材としてのキャリアを振り返る 4. ギルド型組織をどのようにキャリア形成に役立てるか?
  29. 29. 約14年の積み重ね • 情報科がある高校に入学し、プログラミングを学び始める。基本情報技術者合格。 • 大学では情報系の学系に入り、情報系に必要な数学などを学ぶ。 • 新卒4ヶ月目で入った中小SIerを退職する。人月の神話を身をもって体験する。 • 業界を代表するデータ分析会社でデータ分析に必要な基礎知識を一通り学ぶ。 • マーケティング系の会社で、マーケティングの知識とWeb開発のスキルを学ぶ。 • 大手製造業に常駐し、PM業務、コンサルティング業務を経験。大企業における、 仕事の進め方を学ぶ。 • 半年間のフリーランスを経て、株式会社データラーニングを設立。
  30. 30. • 岡山→首都圏 ➢ 調子乗って滑り止め受けずに国立大学受けたら落ちて、結果として関東圏の大学に 行くことができて、サマーインターンができた • 1社目→2社目 ➢ 真面目に就活をせずに、適当に就職先を選んだら150時間残業を超え、Twitterで鬱な tweetをしていたら、サマーインターン先の会社が拾ってくれた • 2社目→3社目 ➢ 次のキャリアをどうしようか悩んで、クラウドワークスを使って仕事を請けてみたら、 発注元の社長がたまたま同僚の知り合いで、リクルーティングされ転職成功 • 3社目→4社目 ➢ データ分析のキャリアに戻るべく転職活動をして合格したら、ちょうどそのタイミングで 知人から連絡があり、「だったらここの会社も受けてみたら?」と紹介されて、 転職ギリギリで転職先が変わる ただただラッキーな転職歴
  31. 31. 上司、同僚、チームメンバーに奇跡的に恵まれた 以下の書籍を出した人たちが上司だったり、チームメンバーだったり、同僚だったりと、 業界の一線で活躍する人と一緒に仕事をすることで、多くの経験を得ることができた。
  32. 32. ただただ、運が良かった
  33. 33. キャリア構築を助けてくれたもの • ロールモデルとなるような、素敵なマインドを持った諸先輩方 • 高いスキルを持っていて、それを惜しみなく教えてくれる師匠 • 専門家の集まるコミュニティ • 困ったときに声をかけてくれる、人とのつながり • 挫折して諦めそうになった時に、声をかけたり、助けてくれたりする方々 • 今まで経験したことがなく、市場に求められる領域の仕事
  34. 34. 茨の道を、たまたま生き残った
  35. 35. でも、生き残った後は圧倒的に楽だった
  36. 36. 指数関数的成長 経験 提供価値 提供価値が増えるにつれてより良い仕事、人脈が手に入り、それによってさらに提供価値が増えるので、 提供価値は指数関数的に成長 一定のラインを 超えるまでが難しい
  37. 37. スクールで得られる経験値のイメージ 経験 提供価値 スクール事業では、経験は確実に増えているが、実務に耐えうる能力としては足らない 足らない部分を どうするか? スクールで得られる経験
  38. 38. 1. スクール事業を実施して感じたキャリアチェンジの難しさ 2. スクールビジネスの抱える課題 3. データ分析人材としてのキャリアを振り返る 4. ギルド型組織をどのようにキャリア形成に役立てるか?
  39. 39. 旧来のキャリア構築は限界を迎えつつある
  40. 40. これからのキャリア支える仕組みとしてデータラーニングギルドを設立 これまでのキャリア これからのキャリア 終身雇用が前提 転職が前提 企業が教育を主導 自分で専門を選んで学習 スペシャリスト or ジェネラリスト 複数の専門性をシフト キャリア=収入UP キャリア設計=ライフスタイル 一社に専業で所属 複数社所属、副業 会社がセーフティネット セーフティネットを独自に構築 大学で専門性を習得 休職、余暇などの時間で都度学習 技術の革新は緩やか 劇的な技術の変化 一様な働き方 多様な働き方 旧来のキャリア構築は限界を迎えている
  41. 41. そもそも、ギルドとは? 中世より近世にかけて西欧諸都市において商工業者の間で結成された各種の職業別組合。 商人ギルド・手工業ギルド(同職ギルド)などに区分される。 同じ職能を持ったメンバーが集まって、競争力を持つための組織
  42. 42. ギルド型組織とは? • フリーランスを中心として構成され、個人が会社に属さない • 複数の組織に横断的に所属する • 組織として活動することで、個人では受けられないスケールメリットを生み出す • 組織に対する参加、離脱は比較的容易 • 上記のような傾向を持つが、明確な定義はまだ定まっていない
  43. 43. ギルド型組織をどのようにキャリア構築に役立てるか?
  44. 44. キャリア構築は、運頼りな所が大きい
  45. 45. なら、機会を多くできれば、うまく行く人も増えるはず
  46. 46. こんな機会を増やしたい • ロールモデルとなるような、素敵なマインドを持った諸先輩方と出会う機会 • 高いスキルを持っていて、それを惜しみなく教えてくれる師匠と出会う機会 • 専門家の集まるコミュニティに所属する機会 • 困ったときに声をかけてくれる、人とのつながりを作れる機会 • 諦めそうになった時に、声をかけたり、助けてくれたりする方と出会う機会 人と出会い、その活動に触れる機会
  47. 47. データラーニングギルドが目指すところ 経験 提供価値 急いで仕事を始めるのではなく、 十分に力が溜まってからスタートダッシュが切れる環境を目指す ここまでの期間をギルド内で サポートする。 時間がかかったとしても、 挫折する人の割合を減らす。 基準に達したかを、 判断できる評価指標を提供。 実務が始まってからの成長を 加速させる。
  48. 48. どうやるのか?
  49. 49. データラーニングギルドが持つ機能 1. マッチング(交流) 2. 情報収集・情報選定 3. キャリアプランニング 4. 実践とフィードバック 5. 評価 6. エンパワーメント 7. 相互扶助
  50. 50. まだまだ検証段階、試行錯誤しながら、 最適な組織を目指します
  51. 51. 最後に 現代のギルド型組織のモデルケースを作るのに、 協力していただけませんか?

×