出版書誌データベース

キャリアの「次のステージ」を目指すデータサイエンティストのために執筆された、実践的なキャリア指南書。プロジェクトの牽引、チームのマネジメント、部門の指揮、そして業界への貢献──。本書は、キャリアの各段階で直面する厄介な課題に対し、著者と数十人のリーダーたちの豊富な経験に裏打ちされた知見を共有する。

本書の最大の特徴は、リーダーシップに必要な要素を、技術的な実務能力である「ハードな能力」と、対人関係や倫理観に関わる「ソフトな美徳」の両面から体系化している点にある。具体的なケーススタディや、自身の強みを正確に把握し、盲点となっている課題を発見するためのチェックリストを通じて、読者は自身の影響力を最大化するキャリアの未来図を描けるようになるはずだ。

本書は、一度読んで終わりではない。これからキャリアを築く若手にとっては成長の羅針盤として、壁にぶつかっているリーダーにとっては解決の糸口として、長く手元に置いて繰り返し参照できるように設計されている。データサイエンティストはもちろん、彼らと協働するビジネスパートナーや、より生産的なデータ組織の構築を目指す経営者にとっても、相互理解を深めるための頼れる指針として活用できるだろう。

［原著］How to Lead in Data Science, Manning Publications, 2021

1.　成功するデータサイエンティストの条件とは？
1.1　データサイエンティストへの期待
　1.1.1　10年後のベン図
　1.1.2　欠けているものは何？
　1.1.3　技量とモチベーションを理解する：能力と美徳の評価
1.2　データサイエンスにおけるキャリアアップ
　1.2.1　面接と昇進における悩み
　1.2.2　（採用）マネージャーは何を求めているのか？

【第1部　テックリード：リーダーシップを培う】

2.　プロジェクトをリードする能力
2.1　技術力：ツールとスキル
　2.1.1　ビジネスインパクトを最大化できるように問題の枠組みを定める
　2.1.2　データからパターンを見出す
　2.1.3　期待値を調整する
2.2　実行力：ベストプラクティス
　2.2.1　曖昧な要件からプロジェクトを見定め，優先順位をつける
　2.2.2　プロジェクトを計画し管理する
　2.2.3　トレードオフのバランスを取る
2.3　専門知識：深いドメイン理解
　2.3.1　ビジネスチャンスの背景を明確にする
　2.3.2　データの特性を考慮する
　2.3.3　組織構造を把握し活用する
2.4　自己評価と能力開発の焦点
　2.4.1　自分の興味とリーダーシップの強みを理解する
　2.4.2　CPR プロセスを実践する
　2.4.3　優先順位をつけて実践・実行する計画を策定する
　2.4.4　テックリードの上司への注意事項

3.　プロジェクトをリードする美徳
3.1　倫理的な行動基準
　3.1.1　顧客の最善の利益のために行動する
　3.1.2　動きの激しい市場環境におけるビジネスの優先順位の変化に適応する
　3.1.3　自信を持って知識を伝える
3.2　厳格さの醸成，より高い基準の設定
　3.2.1　科学的厳密性の基礎を明確にする
　3.2.2　データとデプロイにおける異常を監視する
　3.2.3　企業価値に責任を持つ
3.3　ポジティブな姿勢
　3.3.1　失敗を乗り越える前向きさと粘り強さを持つ
　3.3.2　好奇心と協調性を持ってインシデントに対応する
　3.3.3　横の連携における多様な視点を尊重する
3.4　自己評価と能力開発の焦点
　3.4.1　自分の関心とリーダーシップの強みを理解する
　3.4.2　CPR プロセスの実践
　3.4.3　GROW モデルによるセルフコーチング
　3.4.4　テックリードの上司への注意事項

【第2部　マネージャー：チームを育てる】

4.　人を導く能力
4.1　技術力：ツールとスキル
　4.1.1　効果的にプロジェクトを委譲する
　4.1.2　プロジェクト間で一貫性を持たせる
　4.1.3　内製か購入かを判断する
4.2　実行力：ベストプラクティス
　4.2.1　自身の監督下で強力なチームを構築する
　4.2.2　ビジネスインパクトを大きくするため協業するチームに影響を与える
　4.2.3　上司との適切な関係を構築する
4.3　専門知識：深いドメイン理解
　4.3.1　複数の技術・ビジネスドメインに知識を広げる
　4.3.2　ドメインにおける根本的なデータ活用の機会を把握する
　4.3.3　データ不足の状況にあっても優先順位付けのためにROI を評価する
4.4　自己評価と能力開発の焦点
　4.4.1　自分の興味とリーダーシップの強みを理解する
　4.4.2　CPR プロセスを実践する

5.　人を導く美徳
5.1　倫理的な行動基準
　5.1.1　コーチング，メンタリング，アドバイスを通じてチームを成長させる
　5.1.2　部門横断的な議論において自信を持ってデータサイエンティストを代表する
　5.1.3　より広範なマネジメント業務に貢献する
5.2　厳格さの醸成，より高い基準の設定
　5.2.1　機械学習とデータサイエンスシステムのアンチパターンを観察し軽減する
　5.2.2　インシデントから効果的に学ぶ
　5.2.3　複雑な問題を明快なナラティブに落とし込む
5.3　ポジティブな姿勢
　5.3.1　作業者と管理者のスケジュールを調整する
　5.3.2　メンバーの実行力を信頼する
　5.3.3　継続的な学習文化を醸成する
5.4　自己評価と能力開発の焦点
　5.4.1　自分の興味とリーダーシップにおける強みを理解する
　5.4.2　CPR プロセスの実践

【第3部　ディレクター：部門を束ねる】

6.　部門を率いる能力
6.1　技術力：ツールとスキル
　6.1.1　チームの方向性を定めるための技術ロードマップを策定する
　6.1.2　適切なタイミングで適切な人のために適切な機能を構築できるように部門を導く
　6.1.3　有望なプロジェクトのスポンサーや旗振り役になる
6.2　実行力：ベストプラクティス
　6.2.1　人材，プロセス，プラットフォームを適切に管理し，成果を出し続ける
　6.2.2　明確なキャリアパスと頑健な採用プロセスで強力な部門を構築する
　6.2.3　会社の重要な取り組みを実行している経営陣を支援する
6.3　専門知識：深いドメイン理解
　6.3.1　プロダクト開発の各段階におけるビジネスニーズを見越しておく
　6.3.2　喫緊の課題に初期解決策を適用する
　6.3.3　深いドメイン知識をもって本質的なインパクトを与える
6.4　自己評価と能力開発の焦点
　6.4.1　自分の興味とリーダーシップの強みを理解する
　6.4.2　CPR プロセスの実践

7.　部門を率いる美徳
7.1　倫理的な行動基準
　7.1.1　部門全体でプロジェクトの形式化を確立する
　7.1.2　解釈やナラティブ，要請を通じて社会的なリーダーとしてコーチングする
　7.1.3　キャリアアップの機会を組織的に提供する
7.2　計画における厳格さと高い基準の設定
　7.2.1　年次計画プロセスを成功に導く
　7.2.2　プロジェクト計画と実行のアンチパターンを避ける
　7.2.3　ビジネスパートナーやチームからのコミットメントを確保する
7.3　ポジティブな姿勢
　7.3.1　チーム内の多様性を認識し促す
　7.3.2　意思決定において包摂的なアプローチを実践する
　7.3.3　部門への帰属意識を育む
7.4　自己評価と能力開発の焦点
　7.4.1　自分の興味とリーダーシップにおける強みを理解する
　7.4.2　CPR プロセスの実践

【第4部　経営者：業界を牽引する】

8.　企業を牽引する能力
8.1　技術力：ツールとスキル
　8.1.1　データを基盤とした1 ～ 3 年のビジネス戦略とロードマップを設計する
　8.1.2　ビジネスプロセスのあらゆる側面でデータドリブンな文化を実現する
　8.1.3　革新的で生産的なデータサイエンス組織を構築する
8.2　実行力：ベストプラクティス
　8.2.1　ビジョンとミッションにデータサイエンスの能力を取り入れる
　8.2.2　データサイエンス領域の質の高い候補者集合を構築する
　8.2.3　自身の役割は作曲家なのか指揮者なのかを明確化する
8.3　専門知識：深いドメイン理解
　8.3.1　他社との差別化要因と競争力を見定める
　8.3.2　必要に応じてビジネスのピボットを支援する
　8.3.3　データドリブンな新しいビジネスプランを明確にする
8.4　自己評価と能力開発の焦点
　8.4.1　自分の興味とリーダーシップの強みを理解する
　8.4.2　CPR プロセスの実践

9.　企業を牽引する美徳
9.1　倫理的な行動基準
　9.1.1　倫理的な原則に基づいて責任ある機械学習を実践する
　9.1.2　顧客の信頼と安全を確保する
　9.1.3　社会的責任を踏まえた意思決定を行う
9.2　厳格なリーダーシップと高い基準の設定
　9.2.1　生産的で調和のとれた職場環境を作る
　9.2.2　意思決定の速度と品質を高める
　9.2.3　企業価値向上に注力する
9.3　ポジティブな姿勢
　9.3.1　カリスマ性を発揮する
　9.3.2　業界リーダーとしてのアイデンティティを確立する
　9.3.3　他業界のベストプラクティスを取り入れる
9.4　自己評価と能力開発の焦点
　9.4.1　自分の興味とリーダーシップにおける強みを理解する
　9.4.2　CPR プロセスの実践

【第5部　LOOPとデータサイエンスの未来】

10.　展望，組織，機会，そして慣習
10.1　展望
　10.1.1　データレイクハウス
　10.1.2　ストリーム処理
　10.1.3　セルフサービス分析
　10.1.4　データと機械学習の運用自動化
　10.1.5　データガバナンス
　10.1.6 主なアーキテクチャトレンドの定期的な振り返り
10.2　組織
　10.2.1　機能別
　10.2.2　事業部制
　10.2.3　マトリックス
　10.2.4　代替的な組織構造
　10.2.5　各構造における機会と課題のマネジメント
10.3　機会
　10.3.1　業界の評価
　10.3.2　企業の評価
　10.3.3　チームの評価
　10.3.4　役割の評価
　10.3.5　新しい役割へのオンボーディング
10.4　慣習
　10.4.1　チームに採用できるスキルセット
　10.4.2　データサイエンスリーダーの新たなキャリアの方向性
10.5　LOOPのおさらい

11.　データサイエンスにおけるリーダーシップとこれから
11.1　データサイエンスでリーダーシップを取る理由，内容，方法
　11.1.1　なぜデータサイエンスのリーダーシップを学ぶことがますます重要になっているのか？
　11.1.2　データサイエンスでリーダーシップを取るためのフレームワークとは？
　11.1.3　フレームワークをどう実践するか？
11.2　将来の展望
　11.2.1　役割：データプロダクトマネージャーの登場
　11.2.2　能力：機能特化型データプロダクトの利用可能性
　11.2.3　責任：データへの信頼を築く

エピローグ
索引