「データを活用したリーダーシップ：アナンドSとのストーリーテリングの芸術」

Leadership and the Art of Storytelling with Anand S Leveraging Data

Analytics Vidhyaは、業界のリーダーが自分の経験、キャリアの道程、興味深いプロジェクトなどを共有する新しいシリーズ「Leading With Data」を開始しました。シリーズの初回エピソードでは、GramenerのCEO兼最高データサイエンティストであるAnand S氏がAnalytics Vidhyaの創設者兼CEOであるKunal Jain氏にインタビューを受けました。Anandはデータサイエンスの分野でのビジョナリーであり、DataHack Summitで頻繁に講演しています。彼は取り組むエキサイティングなプロジェクトと詳細な可視化によるストーリーテリングの方法で知られています。このインタビューでは、Anandが話術にもたらす魔法と、それらの背後にある思考プロセスを垣間見ることができます。以下に、インタビューから得られたいくつかの考え深い洞察をご紹介します。

Anand S氏とのストーリーテリングの芸術

Kunal J: あなたのトークを聞くたびに、あなたがストーリーを語る方法と可視化に感動してしまいます。これらのトークを作成する際に何が行われているのか、そしてアプローチはどのようなものですか？

Anand S: 私が行うトークには通常2種類あります – 一つは教えることを目的としたもので、もう一つは学ぶことを目的としたものです。学ぶためのトークでは、自分が十分に知らないものを選び、それについて学び、その後に話します。これによって、設定された締め切り内で新しいことを学ぶことができます。また、どの資料が機能し、どの資料が機能しないかを見つけることもできます。したがって、次回話すときには、何を繰り返すか、何を置き換えるか、またはストーリーに変換するかを知っています。2番目の種類のトークでは、私が過去の多くのトークでうまく機能したものを組み立て、興味深い部分だけを選んでそれらを組み合わせます。

Kunal J: 学ぶためのトークで行うことの多くが、最終的に教えるためのトークに活かされるのではないでしょうか。では、学ぶためのトークの実際の作成や調査フェーズは具体的にどのように行われますか？

Anand S: 目的志向の学習の方が体系的な学習よりも効果的です。私が言うのは、本やAPIのサイトを最初から最後まで読んだ場合よりも、問題を選んで解決することの方がより多くのことを学べるということです。また、自分が興味を持っている問題を選ぶと、解決策を見つける可能性が高くなります。したがって、最初の課題は解決したい問題を見つけることです。2番目の部分は、問題を理解し、解決しようとすることであり、それは私が興味を持っているものがあるため、はるかに簡単です。

ストーリーテリングの影響

Kunal J: あなたのトークで共有するストーリーは非常に興味深いです。その形式のプレゼンテーションにどのようになったのですか？それはより効果的だと感じていますか？

Anand S: 人々はトークで語られるストーリーを他の部分よりもよく覚える傾向があります。そのため、ストーリー形式でコンテンツを伝える方が効果的です。ストーリーの内容は重要ですが、それらのストーリーが語られる方法が記憶に残る要素です。

例えば、私が年長の子供の方が点数が高い傾向があると言ったとき、人々は「そんなことは予想がつく」と言います。そこで、タイトルを「子供の成績に太陽の星座が影響すると思いますか？」と変えると、彼らは「いや、そんなわけないでしょう」と考え始めます。そして現実は、実際に影響するのです – これによって、より記憶に残るようになります。私がマハーバーラタのキャラクターのプロセスのネットワークについて話すと興味深いですが、それを「どのパーンダヴァがドラウパディのお気に入りだったのかを見つけましょう」と語り始めたときに、より記憶に残るようになりました。したがって、それをどのように伝えるかは明らかに強い影響を与えます。

トークで興味深いのは、必ずしもコンテンツに関連しているわけではありません。例を挙げると、私はコミックキャラクターの使用についてのトークを探求していました。自動化されたコミックキャラクターについての興味深いことはたくさんありますが、私と聴衆の両方に特に共感した特定のストーリーがありました。それは、子供の頃、私はディズニーのために漫画を描きたかったというものです。しかし、実際には私は描けません。私の頭に銃を突きつけても描けません。ですが、私は同僚と共に、彼らの絵画スキルと私のプログラミングスキルを組み合わせたこの共通の生成APIであるComicgenを作成しました。それはStar TVで使用され、Foxによって買収され、さらにディズニーに買収されたという経緯があります。その結果、私は非常に間接的な方法でディズニーのために描くことになりました。

さて、ここで大切なことがあります。興味深い話ではありますが、話自体の背後にある技術やデータとは全く関係がありません。それが、私が言う「ストーリーラインがコンテンツを直接的に強化する必要はない」という意味です。それは、コンテンツを異なる方法で補完するか、それに関連するストーリーであることもあります。ですので、私はこれらを試してみて、うまくいったものをまとめて、トークに盛り込みます。

大衆への話し方 vs クライアントへの話し方

Kunal J: パブリックトークのストーリーテリングは、クライアントとのトークとはどのように異なるのですか？プロセスは同じですか、それとも非常に異なるセットアップですか？

Anand S: 50%異なります。私たちは、ほぼ同じ種類の仕事をするクライアントもいます。ただし、それはプライベートデータのためのものです。ですので、企業が問題を持って私たちに来るとき、私は彼らに関連する実生活の問題を彼らのデータで語るでしょう。それは売り込みのストーリーテリング形式で提示され、記憶に残るようになります。そして、それを同じストーリーを伝えるアプリケーションに変換します。

しかし、それはクライアントとの取り組みの50%に過ぎません。トークでは完成した製品が期待されますが、クライアントとの作業では、2つの異なることが期待されます。まず、プロセスの一部として関与することです。したがって、作業プロセスの出力が多くなります。第二に、それらがそうした洞察を提供できる能力です。彼らはしばしば「答えを出すための原材料を提供してください。私は答えを出すのではなく、自分で答えを出したいのです。」と言うでしょう。その場合、私たちが行うことは、彼らがストーリーを見つけ、語ることができるようにするためのツール構築またはソリューション構築です。その意味では、異なります。

Anand S.のGenerative AIに対する考え方

Kunal J: ビジュアライゼーションとデータストーリーを作成するのが得意な人として、Generative AIとの実験はどうでしたか？それについてどう感じていますか？

Anand S: 最後にこの程度で世界が変わったのは、Googleが立ち上がったときでした。google.stanford.eduが公開された時です。これは基本的には私が何も学ぶ必要がなくなったことを意味します。何でも調べることができるのです。そして、LLMが登場し、今では私は考える必要がないことに気付きました。私は単に物事を考える方法を学ぶ必要があります。それは変革的です。

LLMは、不可能を可能にしています。例えば、以前に10時間かかっていた作業が、LLMのおかげでたった1時間で済むようになりました。それによって9時間を節約できるのです。それは不可能と可能の違いです。ですので、より努力をかけずにより良い品質の出力が得られるようになりました。

それが私の仕事の変化をどう見ているのかというと、大部分では、私はコーディングをやめました。私は単にLLMにコーディングを頼むだけで、私が100%生成したアプリケーションもいくつかあります。言い換えれば、一行もコードを書いていませんし、展開もうまく機能しています。Generative AI、特に大規模な言語モデルは、私にアシスタントを作成する能力を与えてくれました。今では、私がコード化したりアイデアを作成したりするアシスタントを作成することができます。さまざまな用途に対してアシスタントを作成できます。実験を通じて学びたいと思うようになったので、自己啓発コーチとして活用しています。

もし私がこのようなことができるなら、私を制限するのは想像力だけです。これは私にとって特に問題です。私は助けを求めるタイプの人間ではありません。例えば、砂漠に迷い込んでも、道を尋ねることはありません。それが私が到達しようとしている変化です。2000年または1998年、google.stanford.eduが立ち上がったとき、私は知ることから発見できるようにするための転換が必要だと決めました。今度は、考えることから考えを導くことができるようにする転換をしなければなりません。これは非常に強力になります。

Anand S.の2023年のハイライト

Kunal J: 私はあなたのブログの購読者であり、毎年送られてくる年次振り返りを受け取っています。昨年の成果と今年の目標がリストアップされていますね。それはいつから始まったんですか？また、今年の主なトピックをいくつか教えていただけますか？

Anand S: それは4年か5年前に始めました。主な目的は、その年にやりたいことを正直に自分に伝え、その過程で学んだことを共有することでした。何かを達成すると公言することで、私は集中し、やる気を持ち、進捗を把握することができます。それを来年に報告しなければならないという意識がありますから。

今年は、公に3つのことに取り組み、いくつかのことをプライベートで行っています。1つは50の実験を行い、そこから学ぶことです。昨年もこれをやりましたが、始めては途中で挫折してしまいました。今年も同じように始まり、途中で挫折しました。だから今は、実験から学ぶ習慣を身につけようとしています。

もう1つは、環境を変えて自分自身も変わるかどうかを確かめることです。毎日違う場所で働いたり、毎日新しい人に会ったり、毎日異なるジャンルの音楽を聴いたりなど、さまざまなことを試しています。計画では、毎月これらの変化を実験に取り組む予定です。これらのうちいくつかは劇的な効果がありましたが、他のものはそうではありませんでした。これは広範なプロセスであり、改善するためにフィードバックを共有して利用することを公言しています。

3つ目に取り組んでいることは、カレンダーの整合性です。つまり、自分がやるべきことにしっかりと取り組むことです。これは以前はかなりうまくやっていましたが、昨年は少し怠けてしまったと感じ、今年取り組むことにしました。しかし、これは習慣のようなものです。一度やってしまえば、本当に忘れてしまうことはありません。

一部のアドバイス

Kunal J: 長年の経験から得た視点に基づいて、今日キャリアを始める人に対するトップアドバイスは何ですか？また、言い換えると、自分自身の若い頃に何をアドバイスしますか？

Anand S: これら2つは多少異なります。まず、キャリアを始める人には何を伝えるかを共有します。最初のアドバイスは、自分が好きなことを見つけて説明することです。好きなことに取り組んでいると、仕事がはるかに楽になります。2つ目は、教えることで学ぶことです。何かを学びたい場合、それを誰かに教えることを約束するのが最良の方法です。これには3つの利点があります。まず、学ぶことを強制されます。次に、他の人に説明できるまで学習の品質が向上します。そして最後に、あなたに恩義を持つ友人を作ることができます。

さて、もし私が自分自身に助言をすることができるなら、一つの世代前に戻って、何が良いかや何が正しいかについて気にしないでおくように伝えるでしょう。すべてのことには良い面と悪い面があります。両方を評価してください。私はこれを言うのは、私は常に、質問の答えを見つける際に、質問を見る一つの方法にしか見えないということに気付かずにいますから。

これらはGramenerのCEO、Anand S氏との独占インタビューのハイライトでした。フルインタビューはこちらでご覧いただけます。Analytics Vidhya Community Platformの「Leading With Data」シリーズで、さらに独占インタビューをご覧ください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Was this article helpful?

93 out of 132 found this helpful