リモートワーク時代における新しいデータサイエンティストの育成

リモートワーク時代におけるデータサイエンティストの育成の新たなアプローチ

プロのデータサイエンティストになる方法は今と昔とでは違いますが、不可能ではありません

本日のコラムはデータサイエンスに関するものですが、同時に仕事の社会学にも関連しています。私はこの分野のシニアプラクティショナーとして、Covid-19や現在の働き方の根本的な変化が発生する前からデータサイエンスのキャリアをスタートさせました。実際、私はその前に数年間、プロのキャリアをスタートさせていました。その結果、私がどこにいるのかに至るまで、経験豊富な人々との間で学び、密接に関わってきたことが、データサイエンティストになるための私の成長を可能にしました。私の成長は、単なる授業や学習だけでなく、他のデータサイエンティストの周りにいることで潜在的に吸収されるさまざまな方法でデータサイエンティストになるための学びでもありました。

労働は、資本主義の下でも私たちが雇用主に提供するものだけでなく、私たちが得るものについても重要です。お金以外の面でも、職場や仕事は私たちに多くの社会的および文化的な影響を与えます。特に、私たちは職業を通じて社会的アイデンティティを形成し、他の人々がそれをどのように実践しているかを見ることで、それらのアイデンティティを具現化する方法を学びます。

私たちは職業を通じて社会的アイデンティティを形成し、他の人々がそれをどのように実践しているかを見ることで、それらのアイデンティティを具現化する方法を学びます。

私が伝えたいポイントは、経験があるが未熟な若者を一流のデータサイエンティストにすることは、数学のスキルよりも社会的な規範、ネットワークの構築、仕事の文脈への適応能力にかかっているということです。これらの要素の多くは、最良の状況下でも獲得が難しいものであり、今では遠隔およびハイブリッドワークに新たな方法を見つける必要があります。

• 「Databricks SQL Serverless + DBT のテストから学んだ５つの教訓」
• 「マスク言語モデリングタスクのBERTトレーニング方法」
• 「ほとんどのオンラインコンテンツがAIによって生成される場合、何が起こるのか？」

（私が話すことの多くはさまざまな種類の仕事に関連する可能性がありますが、ここでは特に若いデータサイエンティストの経験に興味を持っています。）

それでは、専門職の理解をサポートするために仕事から得るいくつかの要素について掘り下げてみましょう。

規範

私たちは、職場で他の人々、特に私たちよりも上位にいる人々の行動を観察することで、文化的および社会的な規範を身につけます。ビジネス用語や服装の規範、社会的な礼儀作法などは、職場での間接的な学習を通じて形成される場合があります。特に、これらの規範は社会的資本の構築や階級移動のツールとして機能する場合があります。データサイエンスにおいては、データサイエンティストが実践する様々な産業内またはフィールド全体に一般化できる規範が存在します。たとえば、テックデータサイエンスでは、カジュアルな服装が一般的です。また、上司やリーダーなど他の人々とのコミュニケーション方法を含め、技術的なトピックについてどのようにコミュニケートするかについての暗黙の基準も存在します。さらに、ビジネストラベルの取り扱いや顧客との対話など、どのようにプロフェッショナルになるかに関する規範はたくさんあります。これらのスキルは、遅かれ早かれプロフェッショナルとしての成功に不可欠ですが、私の経験では、大部分は観察と浸透によって学ぶものです。

スキル

私たちは職場からも具体的なスキルを身につけます。新しい仕事で成功するためには、ほとんどの人が何かを学ばなければならないからです。私の場合、学問の世界で数年間過ごした後にデータサイエンスに入ったため、データサイエンスや機械学習についての知識をビジネス問題に適用する方法について多くを学ぶ必要がありました。初めての仕事、特に最初の仕事から、新しいアルゴリズム、コーディングのベストプラクティス、その他多くのスキルを同僚から学びました。これらのスキルはすべて正式なトレーニングだけではありません – 経験豊富で成功した人々がどのように仕事をするかを観察し、吸収することによって学ぶことの方が非常に多いです。関連して、私たちは「自分が知らないこと、知らないスキル」についても学びます。特に初めて始めるときは、私たちはすべて盲点を持っています。私たちは、自分が欠けているパズルの一部やアプローチに気付かないままであり、それが私たちに指摘されるまで有用なものだと気づきません。自分が知らなかったスキルを使用する同僚の観察は、それを自分自身で構築するための扉を開くことがあります。

ネットワーク

さらに、職場は共感やネットワークの形成といった抽象的ですが重要な要素を提供します。理想的には、チームやビジネスに参加する際に他の関係者との人間関係を築き、そのつながりが将来のキャリア発展に役立つプロのネットワークの接着剤となります。これらのつながりを築かなければ、現在の仕事だけでなく将来的にも不利になるでしょう。私自身、同僚同士の連帯感を通じて築かれた強力なプロのネットワークに恵まれており、それが私のキャリアの成功に大いに役立っています。データサイエンティストは素晴らしい人たちであり、互いに機会を見つける手助けをし、人脈を広げるお手伝いをしますが、この職業に参加する際にはそのネットワークに入る方法が必要です。これはより経験豊かな同僚が紹介し、あなたに賛同することで簡単になります。

新しいデータサイエンティストとして成功するためには、いくつかの要素を何らかの形で獲得する必要があります（状況によってはその他もあるかもしれません）。しかし、私がキャリアをスタートした頃と比べて、仕事の物理的なコンテキストは非常に変わりました（そしてそれはより良くなったと思います）。この新しい世界でどのように新しい実践者を導入するのでしょうか？

働く場所

私が見ている限りでは、現在のデータサイエンス/機械学習のような職業に従事する白カラー労働者には、実際には4つの働き方があります。

• 全くリモートでなく、完全にオフィスで対面で働く
• ハイブリッド：リモート作業が一部または大部分であり、意図的かつ目的を持った対面時間を持つ
• ハイブリッド：リモート作業が一部または大部分であり、不十分で無駄な対面時間を持つ
• 完全にリモートで対面時間がゼロの作業

多くの専門家が主張しているように、私たちデータサイエンティストの多くは、もしまだそうでなければ、当然のことながらハイブリッドの状況になるでしょう。完全なオフィスでの勤務は、私たちの多くにとって戻ってこないでしょう。なぜなら、私たちはリモートワークの自律性と柔軟性の味を知り、それが私たちの生活の質をどれだけ向上させているかを実感しているからです。データサイエンティストのスキルセットは非常に需要が高いため、それを望めばこのような柔軟性のある役割を得ることができます。

「ハイブリッド」という言葉の明確化に時間を費やすことは重要です。オフィスパークや中心街に週3日通勤することだけが、対面と非対面の両方で働く方法ではありません。このことについての議論がどれほど的外れであるか見るのはイライラすることです。私は、ほとんどのハイブリッドワークの概念を「リモート作業が一部または大部分であり、不十分で無駄な対面時間を持つ」と考えています。これは、彼らがコロナ前の職場の型にハイブリッドを創造しようとしているからです。これは私たちが仕事をどのようにしたいのか、価値のあるトレードオフが何であるかをほとんど理解していないためです。

ほとんど空っぽのオフィスでほんの数人と一緒にほとんど交流せずに時間を過ごすことは、初心者のデータサイエンティストが上記で説明した利点を実現するためには非常に効果的ではありません。それに加えて、彼ら自身や彼らの家族、そしてコミュニティへのトレードオフは非常に大きいです。通勤は私たちの個人の健康や社会の福祉、環境の健康にとってはひどく有害であり、生産的な方法で有意義な時間を浪費していると言えます。仕事のために出かける時間を費やすなら、それに値するものでなければなりません。

通勤は私たちの個人の健康や社会の福祉、環境の健康にとってはひどく有害であり、生産的な方法で有意義な時間を浪費していると言えます。

代わりとして、私は「リモート作業が一部または大部分であり、意図的かつ目的を持った対面時間を持つ」という考え方が好きです。例えば、日常的にリモートワークし、四半期毎に集中して中央の場所（地域または地元のオフィスではなく）に出向き、戦略的な計画、共同作業、社交時間、お互いから学ぶ時間などを過ごすことができます。この時間の使い方には無数の可能性がありますが、重要なのはそれが目的を達成するための対面時間であり、そうデザインされているということです。

効果的なハイブリッドワークに当てはまることかもしれない事柄：

• リモートワークまたは完全なオフィスワークより安くはならないかもしれません
• 成功するためには考慮と計画が必要になります

長年の経験を持つデータサイエンティストにとっては、完全なリモートワークでも問題ありません。私たちはネットワークに入り、社会的なルールを学び、特別な対面時間を必要としないスキル（そしてもっとも重要なことは、スキルを更新するチャンネル）を獲得しています。しかし、私は私たちの後に出てくる人々に手を差し伸べ、ジュニアの同僚と対面時間を持つことが貢献であり、価値のあることだと主張します。

どのようにするか

会社や組織によって異なるため、故意的な対面時間の構造について正確な指示をすることはしませんが、私は上記で説明した特定の目標に対していくつかの提案があります。

• 規範：規範や文化を伝えるには、故意に行うことが最善です。部下が人間関係の期待に即座に理解することを期待するだけではなく、これらの規範は明示的に伝える必要があります。週40時間以上を一緒に過ごしていた頃は、これらのことを明示的に説明する必要はありませんでしたが、状況が変わったかもしれません。思う以上に明確にする必要があります。これらの規範は、故意な対面時間中にも受動的に吸収されるものです。
• スキル：データサイエンスの主要なスキルは、相手によって異なる言葉で説明されますが、通常はコーディング、統計と機械学習、ビジネス洞察力とコミュニケーションのいくつかの組み合わせを含みます。これらは職務を通じて開発・向上させるものですが、他の人々がどのように仕事をするかを観察することでこれらのスキルも獲得します。故意な対面時間において単なる退屈な会議に焦点を当てるのではなく、共同作業の機会を作ることで、このスキルの伝達を支援できます。
• ネットワーク：リモートワーキングのデータサイエンティストにとって、ネットワーク構築は最も難しいことだと思います。日々の仕事を一人で行うことが非常に頻繁であるためです。チームでモデルやコードのレビューを行ったり、スタンドアップや会議、ハッカソンでつながることもありますが、前のような職場では周辺の社交からネットワークの構築が行われました。現実的な対面時間としての社交の機会を持つことが、強力なネットワークの発展に大いに役立つのです。

多くの雇用主は、新しい仕事の世界で初心者のデータサイエンティストを受け入れ、経験豊富なプラクティショナーに育てる方法がわからないため、本当に必要な以上のシニアな人材を雇おうとします。私のようなレベルの人々にとってはより多くの機会と需要を生み出すかもしれませんが、全体としては良いことではありません。アイデアと創造性を持つ新たな参入者が必要であり、彼らが成長して成功するためのツールを提供する必要があります。以前のように一日中同じオフィスにいなくても。

アイデアと創造性を持つ新たな参入者が必要であり、彼らが成長して成功するためのツールを提供する必要があります。

私たち既存のデータサイエンスのプロフェッションのメンバーとしての任務は、まず異なる状況を受け入れ、それが大丈夫だと認識することです。別の仕事の世界に戻りたいと願っても無駄ですし、私は望みません。柔軟な労働は私たちの生活とコミュニティをより良くします。ただ重要なことを特定し、この新しい環境で目標を達成するための努力をする必要があります。

私の仕事をもっと見るには、www.stephaniekirmer.comをご覧ください。

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