【PdMへの道】PdMに必須な思考方法/データ分析は教養/データアナリストになれ/PdM(Product Manager:プロダクトマネージャー)
Summary
TLDRこの動画では、データアナリストからプロダクトデザイナーマネージャー(PDM)へのキャリアアップの道について語られています。データ分析スキルはPDMになる上で不可欠であり、サービス改善のためのデータドリブンな意思決定に役立ちます。新卒でデータアナリストを目指す意義や、データ分析を通じて得られる深いサービス理解についても議論されています。また、仮説思考やデータに基づく意思決定の重要性に焦点を当て、データアナリストとしてのキャリアの魅力に触れています。
Takeaways
- 🚀 PDM(プロダクトデータマネージャー)への道は、データ分析スキルが求められるようになっています。
- 📈 データアナリストからPDMになるためには、仮説立てやデータで意思決定をサポートする能力が重要です。
- 🌐 新卒でデータアナリストを選ぶと、サービスの数字を理解し、より深くサービスを把握する能力が身につきます。
- 🎓 大学でもデータアナリティクスは共通のスキルとして、文系理系問わず多くの学部で必須とされています。
- 🛠️ PDMはデータアナリストと協力して、定量的な分析を通じて意思決定を行います。
- 💡 PDMとして働くと、データから課題を見つけ、ビジネス設計に役立つ分析を通じてその課題を解決することが求められます。
- 🌟 データアナリストは、仮説思考やデータの分析から得られた知見を用いて、PDMの活動をサポートします。
- 📊 PDMが必要とする思考方法には、仮説立てやデータに基づく意思決定の材料の準備が含まれています。
- 🌱 新卒のデータアナリストは、分析スキルを身につけることで、ビジネスの深い理解やセンスが磨かれる可能性があります。
- 🔍 DNA(ディー・エヌ・エー)では、データアナリストが事業部に近い状態で働くことで、ビジネス貢献につながる参謀的な役割を担っています。
Q & A
データアナリストからPDMへの道はどのように増えているのでしょうか?
-データアナリストとしてデータ分析スキルを身につけることで、プロダクトマネージャー(PDM)になる道が開けているとされています。データ分析能力はPDMとしての優位性を提供し、サービス改善の検討において欠かせないスキルとなっています。
PDMになるために必要なスキルはどのようなものがありますか?
-PDMになるためには、仮説思考能力やデータに基づく意思決定能力が重要です。また、課題発見能力やデータから導き出される結論をビジネスに適用する能力も必要とされます。
データアナリストとしてのキャリアがPDMになる上でどのような影響を与えるとされていますか?
-データアナリストとしての経験は、PDMになる際にデータに基づく意思決定や仮説の立て方、データ分析能力を身につける上で役立ちます。これにより、PDMとしてのスキルをより早く吸収し、活躍できるようになります。
新卒でデータアナリストを選ぶ意味はどのようなものがありますか?
-新卒の時にデータアナリストを選ぶことで、サービスへの深い理解や数字の動きを把握する能力が身につきます。これにより、サービスを深く理解し、ビジネスに貢献できるPDMになる基盤を築くことができます。
データドリブンなPDMになるためにはどのような思考方法が必要ですか?
-データドリブンなPDMになるためには、仮説立てからデータ分析を通じてその仮説を検証する思考方法が必要です。また、未来の理想状態を定め、そこに向かうために必要なデータの分析と解釈能力も重要です。
データアナリストがPDMと協力する際にはどのような役割を果たしますか?
-データアナリストはPDMの参謀として、データ分析を行い、意思決定に必要な材料を提供します。これにより、PDMは定量的なデータに基づいて計画や改善を進めることができます。
データサイエンティストとデータアナリストの違いは何ですか?
-データサイエンティストは非線形の成長をサポートし、アルゴリズムの開発やAIの応用に焦点を当てています。一方でデータアナリストは、線形の成長を支えるために、具体的な課題を特定し、データから洞察を得てビジネスにフィードバックします。
DNAでデータアナリストをすることの魅力とは何ですか?
-DNAでデータアナリストをすることの魅力は、事業部に近い状態で働くことや、多岐にわたるサービスへの関与、ビジネス職へのシフトが可能になる点です。また、データ分析を通じて事業作りに直接貢献できる点も魅力的です。
データアナリストとしてキャリアを築く上で、DNAの環境はどのように役立ちますか?
-DNAの環境では、データアナリストが事業部と並行して働くことで、ビジネスへの理解を深めることができます。また、多岐にわたる部署への配属が可能で、自分の興味に合った領域で働く機会も提供されます。
データアナリストとしてのスキルを身につけるのにどの大学の科目が推奨されますか?
-中央大学のデータアナリティクス科目が推奨されています。この科目は理系だけでなく、全学部向けに開かれており、データ分析スキルを身につけるのに役立ちます。
Outlines
🚀 PDMへの道とデータ分析の重要性
本段落では、データアナリストからプロダクトマネージャー(PDM)への道について語られています。データ分析スキルはPDMになる上で非常に重要であり、サービスの改善に貢献できるようになります。新卒でデータアナリストを選ぶ意義や、データ分析を通じてサービスを深く理解できるようになる能力について触れられています。また、話者である佐々木さんがNASAの研究員経験を経て、ビジネスサイドに転向し、現在はデータアナリストとして活躍している経歴が紹介されています。
🧠 PDMとしての役割とデータ分析のスキル
第二段落では、PDMとしての役割とデータ分析スキルの関係が探求されています。PDMはサービスの改善を考える上で、データに基づいた定量的な分析が不可欠であり、その能力はPDMとしてのスキルアップにもつながります。また、データアナリストとしてのキャリアがPDMとしてのスキルを磨き、仮説立てや意思決定に役立つという点が強調されています。データ分析ができないPDMはビジネス設計において苦戦する可能性があるという視点も紹介されています。
🤔 PDMに必要な思考方法とデータ分析
第三段落では、PDMになる上で必要な思考方法とデータ分析のスキルが語られています。仮説思考とデータに基づく意思決定の重要性が強調され、PDMとしてのスキルアッププロセスが説明されています。データアナリストが仮説を立ててデータ分析を行い、PDMと意思決定に貢献するロールが明確になっています。また、データサイエンティストとの違いや、データアナリストとしてのキャリアが技術的にもビジネス的にも幅広く有益であることが述べられています。
🌟 DNAでのデータアナリストのキャリア
第四段落では、DNAという企業でのデータアナリストとしてのキャリアについて語られています。データアナリストがビジネスと密接に関わることの重要性や、そのロールがビジネス貢献にどのように役立つかが説明されています。また、データサイエンティストとの違いや、データアナリストがビジネスサイドと技術サイドの橋渡し役として働くことの意味が探求されています。データアナリストとしてのスキルや価値がビジネス全体にどのように影響を与えるかが強調されています。
🛠️ DNAのデータアナリストの魅力とキャリアの幅
最後の段落では、DNAでのデータアナリストとしてのキャリアの魅力について語られています。データアナリストが事業部に近い状態で働くことがビジネス職に向いている人々の魅力であるとされ、そのポジションがどのようにキャリア発展に役立つかが説明されています。また、DNAでのデータアナリストとしての多様な経験が、将来のキャリア選択にどのように有益かが語られ、データアナリストとしての幅広い可能性が強調されています。
Mindmap
Keywords
💡データアナリスト
💡プロダクトマネージャー(PDM)
💡仮説思考
💡データドリブン
💡センス
💡データサイエンティスト
💡意思決定
💡参謀
💡キャリアパス
💡データ分析スキル
Highlights
データアナリストからPDMへの道の増加について話す
PDMになるためにデータ分析スキルを身につけることが重要
サービス改善を考える際にPDMがデータ分析を活用する必要性
新卒でデータアナリストを選択することで得られる視点
データ分析がサービスを深く理解する上で重要な理由
思考錯誤とその克服がセンス磨きにつながる例
データ分析のスキルがPDMとしての役割を果たす上で不可欠である理由
仮説思考とデータに基づく意思決定の重要性
データアナリストからPDMへのキャリアパスの魅力
データドリブンなPDMになるために必要なスキル
データサイエンティストとデータアナリストの役割の違い
データアナリストとしてのキャリア選択の意味
DNAでのデータアナリストとしての働き方とその魅力
DNAでデータアナリストをすることで得られるビジネス貢献
データアナリストとしてのスキルアップとそのキャリアへの影響
データ分析スキルが他の職種へのキャリアチェンジに与える可能性
DNAでのデータアナリストとしてのポジションとその変革
データアナリストとしてのキャリアパスと参謀としての役割
Transcripts
データアナリストからpdmにな
るっていう道が増えてきたなpdmになり
たかったらデータ分析ちゃんと身につけ
とけよっていうのは結構強く言いたい
ポイントかなサービスをどう改善してくか
みたいなのを考える時にpdmの人も
ちゃんと分析用かないとそこが設計でき
ないなんか新卒の方でファーストキャリア
データアナリストをあえて選ぶ意味とかっ
た教えか裏でどういう数字がちゃんと伸び
てってるのかみたいなのまで理解できる
能力がついていくのがよりサービスをこう
深く理解できるポイントになってくるかな
と思ってて思考錯誤して苦戦してやった方
が細かい理解までは深まってセンスが磨か
れていく気がしてるいやいいなファースト
キャリアアナリストやりたく
なはい始まりました事業家のDNA本日は
ですねデータ分析のプロに来てもらいまし
たアナリティクス部技術戦略グループの
さんですで佐々木さんはですね元NASに
いらっしゃって元Nの研究員からえDNA
のポコちゃのpdmとしてジイし現在は
データアナリストとして活躍されています
今日はですねpdmまでの道っていう
切り口でpdmになるために必要なあの
スキルだったりっていうところを話して
いただこうと思うんですけどまずちょっと
その前に元々NASAにいらっしゃっ
たってことめっちゃ気になったんですけど
どういう風にDNAに車までどういう過程
があったんですか理科学研究所で研究員と
して雇ってもらいながらま一定期間
NASAの方でもへえ席を置かせてもらっ
てまずっとやるみたいな感じのをま1年弱
ぐらいやっててうんうんでそこでなんか
こうアメリカにその時ずっと住んでたん
ですけどそん時にアメリカの天文学会とか
行ったらなんかこう天文の中でAIと宇宙
の研究組み合わせるみたいなのがちょうど
出出したんみたいなはい日本で全く期間
みたいな状態の時にそういうのが出ててで
あAIなんだみたいななったんでじゃあ
AIの勉強すれば俺もアカデミックの道で
生き残れるわみたいな感じでAIの勉強し
始めてうでそこから帰ってきたんですけど
まあAI触って色々研究やってあ面白い
なってなったけどアカデミック行くの
とりあえずやめてうんビジネス側に移そう
かなってなった時に一旦データ
サイエンティストに転職してなるほどで
そこから今DNAにpdmとして入った
けど今アナリストやってるみたいな感じ
なるほどなるほどそんな今日えっと佐々木
さんにえっと話していただきたいトーク
テーマ3つあってまず1つがデータ分析は
共用で2つ目がpdmに必要な思考方法で
3つ目がまデータドリブンなpdmにな
れってい風に設定されてるんですけどまず
1つ目データ分析は共用っていうのはどう
いうことですかデータアナリストから
pdmになるっていう道が結構周り見てて
も増えてきたなっていう感じがしててで
そのデータへの理解がプロダクト
マネージャーになった時に優位に働くて
いうようなそういう色が見えてるんでもう
誰しもがデータ分析のスキルってのを持っ
てなきゃいけないなっていうイメージでま
強烈だなって感じはしてますデータ
アナリティクスの授業を僕大学で持ってる
んですけど中央大学であそういうこともさ
れてるんですで持っててその授業理系科目
じゃなくて全額部向けの科目になっててえ
誰でも取れるみたいなでしかもま誰でも
取れるだったら別に共用って感じしないん
ですけどプラスで総合政策学部とかって
いうのが中央大学にあるんですけどそこの
必死科目とかになってるええ必死なんです
ねもう語学とかと並んで必みたいだそれで
取らないと卒業できないてことはもうその
学部にいるってことはそのスキル持って出
てってもらわないと困るよっって扱いじゃ
ないですかはいはいだからそういう意味で
こう大学側ももう世の中に出るために必須
スキルとしてうんデータアナリティクスと
かっていうのは置いてるんでそういう面で
ももう共用感はめちゃめちゃ出てるから
うんうんpdmになりたかったらデータ
分析ちゃんと見つけとけよっていうのは
結構強く言いたいポイントかなと思います
ねなるほどなんか特にpdmっていう風に
なった時にそのデータ分析っていうのは
どういう風に生きていくんですか
プロダクトマネージャーま結局僕も
プロダクトマネージャーとして入ってその
ままアナリティクスの方に流れちゃったん
であれなんですけどpdmの人たちと伴奏
してなんか僕たち参謀っていう言葉使うん
ですようんうんうんpdmの人たちの参謀
になってかいかっこいいですよねで授業を
動かすつ意思決定を一緒に定量的にやっ
てくみたいなはいはいのをやってくので
その意味でまずこうpdmのそばにいて
同じレベルで物事考えないいけいていうの
でまpdmになるために必要なスキルの1
つうんていうのもあるしまあとはpdmの
人も結局サービスをどう改善してくか
みたいなのを考える時にどうしてもどこが
数値的に課題なのかとか定量的に話さない
と他の人説得できないじゃないですかそう
その課題探すでその課題をちゃんとデータ
としてまとめて企画書とかに落とし込んで
いかなきゃいけないってなってくると
pdmの人ちゃんと分析用がないと確か
そこが設計できない人巻き込んでいけない
ですねそうそうでなんか初めてpdmにな
るってなった時とかも分析もできないし
ビジネス設計もしなきゃいけないしみたい
になったらもうあうわってなるじゃない
ですかだからせめてこう課題発見能力と
かっていうベースはちゃんとできてる状態
の方がより活躍する時のスピードは上がる
かなと思ってて確かにセンスでやってる人
もこのデータ分析ができればより人を
巻き込んでいきますそうですねデータの話
しないともう動いてくれない人とかも一定
出てきてるじゃないですかそう
ですそもそもpdmに必要な思考方法って
いうのは何なんですかpdmになる上で
必要な思考方法で言うとま仮説思考はい
うんっていう部分とまあとは意思決定に
必要な材料をまデータで探してくる力
みたいなところがやっぱ重要なポイントか
なと思いますねプロダクトを何か改善はい
しようとした時って見えない未来理想の
未来にこう持ってくってなるとどうしても
ここの間にこういう課題があってっていう
のをなるべくユーザー目線で考えるじゃ
ないですかでそこにじゃこういう気持ちに
なってるからかなっていう硬い仮説って
いうのをどんどん置いていってでその仮説
通りになんか課題になってる数字とかって
出てんのかなっていうのを探していくって
いう2ステップがあると思ってて正直
データアナリスト本当に初期の初期とか
だったらその仮説の部分なくても誰かが
仮説整理してくれてうんその数字揃えれば
なんか一定満足してもらえるみたいになる
んですけどどんどんアナリストとして
スキルアップさせていこうと思った時には
うんま仮説の方をpdmの人が考えるとか
ってなった時に一緒にいやこういう
パターンもあるこういうパターンもあると
かでやっていくとよりなんかこうなんか
企画考える時あの人に相談しようとか一緒
に考えるとすぐ終わるし筋のいいところに
決着するしみたいなてなって
よりこう重宝されるでそうするとそれ一緒
にやってたら結局pdmとしてのスキルも
ちょっとずつこう吸収できるから最終的に
はpdmになるのにアナリストっていう
立場めちゃめちゃいいなっていううんで
そこでつく仮説思考っていうのもま重要な
能力の1つになるなっていう感じはするん
ですよねなるほどなんかすごい勝手な
イメージで本当になんかこのデータ分析し
といてみたいな感じでれてなんか分析する
みたいなところが多いのかなと思ったん
ですけど仮説を立てるところからちゃんと
やる必要がそうですねなんかそうこれ新卒
の子の多分イメージとかだともなんか
ドラマとかにいるうんなんか暗い地下室
みたいなパチパチパチみたいな分析タ
みたいうんでなんかこう勝手に視がわって
出てくるみたいな感じに見えがちというか
そういうイメージちょっと好調してるけど
あるみたいな言われたこともあってうん
うんでも本当は普通に多分明るいところで
明るいとこでやばいクトマネージャーとか
そういう事業推進してる人と結構喋り
ながら進める時間の方がはいはいいやで
マジ3謀って表現ぴったりですねいや3
そうすよねしかもかっこいいしちょっと
言いたいじゃないですかかっこ
いそこから確かに変装してかつそのデータ
分析を用いてそういうことができますって
なるとも気づいたらあ
pdmの同じ役割してるじゃんみたいな
なってきますまそうですねでそこにだから
染み出てこうとした時に多分新しく見
につけなきゃいけないうんスキルとか
たくさんあるんですけどうんうんあの
ちゃんとなんか硬い盤の上にスキル
積み上げていけるみたいなそういう
イメージだとアナリストファースト
キャリアとしてとかなんかそういうpdm
とか目指してく上でそのそあんのめっちゃ
いいなっていうのはいや間違いないですね
思いますよねうんうんうんうんなんか新卒
の方でファーストキャリアデータ
アナリストをあえて選ぶ意味とかあったら
教えてください僕が入った時もDNAに
転職してきた時も言わに言われたことうん
と基本的には同じかなと思うんですけど
うんうんなんかこうアプリとか触ってなん
となくサービスへの理解は深められるんだ
けどそれを裏でどういう数字がちゃんと
伸びてってるのかみたいなのまで理解
できる能力がついていくのがよりサービス
をこう深く理解できるポイントになって
くるかなと思っててだからそこの理解に
必要な材料をちゃんと数字で探しに行くっ
ていう能力がこうそこを反復していくのが
はま比較的データアナリスト自分で結局
データ触りに行くんでその回数が多いから
よりなんか自信持って会話できるようには
なるこういうのがあると思うんだよねって
いうふわっとしたお題とかも来るんですよ
はいはいはいそのこういう課題があると
思っててって言われてうんでなんかそれを
うまく説明する数字ここら辺に隠れてると
思うんだけどぐらいあなるほど話できた時
にまアナリスト側で喋りながらどの観点で
分析結果まとめるかでもその感度良くなる
のめっちゃいいですねそうですねでなんか
そうするとだんだんこうなんでそこに疑問
持ってたのかっていうのも分かるしあとは
なんか結構大事だなと思うのはその材料と
か渡された中でどう組み合わせて返事する
かみたいなうんうんっていうのがここで
結構ぐるぐるいろんななんか例えばAって
いう指標とBっていう指標をクロスで集計
したらこういうところが分かるとかもっと
いっぱい組み合わせてんちょっと機械学習
っぽい解決策で返すのかとかなんか
いろんなのをうん探りながらやるんですよ
ねうん一発で多分結果って出なくてでそう
するとそのこくり回してる間にもあこう
いう数字出てくるんだみたいなここって
あんま筋良くないんだっていうのを自分で
潰しながら進むじゃないですかはい最後
質問してきた人とかお題をくれた人に返す
時って筋のとこをほぼメインでこう
レポートしていきますよねうんうんだから
こっち側の人はここでなんか問だ内容と
かって教えてもらうけどちょっと薄い理解
が薄くなるからそうですねだからどっちが
そのうんこどこの数を見るのが筋いい
かっていうのが鍛えられてくかで言うと
いや間違いないですこれこう思考錯誤して
苦戦してやった方
が細かい理解までは深まってセンスが磨か
れていくいやいいなファーストキャリア
アナリストやりたく
なるいやそうなんかインターン性のか
インタ性の子があの今手伝ってくれてるん
ですけどそう佐々木さんの話聞いて
めっちゃうんそうですねフストキャリア
データアナリストやりたいってなっ
リクルーティングだと思ってちゃでも
めっちゃこれ聞いたら思いますねあとは
こうデータアナリストっていう話で今
バーって話したと思うんですけどなんか
うちの車内だと明確にデータサエストとか
分れてるじゃないですかあそこてなんか
違いみたいなので言うとうんすごい
ビジネスっぽい表現するとアナリストは
線形の成長を支えるはいはい3謀薬でで
こうデータサイエンティストは非線形の
成長をサポートするみたいなそれこそなん
だろうな今AIとかめっちゃ話題になっ
てるけどAIのそうれこそマッチングとか
はいそうすると他の会社ってもうなんか
AIのマッチングでさらにこうレコメンド
もしてくれてだから使い心地いいからもう
このプラットフォームから離れないみたい
なうんうん多分気持ちになって今頭の中に
浮かぶサービスっていくつもあるじゃない
ですかああいうのを助けてくれるのは
やっぱデータサイエンティストのうん強い
こうAIに対する理解とアルゴリズムの
実装力みたいな感じになるんですけどま
アナリストはそれよりももっとこう直近の
課題っていうのをちゃんと手堅く見つけて
いって1個1個こうなこれを解決したら
ユーザーがこう2倍改善したら2倍良くな
るっていうその線形性をサポートするって
いうのがあるんでじゃあ非線形の方狙って
いって当たったら大勝ちみたいなのやって
てもこっちの技術力の高さとビジネス側の
人たちの理解ってめっちゃへたりがある
じゃないですかうんむずむずいしいきなり
なんかそうですねこうAIの説明されても
ぷカみたいなてなった時のアナリストそこ
の橋渡し役みたいなああなるほど技術側も
ちゃんと勉強すれば分かっていくしで逆に
こうビジネス側との距離感も近いしっって
いうのの橋渡し役みたいなのの担えると
よりアナリストとしての価値も上がるし
実際は例えば最近話題のこうチャット
GPTllm使って気づいてなかった解釈
とかはアナリストも実装してそれをデータ
の解釈をそのままビジネス側で使えるよう
にっていうプラットフォーム作ったりとか
もできるんで結構なんうんか技術側にも
寄せれるしビジネス側にも寄せれるしって
いうのもうんめちゃくちゃいいなポイント
としてはあると思うんですよまあとは
どっちやりたいかみたいなその文系から
そうアナリストになるかデータアナリスト
になる方ってやっぱ少ないですかあそれが
DNA僕入ってからびっくりしたんです
けどDNAのアナリストってビジネス食
作用そうですねの人が入ってくるからでそ
こって結構そのま理系文系関係ないけど
文系の人も結構いるじゃないですかだから
そっからちゃんと分析のスキルとかをつけ
ていって今全然みんな活躍してるって
考えるとうんうん別に必要ないむしろ
ちゃんと考え方とかがそっかしっかりし
てる人たちの方がいいからなんかDNAの
新卒の人ってそこ結構採用で見られてる気
してて考え方とかそうなら結構センスの
ある人たちが多い印象はありますあそうな
んですねじゃあ元々そういう数字に対して
の知識とかなんか感度の良さとかがまそこ
まで高くなくてもそれは後からけれるそう
ですね結局分析の方法なんてもううんうん
僕もチャットGPT横にないと仕事でき
ないぐらいもうあのプログラムの仕方とか
コードの書き方みたいなのはそっちに任せ
てそっちがコードバって書いてくれてる間
に本当にここ考えるべきことなのかなって
いう方に頭使えばいいんで別になんか
プログラミングできないしSQLかけない
しみたいなのはもうあんま必要ないかな
みたいないやマジイメージめっちゃ変わり
あ本当です
かデータドリブなpdmになれっていう
よりはpdmはデータドリブンでなければ
いけないのでその力は前もって養っておい
てねっていううん感じで伝える方がいいか
なと思ってるんですよねなるほどなるほど
働かれてる中でやっぱデータが見れる方と
の方が働きやすいなとかやっぱあります
こっち側からは別に多分あんまりなくて
ただうんプロダクトマネージャーとかやる
上でデータへの理解があった方がその人の
その人が働きやすそうに見えるっていうの
ありますねうん他を説得する材料を探す時
にデータアナリストとかデータ
サイエンティストとかと会話する時の
コースを最小化できるというかうんうん
なんかこういうデータ裏にあるじゃんだ
からこういう風に分析すれば出ると思うん
だよねてぶつけられたらこっちもあそれで
いけるってなるかはいはいいやこっちの方
がいいんじゃないみたいなのでなんか30
分で話ピって終わるみたいなのとか
うんうんあとなんかこうデータ
サイエンティストがこういうアルゴリズム
にするとこんぐらい変わると思うんだよね
みたいな話があった時とかもえでも前のと
そんな本質的には変わんなくないとか返事
すれば話がうまくまとまるとかってのある
と思うんでそのデータの使い方の理解が
深い方が仕事が楽になってるんじゃないか
なっていう気はしてるんですようんうん
なるほどな実際にDNA入った時もpdm
として採用されてま結局今アナリストやっ
てるんですけどpdmはいに合流する前に
じゃ何ヶ月かちょっとアナリストチームと
一緒に動いて裏にどういうデータ構造ある
か全部理解した上でpdmのまたもう1個
やろうかみたいな話を最初してたぐらい
だったんでデータを理解してるからこそ
データドリブなpdmとして活躍できる
みたいな感じなんじゃないかなって思い
ますねうんこれってなんかあのあの他の
会社さんでもそういった動きができるのが
普通なんですかねデータアナリスああそこ
の距離感は
結構会社によってまちまちな気はしてて
うんそのもう本当に車内に一緒にいるけど
別部署でなんか言われた分析結果返します
よっていうスタンスのところもあるだろう
しはいはいはいあとはなんかどのぐらい
ビジネス貢献していくかっていうのの
色合い次第かなと思うんですよねうんなん
かそういう人たちをまそ抱えるのもそう
いう組織的に難しいっていうパターンも
あるはいからそうするとなデータ
サイエンス系とかデータ分析系に特化した
コンサルティングファームとかしちゃう
みたいそうあるんでそこに外注してやって
いくでそこにから帰ってきた結果から自分
たちでなんか決めてくみたいなはい感じに
なってくと思うんでうんどうどうやって
見極めるですかねそういう会社は多分いや
でもめちゃくちゃなんだろうなんか私の
イメージもどちらかというとそっちだった
のでなんかここまでなんか事業作りを学び
ながらというかなんかちゃんと事業作りに
生きるデータ分析みたいなのをあのでき
るっていうのはすごくいい環境だそうです
ねなんかそこの線引うちもちょっとあった
なっていう感じがあってそこからなんか
参謀っていう言葉を明確に使い始めたのも
ちょうど1年ちょっと前ぐらいからであの
ちゃんと事業部側の担当者立ててこの人は
あなたの参謀ですっていうのを明治的に
ペアで全部作っちゃってえそんなちゃんと
作ってるんですねそうですそうです3謀
制度っていうのをちゃんと引いてえかこ
いいpdm1人に対してアナリストあの
シニアめのアナリストをちゃんとつけてで
もこのアナリストは基本この業務しかし
ないですよpdmの頭の中にあることも
どんどん具現化してくしなんなら前より
コード書く時間は短くなってるんだけど
うんあのその分こうなんか手で整理してみ
たりこう文字で書いて整理してみた
りっていう頭を使っていく時間の方が長く
なっていくような支援の仕方に変えたら各
領域の理解もめっちゃ深まったしはい
なんかアナリストの存在感もやっぱあの
事業部の中で増したし間違いないですねて
いうのでなんかこう参謀っていうシステム
がすごいよく機能していったはいはいを見
てたからこそ染み出ていくアナリストの方
がいいんだろうなっていう感覚が今は強い
んですよねうんうんうんうん改めてなんか
DNAでえっとデータアナリストをする
ことの魅力っていうのとあとまあの結構
そう色もあると思うのでこういう人があう
と思うみたいなったら教えてくださいはい
DNAでデータアナリストをするメリット
はもうやっぱ事業部に近い状態で並走し
ながらできるその参謀っていう動き方が
できるポイントがあるかなと思ってて
ビジネス職でこういうのがやりたいって
明確にある人の方が実はアナリストと相性
いいかもしれないなと思っててかなんか
その結局事業部の人と同じ目線で会話が
できるうんアナリスト3本になってるから
こそpdmとかあの例えばマーケティング
のプランニングとかっていうところに
シフトしていけるんでだから同じぐらい
興味ないとついていけないんですよね確か
にだからはめちゃめちゃマーケティング
やりたいですめちゃめちゃpdmやりたい
ですみたいな状態の時にこのまま行って
もがきまくってなんか右も左もわかんない
状態で1年間過ごすのかってなったら一旦
もうデータを元にそこを理解するっていう
風に切り替えてうんけど自分の興味ある
ところにがっつり関わるっていうような
そういうイメージでめっちゃいいな決め
てくのがいいかなっていうDNAは部署が
違うところからアナリストこれぐらいこう
じゃあこのチームにつけますみたいなそう
いうコースの配分の仕方なのでうんうん
車内で展開されてる
サービスあらゆるところにアサインして
もらえる可能性があるんでうなんか
マーケティング部署に入りたいとかどっか
のプロダクトマネージャー絶対やりたいん
だみたいなのに1個こうステップ挟んで
やって違う業務形態でそこに関わってい
くっていう確かにもをやってくとなんか
一歩引いてみれる部分もあるしうんでそこ
が本に自分がやりたいなのか見えてきて次
のキャリア決めれるとかっていうのはあり
そうな気はするからなんかDNAでやる
メリットは1個そこにもあるかもしれない
ですねいや本当にそうですねなんか結構
学生さんと話してるとなんかこのなん
だろうえっとこういう分野に携わりたい
みたいなのを決めきれないから事業会社に
入れなくてはいああで結局そのそういうで
も優秀な方々って結構コンサルに行くはい
はいなんかとりあえずいろんなあの業界
見れるから後でなんかあの何でもなり
やすいだろうみたいな感じでなる方多いん
ですけどそういう方みんなデーターの
リストになった方がいいんじゃないそう
ですね思いましたなんかだコンサル入っ
ちゃうと支援の仕方にまたちょっと自由度
があって僕も前職データサインスって言い
ながらあの外部から支援するタイプのだっ
たんでほとんどコンサルティングのやって
たんですけどうんバウトに
コンサルティングファーム入ると多分支援
の仕方がITなのか戦略なのかみたいなの
がいくつかあってその上でそこで関わる先
の業界によってまた変わってってなんか
正直入った瞬間にどこになるかマジで
わかんないしうん1年後どういう職種で
やってるかっていうのも分かりづらいから
なんだろうな幅広く見えるようで興味の
ないとこに振られる可能性がめちゃめちゃ
高いと思うんですよ確かにあ事業会社
いろんな幅広くやってる事業会社でまこの
ぐらいの幅だったら興味持てるなみたいな
ところでそれに対して全車横断的に支援し
てるとこにいればあの需要あるとこと
こっちでやりたいって言ってるところを
うまくこうマッチングしてくれると思うん
でそんなに事業会社僕は選択肢て狭ま
るっていう感じはしないですねうん今の話
聞いたら本当にそう改めてそうだなと思い
ましたま僕が満足してるからそう言ってる
だけかもしれないですけど
いやめっちゃ面白かったですちょっと是非
あの今の話聞いてDNAのデータ
アナリストに興味が出た方は概要欄から
はいごぼお待ちしております改めて今日は
ありがとうございましたありございまし
たが
[音楽]
Browse More Related Video
【データドリブンの組織の作り方】データとは酸素だ/ターゲット設定が大事/社長自ら毎週データ分析をレポート/経営は「誰に何をするか」が全て【一休・榊淳社長】
【12分で解説】仮説思考 BCG流 問題発見・解決の発想法(内田和成 / 著)
データエンジニア、データサイエンティスト、データアナリストとは?
「エビデンスが重要という証拠はない」エビデンス至上主義の“落とし穴”とは?(高島宗一郎、中室牧子、成田悠輔、宮田裕章) TheUPDATE
【NTTデータ】2年目で◯◯億規模のプロジェクトリーダーに!?「開発の楽しさは◯◯を両方味わえること」
【思考の癖を作る】天才を超える論理的思考の頭の使い方と毎日の訓練法
5.0 / 5 (0 votes)