ビジネスパーソンとしての成長について - データサイエンス関連+αのメモ

タスクマネジメント～ピープルマネジメントについて¶

一人で仕事ができるようになる（タスクマネジメント）
リーダー・マネージャーとして組織を率いる（ピープルマネジメント）

といった観点での分け方。

ざっくりイメージ¶

ジュニア（1~3年目）：タスクマネジメントができる

まず仕事を覚えて、きちんとできるようになるまでのフェーズ。

上司の指示のもとで動くことができる
自律的に動くことができる
複数のプロジェクトを同時並行できる

シニア（目安：4年目~）：メンバーの育成と、チームのリードができる

周りを巻き込んで仕事ができる（プロジェクトマネジメント）
メンバーの指導ができる、メンバーに仕事をアサインしてチームで成果が出せる

マネージャー：チームをマネジメントし、組織で成果が出せる
スペシャリスト：業界トップレベルの専門性を活かし、組織課題の解決や、チーム横断の技術的な合意形成・全体最適化など

等級の例¶

ミッショングレード制の例

等級	役職	役割定義
M3	部長	組織全体の経営戦略立案および方針の実行を主導。重要な意思決定を行い、経営陣と連携して企業全体の成長を図る。
M2	課長	経営陣の方針を現場で実行する役割として、業務計画策定・運営を担い、目標達成のための戦略を策定する。また、リソースを効率よく配分しながら、複数のチーム間を調整し、業務がスムーズに進むようサポートする。
M1	係長	課長からの指示をチームメンバーに伝達し、具体的な業務計画に落とし込む。自身も専門業務を担当しながら、チームが目標を達成できるよう、現場を取りまとめる役割も担う。
L1	主任	プロジェクトやチーム内でリーダーとして、目標達成のために数名のメンバーをまとめ、業務上のアドバイスや技術的な指導を行う。また、問題が発生した場合は、迅速に対処し解決を図る。
S3	一般社員	自身の判断で業務を遂行できるだけでなく、他のメンバーをサポートし、業務全体の進行を円滑に進められる。
S2	一般社員	チーム内で割り当てられた業務を主体的に遂行。業務の優先順位を自ら判断し、効率的に進められる。
S1	一般社員	基本的な補助業務を遂行できる。上司や先輩社員の指示に従い、日常的な業務に必要なスキルを習得しながら作業を進められる。

（参考： https://www.kaonavi.jp/dictionary/mission-grade/ ）

職務等級制度の例

階層	等級	資格要件
上級職（マネジメント）	7	最上位資格者として、会社の経営方針に基づき、経営目標達成のための策を確定的な範囲で決定し、高い事業能力を有する。
	6	会社の経営方針に基づき、経営目標達成のための策を企画立案でき、高い事業能力を有する。
中級職（シニア）	5	経営目標を理解し、上級職が立てた事業を実現するために部下をまとめ、課された目標を部下に任せながら指導・管理できる能力を有する。
	4	自ら規範を示しながら、部下をまとめ、課された目標を部下に任せながら指導・管理できる能力を有する。
	3	仕事を周りを巻き込んでチームで達成できる。
一般職（ジュニア）	2	仕事を単独で遂行する能力を有する。
	1	指示があれば仕事をこなす能力を有する。

（参考：https://jinjibu.jp/keyword/detl/1252/ ）

スペシャリスト¶

会社によってはマネージャーになるコースとスペシャリストになるコースが途中から別れてくる。

スペシャリストでもチームの育成やリードをする会社はあるが、マネージャーに比べるとマネジメント系の雑務が少ない

研究者としてのキャリア¶

アカデミアでいうと

22~25歳ごろ：修士課程
- 指導教員から研究テーマを与えられることも多い
- 「指示のもと研究が遂行できる」のが修士号
27歳~30歳ごろ：博士号取得
- 博士課程では、自身で研究テーマを考える。
- 分野や大学にもよるが「査読付き論文を3本以上、国際会議で1本以上」などの実績が最低要件になったりする
- 「単独で自律的に研究が遂行できる」のが博士号
~35歳：若手研究者
- ※「若手研究者」と呼ばれるのが博士号取得後8年（ストレートなら35歳）程度まで。
- この時期の目標のひとつは 新たな研究分野を切り拓く というもの。

フェーズ	特徴
博士課程	アイデアの萌芽。新しい数理的形式化・モデル化の試み。例：ナッシュ、クルーグマン。
ポスドク〜助教期	数理モデル＋応用領域の融合。例：デュフロの実験経済、ヒントンのBP。
30代後半〜40代前半	理論の体系化・学派形成期。例：ルーカス革命、パールの因果推論体系化。

例

統計学・機械学習

研究者	主な貢献	博士論文・若手期の位置づけ
Bradley Efron	ブートストラップ法（1979）	30代後半の研究。既存推定理論の常識を覆す resampling 手法。
Judea Pearl	因果推論のグラフィカルモデル	UCLA着任後～40代初期に確立。博士論文は別テーマ（AI推論）だが、若手期の統合が鍵。
Yann LeCun	畳み込みニューラルネット（CNN）	博士号直後（1989）にLeNetを発表。計算資源の制約で埋もれるも、後の深層学習革命の源。
Geoffrey Hinton	バックプロパゲーション普及	博士論文（1978, エディンバラ）は認知モデル、博士後期にBPを発展。80年代に基礎を確立。
Trevor Hastie & Robert Tibshirani	統計学と機械学習の橋渡し（GAM, Lasso）	30代〜40代初期の共同研究。博士課程〜若手助教期に「データ駆動の統計」を方向付け。

経済学

研究者	主なブレイクスルー	博士論文・若手期の位置づけ
ジョン・ナッシュ	ナッシュ均衡（非協力ゲーム理論）	博士論文（1950, Princeton）が直接この理論。ゲーム理論の分野を実質的に創設。
ロバート・ルーカス	ルーカス批判、合理的期待革命	30代で発表（1970年代初頭）。マクロ経済学のパラダイム転換を主導。
ポール・クルーグマン	新貿易理論、新経済地理学	博士論文（MIT, 1977）が新貿易理論の出発点。若手期の連続研究で定着。
エスター・デュフロ	開発経済学に実験的手法（RCT）導入	博士論文期にフィールド実験を始め、30代でJ-PALを設立。新たな実証文化を確立。