データの堀を築く、機械学習チームの文化を醸造する

最近、自分はチームリード兼エンジニアリングマネージャーという役割で働くことになっているのだが、大変なこともあるがやりがいもあるなと思える点がチームの価値観や戦略策定にかかわれる点だなと思える。

自分が押しているチームのビジョンとして

• データの堀を築く
• 消費者科学(Consumer Science)¹
• フルスタック・フルサイクル²

データの堀とは、ウォーレン・バフェットが提唱している、堀³ のＡＩ版だ。Anrdrew Ng 先生の記事⁴が一番わかりやすい。 なので、ビジネス側と連携して、データの価値・インパクトを語り、兎にも角にも新しいデータポイントの作成を提案しまくっている。自分たちが提案しない限り、基本的にそのデータポイントは発生しない気概で働いている。だって、自分たちが一番データの先駆者だし、渇望・執着しているし、理解もしていないといけないポジションなのだから。

消費者科学、フルスタック・フルサイクルは言わずもがな。

フルスタック・フルサイクルについては、機械学習システムデザイン 世界基準の機械学習システム開発の要点を理解するにはこれ一冊読めば大丈夫でも触れたが、自分はフルスタック・フルサイクルが大好きだ。

とまぁ、まとまりのない話を書いたが、昔は三権分立の考えて、エンジニアリングマネージャーとテックリードは分離されるべきと考えていたが、実際にその集合体になってみると良くも悪くもこの影響力の大きさは大事だなと感じた。まさに文化を作れる立場だ。 最近、前職のIC時代に読んだマネジメント書籍を読み返しているが、学びが多すぎるので、ちょこちょこ読書感想文を残していこう

Footnotes

1. Netflixがカスタマーを誰よりも理解するためのデータ分析プロセス、コンシューマー・サイエンスの紹介 データサイエンス - Qiita ↩

2. Beware the data science pin factory: The power of the full-stack data science generalist and the perils of division of labor through function | Stitch Fix Technology – Multithreaded ↩

3. Moat(モート): スタートアップの競争戦略概論｜原健一郎 | Kenichiro Hara ↩

4. How to BuilStaff Software Engineer (Platform, Security and IT) and CISOd AI Startups: Will a Data Moat Protect You? ↩