スーツ姿のプロダクトマネージャー

非Web系IT企業で働くプロダクトマネージャー兼データサイエンティストのブログ

プロダクトマネジメントにおけるマーケティング

前回のエントリーで、プロダクトマネージャーは市場と技術とビジネスの間で仕事をすると書きました。ここで、もっとも重要な観点は「市場」であり、必然的にプロジェクトマネージャーはマーケティング的な視点を持って仕事をする必要があります。

プロダクトマネージャーが持つべきマーケティングの視点とはいったいどのようなものでしょうか?

続きを読む

市場と技術とビジネスの間で ―プロダクトマネージャーのポジション―

プロダクトマネージャーの仕事は具体的にどのようなポジションで、どのような仕事をするのでしょうか。まずはいくつかの定義から引用してみます。

まず、Wikipediaから。日本語のサイトでの定義はさっぱりしていますね…。まぁ、とても広いタスクを担うことはわかるかと思います。

プロダクトマネージャーとは経営学用語の一つ。企業においてマーケティング活動全般の権限と責任を持つ管理者を担当する職種を言う。ここで言われている権限というのは製品の開発から、その製品の宣伝、販売、流通などの広範囲にわたっている。

出典: プロダクトマネージャー - Wikipedia

次に、日本語で読める書籍から引用しつつ、もう少し深く見ていきます。

続きを読む

product manager , data scientist の検索トレンド

プロダクトマネージャーの仕事について、Googleトレンドを使って量的な面からみてみました。日本でのプロジェクトマネージャーに関する関心も増してきていると思いますが、世界的な動向を見たいので「product manager」というワードを使い、カテゴリは「仕事」を選びました。

また、比較対象として「project manager」と「data scientist」も合わせて調べました。

続きを読む

PythonとR

データ分析や機械学習のための環境・道具としては、PythonかRを使うことが多いと思います。私も、両方を使っていますが、だんだんPythonを使うことが多くなってきました。

データサイエンティストのコミュニティのData Science Centralなどでも、たびたび「Python vs R」のようなトピックスが取り上げられています。

続きを読む

30過ぎのデータサイエンティスト見習い(5) 嵐の後

ここまで、4回にわたり、SEがデータサイエンティストの道に飛び込んで、つまずいたことを書いてきました。

これは今から4~6年前の出来事です。その後、何とかスキルを身につけることができましたが、やはり事業に直接タッチしたいと考えて事業部門へ移りました。見習いだったときには、「ビッグデータビジネス」「ビジネスアナリティクス」と呼ばれていた分野は、いつの間にか「AIビジネス」という名前に変わり、妙に流行り始めることになります。

f:id:ku2t:20180218230631p:plain

キャリアの推移

現在の仕事を一言でいうのは大変難しく、状況によって技術コンサルタントであったり、プロダクトマネジャーであったりします。とはいえ、SE職とデータサイエンティストとしての見習い期間の経験がなければ、今の仕事をできていなかったと思います。

続きを読む

30過ぎのデータサイエンティスト見習い(4) SEのスキルが1ミリも活用できない

データサイエンティストとして、最も難しかったのは「いかに問題を見つけて、機械学習のタスクに落とし込むか」ということを肌感覚で身につけることでした。

前回の記事で書いたように、初めから「文書分類のタスク」とわかっているところから仕事を始めるのと、顧客やビジネス上のニーズを起点として、機械学習の活用ポイントを見極めることは、難易度が全く違います。

また、よりコンサル的な見方をすると、顧客課題を紐解いていったとき、たとえ顧客が機械学習やAIを使うことを望んだとしても、使うべきではない場面に出会うこともしばしばあります。

このような判断を初期段階で行うためには、課題・ニーズと技術の接点を見つけるスキルが必要になります。一見、アプリケーションSEの得意技である「業務要件を起点としてシステム化要求事項に落とし込んで、設計を行う」というスキルが役に立ちそうな気がします。しかし、このSE経験こそが大きな足枷になってしまったのでした。*1

*1:私はSE時代、業務系SEとしてアプリケーション設計やプロダクトの企画・開発のマネジメントをやっていました。

続きを読む

30過ぎのデータサイエンティスト見習い(3) MeCabとSVMな日々

データサイエンティストとして最初に取り組んだのは、文書分類のタスクでした。詳細は書けませんが、こんなタスクです。

  • ラベル付きの文書が大量にあり、現在は人手でラベルをつけている。これを自動化したい。
  • 文書の量も大量にあったが、ラベルの数も数十以上と難易度が高い。
  • ひとつの文書が長く、人が文書のどの部分を見て判断してラベルをつけているのか、実はよくわかっていない。

よくあるタグ付け、文書分類タスク。テキストデータに対する分類モデルを作る話です。

はじめに取り組むにはとても良い題材だったと思います。しかし、アプリケーション開発とはほど遠い世界でした。実験のやり方、コーディング、評価…入口から出口まで七転八倒しました。

続きを読む