ビジネスサイドの人間もデータベースの正規化くらいできないとダメ

システム屋と言えどもビジネスについて多少なり知識を持っていなくてはいけない。

そんな話を聞いたことがないSEはいないんじゃないだろうか。

この間も、IT部門であってもビジネスマンとしてB/S、P/Lぐらいは読めんといかん。

というお言葉をちらっと耳にした。

ビジネスとシステム部門の現場レベルで、共通の知識があれば翻訳する手間が要らず、共通のゴールに向けてスピーディに物事を進められるし、

ビジネスの課題に直結した解決案などがシステム部門から上がってくることも期待できるので、仰ることもごもっともであると思っている。

デメリットは、システムがビジネスに忖度しすぎる恐れが出てくる、くらいか。

私は前々職で新規事業の開発プロデューサー的役割を任せていただいていたので、

ミッション遂行のための学習の一環として、中小企業診断士の資格を勉強しており、多少なりB/SもP/Lもキャッシュフロー計算書も読める。

退職後に資格を取得し、5社程度ではあるがコンサルを行なったこともあるので、課題の発見から具体的改善施策の提案までの経験があるエンジニアである。

そういった経験があると、どうしてそれをやりたいのかの理解を手助けしてくれるので、阿吽の呼吸で進められるし、逆提案をすることも可能になるので非常に楽しくエンジニアリングが出来る。

だが、ここで声を大にして言いたいのは、その逆もまた然りであるということだ。

ビジネスの人間もシステムの知識を持って欲しい。

ExcelやWordが使えるとか、CTRL+Cでコピー出来るとか、F7キーでカタカナ変換できるとかいうのではなく、

掲題の通りデータベースの正規化が出来るとか、2つの表を繋げるクエリが書けるとか、アジャイル開発とはなんたるかを語れるとか、インタプリタとコンパイラの言語の違いを知ってるとか、そういう奴だ。

先出の資格の1次試験問題の過去問をパラパラと見て欲しい。

それくらいのレベル感だということがお分かりいただけると思う。

(以前はHDDのシーク時間がどうとかいう誰得問題もあった。今はSSDばっかりなので出ないと思う。)

それくらい歩み寄らなければフェアじゃないと思う。

やっぱり気持ちよく仕事したいよね。こちらからは以上です。

人工知能にも劣る

家に帰ると取り敢えずTVを付ける。

一人暮らしのひとが大抵やるという、BGM的に付けておいて何か別のことをするという使い方だ。

2人暮らしになった今は、どちらかというと内容をちゃんと聴くようになってしまった。

なってしまった、というのは、ちゃんと聴くことによってデメリットが発生しているからだ。

それは、供給のための活動時間が減ってしまったことだ。

インプットが過多になってしまい、アウトプットをする時間を十分に取れていない。

自分の中では、インプットを消費、アウトプットを供給という経済活動と捉えている。

街に出て美味しいものを食べる、とか、カフェで技術書を読む、とかは消費で、

コードを書く、とか、ダンスを人に教える、とかは供給という考えだ。

インプットは楽しい、お金さえ払えば食欲や知識欲などを満たしてくれる。

アウトプットも楽しいと言えば楽しいが、心構えや辛抱強さだったりが必要で、心理的負担がインプットよりも遥かに高いと感じている。

ハードルが高くなかなか着手するための気持ちの整理に時間がかかってしまうのだが、

アウトプットすることこそ、個人が外界に影響を与えられるたったひとつの方法であるからには、

TV局の供給するコンテンツをひたすら消費するだけの日々を送ってはいけないな。と思っている。

人工知能は、質の悪い教師データしかなく、その上さほどトレーニングをしていないとしても、インプットさえ与えてやれば、クソの役にも立たないと思うが何かしらの結果を即時にアウトプットすることができる。

今の自分より健気に頑張ってるじゃあないか。そんな風に考えると、重い腰を上げてアウトプット頑張らんといかんなぁ、と思いたち寝る前にこのエントリーに書いた。

超ホワイト企業を退職する話

2019年の初エントリーが退職エントリーなのはどうかとも思ったのだが、むしろ節目にふさわしいかなと思い書くことにした。

表題のとおり、今年早々にホワイト企業を退職することになっている。

退職の理由は色々と複合しているので語ると長くなってしまうのだが、大きく下記3点である。

1. 学習の速度が鈍化してしまっているため、学習のサイクルが早い環境に身を置きたい
2. 社会的課題の解決に関わるような業務に携わりたい
3. 福岡で働いてみたい

まず1点目、これは職場に伝えている退職理由であると同時に大きなウェイトを占める理由である。

自身のキャリアについて少し書いておくと、Webエンジニア12年で直近2年程は兼務として機械学習エンジニアのさわりのような仕事をしている。

機械学習エンジニアは数名ほどしかいないため、書籍や動画学習メインに、社外の勉強会に少し顔を出すなどしてスキルアップを図ってきた。

個人で学習したことを組織学習に生かすダブルループに持っていきたい。

データ分析、仮設設定、モデルを構築し、サービスに適用して検証、そのフィードバックを受けてさらなる個人学習へ活かしたい。

そういった個人学習と組織学習の好循環を高速で回していきたいという思いがあったのだが、先述の通り機械学習系のエンジニアは少数であることに加えて、縦割りの強い組織であることからサービスインまでもっていくのにどれだけ時間がかかるのか分からなかった。

さらに、自部署内でできるものについてもベンダーさん頼りの部分があり、コアとなるモデルの構築もベンダーさんにお願いしている状況であった。

組織としてはエンジニアの増強を掲げてはいたのだが、昨今のエンジニア需要の高まりのため進捗は芳しくない。

1年前に、目標1年後2倍とされていたと記憶しているのだが、結果横ばいの状況である。

機械学習まわりの盛り上がり具合はこの2年で爆発的に高まってきており、今後の数年を今の環境で過ごすことは得策ではないと判断した。

2点目、これは父の仕事から影響を受けているのかなと自己分析しているのだが、社会的な課題となっているものを解決するということを生業にしていきたいと思っている。

ちょっと打算的な言い方をしてしまえば、社会に必要とされている仕事をしていれば食いっぱぐれることはない。

インパクトが大きく、かつ自分の特性に合っている業務内容であればあるほど評価は高くなる。

そのうえで、自身の知的好奇心と少しの承認欲求が満たされていれば満足なのである。

自分の夢は、宇宙に関する仕事をすることと死ぬときに感謝されながら死ぬ。というものなので、自己実現は死ぬときに達成されていれば良い。

最後に3点目、これは個人的な理由も混じってはいるのだが、私は九州出身で大学から東京、就職後もずっと東京だったので、東京以外できれば九州で働いてみたいと思っていた。

妻も九州出身であり、実家が近く子育ても安心だ。東京ですくすくと育てる自信があまりないというのもある。

仕事的な理由で言えば、昨今の福岡におけるITの盛り上がりもある。

IoTや機械学習のベンチャーがいくつも生まれており、LINEさんやZOZOさんメルさんといった大きなところもこぞって開発拠点を立ち上げている。

乗るしかない。

さて、前置きがだいぶ長くなってしまったが、そんなわけで超ホワイト企業であるところの現職を辞めることにしたのである。

上の方で現職をディスっているように受け取られる方もいるかもしれないが、音楽性の違いというだけで、同僚給与福利厚生に全く不満はない。

その一端をご紹介しておくと、

1. Web系勉強会充実
2. チャレンジする姿勢を評価
3. エンジニア積極採用
4. 残業代全支給
5. 有給休暇はかなり自由に取得可能

1つ目、毎週小さめの勉強会、月1で大きめの勉強会が開催されている。

それぞれ自由参加で喋りたい人が喋る。

大きいほうにはピザやアルコールも出たりなんかする。

加えて言うと、親会社であるところの某Tech企業との技術交流も少なからずある。

2つ目、アーキテクチャやフレームワーク、言語は好きに選べる。

とは言え前提条件もあるしレビューのチェックも入る。

なので、社内的に未踏の部分であればあるほど自分の好きに出来る。

3つ目、辞める人間であり心苦しい部分もあるが超頑張っている。

さまざまなチャネルでアッピールが飛んでいるのできっと目にしている方も居ると思う。

積極採用するが妥協はしないというスタンスなので同僚となる人財のスキルの高さは間違いない。

4つ目、法的には普通のことなのだが、みなしを超えた分は全額出る。

なんなら1分単位で清算される。

もちろん、裁量労働制の場合はその範囲外であるがその場合も不満を持つような額にはならないはず。

5つ目、よっぽどでない限り申請が却下されることはない。

お盆などのシーズンを敢えてさけて取る。といった取り方もすんなり通る。

もちろん調整はいるが、誰かが休んでも回るような仕組みにしようという一体感を感じる。

消化率には個人差があるように思えるが、取りたくても取れないといった声は聞いたことがない。

以上、転職に踏み切った理由と、いかに現職場を愛しているかをまとめてみた。

残りの時間で、自分が確かにそこにいたという影をこっそり残していけるようにしたいと思う。

2018年振り返り

年の瀬ですね。

最初のエントリーで2018年を振り返ってみようと思う。

この一年は業務の内容がガラッと変わった一年だった。

Webエンジニア12年というキャリアなのだが、この2年機械学習エンジニアのさわりのようなこともやっていた。

去年の11月からは、ビッグデータの収集とクレンジング、分析など、ほぼデータエンジニア的な業務を行ってきた。

Webエンジニアリングとテンポ感も変わるし使う言語、フレームワークも全く違うものになった。

社内的にはあまり整備されていないところだったので、結構好きにできるというのは面白かったし、そういう働き方の方が向いてるのかなとも思った。

ようやく集めたデータの見える化が加速してきた感じはある。

ただ、その先の機械学習については研究程度にとどまっているので、モデルのサービスインはまだ先になるのかなと思う。

Auto MLなど出来合いのものを使えばすぐできそうな感じもあるのだが、業務に耐えられるパフォーマンスを出せるかというと、モデルの再構築やチューニングをしっかりやらないといけない。

いずれにせよ、機械学習の内製化というのは結構長い道のりになるのではないかなと感じている。

来年は環境を変え、機械学習メインの環境で働くことになっているので、多くを学びたいと思う。