目標設定の考え方
先日、「目標設定」と題して、目標とは到底いえない、ざっくりしすぎた内容を書きました。もちろん、そのままでいるわけではなく、精緻化しましょう。ということで、目標の精緻化なんですが、「SMART」という考え方があるようです。こんな感じです。
SMART
- S 具体的（ Specific ）：何らかの観察可能な結果を記述できる。
- M 測定可能（ Measurable ）：成果を追跡し、測定できる。
- A 達成可能（ Achievable ）：作業の実行可能性を調べられる。
- R 関連している（ Relevant ）：ビジョン、ミッション、ゴールと整合している。
- T 有限時間（ Time-bounded ）：ニーズと合致するような時間枠を定義している。
（ BABOK(R) v3.0 日本語版、p.110 ）
なるほど。。。実はこれ、先ほどまで実施していたeラーニングに出てきた内容です（詳細な内容は書けませんがいずれ記事にします）。タイムリーすぎる。。。
具体的な目標
「データサイエンティスト」をキーワードに考えてみましょう。
まずは、「観察可能な結果を記述できる」ということで、誰がみてもわかる具体性が必要です。データサイエンティストになるには「資格」は必要ありませんが、その人がどの程度の知識を保持しているかを客観的に図るものさしとして、「資格」はわかりやすいと思います。
「データサイエンティスト」のスキルセットとして、「ビジネス力」、「データサイエンス力」、「データエンジニアリング力」の３つあると前の記事で書きました。この３つの力があることが判断できる「資格」を目指すのがよいと思います。例えば・・・
- ビジネス力 ➡︎ 中小企業診断士、MBA、等
- データサイエンス力 ➡︎ 統計検定、G検定／E資格、Python 3 エンジニア認定基礎試験、等
- データエンジニアリング力 ➡︎ データベーススペシャリスト、OSS-DB技術者認定試験、等
これらの資格を持っていれば、どんな知識を保有しているかを客観的に判断できます。もちろん、測定可能ですし、達成可能でもあります。
なので、これらの資格取得を目指すことにします。
では、資格だけもてば、データサイエンティストになったと言えるでしょうか。
まだ足りないですね。。。やはり、「実績」が必要ではないでしょうか。
では、「実績」をどう手に入れるか。データサイエンティストとして転職する、という考えもありますが、果たして可能なのか。この歳になると、未経験からの採用は極めて厳しいでしょう（ポテンシャル採用は正直無理かな。。。）
そこで、見つけました、データサイエンティストとして職につかずに「実績」に近いものを手に入れる方法を。
「Kaggle」ってやつです。
これを実施するのは、年齢も関係ないし、アカウントさえ作ってしまえば無料でチャレンジできます。それと「Kaggle」にはランキングがあって、ランキングによっては職につける可能性もあるようです。
ハードルは高そうですが、リスク０はです。これはやるしかないですよね。
ということで、「資格取得」、「Kaggleランキング」を目標設定の項目とし、具体的に何をいつまでに取得するか、というのを決めればよいわけですね。具体的な目標設定については・・・また別の記事に譲りたいと思います。
今日はここまでです。
