データアナリスト農業知事です。
データサイエンティストのたっちゃんです。
今日は久しぶりのバリュー中毒会で。
テーマがね、バリュー中毒感プンプンしてますよね。
そうね。お願いします。
テーマ、事業開発段階でデータサイエンティストは必要なのか?
っていうところで話していきましょう。
結論、必要ありません。
あ、そう思ってます?同じくです。
どうなんだろうね。細かく話していくと、いるパターンといらないパターンあるんだけど。
プロダクトの性質次第だよね。そう思いますよ。
ただ、大概のプロダクト、データサイエンティストいらないんじゃないかなと思っていて。
大概はそうかもしれん。
少なくとも自分が今、社内企業の制度を使って事業開発をしている。
何度かこのポッドキャストでも話してるんですけど。
今、ECサイト、ざっくりとECサイトのプラットフォームを作っていて。
もうたくさんデータが集まってきそうで、データ活用バリバリできそうなプロダクトなんだけど、
それでおいても、事業の初期段階ではデータサイエンティストいらないよなと感じているんです。
俺、いやいるんすよって言われると思っていらんって言ったんだけど。
特に今作ってたプロダクトとかだと、データサイエンティストが最初からいる必要があるって実感するものなのかなって思ってた。
自分もそう思ってチームにジョインした。ちょっと途中から参加している立場なので。
こういうサービスを作っていきたい、こういう市場にフィットさせていきたいみたいなところを提案されて、
面白そうだな、データサイエンティストとしての価値出せそうだな、学びもありそうだなと思ってチームにジョインしたけど、
実際ここ半年ちょっとくらいかな、やってきて、結論データサイエンティストとしてのバリューは1ミリも出せていない。
そういうもんだ。怖い。
これ前提というか、事業の初期段階っていろいろあると思っていて、そこだけ合わせたいなと思ったんですけど、
事業を作っていく、いわゆる01で作るところのタイミング、本当に初期の初期だと思ってほしくて、
よくフレームワーク的に課題を見つけて、そこの課題に対する解決策、それを市場に落としていくみたいな。
そしてサービスをグロースさせていくっていう流れがあって、PSFとかSPFとかPMFみたいな横文字でよく言われるんですけど、
PSFってプロブレムソリューションフィットかな、課題を解決策としてフィットさせていくっていうフェーズがあって、
次SPFでソリューションをプロダクトに落とし込んでいってフィットさせる。
PMFがプロダクトをマーケットにフィットさせるっていう。
ここのフェーズ、まだリリースする前の段階だと今日は話したいなと思っていて。
じゃあPMF前。
そうだね。PMF前だね。
プロダクトに落とすぐらいのタイミングってこと?
そうそう。で、徐々にプロダクト作っていく、いわゆるソリューションとしての解決策をプロダクトに落としていく、SPFのフェーズまでぐらいかな。
リリース前ね。プロダクト制作ぐらいまでのフォーカスポイントでしょうか。
そこを考えた時にデータサイエンティストはいらないんじゃないかなという風に。
そうね。微妙なところで、場合によるみたいな話をしてた。
一番根幹のところの話をすると、プロダクトの性質次第で、作るものがAIドリブンなのかどうか。
例えば、今一番勢いがすごいのはチューリングとか自動運転とかをやってるような会社とか、あれってもうデータサイエンティストが優秀な人がゴロゴロいて、
もう誰も成し得てないようなものを作り上げていこうみたいなものだから、データサイエンティストがいないとそもそもプロダクトが出来上がらないっていう話になってくると思うと必要かな。
なるほどね。そういう意味でのプロダクトの性質による、いわゆるAIとかデータを使ったプロダクトであれば必要なんじゃないかってことですよね。
それはでも自分もそうは思ってて、ただそれもでもやっぱりPMFのフェーズになってようやくデータサイエンティストをガッと抱える必要があるのかなっていう。
それはあれ、抱えないけどいるっていうパターンはいらない方に入る。エッセンスが欲しくてとかアイデアが欲しくて業務委託で開発期間半年のうちの2ヶ月データサイエンティストが必要のパターンはいらないに入るってこと。
そういうことね。いらないって言ったんだけど、色に越したことがないが正解だと思ってて。
そうそう。結局データが集まってくるわけですよ、プロダクトをリリースしていくと。だからそこに向けてデータをどうやって収集するかとか、
どういうふうに今後スケールさせていくかみたいなことを考えるときにアイデアは欲しいし、知見もないに越したことがないから必要だなと思う。
少なくとも自分は今チームの中にいて、そういう提案とかもする機会はあるから、やっぱりいい方向には結果的には進むんですよね、データサイエンティストがいた方が。
ただデータサイエンティストが得意とするようなデータを可視化したりとか、AIのモデルを作ってみたりとか、何か持ってるスキルをフル活用できるフェーズがあるかと言われるとそこまでないっていうのが。
なるほどね。事業の初期段階かなっていう。
それは実体験でそう思ったっていうのは、もともとこういうふうに貢献する予定だったけど、こういうことしかできなかったなみたいなのがあるってこと?
それはもう数多くありますね。やっぱりECサイトを作っていくのであれば、レコメンドの機能があったりとか、そういうことを想像するわけなので、じゃあデータをちゃんと整備しなきゃいけないよな。
ユーザーのデータがあって、そのユーザーが昔何買ったのかっていう履歴のデータをちゃんと蓄積しなきゃいけないなとか。
っていうところで、がっつりこうデータの定義みたいなところを全体感を設計して、よしリリースまでって思ってたんだけど、そんなことどうでもよくて正直。
そういうことね。
そう。そんなのは後でやればいいと。何が大事かって、このECサイトが市場に受けるのかどうかをぐるぐる検証を回さなきゃいけなくて。
どんなデータが取れてるかっていうのは、とりあえず取れるなら取っといてよくて、置いときゃいいじゃんみたいな。
でも、それは後から見るから、まずは商品を売れる状況を作っている、置くっていう状況を実現するところにエネルギーを割かなきゃいけないよっていうのがあったから。
そうか。
当初想定してた、きれいにテーブル設計してデータベース作ってとか、こういうパイプラインでリアルタイムにデータ収集するみたいな機能っていうのは、結果的に今は実現できてないっていうのが実情。
ここでもポイントというか前提として、そもそも事業を始める時ってお金がない、人もいない、時間もないっていう環境としては最悪な状況なんですね。
いないづくしだね。
いないづくし。
その中で何すべきかっていうところは優先度をつけなきゃいけないし、まずは何か形に残るものを見せていかなきゃいけないっていう制約があるので、結果的にデータのところはちょっとおざなりになってしまってるなっていうのが実感としてある。
そういうことか。
これあまり事業会社でちゃんと人も入れてお金も入れて予算つけてやっていくってなると、こうはならないと思うんですよ。
なるほどね。
なぜなら100%で実現しなきゃいけないっていう状態がもう出来上がってるから、事業会社の中でやるからには。
でも失敗してもOKっていう状況で始める場合は本当にスモールでいいので、まずは短期間で何か結果を出していくっていう進め方。
なので個人で起業していくとかっていう風な人たちに近いのかもしれないですね。
確かに確かに。
データサイエンスもそうだし、結局境目曖昧だよって言ってたよね、データアナリストとかもそうなんだけど、
それだけのスキルって事業初期にいるかみたいなの、この間いろいろ話したんだけどね。
まあいらないよねってなった。やっぱりいらない。
結局最小限欲しい情報とかに絞って何かを考えようとしたら、じゃあリソースをどれだけお金を払ってでも必要かみたいなとか、
あとはお金を払わないってなったらどこまであればいいかってなると、結局基本KPIが見れてればいいよねみたいなところがファーストステップとしてある。
事業がスタートしたタイミングで。
そうなったらそれ用に必要なデータって多分DAOとか、あとは消費金額とか、
最適なUIになってるかを見るためにどっかプッシュした時のログとかが出てればまあいいかなとかぐらいになったら、
なんかビズの人とかエンジニアの人とかでも見れるし実装もできるよねって感じがする。
まさにそうで、ECサイトとかだと今の話にすごく近くでKPIとかって1日どれくらいユーザーがアクセスしてくれてるかとか、売上お金使ってくれてるかって話になって、
それぞれのクリックとかのしたかどうかみたいなデータって基本Googleアナリティクスで収集できちゃうんですよ。
そうだよね、そのためにあるみたいなもんだしね、あのツール群は。
そうなんだよね、だから既存のツールを無料で使えるんだったらそれを使っちゃえばよくて、別にビジネス部門の人たちだってそれって触れるし、やっぱいらないんだよデータサイエンティストってそこで。
で、Googleスプレッドシートでまとめればいいから全部無料でいけるんだよね。
そうなんですよ、だから本当に初期段階ってもっと別の役割、データ分析に関係ない部分、事業どう作っていくかっていう話とか、営業とか。
ちゃんとスケールするような基盤を作るとか。
そうそうそう、物を作る人たち。
営業と、いやそれはそうだな。
そうなんですよ。
だからまあ本当、データアナリストとかデータサイエンティストっていう能力だけで言ったら本当にいらないのかもね。
いやそう思いますね、いわゆる職種に紐づく役割って一般的なところを考えると、データサイエンティストとかアナリストの仕事は必要ないっていうところが一つの結論かなと。
だからね、これ自分がすごくもどかしいなって思ったこととして、やっぱりエンドユーザーに使ってもらってアンケート取ってどんどん改善していくっていうところをぐるぐる回さなきゃいけなくて、アンケート調査もするわけですよ。
そうなったときに、やっぱデータサイエンティストとしてのアンケート調査でちゃんとしたいじゃないですか。
TGCG分けて、その優位性ってどれだけあるんだっけとかっていう結果を見て、ちゃんとデータとして確からしい結果なのかっていうところを見たいんだけど、そんなのどうでもよくて。
どうでもよくはないんだけど、重要なのが大量に集まったデータの平均とか集約された情報じゃなくて、その一つ一つのNイコール1の答えがすごく重要で。
その人からもらったフィードバックのコメントの内容を見て、どこに不便を感じたかとか、不満があったとかっていう、すごく訂正的な情報でもいいから、すごくぶっ刺さった1のユーザーの声を元に改善できた方が重要だなと思って。
間違いないね。
そのコアなユーザーが長く使ってくれたら、そのプロダクト開発する側にとっては、ものすごい貴重な情報というかフィードバックで、どんどん改善できるってところに、やってみて気づいたんですけど、最初はなんやこのアンケート分析と思ってすごく気持ち悪さがあった。
もうプロダクトを一番見てる、開発してる創業メンバーとかプロダクトオーナーみたいな目線の持ってる仮説が正解なのかそうじゃないのかが判断できればいいわけよ、結局は。
そうなんだよね。
ユーザーとか別にどうだってよくて、自分が信じてるこのプロダクトの方向性で半分以上の人が同意してるっていう確認を取るのか、思ってたのと全然違う捉えられ方してるみたいな、ここに気持ち悪さ感じる人いるんだっていうのが確認できればもうアンケートは成功だから。
そうなんだよね。だからハズレ値こそに意味あるよなって思ったんだよね。
いやそうだよね。だからアンケートは作り込まなきゃいけないって俺も前の会社で教わったけど、それはお金をもらってすごい好評な結果を返さなきゃいけないときだけなんだなとは思う。
そうだね。事業会社の中で見ていると、そんな事前に考えなきゃいけないハードルの高いものなのかなとは思う。
そうだね。だからアンケートの調査会社とかやってるアンケートとまた性質が違うアンケートをやってるんだなっていうところ。
統計情報に意味がないっていうのはまさにそうだよなっていうことは感じたから、こんな人いるんだみたいな。
そうっすよ本当に。
分析がなくても事業は進むんだよ結局はっていう話だよねっていう風に思いますね。
結局はそのビジネス的な目線を持った上でデータ結果を解釈して返せる人とかじゃないと、結局はその分析の結果だけとかだったらそれこそもうAIが全部やってくれたりするから。
っていう事業判断まで提案できるような状態になってないと最低限ダメで。
でもその事業になってない段階だとそれは必要ないから、そういう未来を見据えつつ事業開発ができる人の方がやっぱ重要だよねみたいな。
そうだね。
だからPDMにしたんだもんな。
いやそうだと思いますよ。求められるところはね、その事業をちゃんと理解してるっていうところがベースにあって、それをどう改善できるかとか、どういう風に持ってるかみたいなところをイメージできる。
かつそこにデータの知識とかAIの知識を持っている人材なのであれば、それってすごい武器だなと思っていて。
以前のエピソードでデータサイエンティストの仕事って飛び道具を作る仕事だみたいな話をしたと思うんですけど。
あれってなんだろうな、もう少しこう、飛び道具って何かっていうと何かのプロダクトをコード化させるもの?
爆裂にスケールさせるみたいなね。
そうそうそうっていうものだから、それって自分たちが作ったプロダクトにそういうスケールさせる機能がつくことで一気にプロダクトとしての色ができたり、競合に対して有意なものになったりするものだから。
だから新規事業においてそこのプラスアルファを作ることっていうのはすごく大事だなと思ってるんですよ。
今の時代なおさらサービスが振れてるからこそ。
そのフェーズになった時にいよいよデータサイエンティストの仕事ってあるんじゃないかなっていう。
でもそういうのがサービスの根幹にないとダメっていう時代でもあるから、遊びが必要なのかもとは思う。
だから今の話だと多分ステップが分かれてる程で話してて、ネットフリックスとかアマゾンとかも今はレコメンドの最強プラットフォームみたいになってるけど、
別に超ロングテールなマーケットを作る、本のマーケットを作るっていうのがアマゾンだったし、ネットフリックスも最初はレンタル事業から始まって、
オンラインプラットフォームみたいなのを作って、その場ができた上でどういう風な独自性というか、
UXをめちゃめちゃ最大化させるためにはどうすればいいかってなって、コンテンツが増えて、そのコンテンツを効率的に処理できるAIのシステムがサービスの根幹になってみたいな。
TikTokとかもそうだよね。ショート動画をAIで出し分けるっていうのがメインコンテンツじゃなくて、ショート動画が上げられるプラットフォームっていうのが根幹だから、
で、それの中で結局AIのエンジンがその独自性を出すっていう、なんか多分段階が違う状態でAIが必要になって、そうするとデータサイエンティストの価値が爆裂に上がるみたいな感じになっているから、大体のものはそういう段階があるよねって話だよね、きっとね。
そうだね、大体のものはそういう、なんか事業が移り変わる、過去の事例を見るとそうだよねって話だよね。
だから2回前に紹介したDevinとか、ああいうのをプロダクトとしてリリースしようとした時にはデータサイエンティストが優秀なやつが何人もいないと無理だし、
まさにそうだね。
チューリングみたいな自動運転をやっていくぞっていうところにはデータサイエンティスト絶対必要だしっていう、そのゴリゴリのデータサイエンスAIプロダクトっていうもの以外は、まあ初期は結構データサイエンス系の要求がスコープアウトされガチなんじゃないっていう。
そうかもしれない。あとは、事業が0から1になるまでのタイムスケールっていうのも、昔と比べると徐々に短くなってきてるなと思っていて、それはなぜかというと、そのAIとかに特化したプロダクトを作っていくってなると、細かくアナログに検証していくというよりかは、もうどっとAIを入れて事業を作っていくってことになるから、
今丁寧に課題を見つけて解決策、プロダクトみたいな話したけど、ここの時間がギュッと短くなってるんだろうなというか。だからデータサイエンスが早い段階からいなきゃいけないよねっていうのが当たり前になってきてる。
だけど、課題読みが何なのかとか、そこに対する解決策が何なのかって考えることは必要なんだよね。そこがぶれると何も始まらないからね。
必要性を解くことはできるんだけど、本当に必要なのか言われたら、いらない。で、それでも、いやそんなことねみたいな言うんだったら、初期に全部ウェブページ作れるフロントとバック両方ともできるフルスタックのエンジニアの能力も持ってデータサイエンティストやってればいいじゃんとか、
授業を考えれるデータサイエンティストやってればいいじゃんみたいなっていう話。結局もう一個スキルつけるのが一番早い。
それが早いと思う。データサイエンティストだけのデータを取り扱うプロフェッショナルの仕事、プラスアルファで持ってるとなお強いよねっていうのは、実際に自分がやってみて感じた部分かな。
そうねそうね。実際そうだと思う。なんかデータサイエンティストからデータサイエンスを極めていくっていう方向でシフトして、キャリアを築いていってる人と、やっぱビジネスを作っていきたいっていう人たちとで、キャリアの選択が大きく違うなっていうふうに見てて、
俺はそれの中間を選んじゃったんだけど、だいたいみんなデータサイエンティストからプロダクトマネージャーになって、ある程度資金調達ができた、仕切れたスタートアップに行くとかが最近多い気がしていて、そうじゃなかったらゴリゴリでかいところでデータサイエンスの業務するとか、
あとはAIの、ピュアAIプロダクトみたいな、っていうのを会社に入っていくみたいな、キャリアの振り方がデータサイエンティストからどういうところに転職していくかで結構、その人の考え方と目指している方向性がわかるなって。
確かに確かに。注意しなきゃいけないのはデータサイエンティストからビジネス側に行ったときに、データサイエンスでは当たり前なお作法みたいなのが通用しなくなることがあるってところは、初期であればあるほどね。考えておかないといけないというか、そんな丁寧な仕事するなよみたいな、さっさとやれっていうことになりがちだからね。
本当そうだったな。スタートアップ手伝って、ここAIでとか言ってたら、いやまあそうなんだけどって言われてきた。
今自分の立場的にはビジネス側のメンバーが2人いて、ガチガチで作ってくれるエンジニアが2人いて、ちょっとその間に自分が今いるんですけど、そのエンジニアの2人のうちの1人はガッツリデータサイエンスやってた人だから、
ああそうなんだ。そう。その人にタスクとかをお願いしたりとかすると、またデータベースの設計変わるんすか。ふざけんなよみたいな感じになるわけですよ。
確かに確かに。これ何でかっていうと、ECサイトの中で取れるデータみたいなところを最初に定義して、ここからはこういう商品の価格とか名前とかって情報があったけど、途中で商品の情報以外にこのカテゴリーの情報も付与しようとかっていうビジネスサイド側からの要望があったら、最初に作ったテーブル定義をまた変え直して新しく一つ列を追加するみたいなことをやりたいんだけど、
これなんだろう、データベースを作る人からしたら最悪なんですよ。ゼロからまたテーブル定義を作り直さなきゃいけないから、これまで準備してきたものをまず1回ぶっ壊すみたいな。
ふざけんなよってなって、そこの調整というか、これが当たり前なんだよみたいなところを解かなきゃいけないし、ビジネス側にもそこを理解してもらうような話をしなきゃいけないしっていう、調整的な部分もあったり。
あとはそうなるのが当たり前だからこそ、データの持たせ方とかはもうちょっと工夫したりとか、柔軟に対応できる方法でやろうかとか、そういう気づきもたくさんあって勉強にはなるんだけど、やっぱりこれまで当たり前のデータサイエンスの仕事っていうところは通用しなくなるなっていうのは日々感じるところですね。
しっかりね。どうしていけばいいんだって話だよね。どうしていけばいいんだろうねこれはね。俺はスキルセット広げていけるスタイルだから。
あとは本当にそのフェーズの仕事がしたいんだったら、別に事業自分で作ればいいしっていう話だと思うんですよ。だからデータアナリスト、データサイエンティストで仕事していきたいんですよだったら、別にその需要がある会社に居続ければいいっていう話だから。
だからその新規とかに入り込んでいくんだったら、むしろなんかそのAIを本当にツールとして使っていくとかいう目線で、一定ちょっとなんかその精緻な部分とかは考えずに、とにかくちょっと舐めた使い方をどんどんしていくしかない。
で、やっぱ事業作るか、そうね、エンジニア、じゃあエンジニアのスキルつければいいんかみたいな話になると、そのエンジニアリングの能力だけ持ってるって、結局は一緒にやろうよって誘われる側じゃなきゃ無理なんだよね。事業開発できないと。
だからどっちの立場に居たいかと、受け手側でいるのか、どんどん開発して広げていく攻め側でいくのかみたいな、っていうのも多分やりたい方向次第。
個人の身の振り方っていう話だと、スキルセット広げるのは大事だなと思うかな。
天職の時とかに言語化する部分でもあるよね。
俺はもうデータ経営で攻めるとかっていうの決め込んだら、データ量でいくのか、データのスピードでいくのか、サービスの規模でいくのか、もう一軸決めるから絶対に。
でもそうだし、自分でデータ分析、データ分析は別にエンジニアリングも誰かに任せればいいから、とにかくビジネス側に振るって決めたら、プロダクトマネージャーにシフトして、データの扱う人がチームにいる状態で自分のパワーを発揮するみたいな、決め込むとか。
そういう決め込みの問題だね。
とりあえずそのまま、今の仕事のまま新規やりたいんだ、はデータサイエンティスト、データアナリストには無理だよっていう話だね。
それはそうだね、間違いないな。無理無理、舐めんな。
一方で小数でプロダクトを作っていく時にどうすればいいかって話で言うと、役割を細分化しない方がいいんじゃないかなと思ってて。
全員が全部やるみたいな。
そう。で、全員が全部やりつつ、全員がやってることをある程度わかってる状態の文化みたいな話、マインド的な話になっちゃうのかもしれないけど、密にコミュニケーションを取りましょうよってところが一番の成功法なんじゃないかなっていう。
4,5人だしね。
そう。でも日々会話してどういう方向に持っていきたいのかみたいなところの常にビジョンを共有しつつ、どこにさっきのデータベースの話もそうだけど、どういうアクションがあると誰がどれぐらい苦労するのかみたいなところをやっぱり見える化していくことが大事なんじゃないかなというか、落とし穴にはまりにくい方法なんじゃないかなっていうところは感じるから。
データサイエンティストは専門職だから、その今の話にはマッチしないよね。
マッチしないね。だから、だからもう結論はデータサイエンティストとして働いてる人が新規事業のところで01のフェーズに入った時にやれることはないが結論ですよ。
そのままね。
そのまま。
やれることはない。
そう。
データサイエンティストじゃない仕事をやっていくしかないっていう話。
やっていくしかない。
それが。
そうなんだよね。
そうね。
だからそういう仕事がしたい間は会社員が正解なんだよね、データサイエンツって。
そう思うな。
外からの契約でもいいじゃんっていう話もあるんだけど、やっぱデータ権限とかそういうのを超えるめんどくささみたいなのってやっぱあるしなみたいな。
あるね。データが溜まってる状態で一番価値を発揮しやすい仕事、職種なんじゃないかなと思いますね。
そうね。AI時代にどれだけ必要なんでしょうね。
でもそのニコマイのデビンの話とか聞いてると、このデータサイエンティストって職種ももうちょっと古くなってきてるんじゃないかなっていう感覚はあるし。
そうだよね。
うん。
モデルのパラメータ調整とかさ、なんかちょっと特徴類を追加して試しといてよぐらいだったらもうデビンでできそうだもんね。
うんうん。そうなんだよね。
俺だって会社入って一番最初のタスクとかやっぱそういうのだったもんな。
あーもう既存のモデルをちょっと動かしてみるとか。
そう動かして特徴類を追加した。このブランチはこれが追加されててこのブランチはこれでみたいなので。
うんうん。
逆に抜いてみるとかっていうのもあるよねみたいな。なんかモデルをなんか維持維持していくところからスタートしたりしたけど。
うん。
あの手作業はもう今やない仕事になったんだってすごい実感する。
あーそうだね。
変わるんじゃないかな。
そうだね。仕事の働き方もそうだし、なんか事業とかこれからできてくるサービスとかも変わってくるから。
うん。
だからデビンみたいなああいうのを新規事業の中での業務フローに組み込むことができる人間とかだったら、そういうデータサイエンスの一芸とかだったらめちゃめちゃ重宝される。
あー確かに確かに。
で君たちはもうこいつにしゃべりかければいいからみたいな。であとはその取りまとめを俺がやっとくわみたいな。
うんうんうん。
それがデータサイエン、一番データサイエンティストとして価値を出す方法かもしれない。
そうだね。そうなってくるとやっぱり前回の話のなんか逆のこと言っちゃうかもしれないけど、サービスの理解度とか市場にある新しく出てきたサービスを理解しておくことはすごく重要ですよね。
そうそう。だから結局Viz側の能力が必要になってくるっていうぐるぐる回っていく感じだよね。
課題は絶対生まれるからそこに対してどういう解決策提示できるかっていうビジネス力は引き出しいくつも持ってるのは強い。
そうねそうね。
まぁそんな感じですかね。
そうね。まぁちょっと発散したけどそんな感じですよ。初期はやっぱピュアなデータサイエンスデータアナリストのスキルは横展開はできない。
そう高度な分析はいらない。
そこで活躍したいとか声をかけられたいんだったら違う価値の出し方を考えて分析スキルデータエンジニアリングサイエンススキルは腰に刀を対等してるだけみたいな。
そうだね。一度も出せませんっていう状態で。
でペチペチペチペチ殴っていく。
優秀なデータサイエンスデータアナリストが一人二人いるってことはやっぱり事業を立ち上げていくときには効果はあると思う。
確かにね。
だからどういうふうに身を振るかはそれぞれのキャリアの歩み方で考えていただき。
そうね。価値を最大化しましょうっていう。
そんなバリュー中読会のお話でした。