異文化理解力――相手と自分の真意がわかる ビジネスパーソン必須の教養

異文化理解力――相手と自分の真意がわかる ビジネスパーソン必須の教養

異文化理解力――相手と自分の真意がわかる ビジネスパーソン必須の教養

なんとなく良さそうだったので読みました。大当たりでした。文化的な背景が異なる海外の方と仕事をする人向けの本だとは思いますが、相対的に物事を考える際の視点を補強してくれる良い本だと思いますので、海外の方と仕事するかどうかに関係なく読んだ方がよいと思います。

本書はビジネススクールで異文化マネジメントを教えている著者が経験した様々な事例について解説しています。様々な国のメンバーが異なる国のメンバーと働いた際に発生した文化的な背景の差からくるトラブルとその解決方法について説明しています。コミュニケーションにおける振る舞い方や勤務評価、リーダーシップや決断、生産性やスケジュールに対する考え方の違いなどが実際の事例を元に書かれており非常に読みやすいです。どの事例もお互いに悪意があるわけではなく、あくまでも文化的な差異からお互いの真意を勘違いすることでトラブルが発生します。そして、どのように対応すればよかったかまでが描かれており参考になります。具体的には以下のような切り口にまとめられています。

  1. コミュニケーション:ローコンテクストvsハイコンテクスト
  2. 評価:直接的なネガティブ・フィードバックvs間接的なネガティブ・フィードバック
  3. 説得:原理優先vs応用優先
  4. リード:平等主義vs階層主義
  5. 決断:合意志向vsトップダウン
  6. 信頼:タスクベースvs関係ベース
  7. 見解の相違:対立型vs対立回避型
  8. スケジューリング:直線的な時間vs柔軟な時間従

本書では前述の観点で国ごとの違いをグラフにまとめたものをカルチャー・マップと呼んでおり、ヨーロッパ圏やアジア圏の中でも国によって特性が似ている部分もあればまったく正反対の特性のケースもあることが示されており非常に勉強になりました。確かに日本の中でも県民性とか言ってるぐらいなので、それが国単位で違うのは当然だと認識を改めました。

あとは決断の違いも非常に納得感がある内容でした。例としてアメリカとドイツの決断の違いを挙げており、アメリカの決断は早い代わりに決定後も何度も変更があることに対して、ドイツは決定に時間を掛ける代わりに決定後は変更をしないというものでした。現職も非常に決断が早い代わりに決定後も状況に応じて変更を繰り返すのですが、これは文化差によるものだと理解することができました。そういう意味でも非常に気付きが得られる書籍だったと思います。

RPAの真髄

RPAの真髄

RPAの真髄

日経ビジネスにこの本の広告が載っていたので、具体的にどんな感じなのか知りたくて読みました。複数の導入事例が紹介されており雰囲気がわかってよかったです。RPAという言葉が気になっている人は読んでもよいのではないでしょうか。なお、RPAの技術的な詳細は記述されていないので、そちらを知りたい方は別の書籍なりを確認したほうがよいです。

本書の構成としてはまずは筆者が所属するアビームコンサルティングにおけるRPAの案件状況について説明し、RPA案件が増加傾向にあることを示します。また既に導入した企業においての業務削減効果について示します。次にRPAプロジェクトの進め方について説明し、リリース後の運用における留意点も示します。その上でRPAプロジェクトの具体例と顧客事例を紹介します。

技術的な詳細については記述されていないため別途ネットで検索してみましたが、要は非エンジニアでも利用できるワークフローエンジンなのかなーという認識です。あとは、業務削減効果が大きいのはBPRもセットでやっているからなのかなーという印象でした。普通にシステム開発する際も業務もセットで見直すならシステムの複雑度減らせるでしょうし、そもそも無駄になっていた業務もなくせるでしょうし。一番大きいのはユーザー自身が開発することになるので仕様の共有漏れとか改善のフィードバック効率が高い点ではないでしょうか。あと例外ケースの実装バリエーションを適度に押さえられれる点も大きいと予想します。自分で実装するならあまり細かな例外パターン作り込みたくないでしょうし、結果的に投資対効果がいいバランスでシステム化することになるじゃないかと。

RPA (Robotic Process Automation) という単語だけを聞いた際は胡散臭いなーぐらいに思っていたのですが、読み終わってそれなりに今後は浸透するのかなーという認識です。RPAで自動化している業務も自分がやるならスクリプト化するような内容だったので、ユーザー自身が自分で自動化して業務を効率化できるならいいことだと思いますし。結果的にユーザー自身がシステム化ということに対して知見を深めてくれれば、一緒にお仕事する際も話がしやすくなるのでいいことだなと思いました。

アンガーマネジメント入門

アンガーマネジメント入門 (朝日文庫)

アンガーマネジメント入門 (朝日文庫)

たまにアンガーマネジメントという言葉は聞くけれど、そういえば読んだことがなかったと思って読んでみました。参考になる点もあり、読んでよかったと思います。なぜ怒るのか、どうすれば怒りをコントロールできるようになるかについて書かれています。薄くてすぐ読めると思うので、興味がある方は読んでみてもよいかなと考えます。

本書の構成としてはまずは怒りがどのようにして生まれるのか定義し、その定義に沿ってどのようにすれば怒りをコントロールできるようになるのか具体的な方法を示しています。怒りは出来事そのものによって発生するのではなく、その起きた出来事に対して意味づけを行う際に自分が許せないものであると判断すれば怒りが発生すると定義しています。そして出来事に対して意味付けを行う価値判断を基準をコアビリーフと呼び、このコアビリーフを修正する方法を具体的に示しながら怒りをコントロールする方法について説明していきます。

20代後半に自分なりに怒りについて考察したことがあり、概ね同じような考え方に至って実践していたのでので、あまり発見はありませんでした。ただ、ここまで具体的に言語化してはいなかったので、そういう意味ではよい本だと思います。そして、ある程度実践できていると思うんですが、子育ての中ではどうしても感情を押さえられないことがあるので、ほんと子育ては難しいなーと思いました(^_^;)

ML Study Jams : Machine Learning トレーニングプログラムをやってみた

ML Study Jams : Machine Learning トレーニングプログラム - Homeをやってみました。初心者向けと中級者向けの合計12ラボです。

AWSは普段利用していますが、GCPはまったく触ったことがなかったのでとても参考になりました。無料でQwiklabsのクーポンコードを配ってくれたGoogleに感謝ですm(_ _)m

レーニングプログラムで学べたこと

全12ラボを通じて経験できることは以下になります。もちろんそれぞれ触りだけですが、ついでにドキュメントを読んだりすることで雰囲気はそこそこつかめたと思います。あと機械学習というよりは機械学習関連サービスのハンズオンでした。

  • 初心者向けコースまで
    • GCPのコンソール
    • BigQuery
    • BigQuery Machine Learning (BQML)
    • Cloud Speech API
    • Cloud Shell
    • API Key
    • Cloud Natural Language API
  • 中級者向けコース以降
    • Cloud AutoML API
    • IAM
    • Cloud Storage
    • Cloud Vision API
    • Service Account
    • Cloud Translation API
    • Kubernetes
    • Cloud Pub/Sub
    • Compute Engine
    • Cloud Machine Learning Engine
    • Cloud Dataflow

Qwiklabsの進め方

一通りやってみて、Qwiklabsの進め方について気がついたことをメモしておきます。

まずは一通りラボの内容を読んでから開始する

ラボの先頭に記載されている通り、まずは一通りラボの内容を読んでから開始したほうがよいです。ラボで利用可能なGCPの利用時間は上限があるので、読みながらやると結構時間ギリギリか、場合によっては足りなくなると思います。実際、私は最初のラボを開始してからこのアドバイスを読んだので、最初のラボは時間ギリギリでした。。そのため、2つ目のラボからは最初に一通り読んで内容を把握した上で開始するようにしました。そのおかげで、実際にGCP上で操作した際の不明点を確認する際も時間に余裕があってよかったです。

GCPコンソールをシークレットウィンドウで開く

Qwiklabsはメインのウィンドウで開くようにして、GCPコンソールをシークレットウィンドウで開くようにした方がよいと考えます。最初にQwiklabsをシークレットウィンドウで開いた状態でGCPコンソールも開いたら、シークレットウィンドウ上にGoogleアカウントが2つログインした状態になってめんどうな感じになりました。そのため、以降はGCPコンソールのみシークレットウィンドウで開くようしました。手順としてはラボで[Open Google Console]で開いたタブのURLをシークレットウィンドウに貼ってログインするようにしていました。

ラボは単体で完結する構成になっている

当たり前なんですが、ラボは単体で完結する構成になっています。そのため、前半の諸注意やGCPアカウント有効化手順などは概ね同じ内容になっています。なので特に初心者向けのラボだと慣れてくると前半は読み飛ばして差分だけサクッと試すみたいな感じになります。

ラボの内容が一部古いことがある

これは仕方ないことなんですが、ラボによっては記述内容と実際に試したGCP側の状況が一致しないケースがありました。GCPサービスの更新にラボの更新が追いついていなかったようです。なので、一致していないケースは更新が追いついていないんだろうなと思って読み飛ばすとよいとかと考えます。とはいえ数箇所でしたし、私がトレーニングプログラムをやっている10日間の間にも(偶然かもしれませんが)修正されていたので、更新頻度は高いのかもしれません。

ラボはクエストという単位でまとめられている

Qwiklabsはクエスト - Qwiklabs ヘルプという単位で複数のラボを1つのまとまりにしています。そしてあるクエストのラボをすべて終了するとバッジがもらえるらしいです。なお、今回の12ラボをすべて終了してもバッチはもらえませんでした。

初心者向けコースのメモ

初心者向けコースは全体的に簡単でした。合計で4時間近くかかりましたが、メモを取りながら気になる点などを調べての時間なので単にハンズオンを試すだけなら3時間もかからないと思います。

中級者向けコースのメモ

中級者向けコースはさすがに中級者向けだけあって、ソースファイルを読み込んだりしてそれなりに時間がかかりました。合計で6.5時間かかりました。あと、中級者向けコースは公式サイトに記載されている順番通りだとちょっと難しそうだったので、以下に記載した順序でやりました。

Classify Images of Clouds in the Cloud with AutoML Vision

  • https://www.qwiklabs.com/focuses/1779?parent=catalog
  • AutoML Visionはアップロードした画像に合わせて学習するとのこと。転移学習ベースなんだろうけど、柔軟だなー。
  • Cloud AutoML APIは個別に有効化が必要。しかも1分ぐらいかかった。
  • Set up AutoML Vision
    • add-iam-policy-binding でそれぞれ Role 追加してるけど、IAMの画面で確認した感じ最初から全部設定済みに見えたw
      • Storage bucket も同じでやはり最初から存在してコマンドを実行しても already exists になった。
      • おそらくCloud AutoMLの Set up Now ボタンで関連リソース作成しているのではないかと予想される。
  • Create a dataset
  • Inspect images
    • 少なくともそれぞれ 100 以上必要とのこと。この辺りの閾値を明示しているのはよいなー。
  • Train your model
    • すでにUIが変わっていたw
  • Generate predictions
    • 簡単にテストできるし、サンプルコードがcurlPythonの両方で出るの便利だなー。

Detect Labels, Faces, and Landmarks in Images with the Cloud Vision API

Integrating Machine Learning APIs

Classify Text into Categories with the Natural Language API

Awwvision: Cloud Vision API from a Kubernetes Cluster

  • https://www.qwiklabs.com/focuses/1241?parent=catalog
  • Kubernetesを利用するのはちょっとごつい感じだけど、手順自体は結構シンプルだった。
  • Create a Kubernetes Engine cluster
    • 3分ぐらいかかった。
      • コマンド実行後、K8s EngineとCompute Engineのコンソールでも確認できた。
    • gcloud container clusters get-credentials awwvision
      • クレデンシャル情報を取得して .kube/config に記録する。で、その情報を前提に次の kubectl コマンドが利用できる。実際 .kube/config をリネームしたら kubectl コマンドが利用できなかった。
  • Get the Sample
    • cloud-vision/python/awwvision at master · GoogleCloudPlatform/cloud-vision
      • 一通りソースを読んでみた。概ね理解できた。
      • メインとなる Makefile でそれぞれのサブディレクトリ配下の redis / webap / worker の Makefile をキックしていた。
        • それぞれのサブディレクトリ内の構成も似ていて、spec.yaml が存在し、これでそれぞれのアプリケーションをK8s上にデプロイするようにしていた。
        • webapp と worker はPythonのコードが存在しており、まず Dockerfile でDockerイメージをビルドして、GCRに push する構成になっていた。
        • webapp と worker はCloud Pub/Subで連携する構成になっていて、webapp の start_crawler 関数で pubsub を経由して worker 側の scrape_reddit_task 関数を実行する構成にしていた。で、Redisを共有してクローリングしたデータを共有する構成になっていた。
  • Deploy the sample
  • Check the Kubernetes resources on the cluster
    • ブラウザでアクセスしたらちゃんと表示できた。
    • Pub/SubにTopicもできていたけど、メッセージはSubscriberを作成しないと見れない感じだった。
  • ソースさえ読めば概ね把握できる。あとはK8sとCloud Pub/Subをどこまで深掘りするか次第って感じ。それぞれ別のラボをやってもいいかも。

Real Time Machine Learning with Google Cloud ML

最後に

普段はAWSしか使っていないので、GCPを触ってみていろいろと新鮮でした。やはり似たようなサービスは複数触らないと相対化して評価できないので、今後も機会があればGCPを触っていきたいと思いました。

マーケティングの仕事と年収のリアル

マーケティングの仕事と年収のリアル

マーケティングの仕事と年収のリアル

同僚がFacebookで紹介していたのでなんとなく読みました。とてもよかったです。マーケティング業界においてどのようにキャリアプランを考えればよいか、職種と年収を示しつつ解説してくれている本でした。職種の整理の仕方とキャリアプランの考え方はIT業界にも置き換えられる内容だと思うので、他の業界の方も読んでみてもよいのではないかと思いました。

本書の構成としてはまずはマーケティング業界の仕事内容と年収の実態について解説し、次にその仕事内容を6つの成長ステージに分けます。

  1. 見習い
  2. ワーカー
  3. スペシャリスト
  4. ブランドマネジャー
  5. CMO
  6. 経営者

そして以降はステージ毎にどのようにキャリア開発に取り組めばよいか事例も踏まえて解説しています。その際に事業会社と支援会社に分けて解説しています。最後に今までの解説も踏まえた上で、マーケティング業界におけるキャリアの構築事例を紹介しています。

IT業界に置き換えるという観点ではステージ3のスペシャリストのままキャリアを構築するのかステージ4のブランドマネジャーのようにマネジメントのキャリアに移行するかよく聞く話だと思います。また、いわゆるWeb系も含めた事業会社とSIerを中心とする支援会社のどちらに所属するかも同じくよく聞く話だと思います。そのため、IT業界も同じだなーと思いながら読んでいました。

個人的には1章に書かれているマーケティング業界の8つの流派というコラムが特におもしろかったです。流派というのは仕事のスタイルという意味です。例えばアイディア重視とかデータ検証重視などです。この流派は会社によって異なり、自分の流派と会社の流派が異なると評価されにくかったりストレスになるという指摘は、当たり前のことなのですがなるほどなーと思いました。

それなりの年収を得るにはどのステージに進むにしても大変という身も蓋もない現実が書かれていて、自分も現在採用とか評価を行っているので、まぁそうだよなーと思いながら読んでいました。なので、本書でも示されている通りキャリア構築については戦略的に考えると同時に、自分自身の市場価値を高める努力を続けるしかないなーと再認識できてよかったです。

2018年英語学習振り返り

2018年振り返り - n3104のブログにも少し記載していましたが、今年はとにかく英語学習に時間を割きました。ということで、2018年の英語学習について振り返りたいと思います。

前提

2017年末時点での私の英語に関する学習状況は以下のような状態でした。

  • 英語は学生自体に一番苦手かつ嫌いな教科だった。とはいえ、確実に必要なスキルなので社会人になってから少しずつ勉強している感じ。
  • 英語による会話経験無し。
  • AWSのマニュアルのような技術文書は単語について調べつつであれば何となく読める。
    • 30代の前半に多読を試したことがあり、英語を読むこと自体の抵抗感はなくしていた。
  • 文法は2017年に1年掛けてゼロからスタート英文法 CD付を10周ぐらいして、多少分かるようになった。
  • リスニングは同じく2017年に聞き取り・書き取り用CD付 英語は絶対、勉強するな!―学校行かない・お金かけない・だけどペラペラを毎日家事をしたりする際についでに聞いたりしていた。4割ぐらい何となく聞き取れるような感じ?ディクテーションは試したら難しすぎて諦めた。
  • 英作文はまったくできない感じ。
  • 発音は一度本を買って取り組もうとしたが母音で飽きてやめた。

結果

2018年末の状況は以下のようになりました。

やり方

DMM英会話をベースに、瞬間英作文とiKnowを併用しながら学習を進めました。1年で300時間以上やっていて、割当としては以下のような感じでした。月によってiKnowと瞬間英作文は取り組む量を調整してました。

  • DMM英会話 : 150時間*1
  • iKnow : 100時間
  • 瞬間英作文 : 50時間

他には毎月KPT形式でその月の英語学習について振り返りを行い、翌月の学習内容を調整するようにしていました。12ヶ月間の変化としては以下のような感じでした。

  • 1月 : DMM英会話を29回やった。フリートークやデイリーニュースも試したが学習効果を感じられないレベルだったので会話の教材を最初から順番にやることにした。DMM英会話のレッスンの流れは分かったが、英作文ができないのでまったく自分の言いたいことを言えない。ボキャブラリーも足りない。ということで瞬間英作文とiKnowも併用するようになった。
  • 2月 : DMM英会話を21回やった。会話の教材を続けた。会話の教材に必要な範囲のボキャブラリーは多少身についたが、相変わらず英作文が弱いので講師の言っていることは分かっても自分の言いたいことを言えない状態。
  • 3月 : DMM英会話を22回やった。会話の教材を続けた。レッスン前に5分ぐらい予習するようになった。瞬間英作文の効果かある程度文法的な語順を意識して英語を話せるようになった。瞬間英作文を優先してiKnowは一旦止めた。
  • 4月 : DMM英会話を21回やった。会話の教材に慣れて飽きてきたので、ビジネスに変更した。慣れていた会話の教材からビジネスの教材に変えたことで、最初は慣れるまで辛かったがすぐ慣れた。レッスンの予習と復習が定着した。瞬間英作文はやっとPart3になった。そのため、iKnowも再開した。iKnowの100アイテムマスター達成。
  • 5月 : DMM英会話を19回やった。ビジネスの教材を続け、ロールプレイも直前のダイアログを見つつではあるが多少できるようになった。
  • 6月 : DMM英会話を11回やった。5末に引っ越しをした影響で時間を取れなかった。ビジネスの教材に飽きて写真描写に切り替えた。写真描写は単語自体は簡単なので予習なしにしてみた。瞬間英作文はPart3までとりあえず一通りやった。
  • 7月 : DMM英会話を14回やった。写真描写を続けた。自分で考えた英語をチャットボックスに残してくれる講師は多くないので復習がやりずらかった。そろそろ英会話自体は慣れてきて、アウトプットよりもインプットが重要だと感じるので回数を減らすようになった。英会話イメージリンクを読んで、英語を先頭から順番に理解するというのを意識するようになった。また、瞬間英作文をPart1からやり直した。多読の一環としてDragon Slayers' Academyを読み始めた。
  • 8月 : DMM英会話を11回やった。写真描写を続けていて、予習するようにした。英作文なので毎回1時間から1時間半ぐらいかかった。ただ、事前に作成した英文への添削になるのですべてチャットボックスに指摘事項が残り復習の効率もよくなった。瞬間英作文のPart1とPart2は定着した。iKnowの500アイテムマスター達成。
  • 9月 : DMM英会話を9回やった。写真描写を続けた。ただし、予習する時間が取れない時はフリートークを入れるようにしてみた。知らない単語とか言い回しがでると止まってしまうが、とりあえず会話はできるようになった。
  • 10月 : DMM英会話を13回やった。re:Inventに向けてトラベル/文化の教材に切り替えた。内容自体はとても簡単に感じるようになっていて、ロールプレイもアドリブを入れつつできるようになった。なんとなく慣れた感じで発音していたら、早く話すよりも正確に発音するように講師に指摘されて、改めて発音を意識して学習するようになった。
  • 11月 : DMM英会話を13回やった。トラベル/文化を続けた。re:Inventでは買い物したり、道を聞いたりは出来たが、セッションは4割ぐらいしか聞き取れなかった。
  • 12月 : DMM英会話を7回やった。トラベル/文化からデイリーニュースに切り替えた。ある程度会話できるようになったので、あえて予習しないことで講義中に内容についての質疑を行う練習をするようにした。瞬間英作文のPart3も定着した。iKnowの1000アイテムマスター達成。レッスン中に何度か聞き返す中で、ヒアリングが弱いと指摘された。

あとは、個人的にやってよかったと思うことは以下になります。参考まで。

  • 英会話のレッスンが終わったら次のレッスンを予約する。
  • レッスンの予習をする。ただし、ある程度慣れたらあえて予習しないほうがレッスン中のやり取りが増えていいかも。
  • レッスンの復習をする。知らなかった単語はiKnowのカスタムコースに登録する。
  • 講師の記録をつける。相性もあるし、教材による向き/不向きもあるので。
  • 毎月振り返りを行う。成長を実感できるし、学習内容の見直しもできる。
  • iKnowと瞬間英作文で例文を音読する。文法構造とか発音も意識しながら行う。知らない文法構造があれば確認して理解した上で行う。
  • まずは最低限の文法知識を身につけておく。そうしないと、学習効果が低い。
  • 瞬間英作文。読めるのと会話のなかで作文できるのはまったく別のスキルだと思う。瞬間英作文の定着度合いに比例してレッスン中に会話できる範囲が広がったと思う。
  • iKnowというかボキャブラリーを増やす。会話中に言いたい単語が出てこなくて会話が止まる。。
  • 英作文する際はまずは自作した英文をGoogle翻訳にかけて違和感のない日本語になるか確認する。次にGingerなどを使ってチェックする。
  • 似たような単語はとにかくググって違いを調べたり、画像の検索結果を見てイメージを掴む。

一番気をつけているのは無理をしないというところでしょうか。疲れている時は適度にサボるというか。無理をして燃え尽きても仕方がないので、学習を継続できるように気をつけています。あとは学習自体が負担にならないように習慣化するというところも気をつけています。

来年

来年はまずはリスニングの強化に取り組むつもりです。現状、一番弱いのがリスニングのようなので。今年1年も弱い部分から強化するという方法で会話できるようになっていった実感があるので、来年もその方法を継続してみるつもりです。リスニングが落ち着いたら、発音と文法を強化しようと思っています。

リスニングについてはポッドキャストがいいらしいのでVOA - Voice of America English Newsを試してみることにしました。Beginning LevelのLevel 1を最初からディクテーションしています。すでに6回やりましたが、内容自体は簡単なのでちょうどいい感じです。AWSポッドキャストを聞けるぐらいになるといいかなと思ってますが、内容も長いですし、トランスクリプトもありませんし、再来年ぐらいにチャレンジとなりそうな気がします。。

英会話自体は継続しますが、回数は週1、2回で十分だと思うので学研のオンライン英会話|Kimini英会話のライトプランを試してみるつもりです。iKnowと瞬間英作文も継続します。瞬間英作文についてはスラスラ話すための瞬間英作文シャッフルトレーニングをやるつもりです。

*1:予習・復習の時間も含まれます。

2018年振り返り

2018年について振り返ってみたいと思います。ちなみに、去年は2017年振り返り - n3104のブログでした。

マネージャー職になって2年経った

昨年から引き続きマネージャー職を1年続けて2年経過しました。このブログを書きながら1年間の出来事を振り返ったのですが、メンバーのおかげで色々と進んだなーと思います。昨年の時点でチームとしての練度は高まっていたので、その結果を確認できた1年だったと思います。今年の1月時点で6名のチームだったのですが、6月末に2名抜けて一旦4名まで減って、10月に1名、11月に2名増えて現在7名になりました。要は約半分がいなくなり、それよりも多いメンバーが新たに加わったのですが、チームとしての練度が高まっていたので、新規メンバーの受入も既存メンバーに問題なく対応してもらえました。むしろ1年前よりもよりチームとしての練度も上がっていると思いますし、チームの文化というかアイデンティティーのようなものもより明確になった気がします。

私自身としては、マネジメントスタイル自体は昨年から特に変えていませんし、1年マネージャー職を経験したこともあり、振り返ってみると、今年1年は昨年よりも余裕を持ってマネージャー職に取り組めていたと思います。そのため、チームマネジメントスキルについては大幅に伸びたというよりは、引き出しが増えたという感じでした。あとは、チームの練度が上がり、取り組む課題のステージを1段上げられるようになったので、昨年だと取り組めなかったテーマにいくつか取り組むことが出来、いろいろと学ばせてもらったと思います。何より、昨年仕込んだものが着実に成果をあげるという結果を確認できたことが一番の収穫かもしれません。

1点確実に伸びたと言えるとしたら、採用スキルでしょうか。6月に4名に減ることは4月ぐらいから分かっていたため、4月末ぐらいから9月末ぐらいまでの約半年ほどはとにかく採用活動に時間を割きました。毎日採用エージェントのサイトで候補者を確認したり、書類審査や1次面接をひたすらやる中で、合格しそうな方かどうか*1を見極めるスキルはそれなりに付いたと思います。何より、1次面接において候補者を口説くため、私が担当するグループの事業環境や業務内容、魅力などについて整理できたのはよかったと思っています。

会社ブログ

この1年、仕事が忙しすぎて全く書けていませんでした。ですが最後にre:Invent 2018関連で会社ブログを10本書き、久しぶりに技術ブログを書いていたら楽しかったので、来年はもう少し定期的に書きたいと思っています。

英語

プログラマは毎年1つ新しい言語を勉強するというのがあると思いますが、私としては今年学んだ言語は英語でした。それぐらい英語に時間を割いたと思います。集計したら300時間以上やってました(゚д゚)!

1年間の成果としては英会話未経験の状態から最低限の英会話ぐらいならできるようになりましたし、英作文をする際に文法構造を意識して作文できるようになりました。

英語についての振り返りは2018年英語学習振り返り - n3104のブログに記載しています。英語学習もある程度まで進んだと思うので、来年はもう少し割当を減らして、他のことにもバランスよく取り組めればと考えています。

読書

去年と比べるとビジネス書は読めなかった気がします。あと、読み終わった本のブログを書けなかったです。

WEB+DB PRESS

去年から購読を再開ましたが、購読を続けてよかったです。自分の興味に関係なく最近の技術に関する情報をインプットできるので、全記事を読むようにしています。結果的に仕事でも役立つこともありましたし、今後も継続するつもりです。

SICP

無事?その後も社内読書会が1年続きまして、3.3.5から4.1.3まで進みました。基本隔週1時間でやっていて、今年は19回(通算62回)やりました。このペースだとあと1年半近くかかりそうです(^_^;)

ついに4章に入り、evalの実装まで来ました。こんなにサクッと作れるのは衝撃です。最近はSICPの範囲ではありますがLISPのコードを読むのも、机上デバッグするのも普通にできるようになった気がします。ちょっとした単体テストまで書くようになりました。

いやー、しかし、みなさんLISPデバッグってどうやってるんでしょうね。うまく組めた時はいいんですが、期待通りに動作しないときのデバッグは基本的に机上デバッグになっちゃうものなんでしょうか。。手続き型言語デバッグプリントを入れるのがほんと簡単だなーと思います。

Mastering Bitcoin

有志でやっている読書会で読みました。まったくビットコインブロックチェーンについて知識がなかったので、ある程度概要がつかめてよかったです。

この読書会はもう6年続けているんですが、直接業務とは関係ない本を読めるのがいいと思っています。中心メンバーとの付き合いも長いですし、この読書会でいろいろな方とお会いできたりもしていて、今後も続けたいと思ってます。

Site Reliability Engineering

社内で読書会が結成されたので参加しました。普段は自社サービスの運用をしていることもあり、非常に参考になっています。まだまだ適用できない手法も多いのですが、今後適用できる部分は適用していこうと考えています。

読書会の進め方としてScrapboxを利用しており、毎回各自がScrapboxに気になったことを記載し、その内容にお互いにコメントするという形です。この形式は初めてだったのですが、各自が同時に書き込むことでバイアスのない状態のコメントを見れるのがいいと思っています。あとは読書会当日に参加しなくてもScrapboxの内容を見ることで後追いで参加できるというメリットがあることも分かりました。

Dragon Slayers' Academy

英語学習の一環で多読用に読み始めました。完全に理解できているかというと細かなニュアンスが分からなかったりするのですが、おもしろいと思えるレベルでは内容を理解できていると思います。さくさく読めるので、ファンタジー寄りの児童文学が好きな方にはおすすめかもです。

アニメとか

今年もプライムビデオは結構観てて、dアニメストアも契約しちゃいました(^_^;)

特に印象深かったのは以下辺りでしょうか。

ささみさん@がんばらないはおもしろかったので、原作を読んだら完結していなくて涙しました。でも、ほんとおもしろかったです。同じく最近原作を読んでいるのが終末なにしてますか?忙しいですか?救ってもらっていいですか?です。原作という意味では狼と香辛料は原作を読んだ上での視聴で、非常にクオリティはよかったですけども、ストーリー展開を知っているため二期は途中で観るのを止めてしましました。ソードアート・オンラインⅡはずっとプライムの対象にならなくて、dアニメストアが始まったので契約して観ました。いやー、ほんとよかったです。ちょうどソードアート・オンライン アリシゼーションも始まり、現在視聴中です。プリズマ☆イリヤFateシリーズということで何となく観始めて、最初はテンションとか作風についていけなくなりそうだったんですが、シリーズを重ねる毎にストーリーに深みが出て完全にハマりました。

後は10月ぐらいにFate/Grand Orderを始めてしまい、地味に時間を取られてます(^_^;)

その他

Hadoop周りは今年も去年に引き続き、特に何かやったりはしなかったので、そろそろプロフィールから「Hadoop好き」は取り下げようと思います。。機械学習関連も少しだけTensorFlowとKaggleのチュートリアルを触ったりしたぐらいで、そこまで時間は割きませんでした。

個人ブログも今年はあまり書けませんでした。ネタがなかったというより、書く時間を取れませんでした。
2018-01-01から1年間の記事一覧 - n3104のブログ

購読している各種ニュースメールとかRSSフィード日経ビジネスなど消化できなかったものも大量にあるので、来年はもう少しバランスよくいろいろ取り組めればと考えています。

まとめ

振り返ってみると、2018年も密度の高い1年だったと思います。幸いなことに?未だに毎週のように金曜になると月曜が1ヶ月前のように感じる日々を過ごしています(単に変化が多いだけであって、密度が高いわけではないのかもですが(^_^;))。ただ、やはりマネジャー職を継続した分、プレイヤーとしての成長はあまり感じられなかったので、来年こそは改善していきたいと考えています。

*1:二次面接はチームのメンバー全員が合格を出す必要があるので、私だけがよいと思った方でも合格しないためこのような表現になっています。