最近気になった人事組織ネタ(9/30)
私の哲学：ヤフー株式会社 代表取締役社長の宮坂学さん
ヤフー株式会社 代表取締役社長の宮坂学さんのインタビュー記事。
人生は"株式会社俺"のマネジメント
自分で決めて行動する
この２つの表題、とても良い。超同意。 Softskillでも、どのように自分自身を売り込むかなどを会社をメタファーとして説明していることがあったりしたし、キャリアプランを会社のメタファーで表現することは、私も自分のキャリアプランを会社に見立てて整理しようと思っているところに、この記事。参考にさせてもらいます。
週休３日制、ヤフーが導入検討 働き方を多様に
週休３日制はファーストリテイリングが転勤のない「地域正社員」に導入している。ヤフーも本社などで働く従業員を対象に検討を進める。
ファーストリテイリングもやっているんだ！知らなかった。副業と合わせてできれば、選択肢はかなり広がるな。それにしてもyahooは最近、いろいろ取り組んでいて凄い。
ヤフー、新幹線通勤補助を導入 月額で上限15万円
ヤフー、新幹線通勤補助を導入 月額で上限15万円 ：日本経済新聞
またしてもyahoo関連の記事。yahoo飛ばしているなー。色々と。この新幹線通勤補助のニュース自体もすごいと思うけど、このTwitterのコメントが刺さったので、この記事を選んでみた。
標準報酬月額が爆上がりして、社会保険料で死にそう / “ヤフー、新幹線通勤補助を導入 月額で上限15万円 ：日本経済新聞” https://t.co/6MXoPUPUCI
— yancya (@yancya) 2016年9月28日
報酬月額は制度的に知っていたけども、このニュースを見てパッと思いつかなくて、まだまだ身になっていないということを思い知らされた（まぁ、自分は人事担当じゃないからしょうがないといえば、しょうがない）。けど、人事改革を行うには、当然、人事制度を知らないといけないなーと。こういう分野をやりたいと思うなら、コツコツ調べたり勉強していくしかないなと思った。
「Facebook at Work」、10月にリリースか
コンシューマー向けFacebookと同様に、この法人向けサービスにも「ニュースフィード」「グループ」「イベント」のほか、専用の「Messenger」アプリが用意される
ちょっと気になる。Facebook、プライベートな内容でなく、ビジネス的に使っている人も多いだろうから、これはアリな気がする。Slackがはやっているけど、SlackはよくわからないけどFacebookならいいよっていう層は割と多いと思うので、どうなるのか。
ニュースフィードってどういう風に使うんだろ？イベントって社内勉強会とかに使うのかな？
レールを外れてクマムシ研究
少し前にあった「レールに沿った人生」を外れるということがどういうことか、そのロールモデルの１つがこれじゃないかなと思った。いろいろな世界の開拓者に、よりもっと敬意を払うべきなんだなと思った。
管理職になりたくなかった人でも得られる管理職の醍醐味
「そうまでして、管理職にさせたいのか？」というツッコミは置いておいて、実態をアンケート調査した結果は、なるほどなという感じ。
管理職としてのやりがい（「どういうときに管理職としてのやりがいを感じますか」）については、他の3群に比べて、「部下が生き生きと仕事をしているとき」の選択割合が飛びぬけて多い
ここの点が気になった。管理職に対する気持ちが管理職就任前後でネガティブ→ポジティブとなった、いわゆる「管理職やってみたら意外とよかった」という人は、「部下が生き生きと仕事をしていること」がやりがいに感じやすいみたい。
今回は以上！
Team Geek ―Googleのギークたちはいかにしてチームを作るのか をようやく読んだ
Team Geek ―Googleのギークたちはいかにしてチームを作るのか
- 作者: Brian W. Fitzpatrick,Ben Collins-Sussman,及川卓也,角征典
- 出版社/メーカー: オライリージャパン
- 発売日: 2013/07/20
- メディア: 単行本（ソフトカバー）
- この商品を含むブログ (20件) を見る
手に取った動機
読まなきゃ、読まなきゃと思っていたけど、ずっと手元に置いておきたい本ではないなと思っていて、後回しになっていた本。けど、調べてみたら、図書館にあることが分かり、図書館で借りてみた。図書館、最高！
内容
私が印象に残ったのは次の当たり・・・
- ソフトウェア開発は、チームスポーツと同じでチームでないと開発ができない
- チームで作業する上で、謙虚・信頼・尊敬の３つの柱が大事
- エゴをなくす！
- 良い文化を作るということ
- 既存のメンバーでの強い・良い文化を作っておくと、悪い文化に汚染されにくくなる
- 既存のメンバで良い文化を作ることが大事
- 良い文化とは、改善に対してオープンでありながら、害を与える変化には防御的
- 経験・価値・目標によって文化は作られる
- ミッションステートメント
- 文化を作る上で必要なもの
- よくある企業のミッションステートメントは、不完全。好例としては、Making GWT betterとか
- やること、やらないこと、方針、やらないこと・スコープの制限を書く
- 個人と振る舞いは分離する
- コードレビューの時も、チームに有害なことをしている時も、「振る舞い」を対象として、「個人」は対象にしない
- エンジニアごとに成長に必要なもの・求めるものは違う
- それぞれにあったもの/環境を準備するようにする
- 有害な人に対処する
- 時間、注意、集中を奪う人は害がある可能性が高い
- 幸運を引き寄せる
- 幸運な人は、作業だけに集中しているのではなく、他の情報にまで気が回っているからこそ、気がつくことができる
感想
チーム開発（特にOSSコミュニティ）でいいチームを作る時に問題となってくる対人関係をいかにしてスムーズに回すか？ということが考察された本だったなーと思う。個人的に以下の２つが読んでいて参考になった。
- 「悪い文化が繁栄しにくいようにするためにも、良い文化を作る。文化を作る際に、ミッションステートメントは大事。新入りの人にも読んでもらうだけで、文化が伝わりやすい」
- 「有害な振る舞いとは何か？その振る舞いをどう除外するか」
文化とミッションステートメントについて
ミッションステートメントは普段の仕事やプロジェクトではあまり意識・共有されていなかったりすると思うので、もっと意識していきたい（今の自分の部のミッションステートメントって、良く分かっていなかったりする）。
朝礼がある会社で、朝礼の最後に標語？を全員で読み上げる風景をたまにTVで見るけれども、それはミッションステートメントを定着化させるという一定の価値があるのかもしれない。
現代風にやるのであれば、Slackのローディングメッセージをミッションステートメントにして、目に触れる機会を増やすというのはいいのかもしれない。やってみよう。
そして、やっぱり、文化がどう作られていくのか？ということを勉強してみたいなと思った。今、図書館で、企業文化 改訂版: ダイバーシティと文化の仕組みを予約しているので、手元に来たら読もうと思う。
最近気になった人事組織ネタ(9/20)
伊藤直也・増井雄一郎・まつもとゆきひろ・白石俊平が語る「必要とされるエンジニアになるには？」
面白いパネルディスカッションの内容だと思う。生で聴きたかった。
年をとって身に染みる、「好きなことを仕事にしよう」という若者へのアドバイスの大切さ
とても面白い考察のエントリーだと思った。
技術者や研究者に限らないかもしれませんが、年を取っても価値を出せる人は、好きな事、得意な分野で、若いとき以上に馬車馬になって働いているのではないでしょうか。
急速に変わる技術や環境についていくには、若い時以上の努力をするのが当然で、過去に実績がある人でも、油断して努力を怠ったら、引退や失職に追い込まれるのは、スポーツ選手だけではない。
加齢による衰えで体力的にも、家族ができるなどの理由で時間的にも、work hardするのは難しくなっていく中、本当に好きなものを見つけて努力を続けるというのは思ったよりも大変だなと、30歳手前にして想像している。
また、自分もそうですが、年を取るにつれてこだわりが強くなり、好きな仕事しかやりたくない、この仕事は嫌だとなりがちになります。それが周囲の環境と合わなければ、ただの「使えないおじさん」になるわけです。
この辺りが心に刺さった・・・。自分は５年、10年先を意識した年の重ね方をする年代に差し掛かって来ていると思うから、一度、整理しておこう。
「なぜあなたの研究は進まないのか?」「なぜあなたは論文が書けないのか?」の2冊が素晴らしかった
この２冊ですね。
- 作者: 佐藤雅昭
- 出版社/メーカー: メディカルレビュー社
- 発売日: 2016/07/08
- メディア: 単行本
- この商品を含むブログを見る
- 作者: 佐藤雅昭
- 出版社/メーカー: メディカルレビュー社
- 発売日: 2016/07/08
- メディア: 単行本
- この商品を含むブログ (2件) を見る
パッと見、研究だけでなく、自分の専門性のテーマ設定とか、いろいろな所に応用できそうなので、読んでみようかと思います。
第1回 HRテクノロジー大賞
日本のHRテクノロジー、人事ビッグデータ（アナリティクス）の優れた取り組みを表彰することで、この分野の進化発展に寄与することを目的に、今年創設されました。
・・・ということで、今年から始まった人事系の取り組みのアワードらしい。いわゆる人事系パッケージとか、クラウドとかが主流で目新しさがないなーと思ったけども、テンプホールディングスの 退職者予測モデルの構築 と、 NECソリューションイノベータのビックデータ分析技術を活用した職場におけるメンタルヘルス不調者予防､職場環境改善の取り組みが気になった。
機械学習とか、どのぐらい精度でどの程度のビジネスインパクトがあるものなんだろうか？うちの社内でもやりたい。 人事×ビッグデータやりたい。
本社移転にあわせ、東京本社勤務の全従業員約5700名を対象に机を不規則に配置したフリーアドレス制の導入や、社外の方も利用できるコワーキングスペースを新設
従業員と社外の人が情報交換や新たな協業を生み出していける仕組みとして、コワーキングスペースを設置したらしい。これは良い取り組みだなー。フリーランスで素晴らしいエンジニア
あと、もう一つのこっちの方も良い。 働きやすい社内風土を醸成するため、有志を中心とした社内プロジェクトを執行役員がサポートする「スポンサーシップ制度」を導入 どのくらい実際の効果が発揮されているのかはわからないけれども、執行役員レベルが、働きやすい社内風土のために責任を持って動いているというメッセージが良い。
今日は以上！
kerasでirisの分類をやってみたメモ
（注意）ただ、私が自分自身のkerasの学習のために書いたメモです。このエントリには、何も新しいことはありません。
kerasとは
kerasは有名なので、そんなに説明はいらないかと思うけれども、Pythonの深層学習ライブラリ。TensorflowやTheanoのラッパー的な位置づけで、ネットワークのモデルを簡単に記述できるフレームワーク。Caffeとか、Chainerとか、動かしたことあったけど、Kerasはなかったので、最近評判がいいと噂のkerasを触ってみることに。触った感じもめちゃくちゃ分かりやすいので、研究用途でなく、私みたいな深層学習との向き合い方をしている人には、keras最高じゃないかなと思います。
最近、ドキュメントが日本語に翻訳されているので、とても読みやすい。
Chainerとか、他のフレームワークとの比較は下記のSlideshareが何となく分かりやすい。
Deep Learningライブラリ 色々つかってみた感想まとめ // Speaker Deck
簡単なコードの説明
有名なirisの分類問題をkerasでやってみました。 ちなみに、バックエンドはtensor flowで実行しています。コードの全部は、gistに貼ってあります。
データの準備：irisデータ読み込み
from sklearn import datasets iris = datasets.load_iris() features = iris.data #特徴ベクトル targets = iris.target #分類ラベル
- ちなみに、featuresとtargetsのデータ構造像はこんな感じです
features
array([[ 5.1, 3.5, 1.4, 0.2], [ 4.9, 3. , 1.4, 0.2], [ 4.7, 3.2, 1.3, 0.2]・・・
targets
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2])
kerasに必要なものをインポート
from keras.models import Sequential from keras.layers import Dense, Activation
モデルの設定
model = Sequential()
model.add(Dense(12, input_dim=4))
model.add(Activation('relu'))
model.add(Dense(3, input_dim=12))
model.add(Activation('softmax'))
model.compile(optimizer='SGD',loss='sparse_categorical_crossentropy',metrics=['accuracy'])
上記で書いたモデルはこういう感じになります
- 入力層：４次元
- 隠れ層：12次元
- 出力層：３次元（３クラス分類問題のため）
- 各層の間の結合：Dense（全結合）
- 入力層→隠れ層の活性化関数：relu
- 隠れ層→出力層の活性化関数：softmax
- 最適化：SGD
- 損失関数：sparse_categorical_crossentropy
図に表すとこんな感じ
学習
model.fit(features, targets, nb_epoch=20, batch_size=5)
- kerasでは、こんな感じで標準出力に学習途中の結果を出してくれます
- さらにkerasのバックエンドをtensor flowにした場合は、結果をtensorboardでみることができます
- modelとかにcallbackを指定してあげる必要はあります
Epoch 1/20 150/150 [==============================] - 0s - loss: 1.2433 - acc: 0.5067 Epoch 2/20 150/150 [==============================] - 0s - loss: 0.6935 - acc: 0.6733 Epoch 3/20 150/150 [==============================] - 0s - loss: 0.6501 - acc: 0.7000 Epoch 4/20 150/150 [==============================] - 0s - loss: 0.6012 - acc: 0.6733 ・・・（以下略）・・・
学習モデルで予測
model.predict(features, batch_size=10, verbose=1)
- 上記で学習したモデルにデータを入れたときに、どういう予測をするのかを返えす
だた、今回は、kerasの動きを見たかっただけなので、全部学習データとしてつかっているので。なので、あまり意味はなくなっています。本来であれば、データを学習用とテスト用に分けておきます。
ちなみに、こんな感じで出力されます。今回は３クラス分類問題なので、３次元で出力されます。
array([[ 9.78549898e-01, 2.12393254e-02, 2.10749422e-04],
[ 9.49374020e-01, 4.98638190e-02, 7.62094394e-04],
[ 9.69367325e-01, 3.02073583e-02, 4.25341772e-04],
[ 9.45379853e-01, 5.37167825e-02, 9.03351058e-04],
・・・（以下略）・・・
学習モデルの評価
model.metrics_names model.evaluate(features, targets, batch_size=10)
- 本来であれば、交差検定をやるべきなんですが、kerasの動きを見たかったので、交差検定やってません。
- なので、これは今回は動きを見る程度です
その他：いろいろやってみて思ったこと
損失関数の設定をまちがってやってみると・・・？
モデルの記述のところに、 sparse_categorical_crossentropyではなく、 categorical_crossentropyと記述してみるとこんな感じに例外となった。
model = Sequential()
model.add(Dense(12, input_dim=4))
model.add(Activation('relu'))
model.add(Dense(3, input_dim=12))
model.add(Activation('softmax'))
model.compile(optimizer='SGD',loss='categorical_crossentropy',metrics=['accuracy'])
model.fit(features, targets, nb_epoch=20, batch_size=5)
- 例外部分
Exception: Error when checking model target: expected activation_22 to have shape (None, 3) but got array with shape (150, 1)
モデルのチェックでおかしいよと例外が飛んでいるのがわかったが、損失関数の設定がマズいと気づくのに少し時間がかかってしまった。もう少し、丁寧なメッセージだとありがたいが・・・。ちなみに、 categorical_crossentropyは、数字ではなく、文字でのラベリングデータに使用するみたい（kearas_available-objectives）。
モデルのテストどうするんだ問題
上の損失関数の設定ミスでは、例外が飛んでミスとわかったが、ネットワークのモデリングについては、間違えても例外が飛ばず、自分のモデルの記述ミスに気がつかないケースもあって注意が必要だなと思った。
たとえば、irisは３クラス分類なのに、なぜか私は最初４クラス問題だと思い込んでしまっていて、最後の出力層の次元を４次元と設定していた。accuracyがちょっと上がりにくいなーと見直してようやく、自分のミスに気がついた。このようにミスがあっても、それでも何となくは動いてしまうので、テスト(品質保証の方)が難しいなーと思った。
活性化関数とか、モデルどうするんだ問題
初めのirisぐらいなら、雑に組んでも学習できるでしょと舐めきっていて（ごめんなさい）、単純にコードとしてkerasで組むことだけを考えていたので、ネットワーク設計は微塵も考えずに、relu使っておけばいいやと、隠れ層・出力層の活性化関数ともにコピペでreluに設定していた。
けれども、reluだと全然学習がうまくいかなかった。 このようにモデルを設定して、学習させたらacc: 0.3600 までしかいかなかった・・・。
model = Sequential()
model.add(Dense(12, input_dim=4))
model.add(Activation('relu'))
model.add(Dense(3, input_dim=12))
model.add(Activation('relu')) model.compile(optimizer='SGD',loss='sparse_categorical_crossentropy',metrics=['accuracy'])
model.fit(features, targets, nb_epoch=20, batch_size=5)
ちなみに、出力層がsoftmaxとreluではこのぐらい違った。
- 出力層がsoftmax
- loss: 0.2591 - acc: 0.9667
- 出力層がrelu
- loss: 0.6949 - acc: 0.3600
多クラス分類の出力層にになんで、relu使っているんだ！？という疑問はおっしゃる通りなのですが、雑にネットワークモデルを組んで動かしても、精度がでないということは今後注意しておきたい（今までこの現象にあたってこなかったのは、単純に私の経験値不足かもしれないが）。
今回、kerasの実装を追いたいということで、モデルを考えずにreluをつかったけれど、DNNをやるときはそれではダメで、実装とネットワークモデルはセットにして考えないといけない（むしろ、ネットワークを先に設計してから、実装する方がいい）ということを再認識させられた。
ちなみに、２クラス分類、多クラス分類、回帰などの使い分けは機械学習プロフェッショナルシリーズの深層学習に載っていたりするが、下記を参考にしてもといいと思います。
www.slideshare.net
それにしてもKerasは直感的に記述できて、分かりやすい。研究でなく、動かしてみたいというのであれば、ほぼkerasでいいのではないかと思う。
最近気になった人事組織ネタ(9/13)
「会社に縛られずに働く」ことは可能か
以下４人へのインタビューを載せている記事。
それぞれのインタビューに、それぞれ、「へー」と思う部分があり、面白かった。働き方（?）と貯蓄という観点で、語っている記事は読んだことがなかったので、 未来の選択肢を増やすためにも「貯蓄」をするべきが個人的には新鮮だった。
・旧来型の雇用スタイルでは、もう優秀な人材は集まらない 青野 誠・サイボウズ株式会社 人事部マネージャー ・独立や起業を夢見る前に、今の場所でやるべきことがある 瀧本哲史・京都大学客員准教授 ・未来の選択肢を増やすためにも「貯蓄」をするべき 藤川 太・ファイナンシャルプランナー ・会社に「縛ってもらえる人」が減っていく 安藤至大・経済学者
日本の人事部「HRアワード」2016
「日本の人事部」というメディア（?）で行われている、今年の人事系の取り組み・書籍などのアワードを決める投票が始まったらしい。このアワードがあることを初めて知ったけれど、ノミネートされているものを眺めるだけでも十分面白かった。結果を期待して待ってみよう。
管理職になることは昇進ではない。Facebookに学ぶスマートな組織運営のコツ
「Facebookでは、管理職になることは昇進ではありません。ポストの横滑り、平行移動にすぎないのです。管理職は社員をサポートし、何かを成し遂げる上で妨げとなるものを排除するために存在します。管理職に任命される理由は、その人が対人関係をうまく回す優れた技量を持っているからなのです」とParikh氏は解説しています。
これ、めっちゃ同意。秀れた選手は、秀れた監督になれるのか問題や、秀れた研究者は秀れた教育者になれるのか問題と同じように、管理職と現場では、求められるスキルが全然違ってくるので、現場の延長線（昇進）としての管理職ではない方が私もいいと思う。1on1がちゃんとできて、コミュニケーションがちゃんと取れて、人員アサインがちゃんとできて・・・という管理職に求められるスキルは全然ちがうと思うので、そういうことができる人を管理職にアサインした方がいいと思う。
ただ、管理職とリーダーシップのバランスがどうなるのかがわからない。管理職＝昇進の文脈では、「この人はこのプロジェクトを大成功に収めた人だから安心だ」という“過去の栄光“・“これまでの実績“によってリーダーシップを発揮することができる。しかし、管理職≠昇進の文脈では、“過去の栄光“・“これまでの実績“を使ったリーダーシップを発揮することができないので、別の何かが必要となる。その「何か」を持っていないと組織としてまとまらないなーと思った。いや、そもそも、管理職がリーダである必要もないのか？？
「男が育休取って人生が変わった」事例を紹介してきました
とても綺麗にまとまっているし、先人の体験の感想や想いというのは大変、参考になる。 私も育休を取ったので、感想や体験談をまとめて、どこかで発表しようかな。
今回は、以上！
"チームが機能するとはどういうことか"を読んだ。強いチームを作りたい人は一読の価値あり。
チームが機能するとはどういうことか――「学習力」と「実行力」を高める実践アプローチ
- 作者: エイミー・C・エドモンドソン,Amy C. Edmondson,野津智子
- 出版社/メーカー: 英治出版
- 発売日: 2014/05/24
- メディア: 単行本
- この商品を含むブログ (3件) を見る
この本を取った理由
チーム開発の文脈で、この本、結構出てきていたので、良さそうだなと思い手に取りました。そうしたら、ちょうど、naoyaさんの一人CTO Nightでも触れられていて、やっぱりいい本だと思うし、読んでよかったなーと。
印象にのこったこと
フレーミングの効果
プロジェクトの目的、メンバーの人選、チームの役割などをどのようにフレーミングするかによって、パフォーマンスは大きく変わってくる。
例えば、おなじタスクであっても、プロジェクトの目的が「決められたタスクをこなす」というフレーミングと、「高い品質を実現するための挑戦」というフレーミングでは、チームのパフォーマンスが異なってくる。
同様に、チームの役割（「リーダの指示に従うだけ」OR「パートナー・チームメイト」）やメンバーの人選（「工数が空いていたから」OR「あなたのこのスキルが欲しかった」）のフレーミングも大事。
この辺のどういったフレーミングを作るのか？はプロジェクトマネージャやチームリーダの重要な仕事の１つなんだと理解した。自分自身の癖として、要件のダメっぽさとか、謙遜や恥ずかしさ(?)から、ついつい「どうってことない仕事」って言いがちになってしまうので、気をつけていかないといけないなと思った。
心理的安全性
すこし前に話題になった、Googleが調査・発表していた心理的安全性と生産性のニュース
で取り上げられていた、心理的安全性について詳しく解説がなされていて、とても参考になった。
心理的安全性が高まることによって、積極的な発言や失敗の共有などがなされていき、組織として学習していくことができる。その心理的安全性を妨げる不安として、以下の４つの不安があって、この不安が少ないと心理的安全性が高まっていく。
- 無知だと思われる不安
- 無能だと思われる不安
- ネガティブだと思われる不安
- 邪魔をしていると思われる不安
そして、リーダの言動も心理的安全性にかなりの影響を与えていて、心理的安全性を高めるためにリーダの言動を気をつけなくてはいけない。心理的安全性が満たされている組織の判断基準もあって、それが満たされているのかどうかを意識するといい。
幸いなことに、自分のチームでは、上記の４つの不安は感じていない（少なくとも自分は）ので、かなり心理的安全性は高いなと思って読んでいた。
また、先輩などから、「"知らないこと"を理解している＝その範囲で理解できている」などと教わり、"知らないこと"は悪いことではないという感覚が強いので、そういう意味でも不安は少ないなと思った。とても幸せな環境にいるということを有り難いと思いつつ、自分も心理的安全性を高められるように振舞っていきたいと思う。
失敗について
失敗をチームとしてどう捉えるかによって、チームの学習が変わってくるということを印象に残った。 失敗という概念も広く、“非難に価する失敗”から“賞賛に価する失敗”まであって、「失敗」という単一概念でひとくくりにしてしまうと、挑戦が減ってしまい、創造性がなくなってしまう。
創造性と失敗については、ピクサーでの事例がピクサー流 創造するちからの本に書いてあります。
ピクサー流 創造するちから―小さな可能性から、大きな価値を生み出す方法
- 作者: エド・キャットムル著,エイミー・ワラス著,石原薫訳
- 出版社/メーカー: ダイヤモンド社
- 発売日: 2014/10/03
- メディア: 単行本（ソフトカバー）
- この商品を含むブログ (10件) を見る
また、失敗をたくさんするチームの方が、失敗がすくないということも印象に残った。些細な失敗でも報告しているチームの方が、数としては失敗が多いけれども、失敗を報告せずに握り潰すチームよりも、最終的な失敗は少ないということらしい。そして、失敗を気軽に報告できるかどうかは、心理的安全性が高いかどうかに影響される。
チーム開発とは少しズレてしまうけれども、Netflixのchaos monkeyを思い出した。
日頃からわざと軽微な障害を起こし続けることによって、本当に障害が起こった時も問題なく対応できるような体制・仕組みを準備しておくというchaos monkeyは、この失敗をたくさんした方がいいということと共通しているのだろう。
もうひとつ印象に残ったのは、失敗をせずに働いている人よりも、失敗をしてそれを共有する人の方が組織にとっては良いということ。これは、少し意外だった。1人で作業していて常に失敗せずに淡々と作業してばっかりしていると、失敗が共有できず組織としては成長できないという理由らしい。
「失敗」を単一概念で捉えず、いい失敗と悪い失敗に分けて、良い失敗はどんどんしていって、共有していきたい。
本を読んでの気づき
自分の本質
本の冒頭にこんなような内容のことが書いてあった。
私がチーム開発・強いチームの作り方に興味があるのは、心理学的な部分が好きということもあるけれども、新しいサービスやまだ見ぬスゴイことをやりたいと思っているということも大きいのかな？と思った。
１＋１＝２以上となるような、強いチームで新しいことに取り組んでいくということが自分のモチベーションなのかもしれないとこの本を読んでいて実感した。
生産性と有益な妨害
心理的安全性のところで、トピックスとして「有益な妨害」といって、仕事を邪魔をした方が、学習にはプラスになるという研究結果があるらしいということに触れられていた。
ポモドーロテクニックなど、生産性を上げるライフハックもあったりする中で、邪魔があった方がプラスになるってどういうこと？と思ったけれど、それはどの粒度での生産性を見ているかの違いだと思った。
１日１日の日々の短期的な生産性を見ているのか？それとも、５年・10年の長期的なスパンでの生産性を見ているのか？ということの違いで、かなり違ってくる。短期的な生産性と、長期的な生産性とのバランスをうまく取って、日々の業務を回しつつ、チームとしての学習も行っていかないといけないなと感じた。
半期毎の面談などのタイミングで、「n％の生産性を向上させました」などと話すことがあるけれども、これからは生産性を語るときには、どの粒度での生産性について語っているのか？ということを意識しながら話すようにしたい。
単純に生産性を超上げるだけではチームとしての学習は進みにくいし、クリエイティブなものは生み出せないと思うので、両方のバランスを意識できるようになっていきたい。
心理的安全性と"雑"
CookPadさん では、アイディアや話を進めるために“雑”という概念（品質が悪い/作業が粗悪という意味ではない）を取り入れている。
この“雑”という概念は、完成しきっていない発言を促進したり、「何言ってんの？」っていう不安を取り除いて、心理的安全性を高める効果があるのではないかな？と思った。“雑”というのは、心理的安全性を広めるために、とてもキャッチーでいい好例だと思う。
Cookpadさんの“雑”にあたる言葉を、それぞれのチーム文化にあった中から探すというのもいいんじゃないかと思った。その何か別の言葉が見つかれば、心理的安全性をもっと別の概念で広めてもいいんだなと思った。"言葉"って大事だなー。
最近気になった人事組織ネタ(9/5)
ヒューレットパッカード社の社員の離職リスク予測 第一回機械学習ビジネス研究会
www.slideshare.net
ところてんさんの資料。とてもよく纏まっている。 離職リスク分析は、経営にとってもメリットがかなりありそうだし、機械学習/統計モデリング的にも割と簡単な手法が試せそうだし、コストメリットがかなりある領域なんだなーと。
社員全員に個人情報入りビーコン配布--社内コミュニケーションは活発化したのか？
5/14のエントリーで紹介した取り組みの結果がでたみたいです。 取り組み的にはおもしろかったけど、結局、意味がなかったという結果に終わったらしい。 同じような取り組みをしているビジネス顕微鏡は、あまりネガティブな結果はでていなかったように思うけど、どうんあんだろう。ネガティブな結果でもちゃんと公表してくれるのはありがたい。
コミュニケーションを科学する方法って難しいなーと。
「伊藤、ユニティ休むってよ」
warapuri.comUnityエバンジェリストの伊藤さんがサバティカル的な感じで、３ヶ月間休職をするらしい。
自分も業務を回していく中で、新しい技術を触って理解する時間を確保できなくなってきているなーと感じるので、こういう制度があれば嬉しいかも。こういう働き方の多様性があるというのが良いですね。
日本企業に共通する「多すぎる中間管理職問題」の解決法 - 坂本幸雄
企業の宝であるエンジニアをなぜ代替可能な管理職にするのか私には理解できない
管理職の給与は高く、代替要員はいくらでもいるため、リストラ候補の筆頭になる。
文系社員は、営業なり財務なり専門性を磨くしかない。日本にはジョブローテーション制を採用し、ゼネラリストを育成している企業も多いが、これもリストラ候補を育てているようなものだ。
日本の出世コースとして、エンジニア->マネージャーしかなくて、マネージャーが多すぎる問題を指摘している記事。個々人が「自分が何で給与をもらっているのか？」ということを自負できない専門性の欠如・そして、その専門性の会社内での偏り（ex:マネージャーが多い）が問題なんじゃないかと個人的には思う。
そして、管理職は代替要員はいくらでもいるというのは言い過ぎな気がする。管理職の責任範囲がどこからどこまでかによって、議論の内容は変わってくるけれども、管理職も専門性が求められる仕事であるのは間違いない。
“エンジニア35才定年説に挑戦する” 開発チームのマネジメント
マネジメント業務を思い切って外出しにしてみました
新しい発想だなと思った。SIerとかだと、マネージャー＝責任をとる人という感じになっていると思うので、マネージャーとして他社の人を入れずらいとは思うけれど、個々人の専門性と成長の方向性・やりたいことを考えると、マネージメントのプロとして外部メンバをアサインするというのはとてもアリな気がしている。
そして、１つ上の「多すぎる中間管理職問題」の記事と合わせて考えると、マネージメントの部分を外に出すということも今後多くなっていくのかもしれないなと、ぼんやり感じた。
伊藤直也さんの一人CTO Nightに一人で行ってきた
内容自体は、細かく、ここのブログに載っているので、説明不要かと思います。 こういう、技術とマネージメントの部分はとても興味がそそられる。まずは、引っ張っていくだけの「何か」（実績とか、技術力とか、地位/役職とか、人望とか・・・？）を得たいところ。
日本マイクロソフト「働き方改革週間 2016」を実施
日本政府の提唱する「世界最先端 IT 国家創造宣言」（平成25年6月14日閣議決定、平成28年5月20日「改定」閣 議 決 定）の中で、テレワークの推進、ワークスタイルの変革などが提唱されています。目標として、2020 年には、テレワーク導入企業を2012 年度比で3倍、週1日以上終日在宅で就業する雇用型在宅型テレワーカー数を全労働者数の10％以上を目指す、と設定されています。また平成28年8月3日に開催された安倍内閣総理大臣記者会見において、日本政府の一億総活躍による未来への挑戦の最大のチャレンジとして、「働き方改革」が掲げられました。
MSの取り組みも素晴らしいとは思うのですが、この記事で世界最先端 IT 国家創造宣言・ テレワーク月間なるものを初めてしりました。
世界最先端 IT 国家創造宣言の本文はここにあります。テレワーク月間のリンクはこちらから。テレワーク月間は、今年は、2016/11/1〜2016/11/30らしいので、そのあたりにまた何か国としての動きがあるのかも？と思うので、１１月になったら覗いてみたいと思います。
