- Reddit の DataScience チャンネルで、米シリコンバレーにある 大手テック企業の Staff Data Scientist が行った AMA の内容を整理
- 統計学博士 出身で、キャリア約10年。スタートアップ、Pre-IPO ユニコーン、FAANG などさまざまな規模の企業を経験
- ほとんどは IC（Individual Contributor）として働いてきたが、一部マネジメント経験もあり
- 主な強みは機械学習、実験/因果推論、データ分析
主な質問と回答の要約
PhD（博士）学位の価値は？
- 博士号があると最初の就職やキャリア初期には役立つが、キャリアを積むほど影響は小さくなる
- 業界（特にシリコンバレー）はスピード感とビジネス価値に集中しており、学術的な厳密さより実用性が重視される
- もし再び選ぶなら、5年以上を投資して博士課程には進まないと思う。産業トレンドと AI の進化速度があまりにも速い
- AI 研究職には PhD が必要だが、プロダクト中心の DS/ML ロールには MS/BS でも十分
キャリアと成長
- IC から Senior 以上に昇進するには、チーム外にも影響を与え、戦略や組織に貢献する必要がある
- 信頼の構築、クロスファンクショナルなプロジェクトのリード、経営陣やマネージャーとの関係構築が重要
- スタートアップで成功するには: さまざまな役割（エンドツーエンドの ML/データパイプライン/分析）をこなせる万能型であること、そしてビジネスへの情熱が必要
- キャリア前半は技術力、後半以降は ドメイン知識とコミュニケーション・リーダーシップ がより重要になる
データサイエンティストの未来と AI
- AI は 単純・反復的な業務を急速に代替するが、中核的な能力を持つデータサイエンティストはむしろ際立つ
- Generative AI 導入後、仕事の進め方（コーディング、文書作成など）は変わったが、中核的な役割（分析、モデリングなど）は依然として有効
- 今後 AI がさらに多くの領域を占める可能性はあるが、複雑な問題解決、ドメイン解釈、コミュニケーション能力は依然として人材評価の基準
実務と組織文化
- 因果推論/実験（AB Test） の重要性はドメインによって異なる。実験が不可能な環境では、観測データに基づく因果推論の能力が必須
- ビジネス側やリーダーと話すときは: 技術的なディテールよりも「なぜ」「何をするのか」とその影響に焦点を当てて説明する
- 組織文化が因果推論やデータ品質を重視しない場合、コミュニケーションや変化には限界がある。転職やチーム異動を検討する必要がある
- マネージャーが問題を認識していないときは、信頼を築き、解決策を提示し、必要であれば社内異動や退職も検討する
スキル開発と就職アドバイス
- キャリア初期には インターンシップ/ポートフォリオ/プロジェクト経験が重要。技術力（コーディング、ML など）は最低限期待される要件
- ドメイン知識、コミュニケーション、問題解決力は、AI・自動化時代においてさらに差別化要因になる
- 学位や資格よりも、実務プロジェクトと経験のほうが優先される
- 業界採用では「経験」が重視される。インターン、コンサルティング、多様なプロジェクト経験を積むことを推奨
その他のインサイト
- スタートアップが失敗に向かう兆候: 士気の低下、キーパーソンの離脱、主要指標の悪化など
- 政治的能力: 組織戦略と連動したプロジェクトに集中し、影響力のある関係を築くこと
- 高年収/福利厚生: Netflix などビッグテック上位職の年収は $750k 以上も現実的（株式含む）
- キャリア満足度: ビッグテックではデータ規模を除けば業務は比較的平坦で、成長や面白さのために副業を模索中
まだコメントはありません。