2017年のアウトプットについて

主題の件、なぐりがきする。
できるかできないかは置いておいて、「やる」という目標。
目標を目指して実行することで、効果は、以下のポイントを想定

　・　資料作成速度と品質の向上（どんな内容でも情報収集と紙に書くのを１時間で質の高いアウトプットを出せるようになる）
　　　　⇒　上長レビューを２回以内で通ることが９割になる
　　　　⇒　上長レビューを１回で通ることがそのうち４割という効果

　・　インプット速度の向上
　　　　⇒　一日１時間で３０記事は確認して簡単な思考とアウトプットを実施できるようになる
　　　　⇒　Newspicksで、”いいね”を、１日で50以上獲得するようになる
　　　　　　twitter で、”いいね”やリツイートを１日１以上獲得するようになる
　　　　　　facebook で、”いいね”を１日３以上獲得するようになる

■　アウトプット目標

＜はてなブログ＞
・　100冊読んで、100個のエントリを実施する
・　仕事術についてのエントリを20個する
・　ニュース関連のエントリを20個する
・　英語関連のエントリを20個する
・　茶道に関するエントリを10個する

・　最終的には、２００個以上のエントリを実施する。

＜Newspicks＞
・　１日３０件のpickを実施
　　⇒　まずは１日１０件ができるようにする
　　⇒　１週間継続して８割超えたら、１日１５件を目標にし、１週間単位で上げていく。
　　⇒　最終的に、無理なく１時間で３０件見れるようになり１か月続けばいったん終了。

＜twitter、はてブ、GoogleAlertや、その他メルマガ＞

・　毎日１時間、自由に確認する。
　　⇒　内容により、スポットで多少増加させるかも。

＜勉強会＞

・　会社での勉強会を月に２回実施する。

■　資格勉強目標

・　社労士
・　ＴＯＥＩＣ８００点以上
・　日本酒の資格（通信教育３か月うけるだけでもらえるやつ。。。なんだっけ？）

■　お小遣い稼ぐ

・　月に１万円を目標とする。

　　⇒　家族に還元したい。プレゼントや旅行など。

■　家族のプランを計画する

・　何をすれば喜んでもらえるか、喜ぶ顔を見たい。

という感じで、また考えたら修正してみようと思う。

以上。

鬼速PDCA

超絶実践的な本でした。
自分なりのPDCAは持っているつもりでいましたが、
ここまでチェックにこだわった具体的アプローチで書かれたPDCA本は無いでしょう。
これはビジネスマンでなくともおすすめです。

＜もくじ＞

１．概要

２．自分に落とし込むこと

３．参考情報

鬼速PDCA

１．概要

　・PDCA⇒最後のＡはAction ではなく、Adjust
　・Planを立てる際の仮説が重要。仮説を如何に因数分解して課題を洗い出すかが重要
　・Doについては、KGI（Goalの設定）、KPI、KDI（Doの設定）という段階的指標が重要
　・Checkについては、１日に数回することが理想。難しければ毎日、慣れるまでは週に２回、他者にレビューしてもらう仕組みを作るとかも良いかもしれない。
　　とにかく、気づきを日々得ることのできる仕組みが大事。
　・Adjustは、KDI、KPI、KGI、のどれを調整すべきか、もしくは、継続して様子を見るか、というところ。

２．自分に落とし込むこと

　・毎日チェックは現状の業務だと難しい点もあるかなあと思ってしまっているのだが、まずは人生のKGIから因数分解し、その中の複数の小さなKGIも洗い出して分解していくことから改めて初めたいと思う。

　　　⇒　３か月後には、頭の中でも因数分解をある程度できるようになる！

　・個人的には、ＫＤＩは無意識に立てていたが、Adjustへの意識が薄いためか、
　　Checkが弱く、気づきをもっと得られるはずなのに得られていない気がしたので、
　　チェックシートなどを設けて１か月続けてみる。

　　　⇒　３か月後には、長所がより伸展したことが数値でわかるようなKGIを立てて結果を出す！

３．参考情報

www.cm-publishing.co.jp

以上。

IoTの衝撃 - その2（読了）

funkasticsym567.hatenablog.com

 上記のつづき。

＜もくじ＞

１．データは誰のものか

２．３か月後の自分はどうなっていたいか

この書籍は、売らずに置いておく。
インダストリー4.0や、人工知能の書籍も置いておくのも良いかと思うのだが、
この書籍は、ポーター教授の記事が詳細でわかりやすいので、
何度も読む価値があると感じているためである。

１．データは誰のものか

　⇒　データのニューディール　と表現されているが、
　　　個人データの扱いを企業に提供するか否かを、
　　　個人が選択する権利を与える、という法的整備を主張する。
　　　（ＭＩＴのメディアラボ教授である、アレックス・サンディ・ペントランド氏による記事）

　※　ただし、IoT、ビッグデータに関する法的知見を持った人材不足は否めない。
　　　確かに性善説では、ビッグデータに関するセキュリティの甘さから発生する
　　　リスクには対応できないであろう。

２．３か月後の自分はどうなっていたいか
　⇒　GoogleAlertで、IoT、ビッグデータ、といったキーワードで情報収集を行う。
　⇒　１日１０件中5件は記事を確認する（アラート内の半分の記事を確認する）
　⇒　１件についてTweetして所感を述べる。
　⇒　前頭三枚目程度の知見を以て会話できるようになる
　⇒　自分の周囲で専門エンジニアを除いてIoTの事例を最も話すことのできる人になる（引き出しを得た状態になっていること）

　インプットしたものを適切にアウトプットできる喜びを感じたい。
　何か気づきを得て共有がすぐできるような人になりたい。

以上。

IoTの衝撃 - その１（まだ読書中）

数日前に記載した、「人工知能」（同じくＤＨＢＲ 出版）と同様、
まだ読みかけ半分なのだが、いったんまとめとして記載する。

＜もくじ＞

１．IoTにより何が変わるのか

２．気になる点の箇条書き（思考の棚を整理するために）

IoTの衝撃―――競合が変わる、ビジネスモデルが変わる (Harvard Business Review)

 これは、マイケル・ポーター教授の記事が素晴らしい。
しばらくは手元に置いておきたい。
IoTの活用事例についても具体的な企業の取組内容がさらりとだが記載あり、
掘り下げた調査のしがいがある資料であるためだ。

１．IoTにより何が変わるのか
　・　ある製品は、スマート製品となり、接続機能を持つスマート製品へと進み、ついには製品システムとなる。さらには他製品システムと連携が進み、ある製品は、複合システムとなっていく。
　・　この場合に、１製品のみを取り扱う企業は競争力を失うリスクが高い。事業範囲を広げるか、製品を複数つくらずとも、接続機能の分野、スマート製品の中でもセキュリティの分野など、どこかに特化するという選択肢をとる決断を迫られるだろう。
　・　IoTの技術を外注するか、内製化するか。協業していく道もあるかもしれない。

　　⇒　ともかくも、IoTに関してどんな立ち位置で接するかを可能な限り早く明確にしていく必要があると感じた。

２．気になる点の箇条書き（思考の棚を整理するために）
　・　スマート製品が、接続機能を持ってシステムとつながるプラットフォームの仕組みづくりが進んでいくとは思うが、「日本では」「いつ」「どの業界で」「どんな企業が、もしくは企業が協業で、それとも合併などの形をとって」「どんな付加価値を提供するサービスを出してくるか」　を、日々のニュースなどで確認したい。
　・　もちろん、上記については、日本に限らず、アメリカ、ヨーロッパ、アジア、という視点で分析したい。
　・　それより前に、そもそも、クラウドとは何か、についても深く学んでおくべきであろう。


以上。

自分の時間を取り戻そう

＜もくじ＞
１．「自分の時間を取り戻そう」の概要

２．感じたことと実践すること

３．結果として、３か月後にどうなりたいか

自分の時間を取り戻そう

 ビバ生産性！というところか。

読む前から、やらなくて良いことに時間をかけなくするための手法はないか？
ちきりん女史ならどんな表現で、時間を取り戻すための方法論やロジックを語るのか、
と考えていた。
読了の結果は、ほぼイメージどおりだった。
自分の考えに自信を持つこととしたい。

１．「自分の時間を取り戻そう」の概要
　⇒　・　生産性を上げることで、「自分が本当にやりたいこと」に時間をかけて幸せをつかもう！
　　　・　なぜ生産性を上げることが必要なの？
　　　・　”忙しい”という問題の本質は生産性というのはなぜなの？
　　　・　生産性を上げるヒント
　　　　　　▼希少資源に敏感になる（かける時間を少なく、成果アウトプットは最大に）
　　　　　　▼欲しいものを明確にする
　　　　　　▼働く時間を減らそう
　　　　　　▼全部やる必要はありません
　　　・　高生産性社会で自分の価値を高めるべし

２．感じたことと実践すること
　⇒　・　インプットを減らし、アウトプットを増やす
　　　　⇒　（業務時間内に自分自身で情報収集や調査整理する）インプットの時間を制限する。
　　　　　⇒　人に聞く、簡単なアウトプットを出して相談する、などやりようを試行錯誤する

　　　・　業務時間外、プライベートにおいて、「やりたいこと」について考える。
　　　　　そして、「やりたいこと」を達成するためのシナリオ、スケジュールをたてる。
　　　　⇒　例）相撲やプロレス観戦に行く、そのためにはどうすれば良いか、等。
　　　　　　　　書籍を１日に２冊読了する、ブログを１日に２記事記載するが、
　　　　　　　　９０分以内で実行する、等。

３．結果として、３か月後にどうなりたいか

・　やりたいことが常時５個以上あり、そのうち３つは予定を入れている状態で生産性を常に上げて物事に取り組む姿勢を継続した状態。
・　現状の業務が、５時間かかるものは３時間で遂行できるようになることを目安とする。


以上。

人工知能 機械といかに向き合うか - その２

 続きである。

１．後半部分の概要
２．感じた点
３．行動に落とし込む点
４．３か月後の自分の姿

人工知能―――機械といかに向き合うか (Harvard Business Review)

いやー面白かった。という率直な感想だけだと意味がないので、
書き留めておく。

１．後半部分の概要

・　人工知能が擬人化されているか否かで、人工知能の仕事の結果に対する信頼許容の度合いが変わるという興味深い研究がある。
・　感情に関わる仕事ではなく、分析に関する仕事であるならば、人工知能に対する仕事の信頼性は高いといえる実験結果があるらしい。
・　人工知能を利用する前提であれば、マネジメントの役割が大きくなる。特にキャリアパスをいかに引き出して導いていくかが強く求められることになる。Ｇｏｏｇｌｅのマネージャーの営みをぜひとも参考にして変化に対応しやすい体制を築くことが大切
・　機械をどんな仕事にどう活かして何をしたいのか、を常々考えることが大切ではなかろうか。という内容

自分の表現なので、本書内の記載と相違する部分も出るかもしれないが、
大凡上記で後半部分のイメージは表現できるかと。

２．感じた点

・　マネジメントは、キャリアパスをどうしていくか、密に接することが大切であること。
・　あまり細かい指示をしすぎず、仕事をまかせること。
・　人工知能にどんな仕事をさせるか、というイメージではなく、この仕事は機械にやらせた方が絶対に効率が良く正確である、深い分析ができ、気づきがえられるであろう、というアタリをつけることができるようになりたい。

３．行動に落とし込む点

・　ＡＩの導入事例を継続してチェックする。
・　自分の現業務のうち、機械にやらせた方が早いものは何かを毎日想像し、気づきを蓄積する。
・　ＢＩツールや、システムに関わらず、分析手法を学び続ける。
・　人工知能、ＡＩ関連の書籍は、簡単なものも含めて数冊は読むべし。


４．３か月後の自分の姿

・　既存のＢＩツールや、ＥＲＰのシステムでも分析と改善可能なものがわかるようになる。
・　完全に、人工知能が発達することで、数年以内に効率化できる範囲の業務イメージを体感できるようになる

・・・そんな感じになると非常にうれしい。


以上。

人工知能 機械といかに向き合うか - その１

まだ読了しておらず、３分の２ほど読んだところだが、内容整理したくエントリ。
それほどの中身ではあると思う。

＜もくじ＞

１．記載内容概要

２．自分が感じたこと

３．注意して掘り下げていきたいポイント

人工知能―――機械といかに向き合うか (Harvard Business Review)

人工知能（ＡＩ）に関する書籍がホットであるが、
Harvard Business Review が人気の特集を書籍化するほどホットなのである。
これが面白くないはずがない！と購入した。
結果として、（まだ読書中だが）本当に面白い。興味深い。考えがいがある。

１．記載内容概要

Harvard Business Reviewの人工知能特集の回で紹介されていた記事を
まとめたものだが、以下のような論点に興味があればぜひ読むと良いと思う。

・　人工知能は本当に人間の仕事を奪うのか？という問いに関するレポート
・　人工知能がこれからのビジネスの在り方をどう変えるか？
・　ビッグデータを基にしたディープラーニングをどのように活かすことができるか？
・　ＡＩではできないことは何か？

２．自分が感じたこと

・　意思決定を補助するだけでなく、意思決定自体をＡＩが行うこととなっても、
　　人間の心情的な部分を納得させるには人間のコミュニケーション力が必要である。
　　（例：投資家へ承認を売買する証券会社のセールスマンを想像してみるとよい。）

・　ＡＩではできないことは結構ある。
　　第二章”人工知能はビジネスをどう変えるか”で安宅和人氏が記載されているが、
　　　・ＡＩには意思がない
　　　・ＡＩは人間のように知覚できない
　　　・ＡＩは事例が少ないと対応できない
　　　・ＡＩは問いを生み出せない
　　　・ＡＩは枠組みのデザインができない
　　　・ＡＩにはヒラメキがない
　　　・ＡＩは常識的判断ができない
　　　・ＡＩには人を動かす力、リーダーシップがない
　　８つもある。
　　つねづね、「問題解決」より、「問題の選定、設定」のほうがはるかに難しい。
　　と感じているので、ＡＩは問いを生み出せない、枠組みのデザインができない、
　　という点は非常に重要である。

　　ＡＩが問いに対する判断をするために必用なパラメータ、変数を、
　　人間が設定する必要があるし、何が問題か定義できるのは、
　　何かを変えたい、生み出したい、と意思を持ち考える人間でしかできないことだ。

３．注意して掘り下げていきたいポイント

ＡＩができない部分を掘り下げ、
今後の世界で人間ができるべきである領域を掘り下げたい。
特に自分は、「問題の選定、設定」を行い、
問題解決のために必用な”変数、パラメータ”にはどんなものがあるか、
を枠組みづくりのできる知識を備えていきたいと切に思う。

自分で考えて、自分で問題を設定し、問題解決に至るプロセスを考える。
問題解決の後には何が効果として残るのか。
引き続き考えていきたい。

残りは別途記載する。

以上。