プロ野球界の名将による組織・采配に関する自著4選
平成のプロ野球監督で名将といえば?
20年来のプロ野球ファンの私が独断と偏見と個人的嗜好で、選んだのはこの4人。
- 落合博満(中日 2004 - 2011)
- 原辰徳(巨人 1999 - 2003, 2006 - 2015, 2019 - 現在 )
- 栗山英樹(日本ハム 2012 - 現在 )
- アレックス・ラミレス(DeNA 2016 - 現在)
彼らの自著は、ビジネスや人生で参考になる点も多い。ここでは、彼らの自著を4つ紹介する。
落合博満 采配
プロフェッショナルとは、「自立型人間」である。孤独に勝てる人間である。
高校は不登校、大学は中退、25歳で社会人からプロ入りという遅いプロ入りから、通算2000本安打、史上唯一の3度の3冠王を取るまでに至り、監督としては8年間全てAクラス、優勝4回という圧倒的な結果を残してきた同氏。プロ野球選手の中では有利な出自とはいえない彼が、日本トップクラスの結果を残し続けてきたその裏で何を考えてきたのか、その一端が知れる。
「誰もクビを切らず、補強もせずに、現有戦力を10%底上げして優勝する」と宣言して監督初年度に優勝したエピソード、春季キャンプの練習から、試合での采配、オールスターの監督推薦、マスコミ回避など、数々のオレ流な行動の背景が本人の言葉で語られている。つまらない野球と言われるっこともあったが、プロ野球の監督は、勝利とファンサービスという相反する2つを求められが、プロとしての自分の仕事は勝利だと
つまらない野球だと言われることもあったが、ファンサービスではなく自分の仕事は勝利だと潔く割り切ったように、プロ野球監督の中でもかなり合理的で面白い。マネージャーとしてというより1人のプロフェッショナルとして、日本一の成果を残す人はこんな合理的な考え方をするんだなーと体感できる1冊。
原辰徳 原点ー勝ち続ける組織作り
落合博満監督とは、出自もキャラクターも対比的で面白い。父親が有名監督で、自身も端正な顔立ちで甲子園のスターから巨人にドラフト1位氏名からの巨人の4番。根っからのスターである。マスコミ出演よりも休養や調整を重視するようにファンサービスに乏しい落合監督に対してマスコミを通じてファンをドキドキさせようなコメントを常に考えている原監督、社会人出身の落合監督がベテラン好きなのに対して高卒出身の原監督は若手好き、手堅くバントが多かった落合監督に対して動く野球をする原監督。孔子、曹操、諸葛孔明、宮本武蔵、上杉鷹山、直江兼続ら歴史上の偉人に、監督としての藤田元司、長嶋茂雄、王貞治、原貢ら多くの人に学んでいるエピソードや、影響力は「素直さ」「朗らかさ」「謙虚さ」と説く節など、原監督の思考の一旦が知れる1冊。
栗山英樹 覚悟ー理論は新人監督は、なぜ理論を捨てたのか
ダルビッシュがMLBに挑戦した2011年オフに報道ステーションのキャスターから、日本ハム監督に就任し、2012年オフにはMLB志望の大谷翔平を口説き落として日本ハムに入団させたことが記憶に新しい栗山監督。なぜ、開幕投手に2010年ドラ1の斎藤佑樹を選んだのか、言葉を扱うメディアでの仕事が多かったからこそ大切にする言葉、中田翔への期待、稲葉の2番起用、、、監督就任1年目に何を考えていたのか。三原脩、野村克也、星野仙一など先人たちに学びながらも、当事者として現場の感覚も大切にして命を削って監督をしている様が臨場感を持って書かれている。「その年の1番いい選手を指名する」という不変の方針と鬼のくじ引きの強さで、糸井嘉男、ダルビッシュ有、中田翔、斎藤佑樹、大谷翔平等、獲得したスター選手達をどのように栗山監督が采配するのか、今後も楽しみです。
アレックス・ラミレス CHANGE!ー人とチームを強くする、ラミレス思考
ゲッツなどのパフォーマンスで人気を博し、陽気なラテン系助っ人外国人のイメージが強いラミレスだが、緻密な戦略で選手として日本野球に順応し、虎視眈々と監督の座を狙ってキャリア終盤にDeNA移籍をし、監督としてはデータを重視する合理的で知性な人間であることがよく分かる本。
セリーグのバッターは3つの理由で内角球に弱い、配球を読むならキャッチャー、バッターを威圧するために投手は打者に少しでも近づいてボールを受け取れ、といった現場レベルの戦略や、打順や選手交代といった采配、中長期的なチーム編成など、聡明な彼の戦略を惜しげもなく披露している。万年最下位のチームを1年目からAクラス、その後も優勝争いの常連に育て上げたラミレスの深い洞察と戦略は必見。データ分析に強い親会社のDeNAと、データを重視するラミレス、そしてマッキンゼー出身の頭脳明晰経営者の後押しと、これからもラミレスDeNAベイスターズが楽しみになる1冊。
CHANGE!(チェンジ!) 人とチームを強くする、ラミレス思考
- 作者: アレックス・ラミレス
- 出版社/メーカー: KADOKAWA
- 発売日: 2018/03/29
- メディア: 単行本
- この商品を含むブログを見る
人間の欲求メモ
マズローの理論がおそらく古くて、グラッサーの理論が進化系
デゥーイは子供限定なので、マズローとグラッサーの2人の理論とは異なる
-
欲求階層説
-
低次の欲求がある程度満たされないと、それよりも高次の欲求が発現しない
-
-
1.生存の欲求(食欲、性欲など根源的な欲求が満たされたい)
-
2.安全の欲求(生命が脅かされない、安全に暮らしたい)
-
3.社会的欲求(所属や愛が欲しい)
-
4.自我(自尊)の欲求(社会の中で承認、尊敬を得たい)
-
5.自己実現の欲求(自分らしさを発揮したい)
-
-
選択理論
-
基本的欲求は生まれた時から誰でも5種類(生存、愛と所属、**自由、楽しみ、力**)
-
-
1.生存の欲求
-
-
空気や水、食べ物、住居、睡眠など、生きていくために必要なすべてに対する欲求
-
-
2.愛と所属の欲求
-
-
家族、友人、会社などに所属し、愛し愛される、人間関係を保ちたいという欲求
-
-
3.自由の欲求
-
-
自分の考えや感情のままに自由に行動し、物事を運び、決断したいという欲求。誰にも束縛されずに自由でありたいという欲求
-
-
4.楽しみの欲求
-
-
義務感にとらわれることなく、自ら主体的に喜んで何かを行いたいという欲求
-
-
5.力の欲求
-
-
自分の欲するものを、自分の思う方法で手に入れたいと思う。人の役に立ちたい、価値を認められたいという欲求
-
-
-
子供の4つの本能的欲求
-
-
知りたい
-
作りたい
-
表現したい
-
コミュニケーションしたい
-
-
哲人の苫野一徳 氏が、「教育の力」講談社現代新書で触れているらしいので、それも読みたい。
エンジニア・文系統合の就職偏差値表作った
エンジニア就職か文系就職か迷った時に比べるものが欲しいなーと言うことで、巷で流行っている文系就職の就職偏差値表とエンジニア就職の就職偏差値(あると思わなかった)を統合してみた。
自分の所感としては、2つの表の偏差値の感覚は合っていると思う。正直、今の日本では"化け物"クラスのエンジニアじゃなければ、文系就職の方が割が良いように思える。配属ガチャのリスクが低いのはプラスだが。
もっと大きい括りで言うと、エンジニアの序列はこんな感じらしい。
外資系大手本社>国内大手研究所>外資系大手日本法人=国内大手本社>国内メガベンチャー>外資系ベンチャー>大手子会社>国内ベンチャー>中小ベンダー>クソザコフリーランス
PFNとIndeedが抜けてるのと、IBM開発ちょっと高すぎない?とか少し思うところはあるけれど、こういう一覧なかなか見当たらなかったのでとても有り難い。
対して文系就職の序列は一般化すると以下の感じに見える。
外銀と外コンが頭一つ抜けてて、後は総合商社、外資メーカー、政府系金融、広告代理店、証券、不動産、3大メガベンチャー、損保、人気事業会社、IT新興ベンチャーが拮抗。
あくまで就職難易度のようなものなので、参考までに。
略称とか諸々雑なので、もし要望があればもう少ししっかりしたもの作ろうかな。
スプレッドシートを公開共有すれば良いだけか。
参考リンク
あと、下記サイトも統合しても良いかもしれないなー。
ついでにデータサイエンティストの外資トップ企業の募集まとめ
人生初ハッカソン「ベースボールハッカソン」に行ってみた
人生初ハッカソンに行ってきました。
2日間にわたって開催された「パ・リーグ×パーソル ベースボールデータハッカソン」野球ハッカソンのエンジニアリング部門に参加しました。
ハッカソンまで
web広告をたまたま見かけて
- 開発じゃなくてデータ分析
- テーマが野球
映画マネーボールのGMみたいで楽しそうっていうのが惹かれたポイント。
他にも動機はあって
- インターンを経てデータサイエンティスト職に惹かれて、なんとなく職種の雰囲気を感じたかったから。
- スキルアップ。kaggleすらやったことがなかったが、新しいことを始める時はとりあえず飛び込む派なので。
- 就活や退院(しないけど)のための実績作り。
- 息抜き
ハッカソン2日前の状況
経験不足&個人参加なので、データを読み込ん、前処理して、何かしらのモデルを組んで、予想して、ちゃんとした形式で提出する所までいけるかすらやや不安。。。
これはまずいということで、回帰と2値分類のコードは作って行くことにした。
kaggleのhouse prices(回帰)とTitanic(分類)のkernelを2,3個写経した。
特に、
Stacked Regressions : Top 4% on LeaderBoard | Kaggleの写経によって、カテゴリカル変数をone-hot表現にして、欠損値をmedianや0で補完するか行ごと消すかして、sklearnの各モデルで試して1番良いのを選べば、最低限の精度は出そうだという感覚は掴めた。
正直、全くモデルの性質を理解していないが、LASSO Regression、Elastic Net Regression、Kernel Ridge Regression、Gradient Boosting Regression、XGBoost、LightGBM、アンサンブリング学習のコードは手に入れた。
ハッカソンの告知見てる感じ、9割方、回帰でしょって張って、2値分類は最低限の決定木だけ覚えた。
ハッカソン当日
- 全32名が参加し、うち26名がエンジニアリング部門(個人参加の人もいればチーム参加の人もいた。
- まさかの2値分類(泣)
- 決定木しか予習してないって(泣)
- しかも、0と1の偏りが大きい。ほとんど0。
ハッカソン内容については詳しくは割愛。ページ一番下の他の方々のブログをご参照下さい。
簡単にいうと、あるチームのファンクラブ会員約14万人が本拠地の1試合目(game1)~42試合目(game42)までに来たか来ていないかのデータから、43試合目(game43)、game44、game45に来るか来ないか、0 or 1を当てるというもの。
やったこと
- メインのデータに加えて試合の詳細情報データを使って、試合の曜日と試合の相手チームの情報を取ってきた。
- モデル:決定木(他のモデルの実装も試そうと思ったが、他のモデルを使う時に定番のパラメータが分からなかった。)
- モデルはgame43の予想、game44の予想、game45の予想で別々に作った。
- 特徴量何パターンか試して8:2でvalidationした結果、RMSLEが最も低くなりそうだった特徴量を使った。
- その結果、わずか特徴量8つw
特徴量(例として、game43を予測するのに使った特徴量)
- 誕生年
- 性別
- 継続年数
- ポイント
- EC購入金額
(game1~game42の情報ごっそり飛ばして)
- game43の対戦相手チームの試合に関して、今までで来た確率
- game43の曜日に行われた試合に関して、今まで来た確率
- 今までに来た合計試合数(直近の試合を重視するように重み付けした。game1に来た場合ー1、game2に来た場合ー1.05、、、game41に来た場合ー1.05^40)
結果
エンジニアリング部門19チーム(全26名)中入賞は4チーム。
結果は・・・
5位
意外と惜しいやないかーい。(後でわかった。)
パリーグ6球団タオルセット/ユニフォーム欲しかった。。。
まあ初参戦、ぼっち参戦、学生(たぶん2チームだけ)ということを言い訳にすると上々のスタートとも言えるか。
参加賞も野球ファンなので普通に嬉しい。
感想
飛び込んでよかった。他も何か参加してみようかなーと。
自分の備忘録を兼ねて他の参加者の方々のブログ。
- 「ベースボールデータハッカソン」エンジニアリング部門で準優勝しました - u++の備忘録
- ベースボールデータハッカソンのプレイベントと、ハッカソン当日に参加しました - そぬばこ
- ハッカソン、記者がまさかの優勝 プロ球団をコンサル: 日本経済新聞
データサイエンスのインターンに行って来た感想
M1なので、この夏はサマーインターンに行って来ました。
データサイエンスのインターンです。
自分への備忘録として、終わって日が浅いうちに感想を書き留めておきます。
正直な所感を書きたいので企業名は公開しない予定。(クオリティー次第)
自分スペック
行く前のイメージ
- コンサルや事業会社の企画職などのビジネス職にも興味があるので、エンジニア側のインターンを体験して比較検討したかった。
- なんとなく会社の事業や社風に惹かれた。
- リソースが抜群にある。
- データ解析できる感を出してインターンに通ってから、SQL(本2冊)と基本の統計手法(regression, classification, clustrering)とwebマーケティング(本1冊)を猛勉強した。未経験でも全然間に合う。SQLは1週間もあれば最低限OK。(progateと上記本)
良かった点
- 美味しいご飯にほぼ毎日連れて行ってもらえた。トラジ・懐石・寿司・フカヒレ・・・。
- 立地が良い。
- 実データ最高。
- リソース使いたい放題。
- 規模がデカイ。(データ量・ビジネスインパクト)
- 適度なプレッシャー。中間報告と最終報告。
- インターン生が強い。色々教えてもらった。
- Tシャツもらえた。
- 報酬もらえた。
- フレックス&カジュアルな服装。
- 案件もらえるの楽しい。
- web広告について知れた。(勉強した&教えてもらった)
- ビジネス側の制約も考えて分析するのは、企業ならでは。
- 社員さんもインターンを成功させようとサポートしてくれる。
- 2年目社員の1年目の感想が聞けた。
- 社員さんが若い。(40代以上が少ない)
- 広告知識&エンジニアリングは転職強そう。
- インターン生のスキルセットややりたいことに合った案件を用意して下さり、インターン生の成長を第一に考えて下さっていた印象(神)
悪かった点
- ε
その他感想
-
男女比とか研究室と一緒。女性はほぼ事務。
-
ホワイト。夜に残るのはインターン生ばっかw みんなブラック気質が強かったw
-
個人的には、非理論系研究室ももっといても良いのでは?という感想(マルチな人欲しいと言うなら)。
-
KDDとかデータ解析界隈について少し知れた。
- データ解析系の強研究室が知れた。
-
地方勢、ホテル暮らし金かかりすぎw
-
高層階憧れであったが、缶詰感もある。リフレッシュしづらさ。
-
時間によってはエレベーター混む。
- メンターさん忙しくて割と放置だった。(これでもし低い評価付けられてたら何だかなー感はある。)
-
データの整備大変そう。
-
インターン勤務頻度は週3〜5でマチマチ。
-
現在どんなPJが走っていてどこまで分析できているのか、社内でどうやって共有しているんだろう。(ただの疑問)
まとめ
-
自分としてはデータ解析実績ε・スキルεから、インターンを利用してスキル有・実績有(強め)となれたので、大満足。
-
エンジニア職の中では、データサイエンスの職が1番適性(興味)あるのでは?と感じた。楽しい。
-
貴重な機会を頂きメンターさん、事務局、インターン生、その他社員さんには大感謝!
-
本当に良くしてもらったので、口コミでインターンの良さを伝えて還元したい。