4路線の成果物｜キャリア比較・目標・乗り換え

このページはプロモーション（広告）を含みます。

キャリア比較・目標・乗り換え（初級・読む25分＋演習35分）

この授業のゴール

• DS・ML・DX・RSの4路線について、代表的な成果物とその受け取り手・使い道を表で説明できる
• 成果物が「できることの証拠」になる3条件（見せられる・本人の担当がわかる・検証できる）で、手元の成果物を点検できる
• 読了や修了証と、課題を自力で解いた証拠を区別し、弱い説明を証拠として通じる説明に書き直せる

仕事でどう使うか

採用や異動、進学の場面では、「何ができるか」を成果物で示すことが求められます。「機械学習を勉強しました」より、「この問題をこう解き、結果はこうで、限界はここ」と示せる成果物のほうが、相手は判断しやすいからです。

この授業では、4路線の成果物を知り、自分の成果物を「証拠」として通じる形に整える方法を学びます。ここでいう成果物は練習用の小さなもので十分です。大きな実績がなくても、条件を満たす小さな成果物は判断材料になります。

前提

次の内容を使います。

• 4路線の仕事の小さな体験 → DSの仕事を小例で体験（DS）、MLの仕事を小例で体験（ML）、DXの仕事を小例で体験（DX）、研究の仕事を小例で体験（RS）
• 肩書を作業・成果物などの5軸で分解する方法 → 仕事内容と肩書
• 知る・説明する・使うの違い → 知る・説明する・使うの違い

この授業の例はすべて架空の人物・データです。自分の成果物を点検するときは、勤務先や大学の機密情報を含めないよう注意してください（発展の節で扱います）。

身近な状況：「勉強した」は相手に伝わらない

Dさん（大学3年生）とEさん（社会人3年目）は、それぞれ自己紹介文にこう書きました（架空）。

Dさんの文からは、何ができるのかがわかりません。講座を修了したことは「読んだ・聞いた」証拠ですが、「自分で問題を解ける」証拠ではないからです。

Eさんの文からは、次のことがわかります。

• 問いを立てた（値引きは売上を増やしたか）
• 見かけの差（12%）と、条件をそろえた差（3%）を区別した
• 第三者が確かめられる（コードと手順が公開されていて再現できる）

大きな会社のデータでなくても、Eさんの成果物は「DSの基本的な作業ができる」証拠になります。この授業の目標は、Dさんの状態からEさんの状態へ移る方法を知ることです。

直感的な説明：成果物は「相手が受け取って使えるもの」

仕事の成果物は、誰かが受け取って、何かを決めたり動かしたりするのに使うものです。料理人にとっての料理、建築士にとっての設計図のようなものです。

4路線では、受け取り手と使い道が違います。

• DS：事業部の人が読んで「施策を続けるか」を決める → 読んで判断できることが大事
• ML：開発チームが受け取って「本番で動かせるか」を確かめる → 動いて、評価が正しいことが大事
• DX：経営層と現場が「業務をどう変えるか」に合意する → 関係者が納得して実行できることが大事
• RS：他の研究者が読んで「主張が正しく新しいか」を検証する → 根拠と新規性が示されていることが大事

成果物が証拠になるには、さらに「見る人が、作った人の実力を確かめられる」必要があります。料理なら、実際に食べられる（見せられる）、誰が作ったかわかる（本人の担当）、レシピどおりに再現できる（検証できる）、の3つがそろうと、腕前の証拠になります。

正確な定義：成果物と証拠の3条件

この授業では次のように定義します。

• 成果物：仕事や学習の結果として作られ、他の人が受け取って使えるもの（レポート、コード、図、計画書、論文など）。
• 証拠（ここでは「できることの証拠」）：成果物のうち、次の3条件を満たし、第三者が本人の能力を確かめられるもの。

4路線の代表的な成果物と、証拠として示すときの要点は次のとおりです（執筆時点（2026年）の一般的な説明で、職場によって求められる形は異なります）。

共通の土台：4路線の成果物には、データ準備、問いの設定、説明の資料化、再現手順の記録という共通の作業が含まれます。路線を乗り換えても、これらの証拠は再利用できます。たとえばDSの分析レポートで示したデータ準備の手順は、MLの評価レポートでもそのまま使えます。

段階付き例題：弱い説明を証拠に書き直す

入力：Fさん（架空、社会人）の自己紹介の一文。

チームで需要予測のAIを導入し、業務を効率化しました。

ステップ1：3条件で点検する。

ステップ2：本人に事実を確認する（推測で書き足さない）。Fさんに聞くと、次のことがわかりました。
- 担当：現場へのヒアリング、発注業務のフロー整理、効果の測定。モデル開発は別のメンバー。
- 効果：発注作業の時間が1日60分から40分になった（3か月の平均）。
- 機密：数字と業務名は社内で公表済みの範囲なら話してよい。

ステップ3：書き直す。

需要予測を使った発注業務の見直しで、現場ヒアリング・業務フロー整理・効果測定を担当しました（モデル開発は別メンバー）。導入前後3か月の平均で、発注作業は1日60分から40分に減りました。業務フロー図は架空データで作り直したものを提示できます。

ステップ4：意味を読む。書き直した文は、DX路線の成果物（業務フロー、効果測定）の証拠になります。一方、ML路線の「モデルを作れる」証拠にはなりません。担当していないことを担当したように書かないことで、かえって信頼される説明になります。

作業時間の変化は $(60-40) \div 60 \approx 0.333$ で、約33%の削減です。ここで「33%」は割合（元の時間に対する比）です。もし「作業時間の比率が全体の50%から40%になった」と言うなら、その差10はパーセントポイントで、割合の変化とは区別して書きます。

操作して理解する：成果物リストを3条件で点検する

手元の成果物を一覧にして、3条件を満たすか点検します。下のコードでは、各成果物を辞書（dict）で表し、条件ごとに真偽値（True / False）を入れています。sum() に真偽値を渡すと、True を1、False を0として数えます。

items = [
    {"name": "講座の修了証",           "show": True,  "own": True,  "verify": False},
    {"name": "架空データの分析レポート", "show": True,  "own": True,  "verify": True},
    {"name": "勤務先の需要予測（チーム）", "show": False, "own": False, "verify": False},
    {"name": "書き直した業務改善の説明",  "show": True,  "own": True,  "verify": True},
]
for it in items:
    n = sum([it["show"], it["own"], it["verify"]])
    label = "証拠として使える" if n == 3 else f"不足 {3 - n} 条件"
    print(f"{it['name']}: {n}/3 → {label}")

出力：

講座の修了証: 2/3 → 不足 1 条件
架空データの分析レポート: 3/3 → 証拠として使える
勤務先の需要予測（チーム）: 0/3 → 不足 3 条件
書き直した業務改善の説明: 3/3 → 証拠として使える

修了証は「見せられる」「本人のもの」ですが、何ができるかを検証できないので1条件不足です。修了証は「学習を続けた」記録としては有効ですが、「解ける」証拠は別に用意します。

考えてみましょう：あなたの成果物（授業の演習、仕事の資料、学生時代のレポートなど）を3つ選び、items を書き換えて点検してください。0/3の成果物は、架空データで作り直すと3条件を満たせることが多いです。

発展：機密・共同作業・生成AIの扱い

実際に成果物を示す場面では、次の点で判断が必要になります。

• 機密：勤務先や共同研究のデータ・資料は、契約や就業規則で外部に出せないことがあります。示せない場合は、①公表済みの範囲だけを話す、②架空データで手法を再現した成果物を作る、のどちらかにします。判断に迷うときは、所属先の規則と担当者に確認します。
• 共同作業：チームの成果物では、自分の担当を「何を・どこまで」で書きます。例：「前処理の設計と実装、評価指標の選定。モデルの選択はチームで議論」。他の人の成果を自分のものとして書くと、面談で深掘りされたときに説明できず、信頼を失います。
• 生成AIの利用：コードや文章の作成に生成AIを使った場合、どこに使い、どう確かめたかを説明できるようにしておきます。扱いのルールは職場・学校・応募先ごとに違うので、それぞれの規則を確認します（執筆時点（2026年）では規則が整備途上の組織も多い状況です）。
• 量より条件：成果物の数を増やすより、3条件を満たす成果物を1つ持つほうが判断材料として強いことが多いです。詳しい作り方は ポートフォリオ・再現・公開（有料版） で扱います。

よくある失敗

失敗1：読了・修了を「できる」の証拠として書く

誤った例：「統計学の教科書を3冊読了。機械学習の講座を修了。」とだけ書く。

なぜ誤りか：読了・修了は「学習に時間を使った」記録で、「課題を自力で解ける」ことは示しません。読了と習得は別物です。相手は「では、この問題を解けますか」と確かめる手段がありません。

直し方：学んだ内容を使った小さな成果物を1つ作り、3条件を満たして示します。例：「教科書の第5章で学んだ回帰分析を、架空の需要データに適用。気温1℃あたり販売数が約3個増える関係を推定し、季節の影響を除くと係数が小さくなることを確認（コード公開）」。

失敗2：チームの成果を自分一人の成果として書く

誤った例：「予測モデルを開発し、在庫を20%削減」（実際の担当はデータ集計のみ）。

なぜ誤りか：面談では「モデルの特徴量はどう選びましたか」「なぜその評価指標ですか」と深掘りされます。担当していないことは答えられず、本当に担当した部分の評価まで下がります。本人の実績を誇張することは、信頼を失う最も確実な方法です。

直し方：「在庫削減のプロジェクト（チーム5名）で、販売データの集計と品質チェックを担当。欠損と重複を見つけるチェック表を作り、毎週の集計の手戻りを減らした」のように、担当と成果を正確に書きます。

失敗3：精度の数字だけを示し、比較の基準を書かない

誤った例：「解約予測モデルを作り、正解率95%を達成」。

なぜ誤りか：解約する顧客が全体の5%なら、「全員を解約しない」と予測するだけで正解率は95%になります。

$$\text{正解率} = \frac{\text{正しく予測した件数}}{\text{全件数}} = \frac{950}{1000} = 0.95$$

ここで全件数は1,000人、解約しない人は950人です。「全員を解約しないと予測する」単純な方法（ベースライン）でも950人が正解になります。つまり95%は何も学んでいなくても出る数字です。さらに、正解率が高くても、解約しそうな人を1人も見つけられなければ事業上の価値はありません（精度と事業価値は別物）。

直し方：ベースラインとの比較、評価に使ったデータの分け方（訓練と評価を分けたか）、事業上の意味（何人の解約しそうな人を見つけられたか）をセットで示します。

まとめ

• 成果物は「受け取り手が使って何かを決めるもの」。4路線で受け取り手と使い道が違う。
• 証拠になる3条件は、見せられる・本人の担当がわかる・検証できる。
• 読了・修了は学習の記録で、課題を解ける証拠とは区別する。
• 担当を正確に書き、数字は比較の基準とセットで示す。誇張しない。
• データ準備・問いの設定・再現手順などの共通作業の証拠は、路線を乗り換えても再利用できる。

用語

成果物（deliverable）

仕事や学習の結果として作られ、他の人が受け取って使えるもの。

できることの証拠（evidence of competence）

見せられる・本人の担当がわかる・検証できる、の3条件を満たし、第三者が能力を確かめられる成果物。

ベースライン（baseline）

比較の基準となる単純な方法やその結果。例：全員を多数派のクラスと予測する方法。

KPI（Key Performance Indicator）

目標の達成度を測るための重要な指標。DXの成果物ではその定義書がよく作られる。

よくある質問

なぜ成果物で示す必要があるのですか？

相手が「何ができるか」を判断する材料になるからです。学習時間や修了の記録では、課題を解けるかどうかがわかりません。小さくても3条件を満たす成果物は、相手が実際に中身を確かめられる材料になります。

成果物と証拠はどう違いますか？

成果物は仕事や学習の結果できたものすべてです。そのうち、見せられる・本人の担当がわかる・検証できる、の3条件を満たし、第三者が本人の能力を確かめられるものを、この授業では証拠と呼びます。

成果物づくりでどこで失敗しやすいですか？

数字だけを示して比較の基準を書かないこと、担当を広げて書くこと、機密を含めてしまうことの3つです。基準・担当・見せ方の3点を書き終えてから見直すと防げます。

路線を途中で変えたら、作った成果物は無駄になりますか？

無駄にはなりません。データ準備、問いの設定、説明資料、再現手順は4路線に共通です。たとえばDSの分析レポートは、DXの効果測定やMLの評価設計でも「データを正しく扱える」証拠として使えます。

仕事で成果物を選ぶとき、何を基準に判断すればよいですか？

まず目指す路線の受け取り手（事業部・開発チーム・経営層と現場・研究者）が何を判断したいかを考え、その判断に役立つ成果物を選びます。次に3条件を点検し、足りない条件を補います。数を増やすより、条件を満たす1つを優先します。

確認問題

次に学ぶこと

次は 現在地と希望 で、自分の現在地（できることの証拠）と希望を分けて書き出します。この授業で点検した成果物リストをそのまま使います。

成果物を公開できる形に仕上げる方法は ポートフォリオ・再現・公開（有料版）（ポートフォリオ・再現・公開）で詳しく扱います。精度とベースラインの考え方は ベースライン で学べます。