heartbreak on friends

なんていうか、めっちゃ苦しみつつ生きてる友達とかいて、私もいろんな気持ちが渦巻くタイプだから、そういう子たちと話してるとすごい生きている感覚がして私はすごく好きなんだけど。
なんか大人びてて、現状に満足してて、いつでもメンタル安定していて、頭おかしいみたいにはしゃがない子たちとは友達になれなくて。もっと人間の汚い部分みたいなのどうしてもあふれ出ちゃう子たちの方が、こっちもなし崩してで対応できてすごく心地よいときがあって。
でも私は成長してきていて。だんだん落ち着いてきていて、その子たちともそこまでつきあっていられなくなって。落ちついてきてもそれはそれで違う生きている感覚があって楽しいんだけど。

でも痛みをわかちあった友達とは裂けるほどの喜びとかfunとか楽しみをいっぱいわかちあっていて、体の一部みたいになるんだよね、心の拠り所というか。１対１の枠がある、きちんと整っている人と人じゃなくて、もう感情全てぶちまけてしまってるから、半分混ざっちゃってるような。
大好きなんだけど、思わぬ裏切りにあうこともあって。それは彼女らがそういう子たちだから仕方ないんだけど。大人の対応なんてする子たちじゃないし、感情のままに動いちゃう子たちだし、それが私は大好きで、でもそれが自分にそういうかたちでむくとは思ってなくて、でも、ありうる話で、リスクだったんだなって。それが悲しくて。
そういうこと考えると、そういう子たちと距離をおいちゃって。どっかで彼女たちも成長していてほしい。見捨てたみたいな考え方したくないんだけど、深夜の叫び声とか。受け止めてあげたいけど。そしてもう一度再会したいね。

まあ、重度のADHDやPTSDもってる子たちなので私もなんか対応する側としてこころえとくことがあったのかもしれない–––。

Where to go next?

キャリアについて、この一ヶ月目の前にあるものにどんどん手を伸ばしていたのですが、なんだか自分の行動に懐疑的で、成果もでず、なのでここらで仕切り直そうと思います。

やったこと

• とにかくキャリアフェアに行った
• レジュメとカバーレターを作った
• レジュメとカバーレターを卒業生に見てもらってフィードバックをもらった
• オンラインで20ポストほどアナリストとインターン出してみた

わかったこと

• セルフマーケティングという意味でのスピーキングが下手（Public speaking、多分意識的に取り組まないといけない）
• スキル不足
• フォーカス不足

やるべきこと

それっぽい活動を一巡して、詰めの甘さ的なのの強弱がわかったので、計画的な二巡目に入ります。

1. 自己分析
1. 就活の目的をクリアにする
2. 自分の経験をクリアにする
3. それらを全て魅力的な英語にする
   参考：https://www.ted.com/playlists/226/before_public_speaking
4. それらをオンラインで発信する
2. 仕事探し
1. 1-1に合致するものを探して分類。先月のでだいたい見当はついている。
3. ネットワーキング
1. LinkedIn：気になった仕事の人は2ndとかでどんどん紹介してもらう。
2. Alumni networking：Career consultingの仕組みを使っていろんな人に話してポジションを探す。
3. ゴールはよければ職につながる、最低でも５月にCA行ったときに会える人がたくさんいることだなあ。
   ** ただしこれらは、１ができて発信したいことが確固としていないとうまくいかない。私の場合適当な話本当に適当にしかならない。
4. スキルのブラッシュアップ
1. 修論を終わらせる
2.  SQL（SASのPROC SQLとほぼ同じだったから少し安心。）
3. （Rのggplotに強くなれたら…）

タイムライン

1. 自己分析：１と２はこの週末、３と４は３月以内に。
2. 仕事さがし：１と２が終わり次第はじめる。
3. ネットワーキング：2と同時並行。
4. スキル
1. 修論は他で管理してるのでパス
2. SQLはCodeacademyのフリーの分だけ修論前に終えて、修論終わり次第本格的なコースを探す。または自分のやったプロジェクトのデータクリーニングを書き直してみるとか。５月の課題。

以上が計画の話。

1-1, 自己分析の就活の目的だけここで完全にクリアにしておこうと思う。

＝＝＝＝＝＝＝＝＝＝＝＝＝

就活の目的、Where to go next?

この１ヶ月いろいろやってみて、例えばセールスならツーソンでできるとか、データ分析系の仕事はまじでスキルが足りないけどいろんなところにあるとか、ビザがどうのこうの、日系エージェントからスタートアップ求人サイトまで、いろんな働き方と選択肢をおにのように見た。ここから選択しなければならない！プランBは死ぬほどあることにも気づいたけど、食指が動かないということにも気づいた。そう私超わがままなの。30歳までは夢的なものは諦めずに追い続けちゃおうと思ってるので、改めて腹をくくる作業がこれ。

やりたいことの根本、のちょっとした変遷。

国際開発がやりたいと気づいた20歳、その中でもプログラム評価に興味を持った22歳でしたが、計量経済学を勉強しているうちに計量そのものがおもしろいと思いもっともっと知りたいやりたい、となってきた26歳今日この頃です。

でも芯は変わらず、「利用できるリソースをあますとこなく利用して」「そのプログラムなり、人なり、ビジネスからのアウトプットを最大化させ」「社会をよくするスピードをあげる」、そして「そのプログラムなり、人なり、ビジネス自身が最大限輝ける」ことに貢献したいです。（最近HR適性感じる…）

それを国際開発のコンテクストで手法として発見したのだが、アメリカにきて新しいものに出会ってそれをアプライする先が広がった。UberとAirbnbは私の中で革命的だったし、親友から聞く、研究で知るアメリカの貧困の話も衝撃的だった。当たり前だけど、困っている人はどこにでもいる！（Uberはその後政治的理由から私のスマホから消える）

なのでコンテクストが開発に限らず、困っている人の生活をよりスムーズにするサービスにシフトしてきた。また、データアナリストを使い続けている産業にも、純粋にスキルの魅力があって興味がわいてきた。（ああ本当は数学と統計をもっと勉強したい。）

今自分が日本である程度関係のある職種につけそうな企業の内定をもっている身なので、この１年間は「データ分析のスキルをあげること」そして「データドリブンなサービスで社会に貢献しているビジネスモデルを学ぶこと」に集中したいと思っています。そういう意味では必ずしもデータ分析の仕事につけなくても、ブートキャンプやワークショップがたくさん開催されている土地に行くのもひとつの作戦だと思っています。

ビザだけもらってwhateverな仕事をするのは論外、どんなに得だと思えるものでも楽しくない時間は過ごせない。。。（30歳までは。その後は金作らなあかんなると思う。）

アメリカ就活の３要件

私は、仕事内容、土地、ビザ、が３要件だと思うんですね。

その中で優先順位をつけると、１仕事内容、２（僅差で）土地、そして大きく離れて３ビザ。機会という意味で富んでいる都市はやや魅力的であるものの、やはり私はアジアに帰りたいので（もうメシマズカントリーやってられない）、機会そのものが本当にアメリカにいる意味です。土地は機会と強い相関があるからどうしても僅差になる。

就活の優先順位

以上の３要件に、根本にあるやりたいことをやや肉付けして、優先順位はこんな感じ。

1. カリフォルニアでデータ分析を用いたサービスを展開している会社にデータ分析系の職、または近い職種で入る

2. データアナリストとし採用された場合は土地に限らずどこでも行く。

3. フェニクッス、シアトルの１バージョン。

難易度は1より2の方が高いので、1目的で照準あわせていこうと思います。

3はツーソンに帰ってこれる土地だから。

はー、やるしかない（Wakai, 2008）！

Don't lose creativity?

I was watching this short clip and what the girl said at the end was very cool so I cite it here


" To me my idea of perfection is just using fashion as a vehicle for your own creativity and like empowering other people in a process and wake up everyday happy" (edited a bit)

I'm losing a power of creativity these days being killed by all the work I have to do. I should take time for my wardrobe. I'm thinking about studying hand writing/lettering for so long and never get started. My ultimate dream from when I was 10 is a interior coordinator and I'm studying Econometrics LOL

Well I don't have to start any of above right now, but don't wanna lose my creativity just because I'm busy for other things.
At least my desk is the prettiest in my office?

分断された社会を乗り越える

無邪気な好奇心は人を傷つけると思った出来事があった。
それ以前に最近は友達から学ぶことが多くて自分の研究の先行研究ができてきて、「知識人としておごっていた」。
それでもそれを学んだことに意義はあるし、より深めていこうと思っている。

トピックはアリゾナ・ツーソンの低所得者。

私の研究はSNAP (Supplemental Nutrition Assistance Program, 以前フードスタンプと呼ばれていた低所得者向け食料バウチャー補助プログラム。アメリカの農業省が施行している全米最大のセイフティーネット。昨年度は4,400万人が受給していた。）がその受給者にもたらす野菜・果物消費の効果だ。

SNAPの目的は低所得家庭の収入の維持とよりより食事へのアクセスを提供することだ。受給者の所得と家族構成員人数によってだいたい月$100〜$400ほど食料のための補助がでる。

現在までにSNAP、フードスタンプのもたらす効果に関する研究はたくさんなされている。そしてすでに「SNAPによって食費への支出が増える」「SNAPによって食料保障状態（家に食べ物があるかないか）が改善」されることはここ数十年ほど有意な効果がでている。残念ながら、「SNAP受給女性は、所得等が同じそうでない女性にくらべて、肥満率が高い」、「（同じ比較で）BMIが１ポイント高い」「SNAP受給者は、所得等が同じそうでない人に比べて自己報告の健康指数が低い」など、健康に対してはネガティブな効果が報告されている。

すなわち、「増えた食費への支出」が「健康」に変換されていないということだ。
ここでキモになるのが、「じゃあ何食べてんの？」という質問で、だからそれが私の研究課題だ。
残念ながら、「SNAPによる食べ物、栄養への効果」の研究はどれも結果がバラバラであまり強く支持されるコレといった結果が蓄積されていない。結構サポートされているのは「 Whole fruits （まるまる一個のフルーツ、加工とかされてなくて。）の消費はふえる！」のと「砂糖、脂肪の摂取と正の相関関係」と「肉の消費もふえる」だ。フルーツ増えるのはいいけど、あと砂糖と脂肪はダメ、肉は質と以前のタンパク質摂取量による。他にも穀物、牛乳、ビタミン、食物繊維、カロリー、鉄分、といろんなことに対して研究していて結構バラバラな結果とか、「なんも関係ないです」っていう結果とかがでている。

なんで強い主張（ポジティブでもネガティブでも）がないのかっていうと、
１ー食べ物の測り方がわからない！人が摂取した鉄分量とかどうしてわかろうか！って感じで、そもそも研究対象が自己報告の食べた量な時点で少し「ほんまかい」感がでる
２−　使われているデータが一様ではない。全米対象が多いけど、数州のみ、とか、田舎のみ、老人のみ、とかでバイアスがかかっている。NYCとツーソンの食費は違いますからね。
３−　統計モデルの違い。

知りたいことを知るのはかくも難しきかな、ですね。
私の研究分野で語れるのはここまで。


話はかわるが、私のロースクールにいる最高にヒップで強くて美しい友達はPublic Defenderという、貧しくて弁護士が雇えない人のための弁護士になろうとしている。弁護士の中では最も薄給の部類だ（そりゃお金とる相手がいないからね）。法が守ってくれないような人を守る仕事で、同職で昨夏インターンした彼女は「毎日とても悲しかった」と言っていた。

２年目も半ばになって、彼女も専門の勉強を深めていて、最近はImmigration関連の実際の法手続きのアシスタント（それで単位がでる）をしたり、よりリアリスティックな現状に向き合っているし、トランプのExecutive orderのでた中、力を感じているそうだ。

横道だが、最近の私のプログラム（計量経済）での親友は、コロンビアで弁護士をしていた友達で、彼女は元々ポリティカルサイエンスとロースクールを出ているのに、計量にきたツワモノだ。

こないだこの２人と満月を見にハイキングをした。
もちろん話は政治と法の話になった。（こんなに実りのある聞き役があるものか、と思う）

先日こんな事件が州都フェニックスであった。
https://www.pri.org/stories/2017-02-10/attorney-says-woman-deported-phoenix-might-have-had-her-conviction-overturned
トランプの人種差別なExecutive Order, 「前科のある移民から優先的に強制送還させる」というものが適用され、以前ID詐称したがその後正式な法的手続きをへて市民権を得たメキシコ人女性が非合法的に移民局に拘置、強制送還されたのだ。彼女には２人のアメリカ国民のこどもがいる。
彼女を強制送還したオフィサーは憲法違反の差別的な法的手段をとることで有名な人で、現在まさに水を得た魚である。
しかもオバマのときに独立を約束された移民局と警察が、トランプ政権のもとでは協働するように促がされており、この例もあったせいで、まったく普通にくらしている移民に今恐怖が蔓延している。州知事も反対している。（そもそもアリゾナから移民がなくなったら社会も経済もまわらなくなる！！！）

なんとも中指を突き出したくなる現状だ。
それがこの先進国アメリカの進んでいるディストピアである。ミッシェルオバマの最後のスピーチを聞いて彼女は素晴らしいと感銘を受けてた日はまだ平和だったのだなと今思う。

話はもどるけど、彼女いわくツーソンのはずれにある拘置所はとても寒くて人が死ぬこともあるらしい。コロンビアの友達はこの拘置所に（嫌な）縁があったのだがそれは秘密。

実は私の周りに拘置所と刑務所にとても詳しい人がいる。
剣道の道場主だ。
彼こそはツーソンでパブリックディフェンダーを30年続けている人で、たまにジョークで刑務所の話をする。

そしてなんと私の友達が彼のことを知っていたのだ！
どうやらその現場で弁護士のアシストをするセッション（クリニックと呼ぶ、ローオフィスがクリニックと呼ばれている）で一緒になったことがあるらしい。それを発見した私は早速昨日の稽古のあとに友達の名前をだした。
She knows you!

昨夜は奇遇にも私と彼しかおらず（初めてだ！）彼は参加率の低さに超怒っていたけれども、ゆっくりと技を教えてもらえたりして私たちは良い稽古ができた。
その帰りに、友達と話した話とか、私は私で「フードスタンプはやっぱ健康ちゃうわ」って話したりとか、普段剣道メンバーの前で話さない話をした。「刑務所の飯は食いモンちゃうわ」とか。

私の友達は彼が剣道をしてると知ったとき「なんか、よかった。毎日悲しい話と向き合う仕事だから。彼にそういうほかに打ち込めるものがあるって知れてよかった」って言っていた。彼女は学生で、彼はプロフェッショナルで、仕事への思いの熱い人だけど、感情はきっともう切り離せるのだろうと思って、その夜に「彼女は、感情の切り替えのできるのすごいなって言ってたよ」って彼に伝えたのだ。彼は「いまだに悲しいけど、もう泣くことは減ったかな」と言っていた。

私はこの発言がとても軽率だったと今反省している。

今日フェイスブックを見ていたら彼の投稿があった。
「昨日、受刑待ちだったクライアントの女性が、子供を産むときに死んだという報告をきいた。はじめ彼女が逮捕されたときは本当にダメで、ヤク漬けで、ホームレスで彼氏からの暴力で目の周りが真っ黒だった。でも仮釈放時に本当によくやって、薬物中毒からもぬけだしたんだ。逮捕されたときに、妊娠したってわかって、それが彼女がちゃんとやれた理由のひとつだった。本当に人生を変えていたのに。とても悲しい」

未来のみえてきたクライアントの突然の死のあとの稽古に、私はあんな話をしたのかと！
少し彼らの仕事を見聞きしたからって、もっと知りたいと思って、友達は「とても悲しい仕事」とことあるごとに言ってたのに。ずけずけ聞いてしまった自分をとても恥じた。悔いた。
あと、本当に悲しい仕事だなって思った。




ignorance, unawareness は暴力だ。
私は本当に本当に温室育ちで世の中の美しいところだけを見て美しいところで育って美しいもの目指して生きていて。
自分の層と分断されている層を知りたいのは本音だ。本当に知りたい。私には教育という武器があるから、手強い相手と戦う武器があるから、それを存分に使いたいのだ。私自身がいっぱい教育に、技術に、新しい発明に助けられたのだ。実は簡単に助かることがいっぱいあって、知らないだけの人にどうか伝えたいんだ。救われるよって。
けど、やっぱり私もこちら側の人なのだ。トランプのサポーターが鼻をつまんで嫌うような。そのものなんだ。

私は弱くて、彼らみたいにそんなシビアな世界の第一線で弱い人に寄り添って生きることはできない。心が崩れると思う。けど、栄養とかもっと生活のボトムラインでなにか支えることができたら、と思う。
甘いかもしれないけど一生懸命やりたい。



今朝出た気候変動に関するリサーチチームの研究報告会で、バングラデシュの気候変動とvulnerabilityに関するプレゼンを見ていた。プレゼンターはバングラ人PhD。バングラデシュは三角州のような出来かたをした土地で（確か。）、川が多いのと地盤が緩く、気候変動によって洪水が増えて、貧しく社会的に不安定な人たちからどんどんより深い貧困におとされていく。今、経済状況が二極化していて、貧しい人と豊かな人ばかりで中間層がいないらしい。
社会的に不安定な人とは、という質問があり、彼はこう答えていた。
１−自分の土地をもたない人。たとえ洪水があって自分の収穫が０でも契約上お金をはらわなきゃいけないから。
２−政府や役人の使う言葉を知らない人。バングラデシュは他言語国家で、中央の言葉を知らない人からしたら、どんな情報もないに等しい。（情報の断絶）
そして彼らは「ニーズを伝えられない」（伝え方をしらない、伝えるということを知らない）らしい。

彼が農家とした会話で印象的なものがあり、引用していた。
農家「わたしのすきな食べ物しってる？」
学生「しらんがな」
農家「まあこたえてみてよ」
学生「こめ？」
農家「なんでそう思った？」
学生「僕は米が好きだし、〜だからかなって。」
農家「あなたも、政府の役人も、みんなそうやって勝手に彼らの答えを押し付けてくるんだよね。誰も自分たちを見ない」
これ、まさに中央のおごりだと思う。そもそも言語を用意していないのもそうだけれど、相手はこうだろうっていうの、とても押し付け。




最後の例。

中高の友達で、ものかきの仕事に携わりたい子がいて、実は１年くらい前に見事に転職して、webベースの出版社の編集になった子がいる。彼女が担当している漫画が紙面にのったということで、シェアされたのだけど、私からしたらいまいちおもしろくない。私の友達も好んで読むわけじゃないなあって思って。その他に彼女が「他社だけどあすみすきそうなもの」と言って教えてくれたのはおもしろかった。

でも、彼女の会社が続いているのは読者がいるからで。疑問に思ってどんな人が読んでいるか聞いたら、30〜50代の男性。50歳が読む漫画には見えず驚いた。そして「感想ハガキ送ってくれる人もいるけど、その中で35なのに日本語不自由な人とかいて、実際会わないような人たちだと思うよ」とのこと。面接でも「あなたは高学歴だけど、うちのお客さんは違う層だけど大丈夫？」って聞かれたらしい。

社会は本当に分断されている。
私から見えてない層が、私と全く異なる好みをもって、同じ社会で、違うものを消費して違う嗜好をもって（思考も違くて）生活している。けれど国はひとつだから、みんなが幸せになりたいなら、お互いのことを知って、歩み寄らなきゃいけない。そうじゃないと、どちらかひとつ、多くの場合はすでに権利を多くもつほう、のための社会になってしまう可能性がある。または、どちらも幸せにならない、トランプ政権のようなディストピアがうまれてしまうのだ。


この溝は高学歴の正攻法のお勉強じゃうまらなくて。
とてもセンシティブな問題だ。あちら側に閉ざされるかもしれない。
それでも、どうかあなたのことを教えてください、ってある知恵しぼってどうにか教えてもらって、あと自分たちのことも知ってもらわないといけないと思う。
それは、自分の、自分の属するコミュニティの、そして属さないコミュニティの幸せを守るために必要なステップだと私は思うのだ。


いろんなことを思う日々だったので、備忘録として。

Airbnbをやってみて気づいたこと

夏場限定のAirbnb、ふりかえりをしていなかったので年末を機に。

きづき１：超楽しい

我が家メンバーは来客が大好きなので、部屋片付けたりセットアップしたり、写真撮ったりの準備から、実際きたときにめっちゃしゃべったりいろんなサービスしたり、そして最後はレビューもらって共有してLINEで盛り上がるなど、めちゃくちゃ楽しかったです。

チェックイン日にたまたま私が乗っていた新幹線にゲストも乗っていて、奇跡的に出会って一緒に帰ったり。帰宅したら母がゲストに着物の着付けをしてあげていて写真大会になっていたり。お買い物大好きなゲストがプレゼントを買ってくれたり。台湾、韓国、中国の同年代の女の子ゲストが多かったので友達感覚で楽しめました。

きづき２：でも大変
大変なポイントは２つ

①部屋の回転、というかそうじ。家族３人とも職（学校）があったからなかなか回転が早いときは本当に忙しかったです。

②チェックイン時のジレンマ：ゲストは必ず遅れてくるので、数時間よくわからない時間を迎えることになります。結構忙しい中で受け入れをしていたので、この数時間が少しストレスになることも。

結果１：私のいた夏限定にすることに。
理由は２つ。

①言語：基本的にゲストは英語しかしゃべらないので、ファーストコンタクトのメッセージのやりとりは私でした。母は基本的には問題なく会話できてましたが、なにかあったときの対応は難しいのでリスクをとらずやめました

②そうじ：母一人で働きながら掃除もするのはなかなか大変だということで無理はしない方向できめました。弟はほぼほぼ手伝わない。笑

人をホストするというのはそれなりに労力がいるのでワンオペ（1/2オペ）は厳しいです。

結果２：前向きな気持ちを家族に与えられた

①母：自分のホスト能力が炸裂だったので楽しかったみたいです。新しいものや文化に出会うのが大好きなので、すてきなゲストの子達からエネルギーをもらったみたい。それなりの収入もあげたしね。

②弟：英語勉強しようかな、と初めて英語学習に自発的で前向きな言葉を発したので私はとても嬉しかったです。



結論：やってよかった、時間と人手があるときに再開したい。

以上です。

いつかゲストのもとに会いにいったりもしてみたいですね。
たった２ヶ月間だけでしたが、とても良い体験でした！

2016年のふりかえりと2017年にむけて

今年は精神的にとても成熟した年だった。

なぜかはわからないけど、特に26歳の誕生日が節目になっている。誕生日前夜はパーティーをして結局踊りながら26歳を迎えたのだけれど、当日の夜は今年できた親友がTumamocという小さな山に連れていってくれて、2人で小さなケーキに火をつけて祝ってもらった。ハロウィンの週末だったこともあり、Tumamocには二人だけで、星空がめちゃくちゃきれいで、彼女がメディテーションをリードしてくれて初めてメディテーションをした。
それですごく、「手に入れたいものが全て手に入った」気持ちになった。満たされた、というか。


今年を振り返ると

• スキル的に前半は準備の期間で、後半になって強い自信がついた！（先日の記事にあるように）

• 精神的には満ち足りた気持ちになった１年だった。自分で自分を支える方法を見つけたし、友達のこともケアできる余裕ができた。

• 身体的には歯茎の手術とか背骨痛いとかあったけど、なんとか持ち越し中？後半はお弁当作るようになって良いサイクルが保てた。

2017年の目標は行動にうつすこと。

2016年は数年来に気持ちが穏やかになった年だった。自分に自信もついた。

前までのやり方は「やらなきゃ死ぬ、負け犬、失敗できない」という絶望感がエンジンだったんだけど、その考え方を修正したのが近年で、そろそろまた何かをする精神的な準備がちゃんと整った人になったと感じます。だから、来年から健康的にいろいろと行動に移していきたい。

特に、スキル面でそろそろおしり叩いて動くようになったと思うので、（もしかしたら）人生最後の学期、めちゃくちゃ頑張れ自分！という感じ。ここでの詰め込みが近い将来のおもしろみを約束する…。

• 仕事探し。結局直接職につながるアクションはできなかったものの、自分のやりたいことはきちんと見つめなおしたので、アクションにうつっていきたいです。

• 統計の授業を取ること。これは絶対あとで自分の役にたつ…！←のちほどもっとちゃんとやる気をつめよう。
• 修論！分野の参考文献を読んで背景の理解を深めるのと、手法の文献を読んで少しテクニカルな部分も厚い論文を書きたい。←のちほどもっとちゃんとつめる。
• やりたいことに意味をもたせる。前までは開発やりたかったけど、今そこまで興味なくて、むしろテクニカルな面に興味をもっているから、少し方向付けが必要だなと最近感じています。
• あとはお金と健康の管理。こちらは友達と少し計画があるのでそっちで頑張る。

意外とあっさりと振り返りと目標が終わってしまった・・・これでよいのかな・・・よいかな。みちたりてるからしゃーないねん。笑　あとはスキル面がんばるのみ〜！

What I learned from my class project

I mainly worked on several projects in Fall 2016. I felt myself very passive on not taking any classes, however, overall I had a great learning opportunity and I believe it was good decision for me.

This project-based-class was such a mess and difficult to tell what I learned from it even though I felt it was overwhelming and gained a significant skill sets. Thus, here I'm going to organize it for better understanding and handling my experience for future use. First, I'll briefly mention the background of this project, following by main learnings, and end up with future learning. 

Note that this project is under NDA.

Background

We are provided series of dataset, several business questions, and 4 months of time. Our team includes the (super smart and curious) professor and seven of us (let's say rattatas). The goal is to answer the questions in limited time, and to submit the products as a presentation.

Learning

- Analytical skill 

Nothing comes more than this!! 

It starts from deep understanding of datasets.  Understanding the data generating process, variables, and observing what the descriptive statistics tell us. These processes always require back and forth, since each time you find something quirky you need to go back to the very beginning, data generation. Other key words may be truncation and censoring.

Then model specification comes next. To specify the model, you need finely defined questions and deep understanding of the models. Read papers and do thought experiments for the outcome. Also, pay close attention to heterogeneity, exogenouity, and endogenouity. 

Your coding skill will be shown off the most at data cleaning step. HELL YEAH.

Once you went through that amazing hurting-eyes-and-fingers process, you can run the model and examine the results. It is always important to ask you back why you get the results you got especially when you got unexpected numbers. This might send you back to very beginning of analysis too.

Discussing the results with teammates is another hell, but the most interesting part for me. You will realize the bias of yourself on the numbers. Here the most important things would be Sign, Size, and Significance. Don't get attached with your dearest results, be objective, and find the story that data tells you. 

Specifically we covered inference and application of difference-in-difference model, propensity score matching, gradian boosting method, and logistic model. And a bit more in detail, marginal effect of logistic model (with quadratic and cubic terms, and boots strap and delta methods though not applied for this time).

Coding are mainly done by SAS, sometimes R. Now I'm catching up with Stata for another project evaluation. 

- Presentation skill

Showing statistical results in the business situation requires different skill than idea based business presentation or academic presentation. Also creating slides with seven people often results in lack of coherence and improper weighing of contents. 

Story - The order does not follow the academic way, which follows the exact step of our analysis. Rather, the answer and insights should come first and the modeling will come later. Scientific articles often write in; What is the main findings? Why this is important? then How this was found?

You have to capture the mind of audience so that to make your presentation worth listening. You may hide a problem that you could not solve until the end of presentation to avoid people get stuck to the problem and stop listening to you before showing your illuminating findings. 

Also the final goal of presentation is to motivate the organization/person towards making a firm 'decision'. Nothing vague is worth listening. The unit of measure is 'decision'. How many decisions you can lead them by this presentation will define the success of your time. 

Design -  Even you use the complicated statistical method, it is important to show it in a simple mechanism using intuitive graph and chart preferably without equations and sentences. You need to be creative for this work and high sense in coloring will help. The most difficult thing is the trade-off between 'understandable simpleness' and 'statistical detail'. It should be carefully discussed with your teammate. You may add some explanation in footnote or verbal description. 

Script - Again, strong skill in explaining jargon in general terms is required. 

One thing I learned from this experience is, once you capture the audiences' mind the presentation will be open discussion with rhythmic conversation between audience and presenter (for a while). Probably the audience is experiencing aha-moment in those situations, and the more you provide information along the way they are getting them, the more they will focus on every single words coming from your mouth. 

Another thing I learned is that close attention to the choice of words brings significant impact on the audience. You should know their language, what will hit their mind, in other words, what is the bazz-word for them.

- Time management skill

Being curious is much better than being indifferet, however, sometimes too much curiosity steals considerable amount of time and energy. (Actually the professor was the largest curiosity-oriented-monster, hitting my mind 'I can't be a professor!!!')

The only thing I can tell for time management, no matter how curious you are, whatever interesting modeling you want to try, whatever results you expect from that modeling, deadline is deadline. Stop coding there and go summarizing it. If the manager of research team is one of the analysts, it would be painfully tough to stop in front of the bunch of seeds of excitement.

Future learning

- Study of probability and statistics

I did not have enough basic in theory in order to understand and apply further modelings. It's the biggest regret in my life. (If we could have mined the distribution of one variable and could have categorized them in that way instead of using simple statistics for proxy...)

- Readings on specification

Learning modeling will be never ending fundamental elements of analysis since every moment new and refined model is found by prominent researchers. It was great that I could learn propensity score analysis in this project while learning heckman's model and the code for treatment effect in Stata for my research.

Machine learning is such a popular word these days, however, Econometrics modeling is as same as, or more important than ML since ML is mainly for prediction but 'Econometrics explains and predicts', which I ought to be able to answer whenever whoever wakes me up during deep sleep!!

- Learning other language for coding

SAS and Stata are getting old products. Even I stated ML as such, we need it to deal with large size data having larger existence than a decade, or just a few years ago. This relates with study on stats too.

Conclusion

Coolest thing my professor kept telling was 'There is only 8 of us who know these facts' as the research went further. It kept my motivation and pride on my skill to undergo the tough training while always part of my mind whispered me there are much more smarter students in computer science, or it's too late to start learning stats. Whatever. I have solid skill that I didn't have in 15months ago. 

私はこうして経験を反芻し、自分なりにレコードし、フタをすることによって次に使える形に整える。

浪人の頃に、先生の一言一句を脳みそに刻みつけた時期があった。それほど先生の言葉に価値があった。今回のプロジェクトもそうだった。先生のそばでみた、先生の行動、やってくる分析とコーディングの量、私たちの誘導の仕方は全て学ぶところがあった。それに加えて今読み直したシラバスは自分にとってかけがえのない価値をもつものだ。あー感動！もっと勉強したい！

Suppose it's 4 am and you are in the mid of sleep. 

What does Econometrics do?