「まず与えること、頻繁に与えること、そして見返りを期待せずに与えること」という素晴らしい格言があります。私はこれらすべてに賛同していますが、自分が「正しいこと」に与えているという確信をどうすれば持てるのか、ずっと悩んでいました。
昨年末頃、時間が少し遅く流れているような感覚に襲われ（実際にはそうではなかったのですが）、この思考プロセスや、それが私をどこへ導くのかについて、ますます深く考えるようになりました。
そして、自分の中で「では、私は一体何に捧げるべきなのか？」という問いが浮かびました。
その問いが、私を興味深い旅へと導いてくれました。私は次のような複数の問いに、何度も立ち返ることになりました。
自分が信じ、さらに強めたいと思うことは何か？
単なる声明よりも重要な形で変化を推進する影響力を持つものは何か？
もし、自分の信念を強め、単なる言葉以上の変化をもたらすような、支援すべきものが見つかったとしたら、どうすれば貢献できるのか？
もし、まだそれらとつながりがなければ、どうすればそれらを見つけられるのか？
最初の問いには簡単に答えられました。2つ目の問いは、自己省察を要するものでした。私が関わりたいと思う変化を推進するのは、むしろ私がまだ関わっていないものにあることに気づいたのです。3つ目の問いは、最初の2つの問いに答えが出れば自明のことでした。4つ目の問いが最も興味深いものでした。
4つ目の問いに答えるには、自分の社交圏外にある事柄や、それらがもたらす連鎖的な影響を分析する適切な方法について考え始めなければなりませんでした。
自分が知らないことを見つけるために、皮肉なことに、まずは「知っている人」からリストを作り始め、オンラインで彼らについて見つけられる情報を基に、そのネットワークをマッピングしていきました。主な情報源は以下の通りです：
記憶
カンファレンスのメモ
LinkedIn
Crunchbase
Angel List
結果として、そこそこ大きなモデルが出来上がりました。要素数が約1万を超えたあたりから処理が著しく遅くなり、それ以上要素を追加するのが桁違いに困難になったため、積極的なデータ提供を控えることにしました。
3段階以上の間接的なつながりが確認できるようになると、個々の都市について掘り下げて分析し始めました。ここからが本当に興味深いところでした。ミネアポリス、サンフランシスコ、デトロイト、インディアナポリスなど、そのリストは延々と続く都市間のつながりについて、様々なことを学び始めました。 そこで気づいたことの一つは、サンフランシスコ、ボルダー、ニューヨークのスタートアップコミュニティがいかに密接に結びついているかということでした。各都市のエコシステムの密度は、デモインよりもはるかに高いのです。これは言うまでもないことのように思えるかもしれませんが、データに反映されているのを目の当たりにするのはまた別の話です。
上場する企業の多くは、シード段階からIPOに至るまでの資金調達の大部分を、シリーズC以降を通じて地元で調達しているようです。 これにより、大きな出来事があった際、リターンの大部分がコミュニティ内に留まることになります。また、1回以上の大規模なエグジットを経験した創業者は、その都市を離れるよりも、同じ都市で再び起業する傾向があるようです。ただし、この傾向はボルダー、ニューヨーク、ベイエリア以外では、私がトレンドとして確認できていません。他の地域では、比較するとその数があまりにも少ないからです。
都市間の違いについては別の記事で書くこともできたでしょうが、今回はデモインでの私の貢献に焦点を当てていたため、これを中心テーマとして取り上げました。
上記の情報源を活用し、変化を推進する影響力を持つ人物に焦点を当てることで、変化をもたらす要因を特定するための十分なデータセットをまとめることができました。次は、その「誰」と、その人物を取り巻く人々を特定することでした。
私が懸念していたリスクは、実際には存在しない偽の相関関係を自ら作り出してしまい、それに基づいて何かを支援するという大きな決断を下してしまうことでした。つまり、直接的あるいは実証された関連性ではなく、推測された関連性に基づいて決断を下してしまうことです。
もう一つの問題は、何を支援すべきか人々に尋ね始めた際、その回答には往々にして彼ら自身のバイアスが色濃く反映されていたことです。掘り下げていくにつれ、そのバイアスは無意識のものであり、彼ら自身の個人的な判断に基づいている可能性が高いことがわかりました。もし私が、最も身近なネットワークからのフィードバックのみに焦点を当てていたなら、現在の結論には至らなかったでしょう。
それ自体に問題があるわけではありませんし、私自身も同じことをします。しかし、物事のつながりに関する第三者の定性的な仮定に基づいて、どこに時間を割くべきかという特定の推奨事項を受け入れることについて、さらに懸念を抱くようになりました。 そうした口頭でのフィードバックのうち、一般には公開されていない実際の相関関係を生み出すものについては、私のモデルに取り入れました。そのため、この投稿の一部としてそのモデルを公開しないことにしています。
「変化をもたらしたと感じたこと」と、「その変化がどのように生じたかについて明確に説明できたこと」との違いから、Google検索では見つからない多くの事柄が浮き彫りになりました。
「Googleで検索できない質問への答えをどう得るか」という問いは、数年前に友人であるパディと交わした会話を思い出させました。彼は当時、固有ベクトル中心性について語り、それが彼の組織の思考をどのように牽引しているかを説明していました。 当時、私は興味を持ったものの、実際にそれを活用する具体的な理由には恵まれていませんでした。しかし、試してみる価値のあるアプローチだとは思っていました。
その結果、一連の接点が見つかり、アイオワ州のテクノロジーコミュニティにおけるつながりや影響力の中心を理解するために、パディのアプローチを試してみることにした。
私の主な関心事は、物理的にも経済的にもまだつながりのない、地域レベルの新興コミュニティや組織におけるつながりを発見することでした。
まずは自分のネットワークから着手し、記憶を頼りに自分のつながりの一部をマッピングし始めました。最も基本的なレベルで、私の1次ネットワークは次のようなものです：
免責事項：私はその後Clay & Milkを退社し、有能な後任者に引き継いでいますが、このスクリーンショットを撮影した時点ではそうではありませんでした。また、TAIは当初のつながりではありませんでしたが、接続先として追加しています。
ほどなくして、私は数時間以上を費やしてデータを収集し、この出発点から派生するつながりを引き出し、やがて世界規模に広がる、より意味のあるモデルへと発展させました。
私は早い段階で、人と企業や組織は結びつけるが、結婚を通じてつながっている場合を除き、人同士は結びつけないという決定を下しました。この決定はモデルに偏りを生じさせた可能性もありますが、私の意図であった企業や組織への優先度を高めるのに役立ちました。
ここでは固有ベクトル中心性を活用することに重点を置いていたため、その説明を以下に抜粋する：
…ある要素が、他の接続性の高い要素とどれほど密接に結びついているかを測定する指標である。一般的に、固有ベクトル中心性が高い要素はネットワークのリーダーとなるが、必ずしも局所的な影響力が最も強いとは限らない。
幸い、私が使用していたツール「Kumu」を使えば、これは簡単に行えます。要素、属性、接続タイプを決定してモデルを構築すれば、あとはソフトウェアが自動的に処理してくれます。私が特に注目したのは、以下の2つのビューです：
「他の場所で高い接続性を持っているにもかかわらず、私がまだ直接つながっていない要素は何か？」
まだつながっていないが、貢献できればワクワクするような組織は何か？
私はすでに最初の項目に貢献しています。リストの2番目に挙がっていたのはアイオワ州テクノロジー協会（TAI）でした。3番目は、私が現在も理事に就任できるよう取り組んでいる別の組織です。
ですから、誰かに「なぜTAIの理事会に加わったのですか」と尋ねられたとき、私は正直に次のように答えることができます：
私は、州内の技術革新を牽引する政策を策定し、枠組みを構築しているTAIの企業ネットワークや関連組織とのつながりが、痛ましいほど欠けていたのです。
そこには、私が信じる中核的な理念があります：
人材の育成と採用
多様性と包摂
公共政策
また、そこの人々も気に入っています。自分が信じることに取り組んでいる素晴らしい人々と出会い、かつ自分が貢献できる場があるというのは、稀なことであり、とても楽しいことです。
パディが言うように、数学を使ってコミュニティへの自分の貢献を分析してみたのは今回が初めてです。
「理事会に参加する」という答えは、多くの人にとっては退屈に思えるかもしれませんが、コミュニティにどうやってもっと投資できるかという問いを追求するのは、私にとって楽しい経験でした。