Upgrade to Pro — share decks privately, control downloads, hide ads and more …

DROBE-エンジニア向け採用資料

DROBE
June 22, 2021

 DROBE-エンジニア向け採用資料

株式会社DROBEのエンジニア向け会社説明資料です。開発スタイルや技術スタック、求める人物像などについて紹介しています。

▼採用情報
https://info.drobe.co.jp/jobs

▼オンラインパーソナルスタイリングサービス「DROBE」
https://drobe.jp/

▼株式会社DROBE コーポレートサイト
https://drobe.co.jp/

DROBE

June 22, 2021
Tweet

More Decks by DROBE

Other Decks in Technology

Transcript

  1. 1. 2. 3. 4. 5. 目次
 2 株式会社DROBEについて
 パーソナルスタイリングサービス「DROBE」 


    エンジニアリングについて
 今後やっていくこと
 採用について

  2. 会社概要
 4 会社設立
 従業員家族・知人約200名にサービス提供
 クローズドβ開始
 一般の方向けにオンラインでの集客を開始
 オープンβ開始
 AIを活用したサービス提供開始
 正式リリース
 AIを用いて推薦された商品を直接購入できる機能


    ストア機能リリース
 シリーズAにて5億円の資金を調達 
 フェムトパートナーズ株式会社を引受先とする
 第三者割当増資
 2019.04 2019.06 2019.09 2020.03 2020.10 2021.04 株式会社DROBE
 代表取締役CEO
 山敷 守
 資本金
 1億円
 従業員数
 約30名
 (パート・アルバイト含む) 

  3. 9 STEP. 1 プロフィールを記入
 AIにてWeb事前提案 
 スタイリストにて
 商品選定→発送
 試着・FB
 STEP.

    2 STEP. 3 STEP. 4 1−3ヶ月頻度で 繰り返し サービスの流れ
 70問 5~8点 いつでも ストアでお買い物

  4. 何を作っているか
 機械学習やデータ分析を使ったデータドリブンなファッション EC サービス 
 STEP. 1 プロフィールを記入
 AIにてWeb事前提案 


    スタイリストにて
 商品選定→発送
 試着・FB
 STEP. 2 STEP. 3 STEP. 4 いつでも ストアでお買い物
 機械学習による機能の実現 

  5. 主要な開発モジュール
 データ基盤
 ユーザー管理・通知 
 セレクトボックス 
 ストア
 商品管理・検索
 発注・物流
 決済


    レコメンド
 ユーザー向け画面 
 管理機能
 スタイリング機能 
 画像処理
 インフラ・ミドルウェア 

  6. Elastic Cache 技術スタック
 目的や状況に合わせて技術選定 
 Terraform Cloud Front S3 Transfer

    SNS languages framework / libraries infrastructures Code Commit Code Build Code Deploy Fargate ECS EKS ECR EC2 Firehose Step Functions System Manager Cloud Formation and more... dev ops tools PHP TypeScript Python Go Laravel GraphQL React PyTorch Apollo styled components Redash ElasticSearch Sentry DataDog GitHub Next.js BigQuery Data Storage Aurora Argo Istio Mailgun GitHub Actions Cloud Watch より詳しく知りたい方は https://info.drobe.co.jp/blog/engineering にも技術トピックをまとめています
  7. 21 バックエンド / インフラ 
 人数
 • フルタイム 4 人


    • 副業 1 人
 
 やっていること
 • サーバーサイド開発 
 • インフラの構築 / 管理 
 • 運用
 フロントエンド
 機械学習
 人数
 • フルタイム 1 人
 • 週3日 1 人
 
 やっていること
 • フロントエンドの開発 
 人数
 • 週3日 2 人
 • 副業 1 人
 • アドバイザー
 
 やっていること
 • 機械学習モデルの開発 
 • MLOps
 バックエンド、フロントエンド、機械学習エンジニアの混成チーム
 インフラはバックエンドエンジニアが兼務
 状況によってバックエンドエンジニアがフロントを書くことも、フロントエンジニアがバックエンドを書くこともある
 開発チーム

  8. 開発のスタイル
 • 開発の目標は 3 ヶ月単位で策定 
 • 目標毎にチームを編成 
 ◦

    PM とエンジニアのペア 
 • チームが主体となって重要アクションやマイルストンを策定 
 ◦ サービスへのアイディアなどはここで議論 
 • Monthly, Weekly で全体とシンクをしながら開発を進める 
 形式
 • 毎朝 15 分程度の朝会 (10:30~) 
 • 週1でスプリントプランニング 
 • 週1で開発チーム全体の Weekly 
 • 週1で振り返り会 (Datadog や Sentry を眺めて振り返る) 
 ◦ 負債解消系タスクなどはここで議論する 
 • 月1で KPT
 • 月1で Monthly Review (成果物のお披露目) 
 ◦ 新機能などに対する議論やアイディア出しなども行う 
 ミーティング
 フルリモートを前提とした開発体制 
 隔週で出社 (任意)

  9. リリースについて
 • 1週間ごとにマイナーバージョンをリリース 
 ◦ 専任の QA がスプリント終了後に開発チケットを stg 環境で

    テストし、完了したらリリース
 • 必要があれば随時ホットフィックスを実施 
 頻度
 • マイナーバージョンのリリースは当番制 
 • リリース担当は QA 時のサポートなども担当 
 担当
 カンバンに QA 戻りという列があり、QA で何かあると開発チケットに紐づ く形で修正依頼が来る 

  10. 25 ロードマップ
 現在 パーソナル スタイリング サービス
 中期 外部への提供
 将来 領域拡大


    プラットフォー ム化
 中期的には “スケール” “外部への提供” をテーマとして開発を進める 
 将来的には領域を拡大しつつ、ファッションにおける販売や生産などのプラットフォームになる 
 スケール

  11. 新規事業
 
 新規事業の立ち上げに向けた開発を行なっていく予定
 26 今後想定している開発
 DROBE の開発
 
 機能
 決済手段、物流手段の追加などの機能追加


    オプションやポイント、クーポン、イベント開催などユーザー向け施策
 倉庫や物流などの最適化
 
 コードベース
 モジュールに即してコードの疎結合化を進める
 モジュラーモノリスをベースとしつつ、必要な部分は別サービスに切り離す
 
 DevOps
 デリバリーを素早く行えるように、テストやリリースパイプラインの見直し
 ログ基盤の更新
 言語やライブラリのバージョンを定期的に行っていける仕組みの構築
 
 インフラ / ML
 機械学習系の機能をリアルタイムで提供出来るようにアーキテクチャ全体の見直 しを行う
 フィーチャーストアの導入などを検討

  12. カジュアル面談
 採用フロー
 (お試し転職) ※副業など 
 経営陣面接
 オファー
 • 候補者の方と会社の文化とのマッチングを大事にしています 


    • そのためオファー前には経営陣全員との面談・面接、バックチェック 等を用いたリファレンスチェックをお願いしています (選考フローは候 補者の方の事情も鑑みて、柔軟に対応しています) 
 29 全てのステップ (副業含む) はリモートでの実施が可能です 
 3 ~ 4 回