事業成長とデータ活用を止めないためのマネジメントへ挑戦

Data Engineering Summit 2026 前夜祭 by Findy
https://findy.connpass.com/event/404531/

Transcript

1. Data Engineering Summit 2026 前夜祭 by Findy / 2026-10-08 事業成⻑とデータ活⽤を⽌めないためのマ ネジメントへ挑戦 開 功昂（ファインディ株式会社 / hiracky16） © Findy Inc. 1
2. ⾃⼰紹介 • • • • • • 開 功昂（hiracky16） ファインディ CTO室 データソリューションチー ム EM データエンジニア（2021〜） 2023/11 ⼊社、横断データ基盤の設計‧開発を 担当 2025/07 から EM としてマネジメントも担当 普段は福岡からリモート🍜 © Findy Inc. 2
3. 本⽇の内容 • • • ファインディの組織や事業、弊チーム状況 EM として課題に対してやってきたこと まとめ & 今後の展望 本⽇伝えたいこと • • • 事業や組織の状況を整理しながら EM における 4 つのマネジメントを実践 データエンジニアリングの業務に対して定量、定性で振り返りの重要性 事業会社のデータエンジニアリングマネージャーのお仕事 © Findy Inc. 3
4. 会社概要 会社名 代表取締役 設⽴ 全従業員数 資本⾦ 住所 事業許可番号 ファインディ株式会社 / Findy Inc. ⼭⽥ 裕⼀朗 2014 年 2 ⽉ ※ 本格的な事業開始は2016年7⽉ 478 名 ※2026年1⽉時点 つくる⼈がもっとかがやけば、 世界はきっと豊かになる。 19億9,692万円 ※ 資本準備⾦含む 東京都品川区大崎1-2-2 アートヴィレッジ大崎セントラルタワー 5階 ビジョン 13-ユ-308478 ‧IT/Webエンジニアの転職サービス「Findy」 ‧ハイスキルなフリーランスエンジニア紹介サービス「Findy Freelance」 サービス 経営理念 ‧経営と開発現場をつなぐAI時代の開発資本プラットフォーム「Findy Team+」 ⼈とAIで、つくる⼒を進化させる。 Power to Engineering ‧開発ツールのレビューサイト「Findy Tools」 ‧テックカンファレンスのプラットフォーム「Findy Conference」 ‧仮説検証‧事業開発を加速させるAIエージェント「Findy Insights」等 投資家 グローバル‧ブレイン、ユナイテッド、SMBCベンチャーキャピタル、KDDI、 JA三井リース、みずほキャピタル、博報堂ＤＹベンチャーズ、Carbide Ventures、等 © 2024 Findy Inc.
5. サービス紹介 ファインディが展開するエンジニアプラットフォーム © Findy Inc. 5
6. 会社概要 会社名 代表取締役 設⽴ 全従業員数 資本⾦ 住所 事業許可番号 ファインディ株式会社 / Findy Inc. ⼭⽥ 裕⼀朗 2014 年 2 ⽉ ※ 本格的な事業開始は2016年7⽉ 1 年で 100 名増 19億9,692万円 ※ 資本準備⾦含む 478 名 ※2026年1⽉時点 東京都品川区大崎1-2-2 アートヴィレッジ大崎セントラルタワー 5階 つくる⼈がもっとかがやけば、 世界はきっと豊かになる。 ビジョン 13-ユ-308478 ‧IT/Webエンジニアの転職サービス「Findy」 ‧ハイスキルなフリーランスエンジニア紹介サービス「Findy Freelance」 サービス 経営理念 ‧経営と開発現場をつなぐAI時代の開発資本プラットフォーム「Findy Team+」 ⼈とAIで、つくる⼒を進化させる。 Power to Engineering ‧開発ツールのレビューサイト「Findy Tools」 ‧テックカンファレンスのプラットフォーム「Findy Conference」 ‧仮説検証‧事業開発を加速させるAIエージェント「Findy Insights」等 投資家 グローバル‧ブレイン、ユナイテッド、SMBCベンチャーキャピタル、KDDI、 JA三井リース、みずほキャピタル、博報堂ＤＹベンチャーズ、Carbide Ventures、等 © 2024 Findy Inc.
7. サービス紹介 ファインディが展開するエンジニアプラットフォーム データソースが増えた © Findy Inc. 7
8. 会社の状況: 事業も組織も AI 活⽤も急拡⼤ 増加 データエンジニア 増加 BigQuery データセット増加 4名 社員数 + 100 名/年 SQL ジョブ数 3 倍 増加 Google Cloud プロジェクト増 コスト増 © Findy Inc. 8
9. 会社の状況: 事業も組織も AI 活⽤も急拡⼤ 増加 データエンジニア 増加 BigQuery データセット増加 3名 社員数 + 100 名/年 SQL ジョブ数 3 倍 主な業務 📊 事業数値の算出 🔗 SaaSへのリバースETL 🤖 AIエージェント整備 🧰 データ基盤運⽤の改善 🛡 コスト‧脆弱性 増加 Google Cloud プロジェクト増 コスト増 © Findy Inc. 9
10. 会社の状況: 事業も組織も AI 活⽤も急拡⼤ 増加 データエンジニア 増加 BigQuery データセット増加 3名 社員数 + 100 名/年 SQL ジョブ数 3 倍 主な業務 📊 事業数値の算出 🔗 SaaSへのリバースETL チームがボトルネックに 🧰 DB運⽤の改善 🤖 AIエージェント整備 🛡 コスト‧脆弱性 増加 Google Cloud プロジェクト増 コスト増 © Findy Inc. 10
11. 仕事を 4 つのマネジメントで整理する 🏗 🌱 プラットフォーム ピープル 技術統⼀と AI Skills 育成と採⽤ 📦 📋 プロダクト プロジェクト データを使われる形に 状況のモニタリング、⻑期と短期のバランス © Findy Inc. 11
12. プラットフォーム: 技術を統⼀し Ops を型化 対象 これまで 統⼀後 BigQuery のプロジェクト 事業ごとに分散 複数個 → 1 つへ統合中 Terraform 4 リポジトリ 1 リポジトリ データ変換 Dataform / dbt dbt へ移⾏中 データ取り込み Embulk / Datastream Datastream を標準に © Findy Inc. 12
13. プラットフォーム: 型化した Ops を AI Skills に 1 4 型化 スキル‧MCP をプラグイン 化 改善 2 スキルを更新 計測 AI+ で定量 3 振り返り /insights で定性 © Findy Inc. 13
14. プラットフォーム: AI ⾃⾛倍率とアウトプットが改善 指標 7 ⽉→9⽉ 🤖 AI ⾃⾛倍率 （AI のアクティブ時間 / ユーザーのアクティブ時間） 1.2 倍 ✅ PR 作成数 （⼀⼈あたり/週） 1.6 倍 型化によりコストやセキュリティの対応も可能へ 項⽬ 運⽤⽅針‧⽬標 💰 コスト ⽉次変動 ±10% 以内 🔐 セキュリティ (脆弱性) 週次で追跡し脆弱性や EOL を 0 へ © Findy Inc. 14
15. ピープル: ⽴ち上がりは爆速、理解は⼈に残す 🚀 AI Skills で⽴ち上げる 👥 PR 説明会で理解を残す 💡 ナレッジを AI スキル化（⼊社社員の例） 🧠 ⼈とチームの理解‧ドメイン知識の定着 アウトプットの変化 定着のアプローチ 3週⽬でチーム平均 PR 説明会を定期開催 • 業務⼿順や開発コンテキストを AI Skills へ集約‧ 活⽤ • 疑問をその場で潰す ことで属⼈化を防⽌ • AIによる⾼速化と同時に、背景や設計意図の対話 的理解を徹底 © Findy Inc. 15
16. ピープル: 社内の採⽤ノウハウを活⽤し露出や接点を増やす © Findy Inc. 16
17. プロダクト: ターゲットを絞り MVP でイネーブリング 組織のデータ x AI 活⽤度合いを三段階に整理し、注⼒ターゲットを明確化 データヘビー層 データ顕在層 データ潜在層 BigQuery コンソール上で SQL を定常的に書いていた⼈ SQL は書けないがデータを使い たい⼈ 現状データ活⽤の機会が少ない ⼈ 対応⽅針 対応⽅針 対応⽅針 データイネーブリング対象外 【注⼒】AI Agent を整備 データイネーブリング対象外 ※ BigQuery MCP を⾃分で設定 して数字の確認もできる⼈が多 いためそもそもイネーブリング の必要がない 汎⽤的にデータ活⽤を⽀援する ために AI を活⽤ 誤った活⽤を独⾃に進めてしま うリスク リソース配分を考慮し、本 フェーズでのイネーブリングの ⽀援対象外とする © Findy Inc. 17
18. プロダクト: ターゲットを絞り MVP でイネーブリング 組織のデータ x AI 活⽤度合いを三段階に整理し、注⼒ターゲットを明確化 データヘビー層 データ顕在層 データ潜在層 BigQuery コンソール上で SQL を定常的に書いていた⼈ SQL は書けないがデータを使い たい⼈ 現状データ活⽤の機会が少ない ⼈ 対応⽅針 対応⽅針 対応⽅針 誤った活⽤を独⾃に進めてしま うリスク ⽀援対象外とする 【注⼒】AI Agent を整備 データイネーブリング対象外 データプロダクトの WAU は半年で 3 倍へ ※ BigQuery MCP を⾃分で設定 汎⽤的にデータ活⽤を⽀援する リソース配分を考慮し、本 簡易的なデータ抽出、分析依頼はゼロへ して数字の確認もできる⼈が多 ために AI を活⽤ フェーズでのイネーブリングの データイネーブリング対象外 いためそもそもイネーブリング の必要がない © Findy Inc. 18
19. プロジェクト: アクティビティを数字で集め、振り返り KPI を定めてスループットや健全性を可視化、週次で振り返る チームの成果や状況をチーム外にアピールできるように KPI 毎週振り返る数字 先⾏ AI ⾃⾛倍率、スキル‧MCP 呼び出し回数（AI+） 中間 PR 数、リードタイム（Team+） 遅⾏ データプロダクトの WAU 健全性 コスト、セキュリティ © Findy Inc. 19
20. プロジェクト: 短期と⻑期にわけてゴールを分ける データ基盤は⼀朝⼀⼣ではないため、基本指針に加えて「⻑期」と「短期」の⽬標を個別に設 定する • 短期⽬線: 半期ごとに成果を出し、信頼（や予算）を確保 • ⻑期⽬線: 短期⽬線を作るために⻑期的なミッション、ビジョンを作る 項⽬ 内容 ミッション データとエンジニアリングの⼒で、ファインディの知恵を結集し、意思決定を加速させる ビジョン 事業成⻑に並⾛できるデータ‧AI 基盤を作る ⾏動指針 作業を「仕組み」に変える / 「使われるデータ」に誠実に向き合う © Findy Inc. 20
21. まとめ • • 事業や組織の状況を整理し 4 つの領域のマネジメントを実践 ◦ Ops やデータ活⽤で AI を活⽤しスループットを最⼤化 ◦ ターゲットを絞り最⼩限の努⼒で価値を最⼤化 ◦ 定量‧定性での振り返りを強化し育成や健全性へつなげる ◦ 短期‧⻑期で分けてゴール設定する 今後の挑戦: より⻑期⽬線で売上に貢献できるような KPI を設定しマネジメント © Findy Inc. 21
22. データエンジニア 絶賛募集中です！！ 複数プロダクト横断データ基盤を設計・開発しています！ 興味ある方はご応募、カジュアル面談お待ちしています→ © Findy Inc. 22
23. ご清聴ありがとうございました🙏 © Findy Inc. 23