Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
新卒ふりかえり研修2019
Search
pokotyamu
April 02, 2019
Education
1.7k
2
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
新卒ふりかえり研修2019
pokotyamu
April 02, 2019
More Decks by pokotyamu
See All by pokotyamu
エンタメ好きが見る B リーグ
pokotyamu
0
63
アジャイルの知見から新卒研修作り、そして組織作り
pokotyamu
0
270
プロダクト作りと新卒研修作り、そして組織作り
pokotyamu
1
320
アジャイル・スクラム研修2025
pokotyamu
0
680
ふりかえり研修2025
pokotyamu
1
2.1k
新卒交流ワークショップ
pokotyamu
0
950
CTI の基礎コース受けてきた
pokotyamu
1
340
feedforce 青山オフィスへの行き方
pokotyamu
0
390
格ゲーから学ぶコーチング
pokotyamu
1
220
Other Decks in Education
See All in Education
The Strengthening Institutions Program
territorium
PRO
0
160
オンラインコミュニティ TRY部 体験マニュアル
ytapples613
0
350
AWS Skill Builderを活用した一石二鳥の業務計画
ysaeki
0
140
解決策を教えても次期リーダーは育たない ─ 器の発達に伴走するために / Partnering with leaders in their vertical development
matsu0228
1
680
Course Review - Lecture 13 - Next Generation User Interfaces (4018166FNR)
signer
PRO
0
2.4k
Examen de Selectividad. Geografía junio 2026 (Convocatoria Ordinaria). UCLM
juanmartin2026
1
6.1k
形骸化しない社内勉強会の取り組み - オーナーシップの作り方 / In-house study session
soudai
PRO
1
220
Examen de Selectividad. Geografía julio 2026 (Convocatoria Extraordinaria). UCLM
juanmartin2026
1
13k
AIってなぁに?
kenichiota0711
0
720
sepm-training-sample
levii
0
200
2026年度春学期 統計学 第10回 分布の推測とは - 標本調査,度数分布と確率分布 (2026. 6. 4)
akiraasano
PRO
0
200
観察、仮説、実行、検証、計画、提案を一年で3000回トレーニングする方法/3000 Thinking Loops in 365 Days
moriyuya
5
1.1k
Featured
See All Featured
DBのスキルで生き残る技術 - AI時代におけるテーブル設計の勘所
soudai
PRO
68
57k
Darren the Foodie - Storyboard
khoart
PRO
3
3.8k
How to optimise 3,500 product descriptions for ecommerce in one day using ChatGPT
katarinadahlin
PRO
2
3.8k
Claude Code のすすめ
schroneko
67
230k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
12
1.3k
Keith and Marios Guide to Fast Websites
keithpitt
413
23k
Measuring Dark Social's Impact On Conversion and Attribution
stephenakadiri
2
260
Prompt Engineering for Job Search
mfonobong
0
430
End of SEO as We Know It (SMX Advanced Version)
ipullrank
3
4.4k
Fashionably flexible responsive web design (full day workshop)
malarkey
408
67k
Thoughts on Productivity
jonyablonski
76
5.3k
brightonSEO & MeasureFest 2025 - Christian Goodrich - Winning strategies for Black Friday CRO & PPC
cargoodrich
3
800
Transcript
;Γ͔͑Γ ϑϨʔϜϫʔΫ ৽ଔݚम 2019
͋ͳͨԿΛ͍ͯ͠Δਓʁ ࣗݾհ • ా ӳ༞(͑ʔͪΌΜ͞Μ) • ৽ଔ4 ΤϯδχΞ • ɹɹɹɹɹɹɹॴଐ
• ࣾ།ҰͷೝఆεΫϥϜϚελʔ • ࣾ;Γ͔͑Γܑ͓͞Μ • ϫʔΫγϣοϓ/ϑΝγϦςʔτ 2
ࠓͷత • ୈ̍෦ɿࠓޙͷݚमΛ 120 % ٵऩ͍ͯͨ͘͠Ίʹඞཁͳ͜ͱΛֶͿ • Ωʔϫʔυ: ڠௐֶश •
ୈ̎෦ɿ;Γ͔͑ΓͱͲ͏͍͏ͷ͔ΛֶͿ • Ωʔϫʔυ: ΧΠθϯɾײँɾϑϨʔϜϫʔΫ ͓ॻ͖ 3
ୈҰ෦ ʮֶͼʯ
ͳΜͰݚम ͢ΔΜͩΖ͏͔ʁ 5
͋ͳ͕ͨ࠷Ͱ ଐઌͷνʔϜͰ ׆༂ͯ͠Β͏ͨΊ 6
ѹతΠϯϓοτ ࣝͷྗ
ѱ͍ྫ • ݚमAड͚Δ • ݚमAΊͬͪΌֶΜͩ • ࣍ͷݚमB࢝·Δ • ݚमBΊͬͪΌֶΜͩ •
̍ऴΘͬͨʂࠓΊͬͪΌֶΜͩײʂ • ຊଐޙʮ͋Εʁ͜ΕͳΜ͚ͩͬʁʯ ѹతΠϯϓοτ 8
ैདྷͷֶशελΠϧ • ࣝୡܕ(ઌੜ͕ڭஃͰڭ͑Δख๏) • ͔ͬͨΑ͏Ͱ͔ͬͯͳ͍ঢ়ଶ • ࣮ࡍʹࣗͰΖ͏ͱ͢ΔͱͰ͖ͳ͍ঢ়ଶ ֶߍͷڭҭ 9
ϥʔχϯάϐϥϛου ֶशͷఆண 10
ݚमͷ׆͔͠ํ 11
ݐઃత૬ޓ࡞༻ • ࣗࣗͷߟ͑Λ֎ʹग़ͯ֬͠ೝͯ͠ΈΔ໘ • ଞͷਓͷݴ༿׆ಈΛฉ͍ͨΓݟͨΓͯ͠ɺࣗ ͷߟ͑ͱΈ߹ΘͤͯΑΓྑ͍ߟ͑Λ࡞Δ໘ ଞऀͱߟ͑ͳ͕ΒֶͿ 12
ݐઃత૬ޓ࡞༻ ଞऀͱߟ͑ͳ͕ΒֶͿ 13 ڠ ௐ ֶ श • ࣗࣗͷߟ͑Λ֎ʹग़ͯ֬͠ೝͯ͠ΈΔ໘ •
ଞͷਓͷݴ༿׆ಈΛฉ͍ͨΓݟͨΓͯ͠ɺࣗ ͷߟ͑ͱΈ߹ΘͤͯΑΓྑ͍ߟ͑Λ࡞Δ໘
ͳΜͰݚम ͢ΔΜͩΖ͏͔ʁ 14
͋ͳͨ19ଔશһ͕࠷Ͱ ଐઌͷνʔϜͰ ׆༂ͯ͠Β͏ͨΊ 15
Ͳ͜Ͱߟ͑Λग़͍͔ͯ͘͠ʁ 16
Ͳ͜Ͱߟ͑Λग़͍͔ͯ͘͠ʁ 17
ؾܰʹॻ͖ग़͢ Slack #rookies-2019 ΞτϓοτΛॻ͖ग़͢ • ϝϞΘΓʹͬͯେৎ • ࣭ਵ࣌ͦͪΒʹॻ͍ͯετοΫͯ͠Βͬͯେৎ • ࣗͷֶΜͩ͜ͱΛʮจʯͰॻ͖ग़͢
• ؒҧ͑ͯ୭ౖΒͳ͍ͷͰཧղΛਂΊΔͨΊʹੵۃతʹॻ͖ग़͢ • ઌഐ͑ͯ͘ΕΔ͔ʂʂ • ͦ͜Ͱฉ͍ͨΒϦΞϧλΠϜͰฦͯ͘͠Εͳ͍͔͠Εͳ͍͚Ͳɺߨ ࢣઈରʹ͑ͯ͘ΕΔ͔ΒͱΓ͋͑ͣॻ͘ 18
ઌഐͷ׆༻ྫ ͋Δͷࣾษڧձ 19
ઌഐͷ׆༻ྫ ͋Δͷࣾษڧձ 20 จͰࢥͬͨ͜ͱΛ ΨϯΨϯॻ͍͍ͯ͘
ઌഐͷ׆༻ྫ ͋Δͷࣾษڧձ 21 ڞײͨ͠Β ͔ͬ͠ΓϦΞΫγϣϯ͢Δ
ઌഐͷ׆༻ྫ ͋Δͷࣾษڧձ 22 ਂ۷ΓεϨουͰ
• ࣗࣗͷߟ͑Λ֎ʹग़ͯ֬͠ೝͯ͠ΈΔ໘ • ଞͷਓͷݴ༿׆ಈΛฉ͍ͨΓݟͨΓͯ͠ɺࣗ ͷߟ͑ͱΈ߹ΘͤͯΑΓྑ͍ߟ͑Λ࡞Δ໘ ݐઃత૬ޓ࡞༻ ଞऀͱߟ͑ͳ͕ΒֶͿ 23
ͳͥΦʔϓϯͳͰ ॻ͘ͷ͕͍͠ʁ 24
ؕΓ͕ͪͳ4ύλʔϯ ͍ΖΜͳෆ҆ʹऻΘΕΔ ແೳͱ ࢥΘΕΔෆ҆ ωΨςΟϒͱ ࢥΘΕΔෆ҆ ແͱ ࢥΘΕΔෆ҆ अຐΛ͍ͯ͠Δͱ ࢥΘΕΔෆ҆
25
ɹɹɹɹɹ ҆શͳॴ 26
ֶͼͦ͜͠ڠௐֶश ֤ݚमͰऴΘΓͷ࣌ؒʹֶͼ͠Λ͠·͠ΐ͏ • ͦͷݚमͰʮֶΜͩ͜ͱɾࢼͯ͠ΈΔ͜ͱɾײʯΛྡͷਓͱڞ༗ ͠·͠ΐ͏ • ͞ΒʹϖΞ(͘͠ࡾਓ)Ͱߨࢣͷਓʹ࣭Λߟ͍͑ͯͩ͘͞ • ฉ͖͍ͨ͠ͱ͍͏༰ͰେৎͰ͢ •
ଞͷਓ͕͍ͬͯΔ࣌ϝϞΛऔͬͨΓ PC ΛݟͨΓͤͣɺ͔ͬ͠Γ ฉ͍͍ͯ͋͛ͯͩ͘͞ • ͦͷֶͼ͕͋ͳͨͷཧղΛਂΊΔ͖͔͚ͬʹͳΔ͔͠Ε·ͤΜ 27
·ͱΊ • ݚमظؒѹతΠϯϓοτΛڧ੍తʹߦ͏ • डಈతʹݚमΛड͚Δͱֶशޮ͕ඇৗʹѱ͍ • ͦ͜Ͱ Slack ଞͷਓͱҙݟΛަ͋ͬͯ͠ཧղΛਂΊΔڠௐֶश ͱ͍͏ख๏Λհͨ͠
• ൃݴ͢Δ͜ͱͷෆ҆ײ͋Δͱࢥ͏͕ɺͦΕΛᄀΊͨΓౖͬͨΓ͢ Δਓډͳ͍ͷͰɺΨϯΨϯൃݴͯ͠ཉ͍͠ • ൃݴͯ͘͠Εͨਓʹ࠷େݶͷϦεϖΫτΛ࣋ͬͯͯ͠΄͍͠ 28
ୈ̍෦ ʙʙ
ୈ̎෦ ;Γ͔͑ΓϑϨʔϜϫʔΫ
;Γ͔͑Γͬͯ ͲΜͳΠϝʔδͰ͔͢ʁ (ྡͷਓͱ1ͯ͠Έ͍ͯͩ͘͞) 31
Ұൠతͳ;Γ͔͑ΓͷΠϝʔδ • লձͱಉ͡Πϝʔδ • ͋Δ࡞ۀΛߦͬͨ༰ͳͲΛݟ͢͜ͱ • ಥൃతʹىͬͨ͜՝ͷվળΛग़͢ • Λىͨ͜͠ਓ͕࠶܁Γฦ͞ͳ͍ͨΊʹͲ͏͢Δ͔ʁΛߟ͑Δ •
ظతͳܭըͷݟ͠Λߦ͏ • ͪΌΜͱͨ͠Γํ͕͋Δ͜ͱࣗମΒͳ͍ 32
ྑ͍;Γ͔͑Γͱѱ͍;Γ͔͑Γ ѱ͍;Γ͔͑ΓԿ͕μϝʁ ѱ͍;Γ͔͑Γ μϝϙΠϯτ ϓϩμΫτͷ ͚ͩग़ͯ͠ऴΘΓ ͕ى͜Βͳ͚Ε ;Γ͔͑Βͳ͍ ਓ֨ݸਓ߈ܸ͔Γ νʔϜͱͯ͠Λଊ͑ΒΕͯͳ͍
ԿͷͨΊͷ͔͔࣌ؒΒͳ͔ͬͨ ;Γ͔͑ΓͷҙਤΛཧղͰ͖ͯͳ͍ ूதͰ͖ͯͳ͍ 33
ѱ͍;Γ͔͑Γ ྑ͍;Γ͔͑Γ ϓϩμΫτͷ ͚ͩग़ͯ͠ऴΘΓ ʹରͯ͠ΧΠθϯΛग़͢ ਓ֨ݸਓ߈ܸ͔Γ νʔϜશһͰͲ͏Ε ΧΠθϯग़དྷΔ͔ʁΛ͠߹͏ ԿͷͨΊͷ͔͔࣌ؒΒͳ͔ͬͨ શһ͕ΧΠθϯʹ͔ͬͯ
ूதͰ͖͍ͯΔʹͳ͍ͬͯΔ 34 ѱ͍;Γ͔͑ΓԿ͕μϝʁ ྑ͍;Γ͔͑Γͱѱ͍;Γ͔͑Γ
;Γ͔͑Γָ͍͠ʂ ;Γ͔͑Γͷେલఏ ୭͔ΛΊΔͰͳ͍ ਓɾؔɾϓϩηεɾπʔϧ ΛΧΠθϯ͢Δ 35
ਓΛΊͳ͍ 36
μχΤϧɾΩϜͷ৫ͷޭ॥Ϟσϧ ؔͷ࣭ ࢥߟͷ࣭ ݁Ռͷ࣭ ߦಈͷ࣭ 37
ਓͷؔΛେࣄʹͤͣɺ݁ՌΛ͍ٻΊΔͱ… ରཱԡ͚ͭ͠ ໋ྩɾࢦ͕ࣔ૿͑Δ ड͚ͳࢥߟ ੑ͕ͳ͘ͳΔ ੵۃతʹߦಈ Ͱ͖ͳ͘ͳΔ ݁Ռ͕ ্͕Βͳ͍ 38
ᶄؔͷ࣭ ᶅࢥߟͷ࣭ ᶃ݁Ռͷ࣭ ᶆߦಈͷ࣭
·ͣؔͷ࣭Λ͋͛Δ͜ͱͰɺ݁Ռͷ࣭ΛߴΊΔ ๛͔ͳ ίϛϡχέʔγϣϯ ଟ༷Ͱ࣭ͷߴ͍ ΞΠσΞ ߹ҙͰܾΊ ೲಘͯ͠ߦಈ ظ͞Εͨ Ռ 39
ᶃؔͷ࣭ ᶄࢥߟͷ࣭ ᶆ݁Ռͷ࣭ ᶅߦಈͷ࣭
ΧΠθϯͱײँ 40
ܧଓྗͳΓ վળͱΧΠθϯ • վળ • ѱ͍ͱ͜ΖΛͯ͠ɺྑ͘͢Δߦಈ • ͕ͳ͍ͱվળ͢Δ͜ͱ͕Ͱ͖ͳ͍ • ΧΠθϯ
• ࠓطʹߦ͍ͬͯΔ͜ͱΛΑΓ্खʹߦ͏ͨΊʹ͢Δߦಈ • ͕ͳͯ͘ΧΠθϯग़དྷΔʂ 41
;Γ͔͑Γ͕ ָ͍͠ͷ ʹͳͬͯཉ͍͠ 42
;Γ͔͑ΓΛ ମݧͯ͠ΈΑ͏ʂ 43
̍ճ࿅शɺ̎ճຊ൪ ϨΰੵΈ্͛ήʔϜ • ೋਓ̍ʹͳ͍ͬͯͩ͘͞ • ࡞ઓTIME̍ɾ੍࡞TIME̎ • Ұ൪ߴ͘ੵΈ্͛ͨɿ̍Ґ̏ɾ̎Ґ̍ • ͬͨ৭͕গͳ͍ɿ̍Ґʹ̏ɾ̎Ґʹ̍
• ਅͬฏΒͳͭېࢭʂ • ଌఆ࣌ʹɺϨΰҎ֎ͷࢧ͑ແ͠Ͱཱ͍ࣗͯ͠Δ͜ͱ͕݅Ͱ͢ 44
ୈ̍ճ LEGOπϜπϜ 45
ελʔτʂ 46
ࠓͷ LEGOπϜπϜ Λ;Γ͔͑ͬͯΈΑ͏ 47
ਓɾؔ ϓϩηεɾπʔϧ 48
ਖ਼͍͠ᝦͷണ͕͠ํ ԼʹҾ͘ or ԣʹണ͕͢
ਖ਼͍͠ᝦͷണ͕͠ํ ԼʹҾ͘ or ԣʹണ͕͢
;Γ͔͑ΓͷԼ४උ σʔλΛऩू͢Δ(4) • ϨΰΛཱͯΔͷʹͲΜͳ͜ͱΛ͠·͔ͨ͠ʁ • ૬ํͱͷֻׂ͚୲ͲΜͳ͜ͱΛ͠·͔ͨ͠ʁ • Ռͱͯ͠ͲΜͳͷ͕Ͱ͖·͔ͨ͠ʁ • ࣌ؒͲΜͳײ͡Ͱ͔ͨ͠ʁ
51
ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ ྑ͔ͬͨ͜ͱ (3 + 2) • ͳΔ͘ʮ͕ࣗͨ͠ʯͰͳ͘ʮνʔϜͰͰ͖ͨʯ͜ͱ Λॻ͖·͠ΐ͏ • σʔλ͔Βྑ͔ͬͨߦಈൃݴ͋Γ·͔ͨ͠ʁ
• ࣍ճଓ͚͍͖͍ͯͨߦಈൃݴ͋Γ·͔ͨ͠ʁ • ͥͻɺ૬ํ͞ΜͷײँΕͣʹ 52
ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ ྑ͔ͬͨ͜ͱͷਂ۷Γ (3) • షΓग़ͯ͠ΒͬͨΑ͔ͬͨ͜ͱɺͳΜͰ࣮ݱͰ͖ͨΜ ͩΖ͏ʁ • ཁҼͱͳ͍ͬͯΔ෦ͳʹ͔͋Γ·͔͢ʁ • ଓ͚͍͖͍ͯͨྑ͔ͬͨ͜ͱ͋Γ·͢ʁ(ͦΕͳͥʁ)
• ᝦ͕͍ͬͺ͍ग़͍ͯΔॱͰਂ۷Γͯ͠Έ͍ͯͩ͘͞ 53
ѱ͔ͬͨ͜ͱ(3 + 2) • ͳΔ͘ʮ͕ࣗͨ͠ʯͰͳ͘ʮνʔϜͰͰ͖ͨʯ͜ͱ Λॻ͖·͠ΐ͏ • σʔλ͔Βѱ͔ͬͨߦಈൃݴ͋Γ·͔ͨ͠ʁ • ͋͘·ͰʮߦಈʯϕʔεͰߟ͍͑ͯͩ͘͞
• ઈରʹਓΛΊͳ͍Α͏ʹʂʂʂʂ ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ 54
ਓΛΊΔ = νʔϜͷ՝ʹͳͬͯͳ͍ • ΛᄀΊΔͷলձɺ;Γ͔͑ΓΧΠθϯͷ • ͦͷߦಈΛىͨ͜͠ͷʮͦͷਓʯͷͰ͔͢ʁ • νʔϜͱͯ͠ɺͦͷߦಈΛ͙͜ͱͰ͖ͳ͔ͬͨͷ͔ʁ •
ѱ͔ͬͨ͜ͱΛग़ͨ͠ਓɺνʔϜͷ՝ʹؾ͍ͮͨਓʂ ;Γ͔͑Γͷ͝๏ 55
ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ ѱ͔ͬͨ͜ͱͷਂ۷Γ (3) • షΓग़ͯ͠Βͬͨѱ͔ͬͨ͜ͱͳΜͰى͖ͨΜͩΖ͏ʁ • ཁҼͱͳ͍ͬͯΔ෦ͳʹ͔͋Γ·͔͢ʁ • ઈରʹղܾ͍ͨ͠ѱ͔ͬͨ͜ͱ͋Γ·͢ʁ(ͦΕͳͥʁ) •
ᝦ͕͍ͬͺ͍ग़͍ͯΔॱͰਂ۷Γͯ͠Έ͍ͯͩ͘͞ 56
ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ ࣍Δ͜ͱ (3 + 2) • ྑ͔ͬͨ͜ͱΛΑΓ্ख͘ߦ͏ͨΊʹͲ͏ͨ͠Β͍͍ʁ • ѱ͔ͬͨ͜ͱΛղܾ͢ΔͨΊʹͲ͏ͨ͠Β͍͍ʁ •
۩ମతʹͬͯΈΔ͜ͱΛॻ͖ग़͢ • ͜Μͳ͔͚͕͋ͬͨΒ͍͍Μ͡Όͳ͍͔ʁ 57
ΞΠσΞͷબ ࣍Δ͜ͱΛબ͢Δ (1) • ग़͖ͯͨ࣍Δ͜ͱͷதͰඞͣΔΞΠσΞΛܾΊͯͩ͘ ͍͞ • શ෦Ͱͳ͘ɺ̍ʙ̎ݸͰΦοέʔͰ͢ʂ • ܾΊͨͭඞ࣮ͣߦ͍ͯͩ͘͠͞
58
ୈ̎ճ LEGOπϜπϜ 59
ελʔτʂ 60
ຊདྷ͔͜͜Β ߋʹ;Γ͔͑Γ͢Δ 61
ΧΠθϯϧʔϓ εΫϥϜݚमଓ͘ 62
࣮ࡍʹԿΛ ߦ͍ͬͯͨͷ͔ʁ 63
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 64
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 65
ཱͪࢭ·ͬͯͱ͖߹͏ • Γଓ͚͍ͯΔͱࢹ͕ڱ͘ ͳͬͯ͠·͏ • શମ૾ΛݟΔ͜ͱ͕େࣄ • ҙࣝͯ͠શମΛݟΔͷ͍͠ • ى͍ͬͯ͜Δ͔ΒҰาҾ͍
ͯɺ࣍ʹ͖͢͜ͱΛྫྷ੩ʹߟ ͑Δ 66
ΈΜͳͰ͖߹͏ ΈΜͳͰݟΔ͜ͱͰ ͷશମ૾͕ݟΕΔ ͦͦʮʯΛ ݟ͍ͯΔͷͰ ਓʹ͕͍͔ͳ͍ ձͷதͰ ίϥϘϨʔγϣϯ͕ ੜ·ΕΔ
67
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 68
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 69
σʔλΛऩू͢Δ • νʔϜΠϕϯτ • ࣮ࡍͷ࡞ۀ࣌ؒ • ৽͍͠औΓΈ • डͨ͠Ҋ݅ •
OKR ͷୡ • ۀ࣌ؒ • ݸਓͷؾ࣋ͪ / ײ • ͲΜͳݚम͕͔͋ͬͨʁ • ͲΜͳൃݴΛ͔ͨ͠ʁ • ݚमͰֶΜͩ͜ͱ ۩ମతͰ͋Ε͋Δ΄Ͳ ;Γ͔͑Γ͕ॆ࣮͢Δ 70
ͳͥσʔλΛऩू͢Δ͔ʁ ࣌ؒ ྑ͔ͬͨ ѱ͔ͬͨ ϝʔϧΕ ॳडʂ ϊʔۀ ใࠂ࿙Ε ϑΥϩʔ ;Γ͔͑Γ
71
ͳͥσʔλΛऩू͢Δ͔ʁ ࣌ؒ ྑ͔ͬͨ ѱ͔ͬͨ ;Γ͔͑Γ 72 ϑΥϩʔ ϝʔϧΕ ॳडʂ ϊʔۀ
ใࠂ࿙Ε ੲ͗ͯ͢ΕΒΕΔ
ͳͥσʔλΛऩू͢Δ͔ʁ ࣌ؒ ྑ͔ͬͨ ѱ͔ͬͨ ϑΥϩʔ ;Γ͔͑Γ 73 ϝʔϧΕ ॳडʂ ϊʔۀ
ใࠂ࿙Ε ۙͷ ಥඈͳ͜ͱʹ ͯ͠͠·͏
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 74
ΞΠσΞΛग़͢ • ऩू͞Εͨσʔλ͔ΒύλʔϯΛݟग़͢ • σʔλͷੳ͕ऴΘ͍ͬͯΔͱͳ͓Γ͍͢ • ۙͳղܾࡦΑΓࠜຊతͳղܾΛ༏ઌ͢Δ • ୯ൃͷվળʹͳΒͳͣɺܧଓతʹΧΠθϯͰ͖ΔΑ͏ʹ͢Δ •
;Γ͔͑ΓͰҰ൪࣌ؒΛ͔͚Δ͖ॴ 75
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 76
ԿΛ͖͔ܾ͢ఆ͢Δ • ྻڍ͞ΕͨΞΠσΞͷத͔Β࠾༻͢ΔͷΛબͿ • ͯ͢Λ࣮ݱ͠Α͏ͱ͢ΔͷͰͳ͘ɺ࠾༻͢Δͷ̍ʙ̎ݸ • ࣍ͷ;Γ͔͑ΓͰɺΞΠσΞͰΧΠθϯͰ͖͍ͯΔ͔ʁΛධՁ͢Δ • ΧΠθϯ͢ΔͨΊͷΞΫγϣϯΧΠθϯ͢Δͷ͕;Γ͔͑Γ 77
ܧଓతͳΧΠθϯ
;Γ͔͑Γͷ ϑϨʔϜϫʔΫ 78
ࣾͰΑ͘ΘΕ͍ͯΔ̎ͭͷϑϨʔϜϫʔΫ • KPT • ײϕʔεͰ;Γ͔͑Δ • Keep: ྑ͔ͬͨ͜ͱ • Problem:
ѱ͔ͬͨ͜ͱ • Try: ࣍Δ͜ͱ • ൺֱతظؒͷ;Γ͔͑Γ • ͦΕͧΕผͳ͜ͱΛͬͨ࣌ • YWT • ࣄ࣮ϕʔεͰ;Γ͔͑Δ • Y: ͬͨ͜ͱ • W: Θ͔ͬͨ͜ͱ • Try: ࣍Δ͜ͱ • தظؒͷ;Γ͔͑Γ • શһ͕ಉ͜͡ͱΛͬͨ࣌ 79
ײϕʔεͰ;Γ͔͑Δ KPT Keep: ྑ͔ͬͨ͜ͱ σʔλͷऩू Problem: ɾ՝ Try: ࣍ʹΔ͜ͱ ΞΠσΞग़͠
ԿΛ͖͔ܾ͢ఆ͢Δ 80
ࣄ࣮ϕʔεͰ;Γ͔͑Δ YWT Y: ͬͨ σʔλͷऩू W: Θ͔ͬͨ Try: ࣍ʹΔ͜ͱ ΞΠσΞग़͠
ԿΛ͖͔ܾ͢ఆ͢Δ 81
͖ͬ͞ͷ ;Γ͔͑ΓΛ ;Γ͔͑ͬͯΈΔ 82
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 83
;Γ͔͑ΓͷԼ४උ Λઃఆ͢Δ • ͜͏ΔΜʂΛͪ͜Β͔Βఏࣔͯͦ͠Εʹૉʹैͬͯ Βͬͨ • KPT Λ͡Ίͯͷਓ͍ΔͷͰɺߟ͑Δํੑࣔͨ͠ • ;Γ͔͑Γ͕͍͢͠ڥͷͨΊɺᝦͱϖϯΛશһ༻
ҙͨ͠ 84
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 85
;Γ͔͑ΓͷԼ४උ σʔλΛऩू͢Δ(4) • ϨΰΛཱͯΔͷʹͲΜͳ͜ͱΛ͠·͔ͨ͠ʁ • ࡞Δաఔͷ • ૬ํͱͷֻׂ͚୲ͲΜͳ͜ͱΛ͠·͔ͨ͠ʁ • ίϛϡχέʔγϣϯͷ
• Ռͱͯ͠ͲΜͳͷ͕Ͱ͖·͔ͨ͠ʁ • Ͱ͖ͨͷ • ࣌ؒͲΜͳײ͡Ͱ͔ͨ͠ʁ • ࣮ͷ 86
σʔλΛऩू͢Δ • νʔϜΠϕϯτ • ࣮ࡍͷ࡞ۀ࣌ؒ • ৽͍͠औΓΈ • डͨ͠Ҋ݅ •
OKR ͷୡ • ۀ࣌ؒ • ݸਓͷؾ࣋ͪ / ײ • ͲΜͳݚम͕͔͋ͬͨʁ • ͲΜͳൃݴΛ͔ͨ͠ʁ • ݚमͰֶΜͩ͜ͱ ݸਓͷؾ࣋ͪ / ײҎ֎ ࣄલʹॻ͖ग़͢͜ͱՄೳ 87
ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ Keep ྑ͔ͬͨ͜ͱ (3 + 2) • ͳΔ͘ʮ͕ࣗͨ͠ʯͰͳ͘ʮνʔϜͰͰ͖ͨʯ͜ͱ Λॻ͖·͠ΐ͏ •
σʔλ͔Βྑ͔ͬͨߦಈൃݴ͋Γ·͔ͨ͠ʁ • ࣍ճଓ͚͍͖͍ͯͨߦಈൃݴ͋Γ·͔ͨ͠ʁ • ͥͻɺ૬ํ͞ΜͷײँΕͣʹ ײతͳσʔλΛऩू 88
ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ Keep ͷਂ۷Γ (3) • షΓग़ͯ͠Βͬͨ Keep ͳΜͰ࣮ݱͰ͖ͨΜͩΖ͏ʁ • ཁҼͱͳ͍ͬͯΔ෦ͳʹ͔͋Γ·͔͢ʁ
• ଓ͚͍͖͍ͯͨ Keep ͋Γ·͢ʁ(ͦΕͳͥʁ) • ᝦ͕͍ͬͺ͍ग़͍ͯΔॱͰਂ۷Γͯ͠Έ͍ͯͩ͘͞ ײతͳσʔλΛऩू 89
Problem ѱ͔ͬͨ͜ͱ(3 + 2) • ͳΔ͘ʮ͕ࣗͨ͠ʯͰͳ͘ʮνʔϜͰͰ͖ͨʯ͜ͱ Λॻ͖·͠ΐ͏ • σʔλ͔Βѱ͔ͬͨߦಈൃݴ͋Γ·͔ͨ͠ʁ •
͋͘·ͰʮߦಈʯϕʔεͰߟ͍͑ͯͩ͘͞ • ઈରʹਓΛΊͳ͍Α͏ʹʂʂʂʂ ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ 90 ײతͳσʔλΛऩू
ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ Problem ͷਂ۷Γ (3) • షΓग़ͯ͠Βͬͨ Problem ͳΜͰى͖ͨΜͩΖ͏ʁ • ཁҼͱͳ͍ͬͯΔ෦ͳʹ͔͋Γ·͔͢ʁ
• ઈରʹղܾ͍ͨ͠ Problem ͋Γ·͢ʁ(ͦΕͳͥʁ) • ᝦ͕͍ͬͺ͍ग़͍ͯΔॱͰਂ۷Γͯ͠Έ͍ͯͩ͘͞ 91 ײతͳσʔλΛऩू
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 92
ऩूͨ͠σʔλΛੳ͍ͯ͜͠͏ Try ࣍Δ͜ͱ (3 + 2) • Keep ΛΑΓ্ख͘ߦ͏ͨΊʹͲ͏ͨ͠Β͍͍ʁ •
100 % → 120 % ʹ͢ΔͨΊͷΧΠθϯ • Problem Λղܾ͢ΔͨΊʹͲ͏ͨ͠Β͍͍ʁ • 80 % → 100 % ʹ͢ΔͨΊͷΧΠθϯ • ۩ମతʹͬͯΈΔ͜ͱΛॻ͖ग़͢ • ͜Μͳ͔͚͕͋ͬͨΒ͍͍Μ͡Όͳ͍͔ʁ 93
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 94
ΞΠσΞͷબ Try Λબ͢Δ (1) • ग़͖ͯͨ Try ͷதͰඞͣΔΞΠσΞΛܾΊ͍ͯͩ͘͞ • શ෦Ͱͳ͘ɺ̍ʙ̎ݸͰΦοέʔͰ͢ʂ
• Կ͕͖͔͚ͬͰมԽͨ͠ͷ͔͕͔Γ͘͢ͳΔ • ࣍ͷ;Γ͔͑ΓͰͬͯΈͯͲ͏͔ͩͬͨΛ;Γ͔͑Δ • ܾΊͨͭඞ࣮ͣߦ͍ͯͩ͘͠͞ 95
;Γ͔͑ΓΛΧΠθϯͷʹ͢Δ̑εςοϓ Λઃఆ͢Δ σʔλΛऩू͢Δ ΞΠσΞΛग़͢ ԿΛ͖͔ܾ͢ఆ͢Δ ;Γ͔͑ΓΛऴྃ͢Δ 96
;Γ͔͑Γͷ;Γ͔͑Γ ;Γ͔͑ΓΛऴྃ͢Δ • ͦͷ;Γ͔͑ΓʹࢀՃͨ͠ਓ͕ຬͰ͖͍ͯΔ͔ʁ • νʔϜʹͱͬͯ;Γ͔͑Γ্͕ख͘ߦ͍͑ͯΔ͔ʁ • ࣌ؒௐΛ͢Δඞཁͳ͔͔ͬͨʁΛߟ͑Δ • ;Γ͔͑ΓΛ;Γ͔͑Δ͜ͱͰ࣍ͷ;Γ͔͑Γ͕ΑΓྑ͍
ΧΠθϯͷʹͳΔͨΊʹͲ͏͢Ε͍͍͔Λߟ͑Δ 97
͜͜·Ͱ͕ ;Γ͔͑ΓͷΓํͷ 98
Ͳ͏ͬͯݚमʹ ;Γ͔͑ΓΛ׆͔͔͢ʁ 99
͋ͳͨ19ଔશһ͕࠷Ͱ ଐઌͷνʔϜͰ ׆༂ͯ͠Β͏ͨΊ 100
׆͔͠ํ ݚमͷड͚ํΛ;Γ͔͑ͬͯΈΔ • ͜ΜͳൃݴΛͯ͠Έͨ(͜Μͳ࣭Λͯ͠Έͨ) • ϝϞͷͱΓํͱͯ͠ Slack ʹ͜Μͳ෩ʹॻ͍ͯΈͨ • ͦΕΛͬͱྑ͘͢Δʹ͜͏ͨ͠Β͍͍Μ͡Όͳ͍͔ʁ
• ΈΜͳͰɺ͍͍ΓํΛݟ͚ͭͯΧΠθϯ͍ͯ͘͠ 101 ΈΜͳͷֶͼͷ࠷େԽΛࢦͯ͠΄͍͠
ݸਓͰͰ͖Δ ;Γ͔͑Γ 102
ใ 103
ॻ͔͞Ε͍ͯΔ͔Βॻ͘ͳΒॻ͔ͳ͍͍ͯ͘ ຖͷ;Γ͔͑Γͷ • ใΛॻ͘తΛߟ͑ͯΈΑ͏ • ຖͷֶͼͷ;Γ͔͑ΓͷͨΊʹॻ͘ͱͨ͠ΒɺͲΜͳ ϑΥʔϚοτ͕ద͍ͯ͠ΔͩΖ͏͔ʁ • ;Γ͔͑Γͷ̑εςοϓʹԊͬͯͲΜͳใʹ͢Ε͍͍ ͔ߟ͑ͯΈΑ͏(॓)
• େࣄͳͷɺใ͕΄Μͱʹ͜ΕͰ͍͍ͷ͔ͳʁΛৗʹߟ ͑Δ͜ͱ 104
·ͱΊ 105
͋ΕͰ͖ͯͳ͍… ͜ΕͰ͖ͯͳ͍… 106
ࠓ͜Ε͕Ͱ͖ͨʂ ໌͜͏ͯ͠ΈΑ͏ʂ 107
࣍ͷΞΫγϣϯ͕ ࢥ͍͔ͭͳ͍… 108
՝͕ݟ͚͑ͨͩͰ ͍͢͝͡ΌΜʂ 109
;Γ͔͑Γ͕ ָ͍͠ͷ ʹͳͬͯཉ͍͠ 110
;Γ͔͑Γָ͍͠ʂ ·ͱΊ • ;Γ͔͑ΓΧΠθϯͷͰ͢Αʂ • ;Γ͔͑Γख๏ͷҰͭͰ͋Δ KPT ʹ͍ͭͯମݧͯ͠Β͍·ͨ͠ • ;Γ͔͑Γͷ̑ͭͷεςοϓΛҙࣝ͢ΕΑΓॆ࣮ͨ͠;͔͑Γ͕
Ͱ͖Δ • ݸਓͷ;Γ͔͑ΓใΛ׆༻ͯ͠ΈΔ • Ͱ͖Δ͜ͱΛ૿ͤΔϫΫϫΫײͰϨοπΤϯδϣΠʂ
ୈ̎෦ ʙʙ
ֶͼͦ͜͠ڠௐֶश ֶͼ͠ͷ࣌ؒͰ͢ • ͦͷݚमͰʮֶΜͩ͜ͱɾࢼͯ͠ΈΔ͜ͱɾײʯΛྡͷਓͱڞ༗ ͠·͠ΐ͏ • ͞ΒʹϖΞͰߨࢣͷਓʹ࣭Λߟ͍͑ͯͩ͘͞ • ฉ͖͍ͨ͠ͱ͍͏༰ͰେৎͰ͢ •
ଞͷਓ͕͍ͬͯΔ࣌ϝϞΛऔͬͨΓ PC ΛݟͨΓͤͣɺ͔ͬ͠Γ ฉ͍͍ͯ͋͛ͯͩ͘͞ • ͦͷֶͼ͕͋ͳͨͷཧղΛਂΊΔ͖͔͚ͬʹͳΔ͔͠Ε·ͤΜ 113