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
制約理論(ToC)入門
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
Recruit
PRO
August 09, 2024
Technology
2.1k
7
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
制約理論(ToC)入門
2024年度リクルート エンジニアコース新人研修の講義資料です
Recruit
PRO
August 09, 2024
More Decks by Recruit
See All by Recruit
開発が速く安くなった後の話 AI時代のソフトウェアエンジニアリング組織論 #devsumi
recruitengineers
PRO
27
14k
双方向推薦システムにおける長期的マッチング最大化に向けた代理目的関数の設計と実証
recruitengineers
PRO
1
110
就職⽀援サービスにおけるキャリアアドバイザーのシフトスケジューリング
recruitengineers
PRO
1
190
Model Routerを使った逐次LLM選択による毀損低減効果の検証
recruitengineers
PRO
2
71
ストリーム処理基盤のFlink移行検証と適材適所の実践
recruitengineers
PRO
2
110
AI 時代の Platform Engineering
recruitengineers
PRO
3
480
巨大プラットフォームを進化させる「第3のROI」
recruitengineers
PRO
2
3.6k
データ戦略を加速させる プラットフォーム エンジニアリングと進化的アーキテクチャ
recruitengineers
PRO
3
120
まなび領域における生成AI活用事例
recruitengineers
PRO
2
330
Other Decks in Technology
See All in Technology
事業価値を⽣み出すSREへ SREが担うべき意思決定の5層
kenta_hi
2
3.8k
公式ドキュメントの歩き方etc
coco_se
1
120
タスクの複雑さでモデルを選ぶ ── Thompson Samplingで動かす“トークン/コスト最適化
satohy0323
0
530
DMM.com 購入改善推進チーム におけるCodeRabbitを用いた レビューフロー改善の一例
ysknsid25
2
650
AI、CDK と協働する Full TypeScript アプリケーション開発 / Full TypeScript Application with AI and CDK
geekplus_tech
2
290
Gen3R: 3D Scene Generation Meets Feed-Forward Reconstruction
spatial_ai_network
0
130
DatabricksにおけるMCPソリューション
taka_aki
1
260
個人開発で育てる「大規模設計の苗床」 - AI時代の1人開発から始める業務への知識接続 / The Seedbed for Large-Scale Design - From AI-Era Solo Projects to Professional Knowledge
bitkey
PRO
1
270
Data + AI Summit 2026 イベントレポート: 「AIがビジネスで意思決定するデータ基盤」へ
nek0128
0
230
Amplify Gen2でbackend.tsにCDKを定義する/しない事によるCDKの挙動の違いとユースケース
smt7174
1
330
最適な自走を最小限の支援で — M&Aで拡大する組織で少人数SREが挑んだ1年 / SRE NEXT 2026
genda
0
1.4k
Alphaモジュール使っていいのかい!?いけないのかい!?どっちなんだいっ!?
watany
1
240
Featured
See All Featured
Code Reviewing Like a Champion
maltzj
528
40k
Chasing Engaging Ingredients in Design
codingconduct
0
240
Creating an realtime collaboration tool: Agile Flush - .NET Oxford
marcduiker
35
2.5k
Public Speaking Without Barfing On Your Shoes - THAT 2023
reverentgeek
1
460
How to build an LLM SEO readiness audit: a practical framework
nmsamuel
1
800
Efficient Content Optimization with Google Search Console & Apps Script
katarinadahlin
PRO
1
720
Navigating the moral maze — ethical principles for Al-driven product design
skipperchong
2
410
Data-driven link building: lessons from a $708K investment (BrightonSEO talk)
szymonslowik
1
1.2k
AI Search: Where Are We & What Can We Do About It?
aleyda
0
7.7k
The Pragmatic Product Professional
lauravandoore
37
7.4k
Beyond borders and beyond the search box: How to win the global "messy middle" with AI-driven SEO
davidcarrasco
3
180
Building a Scalable Design System with Sketch
lauravandoore
463
34k
Transcript
্ౡݡ࢜ʢ4BUPTIJ6&+*."ʣ ੍ཧʢ5P$ʣೖ
גࣜձࣾϦΫϧʔτ ൢଅྖҬϓϩμΫτσΟϕϩοϓϝϯτ1Ϣχοτʢॅ·͍ʣ Vice President ্ౡ ݡ࢜ʢSatoshi UEJIMAʣ ▪ܦྺ 2007ɿେखSIer ɹ৽ଔೖࣾ
2013ɿגࣜձࣾϦΫϧʔτςΫϊϩδʔζɹೖࣾ 2015ɿגࣜձࣾϦΫϧʔτςΫϊϩδʔζ ΤϯδχΞϦϯάGɹάϧʔϓϚωʔδϟʔ 2016ɿಉ্ɹ݉ɹגࣜձࣾϦΫϧʔτϚʔέςΟϯάύʔτφʔζ 2017ɿಉ্ɹ݉ɹגࣜձࣾϦΫϧʔτॅ·͍Χϯύχʔ 2019ɿגࣜձࣾϦΫϧʔτςΫϊϩδʔζ ϥΠϑΠϕϯτྖҬΤϯδχΞϦϯά෦ɹ෦ ɹɹɹɹɹ݉ɹגࣜձࣾϦΫϧʔτॅ·͍Χϯύχʔ 2020ɿגࣜձࣾϦΫϧʔτ ॅ·͍ྖҬΤϯδχΞϦϯά෦ɹ෦ ɹɹɹɹɹ݉ɹॅ·͍ྖҬ։ൃσΟϨΫγϣϯ෦ 2022ɿגࣜձࣾϦΫϧʔτ ൢଅྖҬʢॅ·͍ɾM&FɾࣗಈंɾཱྀߦʣΤϯδχΞϦϯά෦ɹ෦ ɹ݉ɹॅ·͍ྖҬ։ൃσΟϨΫγϣϯ෦ 2023ɿגࣜձࣾϦΫϧʔτ ॅ·͍ྖҬ։ൃσΟϨΫγϣϯ෦ɹ෦ ɹ݉ɹࣄۀ։ൃྖҬ։ൃσΟϨΫγϣϯ෦ ɹɹɹɹ ݉ɹ৽نࣄۀ։ൃࣨ 2024ɿגࣜձࣾϦΫϧʔτ ൢଅྖҬϓϩμΫτσΟϕϩοϓϝϯτ1Uʢॅ·͍ʣVP
"HFOEB 1. ੍ཧʢTOCʣͱ 2. اۀͷΰʔϧʢඪʣͱ 3. ੍ʢϘτϧωοΫʣͱεϧʔϓοτ 4. όοναΠζͱϦʔυλΠϜ 5.
ιϑτΣΞ։ൃݱͰͷ 6. ·ͱΊ
50$ʢ5IFPSZPG$POTUSBJOUTɿ੍ཧʣͱ ΠεϥΤϧͷཧֶऀΤϦϠϑɾΰʔϧυϥοτത࢜ʹΑͬͯఏএ͞Εͨ ੜ࢈ཧܦӦͷશମ࠷దԽͷվળख๏ “ͲΜͳγεςϜͰ͋Εɺৗʹ͘͝গͷཁૉ/ҼࢠʹΑͬͯɺ ͦͷతୡʹ͚ͨύϑΥʔϚϯε੍͕ݶ͞Ε͍ͯΔ” “੍ʹϑΥʔΧεͯ͠ղܾΛߦ͑ɺখ͞ͳมԽͱ খ͞ͳྗͰ࣌ؒͷ͏ͪʹஶ͍͠Ռ͕ಘΒΕΔ” ※ຊݚमͰΰʔϧυϥοτത࢜ͷஶॻʮβɾΰʔϧʯͷΤοηϯεͷհͱɺ ιϑτΣΞ։ൃͷݱʹ͓͚ΔྫΛަ͑ͨઆ໌Λ͍͖ͯ͠·͢ɻ
اۀͷΰʔϧʢඪʣͱ ʰ͓ۚΛṶ͚ଓ͚Δ͜ͱʱ
اۀͷΰʔϧʢඪʣͱ ʰ͓ۚΛṶ͚ଓ͚Δ͜ͱʱ ܦӦͷࢦඪ • ७རӹ • ࢿճऩ • Ωϟογϡϑϩʔ ݱͷࢦඪ
ʁʁʁ
اۀͷΰʔϧʢඪʣͱ ܦӦͷࢦඪ • ७རӹ • ࢿճऩ • Ωϟογϡϑϩʔ ݱͷࢦඪ •εϧʔϓοτɿൢചʢNot
ੜ࢈ʣΛ௨͓ͯۚ͡Λ࡞Γग़ׂ͢߹ •ࡏݿɿൢച͠Α͏ͱ͢ΔΛߪೖ͢ΔͨΊʹࢿͨ͠શͯͷ͓ۚ •ۀඅ༻ɿࡏݿΛεϧʔϓοτʹม͑ΔͨΊʹඅ͓ۚ͢ ʰ͓ۚΛṶ͚ଓ͚Δ͜ͱʱ
੍ʢϘτϧωοΫʣͱεϧʔϓοτ • ϋΠΩϯά • ͱ͋Δ • ܧଓվળʹ͚ͨ5εςοϓ
ϋΠΩϯάʢୂྻΛΈతΛࢦ͢ʣ
ྻͷ͕͞ͲΜͲΜ͘ͳΔ ͠Β͘͢Δͱʜ
ґଘతࣄʢͭͳ͕Γʣ 8km/࣌ͷೳྗ 3km/࣌ͷೳྗ ͨͱ͑8km/࣌Ͱา͚ͨͱͯ͠ɺ લͷΧΤϧ͕3km/͔࣌͠า͚ͳ͚Ε 1࣌ؒʹ3km͔͠ਐΉ͜ͱ͕Ͱ͖ͳ͍ ʢ͘ਐΉʹ੍ݶ͕͋Δʣ ౷ܭతมಈʢΒ͖ͭʣ ฏۉ3km/࣌ ۺඥΛͨ͠Γɺ͵͔ΔΈΛආ͚ͨΓͰ
2km/࣌ͰਐΉ͜ͱ͋Εɺલͱͷڑ ΛॖΊΔͨΊʹ4km/࣌ͰਐΉ͜ͱ͋Δ ʢਐΉ͞ʹόϥ͖͕ͭ͋Δʣ ౷ܭతมಈͱґଘతࣄ
౷ܭతมಈͱґଘతࣄ ͘า͘ ʢ= มಈʣ ۺඥ݁ͿͨΊʹ ࢭ·Δ ʢ= มಈʣ ࢭ·Δ ͘า͘
͘า͘ า͘ ʢ3km/࣌ʣ ґଘ ґଘ ґଘ ͘ਐΉʹ੍ݶ͕͋Δ͕ɺ͘ਐΉʹ੍ݶ͕ແ͍ͨΊɺୂྻແ੍ݶʹ͘ͳ͍ͬͯ͘ɻ Ұ͘ͳͬͯ͠·ͬͨୂྻΛݩͷ͞ʹͨ͢ΊʹɺޙΖΛา͘શͯͷΧΤϧ͕ ࣗͷલʹִ͕ͬͨؒͷ߹ܭʢมಈͷੵʣΛઌ಄ͷΧΤϧͷฏۉΑΓ͘า͘ඞཁ͕͋Δɻ มಈʹΑΓִ͕ͬͨؒ
ྻͷ͕͞ͲΜͲΜ͘ͳΔ ͠Β͘͢Δͱʜʢ࠶ܝʣ ʢগ͠ϦΧόϦʣ ʢલ͕͍ͷͰ ͍ൈ͔ͨ͠ʣ ※า͘ͷ͕ Ұ൪͍
ʲࡐྉͷೖʳ ʲͷൢചʳ εϧʔϓοτʢ ↘︎ ʣ ྻͷ͞ = ࡏݿʢ ↗︎ ʣ
า͘ͷʹඞཁͳΤωϧΪʔ = ۀඅ༻ʢ ↗︎ ʣ ͜ͷୂྻΛʮา͍ͨಓʯͱ͍͏Λ࡞͍ͬͯΔͱΈͳ͢ͱɺઌ಄͕ະ౿ͷಓΛา͘ = ੜ࢈Λ։࢝ɺ ࠷ޙඌ͕า͍ͯ͡Ί͕ͯൢച͞ΕΔ͜ͱʹͳΔɻΑͬͯɺ࠷ޙඌͷา͘εϐʔυ = εϧʔϓοτɻ ઌ಄͕า͖࢝Ίɺ࠷ޙඌ͕า͖ऴΘΔ·Ͱͷಓֻ෦ͷࡏݿʹͳΔɻ ੍ʢϘτϧωοΫʣͱεϧʔϓοτ
ʲࡐྉͷೖʳ ʲͷൢചʳ ※า͘ͷ͕ Ұ൪͍ ੍ݶ ୂྻશମͷεϧʔϓοτΛܾΊ͍ͯΔ = ੍ʢϘτϧωοΫʣ ੍ʢϘτϧωοΫʣҎ֎ͷϓϩηεͷೳྗΛ্ͤͯ͞εϧʔϓοτͷ૿Ճʹد༩͠ͳ͍ɻ ͦΕͲ͜Ζ͔ɺࡏݿۀඅ༻Λ૿Ճͤ͞ΩϟογϡϑϩʔͷѱԽΛͨΒ͢߹͋Δɻ
੍ʢϘτϧωοΫʣʹ͚ͩϑΥʔΧεͯ͠ରॲ͍ͯ͘͜͠ͱ͕શମ࠷దΛͨΒ͢ɻ ੍ʢϘτϧωοΫʣͱεϧʔϓοτ
ྻͷ͞ = ࡏݿʢ ↘︎ ʣ ୂྻͷઌ಄ ୂྻશମͷΛҰ൪า͘ͷ͕͍ΧΤϧʹैΘͤΔ͜ͱͰྻ͕͘ͳͬͯ͠·͏͜ͱΛ੍ɻ ͔͠͠ɺεϧʔϓοτΛ্͛ΔͨΊʹɺઌ಄ͷΧΤϧͷεϐʔυΛԿʹ্͛Δ͔͕伴ɻ ͍ ͓ͦ
Α པΉ ੍ʹଞΛैଐͤ͞Δ ੍ʢϘτϧωοΫʣͱεϧʔϓοτ
ෛՙʢॏ͍ՙʣΛࢄ = UP εϧʔϓοτʢ ↗︎ ʣ ੍ʢϘτϧωοΫʣͷෛՙΛܰͯ͘͠ೳྗΛ্ͤͨ͜͞ͱʹΑΓεϧʔϓοτ্͕ͨ͠ɻ ੍ͱͦΕҎ֎ʢඇ੍ʣͷ۠ผΛ͚ͭΔ͜ͱ͕ॏཁɻΤϦϠϑɾΰʔϧυϥοτࢯᐌ͘ɺ ʰ੍ͱඇ੍ͷ۠ผΛ͍ܽͨԿͳΔྗܾ࣮ͯ͠Λ݁ͳ͍ʱ ੍ʢϘτϧωοΫʣͱεϧʔϓοτ
ʢඇ੍ϦιʔεͰ੍ ϦιʔεΛॿ͚Δ͜ͱͰʣ ੍ͷੑೳΛ্͛Δ
੍ʢϘτϧωοΫʣͱεϧʔϓοτ • ϋΠΩϯά • ͱ͋Δ • ܧଓվળʹ͚ͨ5εςοϓ
ͱ͋Δʢػց ਓखͰϞϊΛ࡞Δʣ ʮࠓͷ࣌·Ͱʹݸ࡞ͬͯग़ՙͤΑʯ 12࣌ 13࣌ 14࣌ 15࣌ 16࣌ 17࣌ Έཱͯ
25ݸ Έཱͯ 25ݸ Έཱͯ 25ݸ Έཱͯ 25ݸ ग़ՙ 100ݸ Έཱͯɾ ༹ࡁΈ ༹ 25ݸ ༹ 25ݸ ༹ 25ݸ ༹ 25ݸ Έཱͯʢฏۉ25ݸ/࣌ʣ ༹ʢฏۉ25ݸ/࣌ʣ ग़ՙ·ͰͷఔʮΈཱͯʯͱʮ༹ʯͷΈɻ ֤ఔͷฏۉॲཧྔ͔Βܭࢉ͢Δͱ17࣌·Ͱʹ100ݸ࡞Δ͜ͱ͕Ͱ͖Δͣ…
ͱ͋Δʢػց ਓखͰϞϊΛ࡞Δʣ ʮࠓͷ࣌·Ͱʹݸ࡞ͬͯग़ՙͤΑʯ 12࣌ 13࣌ 14࣌ 15࣌ 16࣌ 17࣌ Έཱͯ
2519ݸ Έཱͯ 2521ݸ Έཱͯ 2528ݸ Έཱͯ 2532ݸ ग़ՙ 10090ݸ Έཱͯɾ ༹ࡁΈ ༹ 2519ݸ ༹ 2521ݸ ༹ 25ݸ ༹ 25ݸ Έཱͯʢฏۉ25ݸ/࣌ʣ ༹ʢฏۉ25ݸ/࣌ʣ ΈཱͯఔʹΒ͖ͭʢ౷ܭతมಈʣ͕͋Γɺͦ͜ʹͭͳ͕Γʢґଘతࣄʣͷ͋Δ༹ఔʹ • 12࣌ͱ13࣌ɿॲཧೳྗΑΓগͳ͍෦͔͠ྲྀΕͯ͜ͳ͔ͬͨɻ • 14࣌ͱ15࣌ɿॲཧೳྗΛ͑ͨ෦͕ྲྀΕ͖͕ͯͨɺաॲཧͰ͖ͳ͔ͬͨɻ
ᶃ੍ʢϘτϧωοΫʣΛൃݟ͢Δ ॲཧೳྗɿ100 Քಇɿ100% ఔA ఔB ఔC ఔD ࡏݿɿ32 ࢿࡐೖ 100
ࡏݿɿ20 ग़ՙ 48 ॲཧೳྗɿ80 Քಇɿ100% ॲཧೳྗɿ60 Քಇɿ80% ॲཧೳྗɿ100 Քಇɿ48%
ग़ՙ 48 ॲཧೳྗɿ60 Քಇɿ80% ॲཧೳྗɿ100 Քಇɿ48% ᶃ੍ʢϘτϧωοΫʣΛൃݟ͢Δ ఔA ఔB ఔC
ఔD ࡏݿɿ32 ࢿࡐೖ 100 ࡏݿɿ20 ੍ʢϘτϧωοΫʣ εϧʔϓοτΛܾΊ͍ͯΔ ॲཧೳྗɿ100 Քಇɿ100% ॲཧೳྗɿ80 Քಇɿ100%
ग़ՙ 48 ॲཧೳྗɿ60 Քಇɿ80% ॲཧೳྗɿ100 Քಇɿ48% ఔA ఔB ఔC ఔD
ࢿࡐೖ 100 ࡏݿɿ20 ᶄ੍ʢϘτϧωοΫʣΛ࠷େ׆༻͢Δ Ճࢿͷલʹ·ͣపఈతʹ׆༻͢Δํ๏Λߟ͑Δ • Քಇ͕80%→100%Λࢦ͢ • ͍·ඞཁͳϞϊ͚ͩ࡞Δ • Bఔͷෛՙࢄ ࠷େ׆༻Λߟ͑Δ ॲཧೳྗɿ100 Քಇɿ100% ॲཧೳྗɿ80 Քಇɿ100% ࡏݿɿ32
ग़ՙ 60 ॲཧೳྗɿ60 Քಇɿ100% ॲཧೳྗɿ100 Քಇɿ60% ఔA ఔB ఔC ఔD
ࡏݿɿ8 ࢿࡐೖ 100 ࡏݿɿ32 ᶄ੍ʢϘτϧωοΫʣΛ࠷େ׆༻͢Δ ͜͏ͳΔͣ -24 +12 ඇ੍Λ੍ͷೳྗΛ͑ͯಇ͔͍ͤͯΔͨΊൃੜ͢Δ༨ࡏݿ →ɹݮΒ͍ͨ͠ʢҰఆͷόοϑΝඞཁ͚ͩͲʣ ʢඇ੍ϦιʔεͰ੍ϦιʔεΛॿ͚Δ͜ͱͰʣ ੍ͷੑೳΛ্͛Δ ॲཧೳྗɿ100 Քಇɿ100% ॲཧೳྗɿ80 Քಇɿ85%
ఔA ఔB ఔC ఔD ग़ՙ 60 ࢿࡐೖ 100→ 80 ᶅଞͷܾఆΛ੍ʢϘτϧωοΫʣʹैΘͤΔ
ϘτϧωοΫʹ߹Θͤͯࢿࡐೖ ※όοϑΝʢࡏݿɾظؒʣߟྀ ੍ʹଞΛैଐͤ͞Δ ࡏݿɿ8 ࡏݿɿ12 ॲཧೳྗɿ60 Քಇɿ100% ॲཧೳྗɿ100 Քಇɿ60% ॲཧೳྗɿ100 Քಇɿ80% ॲཧೳྗɿ80 Քಇɿ85% -20 ࡏݿͷݮগ = ΩϟογϡϑϩʔͷྑԽ
ఔA ఔB ఔC ఔD ग़ՙ 60 • ઃඋࢿ • ࡞ۀվળ
• ఔվળ ᶆ੍ͷೳྗΛߴΊΔ ࢿࡐೖ 80→ 90 Ͳ͏ͳΔ͔ʁ +10 +30ʁ Ϝμ͕࠷খԽ͞Εͨঢ়ଶͰɺࢿʹΑΓϘτϧωοΫͷೳྗ্ = εϧʔϓοτ্Λૂ͏ɻ ॲཧೳྗɿ60→90 ॲཧೳྗɿ100 ॲཧೳྗɿ100 ॲཧೳྗɿ80
ఔA ఔB ఔC ఔD ग़ՙ 68 ࡏݿɿ0 ࡏݿɿ22 ॲཧೳྗɿ90 Քಇɿ75.5%
ॲཧೳྗɿ100 Քಇɿ68% ॲཧೳྗɿ100 Քಇɿ90% ॲཧೳྗɿ80 Քಇɿ85% ᶇ੍͕ղফͨ͠Βᶃ੍Λݟ͚ͭΔɺʹΔ ࢿࡐೖ 80→ 90 +10 ੍ʢϘτϧωοΫʣ +8 ੍͕ҠΔͱγεςϜҎલͱશ͘ผʹͳΓɺݹ͍ํࣗମ੍͕ʹͳΔɻ ˞ଦੑʹؾΛ͚ͭͯܧଓతʹվળ͢Δඞཁ͕͋Δɻ -8
੍ʢϘτϧωοΫʣͱεϧʔϓοτ • ϋΠΩϯά • ͱ͋Δ • ܧଓվળʹ͚ͨ5εςοϓ
'PDVTJOH4UFQT ᶅ ଞͷશͯΛᶄͷܾఆʹ ैଐͤ͞Δ ᶆ ੍ͷೳྗΛߴΊΔ ᶄ ੍ΛͲ͏పఈ׆༻ ͢Δ͔ܾΊΔ ᶇ
੍͕ղফͨ͠Β ᶃʹΔ ᶃ ੍Λݟ͚ͭΔ
੍ͷλΠϓɾಛ ཧత੍ ࢢͷ੍ ํͷ੍ ஔઃඋɺਓతϦιʔεʹىҼ͢Δͷ धཁސ٬ͳͲͷࢢཁૉʹىҼ͢Δͷ ձࣾͷํ׳शʹىҼ͢Δͷ ※ѹతʹ͜ͷ੍͕ଟ͍ʂ ੍ͷಛ ✓
ࡏݿ͕ཷ·Δ ✓ ॲཧ͕͍࣌ؒ ✓ τϥϒϧ͕ଟ͍ ✓ Քಇߴ͍
੍ͷλΠϓɾಛ ཧత੍ ࢢͷ੍ ํͷ੍ ஔઃඋɺਓతϦιʔεʹىҼ͢Δͷ धཁސ٬ͳͲͷࢢཁૉʹىҼ͢Δͷ ձࣾͷํ׳शʹىҼ͢Δͷ ※ѹతʹ͜ͷ੍͕ଟ͍ʂ ੍ͷಛ ✓
ࡏݿ͕ཷ·Δ ✓ ॲཧ͕͍࣌ؒ ✓ τϥϒϧ͕ଟ͍ ✓ Քಇߴ͍ 㾎੍ʮѱʯͰͳ͘ʮࣄ࣮ʯ 㾎Ѳͯ͠ίϯτϩʔϧ͢Δ͜ͱ͕େࣄ
όοναΠζͱϦʔυλΠϜ • Ұճ͋ͨΓͷॲཧྔͷ͜ͱΛʮόονʯ • όονͷେ͖͞ΛʮόοναΠζʯ • όοναΠζΛখ͘͢͞Δ͜ͱͰϦʔυλΠϜ͕͘ͳΔ = εϧʔϓοτ্͕͕Δʢ߹͕͋Δʣ
࡞ۀͷྲྀΕ ଟ͘ͷ࡞ۀ ʮᶃηοτΞοϓλΠϜʢஈऔΓͷ࣌ؒʣ→ᶄϓϩηελΠϜʢॲཧͷ࣌ؒʣ → ᶅΩϡʔλΠϜ&ΣΠτλΠϜʢ࡞ۀͪͷ࣌ؒʣʯͷ࿈ଓ ※ͦͯ͠େମʹ͓͍ͯʮΩϡʔλΠϜ&ΣΠτλΠϜʯ͕͔͔͘Γ͕ͪɺͱ͞Ε͍ͯΔ ᶃηοτΞοϓλΠϜ ʢόοναΠζʹΑΔมಈͳ͠ʣ ᶄϓϩηελΠϜ ʢόοναΠζͰมಈʣ
ᶅΩϡʔλΠϜ&ΣΠτλΠϜ ʢόοναΠζͰมಈʣ ఔA ఔB ఔC
όοναΠζʹΑΔ-5ൺֱʢྫʣ ŰƄŕŧšŘţƄ:1 ŰƄŕŧšŘţƄ:5 ఔA ఔB ఔC ηοτΞοϓλΠϜ͕খ͍͞ɻ όοναΠζ͕খ͍͞ํ͕ɺ ϓϩηελΠϜ/͕ͪ࣌ؒ গͳ͘ͳΔɻ
ఔA ఔB ఔC ఔA ఔB ఔC ఔA ఔB ఔC ఔA ఔB ఔC ఔA ఔB ఔC
όοναΠζখͯ͘͞-5͕͘ͳΒͳ͍͜ͱ ✓ େ͖ͳόονͰେྔʹॲཧͨ͠ํ͕ϓϩηελΠϜ͕͘ͳΔ߹ → ಉ࣌ฒߦͰେྔੜ࢈Ͱ͖ΔػցΛಋೖ͢ΔͳͲʢਓखͩͱجຊ1͔ͭͣͭ͠ॲཧͰ͖ͳ͍ʣ ηοτΞοϓλΠϜ͕େ͖͍ɻ όοναΠζ͕খͯ͘͞ɺ ϓϩηελΠϜ/͕ͪ࣌ؒ͘ͳΒͳ͍ɻ ŰƄŕŧšŘţƄ:1 ŰƄŕŧšŘţƄ:5
όοναΠζΛখ͘͢͞ΔϝϦοτᶃ •εϧʔϓοτ্͕͕Δʢ߹͕͋Δʣ • ૣظʹग़ՙ͢Δ͜ͱͰࠜઇߏతʹࣄۀΞτΧϜͷ࠷େԽʹد༩͢Δ
όοναΠζΛখ͘͢͞ΔϝϦοτᶃ •εϧʔϓοτ্͕͕Δʢ߹͕͋Δʣ • ૣظʹग़ՙ͢Δ͜ͱͰࠜઇߏతʹࣄۀΞτΧϜͷ࠷େԽʹد༩͢Δ Φʔόʔϔου͕͋ͬͨͱͯ͠ɺՁͷੵΈ্͛Λૣظʹ։࢝͢Δ͜ͱͰΞτΧϜʹد༩͢Δ߹
όοναΠζΛখ͘͢͞ΔϝϦοτᶄ •ෆ࣮֬ੑʹΑΔϜμΛগͳ͘͢Δ ɹ - ϛεෆ۩߹ɺೝࣝҧ͍ɺఆ֎ͷࣄͳͲΛૣظʹݕ͢Δ͜ͱͰɺϜμΛ࠷খԽ͢Δ ※ඇఆܕ࡞ۀɺ৽͍͠औΓΈɺ࣭తͳΒ͖ͭɺ࣮ݧతཁૉ͕ڧ͍ͳͲͷ߹༗ޮ ʢෆ࣮֬ੑ͕͚͘Εେ͖ͳόονͰਐΊͯ͠·͏ํ͕ྑ͍ʣ
ιϑτΣΞ։ൃݱͷ ࠇాथ / ࣄۀՁͱΤϯδχΞϦϯάɾϦιʔεޮੑͱϑϩʔޮੑ ࠇా͞Μࢿྉͷ͜ͷΜͷ
ιϑτΣΞ։ൃݱͷ ࠇాथ / ࣄۀՁͱΤϯδχΞϦϯάɾϦιʔεޮੑͱϑϩʔޮੑ ࠇా͞Μࢿྉͷ͜ͷΜͷ ྫʣCSΞΫγϣϯ࠷େԽΛ͍ͯ͘͠ϓϩμΫτνʔϜ ʮεϧʔϓοτʯʮࡏݿʯʮۀඅ༻ʯΛܭଌɾϞχλϦϯά ※εϧʔϓοτՁΛࢢʹఏڙ͢Δ·Ͱʢto CashʣͳͷͰɺ ։ൃ͚ͩͰͷܭଌͰͳ͘ʮاը~։ൃ~ݕূʯʢBMLαΠΫϧʣͷશମΛର
ιϑτΣΞ։ൃݱͷ ͱ͋ΔϓϩμΫτνʔϜ ੍ʢϘτϧωοΫʣ
ιϑτΣΞ։ൃݱͷ ੍ʢϘτϧωοΫʣ
ιϑτΣΞ։ൃݱͷ
ιϑτΣΞ։ൃݱͷ Before Now ݕূ໘ͷʮՔಇʯՄࢹԽ
ιϑτΣΞ։ൃݱͷ Before Now ʮݕূʯʹ߹Θͤͨணख • ݕূͷੑೳΛ͑ͯணख͠ͳ͍ • ʢٯʹʣݕূ໘͕ۭ͔ͳ͍Α͏ʹ ɾ80ˋͷਫ४Ͱݕূ໘Λ׆༻ ɾϦϦʔεͪͷݮগ
ιϑτΣΞ։ൃݱͷ Before Now ʮݕূʯʹ߹Θͤͨணख • ݕূͷੑೳΛ͑ͯணख͠ͳ͍ • ʢٯʹʣݕূ໘͕ۭ͔ͳ͍Α͏ʹ ɾ80ˋͷਫ४Ͱݕূ໘Λ׆༻ ɾϦϦʔεͪͷݮগ
ݕূ໘ʢը໘ʣͷՃ։ൃ
ιϑτΣΞ։ൃݱͷ Before Now ʮݕূʯʹ߹Θͤͨணख • ݕূͷੑೳΛ͑ͯணख͠ͳ͍ • ʢٯʹʣݕূ໘͕ۭ͔ͳ͍Α͏ʹ ɾ80ˋͷਫ४Ͱݕূ໘Λ׆༻ ɾϦϦʔεͪͷݮগ
ݕূ໘ʢը໘ʣͷՃ։ൃ ᶅ ଞͷશͯΛᶄͷܾఆ ʹैଐͤ͞Δ ᶆ ੍ͷೳྗΛߴΊΔ ᶄ ੍ΛͲ͏పఈ׆༻ ͢Δ͔ܾΊΔ ᶇ ੍͕ղফͨ͠Β ᶃʹΔ ᶃ ੍Λݟ͚ͭΔ
ιϑτΣΞ։ൃݱͷ Before Now ʮݕূʯʹ߹Θͤͨணख • ݕূͷੑೳΛ͑ͯணख͠ͳ͍ • ʢٯʹʣݕূ໘͕ۭ͔ͳ͍Α͏ʹ ɾ80ˋͷਫ४Ͱݕূ໘Λ׆༻ ɾϦϦʔεͪͷݮগ
ݕূ໘ʢը໘ʣͷՃ։ൃ ᶅ ଞͷશͯΛᶄͷܾఆ ʹैଐͤ͞Δ ᶆ ੍ͷೳྗΛߴΊΔ ᶄ ੍ΛͲ͏పఈ׆༻ ͢Δ͔ܾΊΔ ᶇ ੍͕ղফͨ͠Β ᶃʹΔ ᶃ ੍Λݟ͚ͭΔ ܧଓతվળαΠΫϧΛճͯ͠ Ҋ݅LT͓Αͦ30%ॖʂʂ
ιϑτΣΞ։ൃݱͷ λεΫA λεΫB λεΫC λεΫD λεΫE λεΫF λεΫG ϓϩδΣΫτόοϑΝ ΫϦςΟΧϧνΣʔϯ
ʢ࡞ۀఔͷैଐؔͱϦιʔεͷैଐؔͷ྆ํΛߟྀʹೖΕͯɺ ࡞ۀॴཁظؒΛܾΊ͍ͯΔ࠷͍࡞ۀͷྲྀΕʣ όοϑΝλεΫຖͰͳ͘PJશମͱͯ࣋ͪ͠ɺ ΫϦςΟΧϧνΣʔϯ্ͷλεΫʹԆ͕ൃੜͨ͠ࡍʹऔΓ่͢
ιϑτΣΞ։ൃݱͷ ϜμΛݮΒͨ͠Γ੍ͷೳྗUPͨ͠Γ͢ΔHowୡ https://www.slideshare.net/andrefaria/mob-programming https://www.amazon.co.jp/DevOps- Handbook-World-Class-Reliability- Organizations-ebook/dp/B09G2GS39R/ https://www.ohmsha.co.jp/book/9784274217883/
·ͱΊ 㾎اۀͷΰʔϧ͓ۚΛ͚ଓ͚Δ͜ͱ 㾎εϧʔϓοτɾࡏݿɾۀඅ༻ 㾎౷ܭతมಈʢΒ͖ͭʣͱґଘతࣄʢͭͳ͕ΓʣͷΈ߹Θͤ 㾎੍ʢϘτϧωοΫʣ͕શମͷεϧʔϓοτΛܾΊΔ 㾎੍ͱඇ੍Λ۠ผͯ͠ɺ੍ʹ͚ͩϑΥʔΧε 㾎ʰ੍ͱඇ੍ͷ۠ผΛ͍ܽͨԿͳΔྗܾ࣮ͯ͠Λ݁ͳ͍ʱ 㾎ଦੑʹؾΛ͚ͭͯܧଓతʹվળ͢Δʢ'PDVTJOH4UFQTʣ 㾎ʰ੍͕ҠΔͱγεςϜҎલͱશ͘ผʹͳΓɺݹ͍ํࣗମ੍͕ʹͳΔʱ 㾎੍ʮѱʯͰͳ͘ʮࣄ࣮ʯɻίϯτϩʔϧ͢Δ͜ͱ͕େࣄɻ
㾎όοναΠζΛখ͘͢͞ΔͱϦʔυλΠϜ͕͘ͳΔεϧʔϓοτ͕͋Δ 㾎࡞ۀ͕࣌ؒ͘ͳΔʢ߹͕͋Δʣɻ 㾎ෆ࣮֬ੑʹΑΔϜμ͕ݮΔɻ
·ͱΊ ΰʔϧυϥοτത࢜ᐌ͘ ʮ50$ΛҰݴͰݴ͑ͱ͍͏ͳΒɺͦΕʮϑΥʔΧεʯ ͩɻ͔͠͠ɺେࣄͳͷɺϑΥʔΧε͢ΔͱɺԿΛ͢ ͖͔͍ͬͯΔͱಉ࣌ʹɺԿΛ͖͢Ͱͳ͍͔ͬͯ ͍Δͱ͍͏͜ͱͩɻͳͥͳΒɺͯ͢ʹϑΥʔΧε͢Δ ͷɺͲΕʹϑΥʔΧε͠ͳ͍ͷͱಉ͔ͩ͡Βͩɻʯ
·ͱΊ ݸผ࠷దͷूੵ㱠શମ࠷ద ΤϯδχΞϦϯάͰ੍Λίϯτϩʔϧͯ͠ ࣄۀՁΛߴΊ͍͖ͯ·͠ΐ͏