Upgrade to PRO for Only $50/Year—Limited-Time Offer! 🔥
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
制約理論(ToC)入門
Search
Recruit
PRO
August 28, 2025
Technology
10
5.5k
制約理論(ToC)入門
2025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 28, 2025
Tweet
Share
More Decks by Recruit
See All by Recruit
プロダクトマネジメントの分業が生む「デリバリーの渋滞」を解消するTPMの越境
recruitengineers
PRO
3
720
あなたの知らない Linuxカーネル脆弱性の世界
recruitengineers
PRO
4
300
dbtとBigQuery MLで実現する リクルートの営業支援基盤のモデル開発と保守運用
recruitengineers
PRO
4
220
『ホットペッパービューティー』のiOSアプリをUIKitからSwiftUIへ段階的に移行するためにやったこと
recruitengineers
PRO
4
1.7k
経営の意思決定を加速する 「事業KPIダッシュボード」構築の全貌
recruitengineers
PRO
4
390
Browser
recruitengineers
PRO
12
4k
JavaScript 研修
recruitengineers
PRO
9
2.2k
TypeScript入門
recruitengineers
PRO
37
15k
モダンフロントエンド 開発研修
recruitengineers
PRO
16
8.4k
Other Decks in Technology
See All in Technology
ガバメントクラウド利用システムのライフサイクルについて
techniczna
0
180
Playwrightのソースコードに見る、自動テストを自動で書く技術
yusukeiwaki
13
5k
生成AIでテスト設計はどこまでできる? 「テスト粒度」を操るテーラリング術
shota_kusaba
0
540
【AWS re:Invent 2025速報】AIビルダー向けアップデートをまとめて解説!
minorun365
4
470
因果AIへの招待
sshimizu2006
0
930
AWS re:Invent 2025で見たGrafana最新機能の紹介
hamadakoji
0
130
小さな判断で育つ、大きな意思決定力 / 20251204 Takahiro Kinjo
shift_evolve
PRO
1
580
直接メモリアクセス
koba789
0
280
Edge AI Performance on Zephyr Pico vs. Pico 2
iotengineer22
0
110
LLM-Readyなデータ基盤を高速に構築するためのアジャイルデータモデリングの実例
kashira
0
210
Uncertainty in the LLM era - Science, more than scale
gaelvaroquaux
0
810
EM歴1年10ヶ月のぼくがぶち当たった苦悩とこれからへ向けて
maaaato
0
270
Featured
See All Featured
Evolution of real-time – Irina Nazarova, EuRuKo, 2024
irinanazarova
9
1.1k
The Straight Up "How To Draw Better" Workshop
denniskardys
239
140k
StorybookのUI Testing Handbookを読んだ
zakiyama
31
6.4k
How To Stay Up To Date on Web Technology
chriscoyier
791
250k
We Have a Design System, Now What?
morganepeng
54
7.9k
Typedesign – Prime Four
hannesfritz
42
2.9k
Reflections from 52 weeks, 52 projects
jeffersonlam
355
21k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
31
3k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
9
1k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.3k
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
141
34k
Optimizing for Happiness
mojombo
379
70k
Transcript
্ౡݡ࢜ʢ4BUPTIJ6&+*."ʣ ੍ཧʢ5P$ʣೖ ߨࢣɿݪ༎ޔʢ:VHP,6;6)"3"ʣ
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
גࣜձࣾϦΫϧʔτ ॅ·͍ΤϯδχΞϦϯά෦ɹॅ·͍ϓϩμΫτ։ൃ̍άϧʔϓ Group Manager ᷤݪ ༎ޔʢYugo KUZUHARAʣ ▪ܦྺ 2012ɿגࣜձࣾϦΫϧʔτɹ৽ଔೖࣾɹHRྖҬʢϦΫφϏɺϦΫφϏNEXT etc.ʣ
2013ɿגࣜձࣾϦΫϧʔτςΫϊϩδʔζɹAdvanced Technology Lab 2015ɿಉ্ɹֶͼྖҬʢݱελσΟαϓϦখֶߨ࠲ɾதֶߨ࠲ʣ 2016ɿגࣜձࣾϦΫϧʔτϗʔϧσΟϯάεɹάϩʔόϧൢଅɹQuandoo 2017ɿגࣜձࣾϦΫϧʔτςΫϊϩδʔζɹॅ·͍ྖҬ 2022ɿגࣜձࣾϦΫϧʔτɹॅ·͍ྖҬɹGM ݱࡏʹࢸΔ
"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 ॲཧೳྗɿ80→90 ॲཧೳྗɿ100 ॲཧೳྗɿ100 ॲཧೳྗɿ80
ఔA ఔB ఔC ఔD ग़ՙ 68 ࡏݿɿ8 ࡏݿɿ22 ॲཧೳྗɿ90 Քಇɿ75.5%
ॲཧೳྗɿ100 Քಇɿ68% ॲཧೳྗɿ100 Քಇɿ90% ॲཧೳྗɿ80 Քಇɿ85% ᶇ੍͕ղফͨ͠Βᶃ੍Λݟ͚ͭΔɺʹΔ ࢿࡐೖ 80→ 90 +10 ੍ʢϘτϧωοΫʣ +8 ੍͕ҠΔͱγεςϜҎલͱશ͘ผʹͳΓɺݹ͍ํࣗମ੍͕ʹͳΔɻ ˞ଦੑʹؾΛ͚ͭͯܧଓతʹվળ͢Δඞཁ͕͋Δɻ
੍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 ఔA ఔB ఔC ఔA
ఔB ఔC ఔA ఔB ఔC ఔA ఔB ఔC ఔA ఔB ఔC όοναΠζ͕খ͍͞ํ͕ɺ ͕ͪ࣌ؒগͳ͘ͳΔɻ
όοναΠζখͯ͘͞-5͕͘ͳΒͳ͍͜ͱ ✓ େ͖ͳόονͰେྔʹॲཧͨ͠ํ͕ϓϩηελΠϜ͕͘ͳΔྫ → ಉ࣌ฒߦͰେྔੜ࢈Ͱ͖ΔػցΛಋೖ͢ΔͳͲʢਓखͩͱجຊ1͔ͭͣͭ͠ॲཧͰ͖ͳ͍ʣ όοναΠζ͕େ͖͍ํ͕ ٯʹϓϩηελΠϜΛ খ͘͞Ͱ͖Δ߹͋Δɻ
όοναΠζΛখ͘͢͞ΔϝϦοτᶃ •εϧʔϓοτ্͕͕Δʢ߹͕͋Δʣ • ૣظʹग़ՙ͢Δ͜ͱͰࠜઇߏతʹࣄۀΞτΧϜͷ࠷େԽʹد༩͢Δ
όοναΠζΛখ͘͢͞ΔϝϦοτᶃ •εϧʔϓοτ্͕͕Δʢ߹͕͋Δʣ • ૣظʹग़ՙ͢Δ͜ͱͰࠜઇߏతʹࣄۀΞτΧϜͷ࠷େԽʹد༩͢Δ Φʔόʔϔου͕͋ͬͨͱͯ͠ɺՁͷੵΈ্͛Λૣظʹ։࢝͢Δ͜ͱͰΞτΧϜʹد༩͢Δ߹
όοναΠζΛখ͘͢͞ΔϝϦοτᶄ •ෆ࣮֬ੑʹΑΔϜμΛগͳ͘͢Δ ɹ - ϛεෆ۩߹ɺೝࣝҧ͍ɺఆ֎ͷࣄͳͲΛૣظʹݕ͢Δ͜ͱͰɺϜμΛ࠷খԽ͢Δ ※ඇఆܕ࡞ۀɺ৽͍͠औΓΈɺ࣭తͳΒ͖ͭɺ࣮ݧతཁૉ͕ڧ͍ͳͲͷ߹༗ޮ ʢෆ࣮֬ੑ͕͚͘Εେ͖ͳόονͰਐΊͯ͠·͏ํ͕ྑ͍ʣ ϜμʹͳΔྔ͕ଟ͍
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.amazon.co.jp/Devops- Handbook-World-class-Reliability- Organizations/dp/1950508404 https://www.amazon.co.jp/ςετۦ ಈ։ൃ-Kent-Beck/dp/4274217884 https://www.slideshare.net/andrefaria/mob-programming
·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 㸝ݸผ࠷దԽ㱠શମ࠷ద ΤϯδχΞϦϯάͰ੍Λίϯτϩʔϧͯ͠ ࣄۀՁΛߴΊ͍͖ͯ·͠ΐ͏