少人数データチームのDevin活用実践事例

2026/09/04 Findy Data Engineer Meetup

Transcript

1. 少人数データチームの Devin活用実践事例 2026/9/4 Findy Data Engineer Meetup 株式会社サイバーエージェント メディア統括本部 Data Science Center 山田 瑠奈 © 2025 WinTicket Inc.
2. 自己紹介 山田 瑠奈 （やまだ るな） • • • • • 2021年新卒入社 所属：株式会社サイバーエージェント メディア統括本部 > Data Science Center 職種：データエンジニア 業務概要：WINTICKETデータマネジメント 経歴 ◦ Ameba ◦ 2021年 記事レコメンドシステムの 運用・改善などを担当 WINTICKET ▪ 2023年 マーケティング分析を担当 ▪ 2024年 データマネジメント推進を担当 ◦ 2026年からは新規事業領域を兼任 ▪ 2
3. 今日話すこと 1. WINTICKETにおける Devin活用 2. 少人数データチームの課題 3. データチームでの Devin活用 4. まとめ 3
4. WINTICKETにおける Devin活用 4
5. 会社紹介 / WINTICKET の概要 決算資料より引用 • • • • 競輪・オートレースの投票サービス 株式会社サイバーエージェントの連結子会社 組織規模は約70名。うち開発者は約40名 データマネジメントチームは現在専任1名 5
6. 最近のWINTICKET https://www.winticket.jp/release-updates-2026 • • ユーザーアンケートを元に継続的にアップデート 並行して複数の施策を進行しながら スピード感を持って開発中 6
7. WINTICKETにおけるDevin活用 仕様書作成の自動化 Auto-Triage によるアラート対応自動化 現在9割以上の仕様書を Devinと協働で作成 先日開催されたDevinConにて弊社SREが登壇 7
8. 数字で見るDevin使用量 8
9. 少人数データチームの課題 9
10. WINTICKETデータマネジメントの歴史 SQL研修 分析エージェント導入 非エンジニアに向けた Devinを活用して自然言語で クエリ研修を実施 データ抽出できるように 2025 3月 2025 9月 2024 4月 2025 7月 今日 Dataform導入 スキーマ駆動 AI時代 スケジュールクエリの廃止 スキーマ契約として Protocol Buffers を導入 Devinを活用した効率化 Dataform導入からスキーマ駆動化、Devinの導入を経て 少しずつ属人化の解消と効率化を推進 10
11. WINTICKETにおけるデータ活用 11
12. データマネジメントが関わっている領域 ログ設計 品質・ガバナンス ETL データパイプライン管理 データ抽出 データが生まれてから使われるまでの工程 12
13. 少人数チームの課題 ログ設計 特定のメンバーにナレッジが属人化 品質・ガバナンス ETL 障害対応をできるメンバーが少ない データパイプライン管理 データ抽出 フローが長く全体を把握できてるメンバーがいない 問い合わせが来ても対応に時間かかる 13
14. データチームでの Devin活用 14
15. データチームでのDevin活用 分析エージェント 自然言語でデータ分析を依頼しBQからデータを抽出して考察 ログ設計 施策の効果検証に必要なログを設計し仕様書を作成 障害対応 Dataformの障害時に原因調査と修正PR作成を実施 15
16. 基本構成 read Dataform 質問 read BigQuery 手動 or Workflow 回答 read / write タスクごとに Playbookを用意 read / write SlackをI/Fとしてタスクごとに用意されたPlaybookに沿って動く Kibela （ドキュメントツール） 16
17. データチームでのDevin活用 分析エージェント 自然言語でデータ分析を依頼しBQからデータを抽出して考察 ログ設計 施策の効果検証に必要なログを設計し仕様書を作成 障害対応 Dataformの障害時に原因調査と修正PR作成を実施 17
18. 事例1 分析エージェント: Playbook概要 1. Slackから自然言語で質問 Slackワークフローから分析内容・期間を入力 2. 分析方針をユーザと擦り合わせ 不明点があればヒアリングし、承認を得てから次へ進む 3. SQL生成・実行・結果解釈 実行前に必ずユーザ確認を挟み、サマリ付きで回答 18
19. 事例1 分析エージェント: 実際の様子 簡単な分析ならワークフロー上で 解決するように 19
20. 事例1 分析エージェントの詳細 分析エージェントについての詳細は こちらの資料 でも紹介しています 20
21. データチームでのDevin活用 分析エージェント 自然言語でデータ分析を依頼しBQからデータを抽出して考察 ログ設計 施策の効果検証に必要なログを設計し仕様書を作成 障害対応 Dataformの障害時に原因調査と修正PR作成を実施 21
22. 事例2 ログ設計における課題 何を測るかを決める 各チーム間で仕様を擦り合わせる 合意した仕様でログを実装する 追うべき指標、必要なイベント定義、 各種パラメータと計測タイミングの明確化 データ、サーバー、アプリ/Webの間で 認識を擦り合わせる必要がある 齟齬がない状態を担保したうえで、 初めて実際の実装・展開フェーズへ • 特に擦り合わせ段階で、データ・サーバー・アプリ/Webの3者間の 認識がズレて合意が難航しやすい • 仕様のすり合わせ以前に既存ログの調査も一苦労だった 22
23. 事例2 ログ設計のDevin活用 何を測るか Devinと決める Devin が設計書を作る 設計レビュー後ログを実装する 追うべき指標、必要なイベント定義、 各種パラメータと計測タイミングの明確化 サーバー・アプリ・Webの実装をDevinが直接見に行き 既存ログとの整合性を確認したうえで仕様書を自動生成 齟齟齬のない状態はDevinが担保済みなので 妥当性を確認するだけで実装・展開フェーズへ • Devinが各プラットフォームの実装を見にいく • データチームはレビューするだけで、実装フェーズに入れる 23
24. 事例2 ログ設計: Playbook概要 1. Slackからログ設計を依頼 開発仕様書やデザインなどのリンクを共有 2. ルールに従い設計し仕様書を作成 データマネジメントチームがレビューし PMへ共有 3. 新規ログのスキーマ定義を追加 スキーマ管理リポジトリに Protoを追加する PRを作成 24
25. 補足: Protoを追加すると何が嬉しいのか Protoファイルでログを一元管理 スキーマ定義を一箇所に集約することで クライアント・サーバー・データ層の乖離を防止 実装プロセスの自動化詳細 • アプリケーション側のログ実装 : 各種アプリ（Dart, TS, Go）のイベント転送コード • データ品質（妥当性）チェック実装 : 異常データを検知するアサーション 25
26. 事例2 ログ設計: 実際の様子 Devinが作成した開発仕様書を 元にログ仕様書を作成 26
27. データチームでのDevin活用 分析エージェント 自然言語でデータ分析を依頼しBQからデータを抽出して考察 ログ設計 施策の効果検証に必要なログを設計し仕様書を作成 障害対応 Dataformの障害時に原因調査と修正PR作成を実施 27
28. 事例3 障害対応: Playbook概要 1. Slackからエラー通知が発生 Datadogが検知して Slackに通知 2. エラー詳細を確認しに行く Dataform API 経由でエラーの内容を確認して調査 3. 必要であれば修正 PRを作成 原因を特定後関連するリポジトリに修正実装を追加 28
29. 事例3 障害対応: 実際の様子 人間はレビューしてマージするだけで障害対応が完了 29
30. うまくいかなかったこと KPI・評価軸が仕様書に無いと精度が出ない 「この施策で何を測りたいか」が開発仕様書に書かれていないと 狙った粒度のログ設計にならない 既存のクライアントログをうまく引き継げない 画面仕様に対応する既存ログ情報をDevinにうまく渡せず 命名や粒度が既存実装とズレて精度が落ちるケースがあった 30
31. まとめ 31
32. まとめ 属人化の解消を Devinと共に進めた 暗黙知をPlaybookなどに落とし込むことで属人化の解消を一定進めることができた Devinによる一次対応の自動化が本当に助かる 障害対応・ログ設計・分析依頼の一次対応をDevinに任せることで データマネジメント専任1名でもこれまでと同等以上のスピードで回せる体制になった これから — もっと自律的に 暗黙知をさらに貯めて、施策の評価のような判断も過去の傾向を踏まえて AIが自律的に行える世界線を目指したい 32
33. We are hiring! カジュアル面談お待ちしております！ 33