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
Applivの開発体制から考える、理想の開発体制とは?
Search
Yoshinobu Wakamatsu
April 23, 2015
Technology
2
10k
Applivの開発体制から考える、理想の開発体制とは?
2015/04/23 Weekdayランサーズ勉強会で発表した内容です。
Yoshinobu Wakamatsu
April 23, 2015
Tweet
Share
More Decks by Yoshinobu Wakamatsu
See All by Yoshinobu Wakamatsu
金融領域におけるサービス開発の進め方
yshnb
0
570
資産運用スタートアップの開発で採用した、PlayによるClean Arcitectureでの設計・開発事例
yshnb
5
880
ReactベースのSPA開発で開発者が気をつけたいSEOのお話
yshnb
2
1.4k
Fundsのアーキテクチャについて
yshnb
0
190
ScalaによるDDDライクなプロダクト開発
yshnb
0
450
Other Decks in Technology
See All in Technology
初中級者用如何使用backlog -VALE TUDOEDITION-
in0u
0
140
Matterport を使ってクラスメソッド各拠点のバーチャルオフィスツアーを作成してみた
wakatsuki
0
160
コンテナ・K8s研修 - 前半 コンテナ基礎・ハンズオン【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
170
20240724_cm_odyssey_hibiyatech
hiashisan
0
110
AI研修【MIXI 24新卒技術研修】
mixi_engineers
PRO
0
130
ソフトウェアエンジニアリングの知見を活かして データ基盤をいい感じにする on Snowflake [MIERUNE BBQ #10]
mtpooh
2
150
目標設定は好きですか? アジャイルとともに目標と向き合い続ける方法 / Do you like target Management?
kakehashi
10
3k
Azure Pipelinesを使用したCICDベースラインアーキテクチャ実践
yuriemori
0
190
エンジニアリングマネージャーはどう学んでいくのか #devsumi / How Do Engineering Managers Continue to Learn and Grow?
expajp
4
1.3k
Scaling Technical Excellence at 104: Evolution in AWS and Developer Empowerment
scotthsieh825
1
150
さらに高品質・高速化を目指すAI時代のテスト設計支援と、めざす先 / AI Test Lab vol.1
shift_evolve
0
190
Azure OpenAI Service Dev Day / LLMでできる!使える!生成AIエージェント
masahiro_nishimi
3
740
Featured
See All Featured
For a Future-Friendly Web
brad_frost
173
9.2k
Java REST API Framework Comparison - PWX 2021
mraible
PRO
20
7.2k
Producing Creativity
orderedlist
PRO
340
39k
Optimising Largest Contentful Paint
csswizardry
18
2.6k
Rebuilding a faster, lazier Slack
samanthasiow
78
8.5k
Thoughts on Productivity
jonyablonski
64
4.1k
Art, The Web, and Tiny UX
lynnandtonic
291
20k
Statistics for Hackers
jakevdp
792
220k
The Cult of Friendly URLs
andyhume
75
5.9k
Put a Button on it: Removing Barriers to Going Fast.
kastner
58
3.3k
Leading Effective Engineering Teams 2024
addyosmani
3
300
Embracing the Ebb and Flow
colly
81
4.3k
Transcript
"QQMJWͷ։ൃମ੍͔Βߟ͑Δ ཧͷ։ൃମ੍ͱʁ ϰΥϥʔϨגࣜձࣾɹएদܚ৴ ˏ8FFLEBZϥϯαʔζษڧձ
एদܚ৴ ϰΥϥʔϨגࣜձٕࣾज़ϑΣϩʔ ೖࣾ ʢ"QQMJWʹؔΘ͍ͬͯΔͷʙʣ ݱࡏͷࣄɿ Πϯϑϥɾج൫γεςϜ։ൃ ΤϯδχΞͷ࠾༻ɾ৫ઃܭͳͲ
5XJUUFS!ZTIOC
None
ΞτϥΠϯ n αʔϏεͷͱ։ൃ n ϦϦʔε࣌ͷ։ൃελΠϧ n ݱࡏͷ։ൃελΠϧ n ཧͷ։ൃମ੍ͱʁ
ΞτϥΠϯ n αʔϏεͷͱ։ൃ n ϦϦʔε࣌ͷ։ൃελΠϧ n ݱࡏͷ։ൃελΠϧ n ཧͷ։ൃମ੍ͱʁ
αʔϏεͷͱ։ൃ
ApplivʮΞϓϦΠϯετʔϧΛɺͬͱۙͳͷʹ͢ΔʯΛཧ೦ʹܝ͛Δ iPhoneɾiPadɾAndroidΞϓϦΛൃݟ͢ΔͨΊͷϓϥοτϑΥʔϜαʔϏεɻ
ϓϩμΫτͷछྨ ɹαʔϏεͷͱ։ൃ
ϦϦʔε࣌ʢʣ ɹαʔϏεͷͱ։ൃ
ϦϦʔε࣌ʢʣ ɹαʔϏεͷͱ։ൃ
ϦϦʔε࣌ʢʣ ݱࡏʢʣ ɹαʔϏεͷͱ։ൃ
ϦϦʔε࣌ʢʣ ݱࡏʢʣ ɹαʔϏεͷͱ։ൃ Ad Network
ϓϩμΫτͷछྨ͕ ͍Ζ͍Ζ૿͑ͨ ɹαʔϏεͷͱ։ൃ
։ൃऀͷਓ ɹαʔϏεͷͱ։ൃ
݄ ໊ ʢϦϦʔε࣌ʣ ։ൃऀͷਓ ɹαʔϏεͷͱ։ൃ
݄ ݄ ໊ ໊ ʢϦϦʔε࣌ʣ ։ൃऀͷਓ ɹαʔϏεͷͱ։ൃ
݄ ݄ ݄ ໊ ໊ ໊ ʢϦϦʔε࣌ʣ ։ൃऀͷਓ ɹαʔϏεͷͱ։ൃ
݄ ݄ ݄ ໊ ໊ ໊ ʢϦϦʔε࣌ʣ ։ൃऀͷਓ ɹαʔϏεͷͱ։ൃ ˞ࢲ͜ͷλΠϛϯάͰՃೖ
։ൃऀͷ૿͑ͨ ɹαʔϏεͷͱ։ൃ
ಉ͡ΓํͰਐΊΒΕΔʁ ɹαʔϏεͷͱ։ൃ
ಉ͡ΓํͰਐΊΒΕΔʁ ɹαʔϏεͷͱ։ൃ /P
ͲͷΑ͏ʹมΘ͔ͬͨʁ ɹαʔϏεͷͱ։ൃ
ΞτϥΠϯ n αʔϏεͷͱ։ൃ n ϦϦʔε࣌ͷ։ൃελΠϧ n ݱࡏͷ։ൃελΠϧ n ཧͷ։ൃମ੍ͱʁ
ϦϦʔε࣌ͷ։ൃελΠϧ
νʔϜฤ ໊ ɹϦϦʔε࣌ͷ։ൃελΠϧ
n 7$44VCWFSTJPO n νέοτͷཧ͍͕ͯͨ͠ ίϛοτΘΓͱࣗ༝ ɹϦϦʔε࣌ͷ։ൃελΠϧ ։ൃϫʔΫϑϩʔ
ɹϦϦʔε࣌ͷ։ൃελΠϧ S S S S S
Πϯϑϥʁ n ߏஙख࡞ۀ n υΩϡϝϯτ΄ͱΜͲͳ͍ ɹϦϦʔε࣌ͷ։ൃελΠϧ
ͳͥ͜ͷΑ͏ʹ͍ͯͨ͠ͷ͔ʁ ü ࠷ॳͷλΠϛϯάͰεϐʔυ͕ॏཁ ü 4VCWFSTJPOͷํ͕ݟ͕͋ͬͨ ɹϦϦʔε࣌ͷ։ൃελΠϧ
ͨͩ͠վળͷ༨͋Δ ɹϦϦʔε࣌ͷ։ൃελΠϧ
ΞτϥΠϯ n αʔϏεͷͱ։ൃ n ϦϦʔε࣌ͷ։ൃελΠϧ n ݱࡏͷ։ൃελΠϧ n ཧͷ։ൃମ੍ͱʁ
ݱࡏ ݱࡏͷ։ൃελΠϧ
νʔϜฤ ໊ ໊ ໊ ɹݱࡏͷ։ൃελΠϧ
ɹݱࡏͷ։ൃελΠϧ ݱࡏͷ։ൃελΠϧͷ֓ཁ n HJUʹΑΔ։ൃϫʔΫϑϩʔ n Πϯϑϥ։ൃ n 4MBDLͷ׆༻
ɹݱࡏͷ։ൃελΠϧ HJUʹΑΔ։ൃϫʔΫϑϩʔ n HJU(JUIVC n ϫʔΫϑϩʔHJUqPXΛ࠾༻ n 1VMM3FRVFTU࣌ʹίʔυϨϏϡʔ n ʢTVCNPEVMFΛซ༻ʣ
ɹݱࡏͷ։ൃελΠϧ EFWFMPQ EFWFMPQ ։ൃऀ
ɹݱࡏͷ։ൃελΠϧ GFBUVSF EFWFMPQ EFWFMPQ ։ൃऀ
ɹݱࡏͷ։ൃελΠϧ HJUQVTI GFBUVSF EFWFMPQ GFBUVSF EFWFMPQ ։ൃऀ
ɹݱࡏͷ։ൃελΠϧ GFBUVSF EFWFMPQ GFBUVSF EFWFMPQ EFWFMPQ` ։ൃऀ QVMMSFRVFTU ϨϏϡΞʔ
ɹݱࡏͷ։ൃελΠϧ GFBUVSF EFWFMPQ GFBUVSF EFWFMPQ EFWFMPQ` ։ൃऀ ϨϏϡΞʔ GFBUVSF ίʔυϨϏϡʔ
ɹݱࡏͷ։ൃελΠϧ GFBUVSF EFWFMPQ GFBUVSF EFWFMPQ EFWFMPQ` ։ൃऀ ϨϏϡΞʔ NFSHF
ɹݱࡏͷ։ൃελΠϧ HJUQVMM GFBUVSF EFWFMPQ GFBUVSF EFWFMPQ EFWFMPQ` ։ൃऀ EFWFMPQ`
ɹݱࡏͷ։ൃελΠϧ Πϯϑϥ։ൃ n Πϯϑϥͷ։ൃ$IFG n $PNNVOJUZ$PPLCPPLͱ ಠࣗͷ$PPLCPPLΛซ༻ n $IFGͰѻ͑ͳ͍ྖҬख࡞ۀ
ɹݱࡏͷ։ൃελΠϧ 4MBDLͷ׆༻ n Ϋϥυܕνϟοτπʔϧ n 8FCɾΞϓϦͷํͰར༻Ͱ͖Δ n ֤छαʔϏεͱͷ*OUFHSBUJPOΛ׆༻͠ ௨ΛҰݩԽ
ɹݱࡏͷ։ൃελΠϧ ˙4MBDLʹ௨ΛҰݩԽ
ɹݱࡏͷ։ൃελΠϧ ˙௨ͷྫ
αʔϏεͷͱڞʹ ։ൃମ੍มΘ͖ͬͯͨ ɹݱࡏͷ։ൃελΠϧ
ΞτϥΠϯ n αʔϏεͷͱ։ൃ n ϦϦʔε࣌ͷ։ൃελΠϧ n ݱࡏͷ։ൃελΠϧ n ཧͷ։ൃମ੍ͱʁ
։ൃνʔϜͷϢʔτϐΞͱʁ ཧͷ։ൃମ੍ͱʁ
ࠓͷ։ൃମ੍ཧతʁ ɹཧͷ։ൃମ੍ͱʁ
ࠓͷ։ൃମ੍ཧతʁ ɹཧͷ։ൃମ੍ͱʁ /P
͜Μͳ՝ͷ ϢʔτϐΞͷΑ͏ͳڥͰͳ͍ ɹཧͷ։ൃମ੍ͱʁ
։ൃମ੍ͷʮϢʔτϐΞʯ ຊʹͤʁ ɹཧͷ։ൃମ੍ͱʁ
ϑΣʔζʹΑͬͯ ϕετͳମ੍ҟͳΔ ɹཧͷ։ൃମ੍ͱʁ
ϑΣʔζʹΑͬͯ ϕετͳମ੍ҟͳΔ ɹཧͷ։ൃମ੍ͱʁ αʔϏεᴈ໌ظ ։ൃମ੍ͷཁٻʢྫʣɿεϐʔσΟͳ։ൃ͕Մೳͳମ੍
ϑΣʔζʹΑͬͯ ϕετͳମ੍ҟͳΔ ɹཧͷ։ൃମ੍ͱʁ αʔϏεᴈ໌ظ αʔϏε֦େظ ։ൃମ੍ͷཁٻʢྫʣɿεέʔϥϒϧͳ։ൃମ੍ ։ൃମ੍ͷཁٻʢྫʣɿεϐʔσΟͳ։ൃ͕Մೳͳମ੍
ɹཧͷ։ൃମ੍ͱʁ ࣌ͷྲྀΕͱͱʹ ৽͍ٕ͠ज़Ξϓϩʔν͕ొ
ɹཧͷ։ൃମ੍ͱʁ ʢྫʣ$POUBJOFS NJDSPTFSWJDFT ࣌ͷྲྀΕͱͱʹ ৽͍ٕ͠ज़Ξϓϩʔν͕ొ
ͳΜͯ͋Γ͑ͳ͍ ɹཧͷ։ൃମ੍ͱʁ
ɹཧͷ։ൃମ੍ͱʁ ͋Δͷ ʮΑΓ༏Εͨ։ൃମ੍ʯ͚ͩ
ɹཧͷ։ൃମ੍ͱʁ ཧͷ։ൃମ੍͕͋Δ͜ͱΑΓ ʮվળՄೳͳ։ൃମ੍ʯ Ͱ͋Δ͜ͱ͕ॏཁ
ɹཧͷ։ൃମ੍ͱʁ վળՄೳͳ։ൃମ੍ͱ͢ΔͨΊʹ n ՝Λൃݟ͢ΔҙࣝΛͭ n ղܾՄೳͳखஈΛ୳͓ͯ͘͠ n ఏҊ͍͢͠Λͭ͘Δ n ΞϓϩʔνΛ࣮ફͰ͖ΔػձΛͭ͘Δ
ϰΥϥʔϨגࣜձࣾͰ "QQMJWͷ։ൃʹܞΘΔΤϯδχΞΛ ืूத͍ͯ͠·͢ʂ ͝ڵຯͷ͋Δํ!ZTIOC·Ͱ ͍͞͝ʹ
͝ਗ਼ௌ͋Γ͕ͱ͏͍͟͝·ͨ͠