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
直積は便利/direct_product_is_useful
Search
florets1
October 14, 2024
Business
3
430
直積は便利/direct_product_is_useful
florets1
October 14, 2024
Tweet
Share
More Decks by florets1
See All by florets1
Rで学ぶデータハンドリング入門/Introduction_to_Data_Handling_with_R
florets1
0
78
人工知能はクロスジョインでできている/AI_Is_Built_on_Cross_Joins
florets1
0
63
仮説の取扱説明書/User_Guide_to_a_Hypothesis
florets1
4
390
複式簿記から純資産を排除する/eliminate_net_assets_from_double-entry_bookkeeping
florets1
1
410
カイ二乗検定は何をやっているのか/What_Does_the_Chi-Square_Test_Do
florets1
7
2.4k
butterfly_effect/butterfly_effect_in-house
florets1
1
240
データハンドリング/data_handling
florets1
2
240
カイ二乗検定との遭遇/The_path_to_encountering_the_chi-square_test
florets1
1
300
率の平均を求めてはいけない/Do_Not_Average_Rates
florets1
11
16k
Other Decks in Business
See All in Business
LaiBlitz/corporateinformation
laiblitz
0
25k
(7枚)目標達成する人のモチベーションが高い理由とは?(ハーズバーグの二要因理論から)
nyattx
PRO
0
150
FABRIC TOKYO会社紹介資料 / We are hiring(2025年10月07日更新)
yuichirom
36
350k
MagicPodを使い倒すメドレーの活用術 / How to utilize of MagicPod
medley
1
100
No Company - Company Deck 2025
nocompany
1
680
Entrance Book ビジネスイノベーションサービス部
arisaiyou
0
1.9k
20250913_AWS アカウント 150 超の組織で取り組む Lambda EoL 対応
tsunojun
1
270
20251003-GENDA経営戦略チーム-Value-Upの全体像
geshi0820
0
1.1k
東山自動車学校 採用ピッチ
higashiyamads
0
610
SASアピールブック(Web公開版)
sas_si
0
1.1k
生成AIとデザインリサーチが融和する未来(RESEARCH Conference2025)
hynym
PRO
0
220
メドピアグループ紹介資料
medpeer_recruit
10
140k
Featured
See All Featured
Typedesign – Prime Four
hannesfritz
42
2.8k
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
358
30k
Mobile First: as difficult as doing things right
swwweet
224
9.9k
Principles of Awesome APIs and How to Build Them.
keavy
127
17k
Docker and Python
trallard
46
3.6k
Why You Should Never Use an ORM
jnunemaker
PRO
59
9.6k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.7k
VelocityConf: Rendering Performance Case Studies
addyosmani
332
24k
GitHub's CSS Performance
jonrohan
1032
460k
Java REST API Framework Comparison - PWX 2021
mraible
33
8.8k
GraphQLとの向き合い方2022年版
quramy
49
14k
How to Think Like a Performance Engineer
csswizardry
27
2k
Transcript
1 2024.10.19 Tokyo.R #115 直積は便利
2 タスク管理データ タスクA: 担当は秋田さんで、10/1から10/4 までの予定です。工数は32時間なので、1日 8時間で完了します。
3 タスクF: 担当は福井さんで、10/1から10/8 までの予定です。工数は64時間ですが、期 間中に土日が含まれるため、実際の稼働日 は6日間しかありません。そのため、1日の 工数は10時間を超えてしまいます。福井さ んは残業が発生しそうです。
4 次に、10月11日の秋田さんに注目します。 この日はタスクBとタスクCを担当する予定 ですが、それぞれ1日あたりの工数が8時間 で、合計16時間となってしまいます。この ため、計画の見直しが必要です。
5 また、福井さんの計画を詳しく見ると、工数の 偏りが見られます。例えば、 • 10月17日以降は1日4時間程度の余裕あり • 10月9日と10月10日は工数がゼロ 不均一な工数配分の見直しが必要です。
6 タスクの目視確認は困難 タスクの数が少ない場合は、前述のような問題も目視で確認できます。 しかし、プロジェクトが大規模になり、タスクが100件、さらには1000件 を超えるようになると、全体を把握することは非常に困難です。 目視での確認だけでは、見落としやミスが増えてしまうでしょう。
7 Excelでのタスク管理の限界 「Excelで自動的に確認できればいいのでは?」と考える人もいるかもし れません。しかし、Excelでタスク管理を行うのは意外と難しいのです。 複雑な関数を駆使すれば、特定の問題は解決できるかもしれませんが、別 の問題が発生した場合、さらに複雑な対応が必要になります。 例えば、月単位で集計していたデータを週単位で集計し直すといった場合、 シート全体を大幅に変更する必要があります。こうした柔軟性の欠如は、 Excelでのタスク管理の大きな制約です。
8 データ粒度の問題 タスク管理データが扱いにくい理 由の一つは、このデータの「粒 度」が粗いからです。 現在のタスク管理データでは、各 タスクは開始日と終了日だけで1行 にまとめられています。 もっと粒度を細かくして、日付単 位にしてやれば、扱いやすくなり
そうです。
9 直積 t1 t2 t3 crossing
10 タスクとカレンダーの直積 タスク カレンダー 変換 crossing
11 変換後のデータでタスク確認 タスクA: 担当は秋田さんで、10/1から 10/4までの予定です。工数は32時間なの で、 1日8時間で完了します。
タスクF: 担当は福井さんで、10/1から10/8 までの予定です。工数は64時間ですが、期 間中に土日が含まれるため、実際の稼働日 は6日間しかありません。そのため、1日の 工数は10時間を超えてしまいます。福井さ んは残業が発生しそうです。 12 変換後のデータでタスク確認
13 変換後のデータでタスク確認 次に、10月11日の秋田さんに注目します。 この日はタスクBとタスクCを担当する予定 ですが、それぞれ1日あたりの工数が8時間 で、合計16時間となってしまいます。この ため、計画の見直しが必要です。
福井さんの計画を詳しく見ると、工数の偏 りが見られます。 10月17日以降は1日4時間程度の余裕があり ます。このような不均一な工数配分も見直 しが必要です。 14 変換後のデータでタスク確認
15 タスク割当無しを見つけることもできる カレンダー メンバー 変換後のデータ crossing left_join
16 タスク割当無しを見つけることもできる
17 × ×
18 直積の威力 直積を使ってタスク管理データを変換し、粒度を細かくしました。 柔軟な集計が可能: 日付ごとにデータを持つことで、日次、週次、月次の 集計をコード修正のみで容易に行えるようになります。 負荷の平準化が容易: 各担当者の工数を日別に把握できるため、特定の日 に工数が集中していないか、計画の不均一性を視覚的に確認できます。 自動化のしやすさ:
プロジェクトの進行に合わせてタスク管理データを自 動的に更新・集計することが可能です。これにより、大規模プロジェクト でもタスク管理が効率的に行えます。