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
いまどきのSIer的品質向上
Search
Sponsored
·
SiteGround - Reliable hosting with speed, security, and support you can count on.
→
Koji Saiki
March 13, 2018
Technology
170
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
いまどきのSIer的品質向上
Koji Saiki
March 13, 2018
More Decks by Koji Saiki
See All by Koji Saiki
Scaffold for Read and Debug JavaScript
kojisaiki
0
100
Angular で PCF した話
kojisaiki
0
580
Why is the subject of the story about Java support JDK?
kojisaiki
0
150
誰も教えてくれなかったSEとしてただ一つ必要なこと
kojisaiki
0
480
真・なぜ誰もこう書いてくれないDependency Injection入門
kojisaiki
0
800
なぜ誰もこう書いてくれない Dependency Injection
kojisaiki
5
1.9k
Other Decks in Technology
See All in Technology
SRE歴2ヶ月でも開発6年の知見を活かして、チームで止まっていた環境改善を前に進めた話
a_ono
1
220
環境凍結という Toil を倒す -セルフサービス型 Ephemeral テスト環境の 設計と実践
shirouz
1
1.4k
Foxgloveについて 実際にExtensionを開発して公開するまでの話 / About Foxglove: The Story of Developing and Releasing an Extension
ry0_ka
0
180
インフラ寄りSREでも 開発に踏み出せる〜境界を越えてユーザー体験に向き合いたい〜
sansantech
PRO
0
2.4k
cccccc
moznion
0
1.8k
攻撃者がいなくてもAIエージェントはインシデントを起こす
nomizone
0
200
知見・人・API・DB・予算 ─ ナイナイ尽くしだった人事データ整備 with dbt、5年間の学び
ken6377
1
170
Empower GenAI with Agile - あなたのアジャイルが生成AIのバフになる仕組み
hageyahhoo
1
130
NDIAS CTF 2026 問題解説会資料
bata_24
0
180
Baseline対応のDOMの型定義を作った
uhyo
3
720
人を動かすのは時間ではなく、納得感 〜新任EMが入社3ヶ月、組織を2回変えた話〜
kakehashi
PRO
2
150
勉強会企画をアプリで構造化してみた 〜そこで見えた、AIとの付き合い方〜 / I've structured a study group plan using an app.
pauli
0
330
Featured
See All Featured
Music & Morning Musume
bryan
47
7.3k
The Spectacular Lies of Maps
axbom
PRO
1
850
The Impact of AI in SEO - AI Overviews June 2024 Edition
aleyda
5
1.1k
How to build an LLM SEO readiness audit: a practical framework
nmsamuel
1
800
Stewardship and Sustainability of Urban and Community Forests
pwiseman
0
250
個人開発の失敗を避けるイケてる考え方 / tips for indie hackers
panda_program
123
22k
Paper Plane
katiecoart
PRO
1
52k
Designing for Performance
lara
611
70k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.5k
VelocityConf: Rendering Performance Case Studies
addyosmani
333
25k
Practical Orchestrator
shlominoach
191
11k
Future Trends and Review - Lecture 12 - Web Technologies (1019888BNR)
signer
PRO
0
3.6k
Transcript
͍·Ͳ͖ͷ 4*&3త্࣭ ,0+*4"*,*
͓લ୭ w ͓ͳ·͑ɿࠤഢߛೋʢ͍͖͜͞͏͡ʣ w ͱ͜ΖɿԬʗେࡕ w ͭͿ͖ɿIUUQTUXJUUFSDPNTBJLPV w ͗ͬͿɿIUUQTHJUIVCDPNLPKJTBJLJ w
ͿΖ͙ɿIUUQJSPOZIBUFOBCMPHDPN
࣍ w ࣭ͱԿ͔ w ࣭ʹؔ͢Δཁૉ w ઃܭͷத w ઃܭͷதΛ࡞Γ্͛Δϓϩηε w
·ͱΊ
࣭ͱԿ͔
͍ͭͷ IUUQTKBXJLJQFEJBPSHXJLJ࣭ ػցྨͳͲͷۀͰ͋Εɺ࣍ͷΑ͏ͳؚ߲͕·ΕΔͱߟ͑ΒΕΔɻ • ੇ๏ͷΒ͖ͭ • ৴པੑʢނোͷ͠ʹ͘͞ɺಈ࡞ෆྑʣ • ҆શੑʢ༻࣌ͷ΄͔ɺނো࣌ͷϑΣΠϧηʔϑઃܭؚΉʣ •
σβΠϯɺ্͕Γ • อकੑ ৯ྨͳΒ • ຯɺ෩ຯɺ߳Γ • ҆શੑ • ৭߹͍ αʔϏεۀʹ͓͍ͯ • ઃඋͷਗ਼ܿ͞ • ٬ଶͷྑ͠ѱ͠ • ্͕Γͷྑ͠ѱ͠
͍ͭͷ IUUQTKBXJLJQFEJBPSHXJLJ࣭ ػցྨͳͲͷۀͰ͋Εɺ࣍ͷΑ͏ͳؚ߲͕·ΕΔͱߟ͑ΒΕΔɻ • ੇ๏ͷΒ͖ͭ • ৴པੑʢނোͷ͠ʹ͘͞ɺಈ࡞ෆྑʣ • ҆શੑʢ༻࣌ͷ΄͔ɺނো࣌ͷϑΣΠϧηʔϑઃܭؚΉʣ •
σβΠϯɺ্͕Γ • อकੑ ৯ྨͳΒ • ຯɺ෩ຯɺ߳Γ • ҆શੑ • ৭߹͍ αʔϏεۀʹ͓͍ͯ • ઃඋͷਗ਼ܿ͞ • ٬ଶͷྑ͠ѱ͠ • ্͕Γͷྑ͠ѱ͠ ۀγεςϜ྆ํ͕ඞཁ
·ͱΊΔͱ w ৴པͰ͖Δ w ҆શ w อकੑ͕͋Δ w ্͕Γ͕ۀʹద͍ͯ͠Δ w
ར༻ऀʹ͍͞͠ w ۀʹཱͭ
࣭ʹؔ͢Δཁૉ
͜ΕͰશ෦ w ઃܭͷத w ઃܭͷதΛ࡞Γ্͛Δϓϩηε ͜Ε͕શͯ
ઃܭͷத
Ұ൪࣭ͷߴ͍ ϓϩάϥϜ ͜Εͩʂ
QVCMJDTUBUJDWPJENBJO 4USJOH<>BSHT \^
QVCMJDTUBUJDWPJENBJO 4USJOH<>BSHT \^ ͲΜͳ͜ͱ͕͋ͬͯڍಈ͕มΘΒͳ͍ ʹ৴པͰ͖Δ γεςϜʹΑΔ෭࡞༻͕શ͘ͳ͍ ʹ҆શ ίʔυશମ͕ҰͰݟ͑Δ ʹอक͕؆୯ શମʹΒ͖͕ͭͳ͍ɺͱ͍͏͔̍ͭ
ʹ্͕Γ͕͍ͬͯΔ
ͭ·Γ ͪΐͬͱͨ͜͠ͱͰڍಈ͕มΘΔ ʹ৴པͰ͖ͳ͍ γεςϜͰఆ͍ͯ͠ͳ͍෭࡞༻͕ى͖Δ ʹ҆શͰͳ͍ γεςϜͰԿ͕ى͖͍ͯΔͷ͔Θ͔Βͳ͍ ʹอकͮ͠Β͍ શମ͕ΒΒ ʹ্͕Γ͕͍ͬͯͳ͍
γεςϜ খ͍͞΄Ͳ ࣭Λ্͍͛͢
Ͱେख4*&3ͷن ʹউͯͳ͍ͷͰ ʁ
Ͱ͔͍ ͯ͢͠Ή
Ͱ͔͍ ͯ͢͠Ή
Ͱ͔͍ ͯ͢͠Ή ͜Ε͕ɾɾɾ
͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή
͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͜͏͡Όʂ
͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή
͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή ͍͍ͪ͞ ͯ͢͠Ή
ϚΠΫϩαʔϏεͰ ্࣭͕͕Δʂ
࣭Λ্͛Δઃܭͷத ʹϚΠΫϩαʔϏεʂ 2&%ʂ
࣭Λ্͛Δઃܭͷத ʹϚΠΫϩαʔϏεʂ 2&%ʂ
1-":#"$,ʂ w ৴པͰ͖Δ w ҆શ w อकੑ͕͋Δ w ্͕Γ͕ۀʹద͍ͯ͠Δ w
ར༻ऀʹ͍͞͠ w ۀʹཱͭ
w ৴པͰ͖Δ w ҆શ w อकੑ͕͋Δ w ্͕Γ͕ۀʹద͍ͯ͠Δ w ར༻ऀʹ͍͞͠
w ۀʹཱͭ ͜Ε·ͩʂ 1-":#"$,ʂ
ઃܭͷத ͦͷ̎
• ্͕Γ͕ۀʹద͍ͯ͠Δ • ར༻ऀʹ͍͞͠ • ۀʹཱͭ
• ্͕Γ͕ۀʹద͍ͯ͠Δ • ར༻ऀʹ͍͞͠ • ۀʹཱͭ ͖ʹۀΛ͜ͳͯ͘͠ΕΔ͢ʔͺʔ ਓೳʂ
• ্͕Γ͕ۀʹద͍ͯ͠Δ • ར༻ऀʹ͍͞͠ • ۀʹཱͭ ͖ʹۀΛ͜ͳͯ͘͠ΕΔ͢ʔͺʔ ਓೳʂ
ΩϞ͘ݴ͏ͱ w ࠓͦͷॠؒͷۀͷख͕ؒݮΔຐ๏ͷಓ۩͕Ͱ͖Δ৽ͨͳࣾһ͕ ຊདྷͷͦͷاۀͷՁΛड͚ܧ͛ͳ͍কདྷͷͦͷاۀͷจԽΛ໓ ΅͢ɻ w ͳΜͰػೳઃܭ͔Β͚ෛͬͯɺશ෦4*FSଆͰͬͯ͠·͏ຊདྷ ͷγεςϜͷॴ༗ऀ͓٬͞Μͳͷʹͦͷ͓٬͞Μ͕ࣗͨͪͷۀ Λಈ͔͢γεςϜͷ͜ͱΛΘ͔Βͳ͍͓٬͞ΜϏδωεϓϩη εվળʹ4*FSଆ͕ඞཁʢࣄۀͷϋϯυϦϯάʹհೖ͢ΔܗʹͳΓຊ
དྷͷاۀͷมભΛ્Ήɻ͜Ε͔ΒࣗࣾͰγεςϜ࣋ͱ͏ʂͱܾΊ Δձࣾେମ͜ΕɻͰ͋ͬͯ΄͍͠ʣ
ฏқʹݴ͏ͱ w γεςϜΛʮ࡞Ζ͏ʯʮҠ২͠Α͏ʯͳͲʹɺൃͷతɺཧ༝ ͕͋ΔɻͦΕʹؔͳ͍ػೳzઈରʹz࡞Βͳ͍ɻͦΕΛ͓٬͞Μ ͱଋ͢ΔɻʢγεςϜԽߏͷதʹϏδϣϯΛ࣮֬ʹؚΊΔʣ w ͓٬͞Μ͕ʮΑ͠ͳʹʯͱݴͬͯΑ͠ͳʹ͠ͳ͍Α͏ʹ͢Δɻ͋ ͳͨͷͷ͔ͩΒɻ
͢Δͱࣗવͱɾɾɾ w తୡͷͨΊͷ࠷খެഒͷγεςϜʹͳΔ w ͓٬͞ΜͷѲͰ͖ΔαΠζͷγεςϜʹͳΔ ݁ՌతʹɺγεςϜنখ͘͞ͳΔํʹͳΔ తୡʹඞཁͳػೳͷΈ͕ఏڙ͞ ΕΔ ຊདྷͷతୡʹཱͭ ػೳ͕໌֬Ͱར༻ऀʹΘ͔Γ͍͢
ʢ͜͜ͰUIҰ୴φγʣ γεςϜͰͳ͘ͱΘ͔Δ ׂɾΠϯλϑΣʔε ӡ༻ऀʹར༻ऀʹΘ͔Γ͍͢
ઃܭͷதΛ ࡞Γ্͛Δϓϩηε
୯७໌շʂ
w ୯ମςετʙγεςϜςετ·ͰશͯͷνΣοΫϦετɺΤϏσϯ εΛऔಘʂ w ίʔυΧόϨοδͪΖΜ̍̌̌ˋʂ w ઃܭʙςετ༷ɺΤϏσϯε·ͰΛίʔμʙ1-·ͰશһͰϑϧ νΣοΫʂ
w ୯ମςετʙγεςϜςετ·ͰશͯͷνΣοΫϦετɺΤϏσϯ εΛऔಘʂ w ίʔυΧόϨοδͪΖΜ̍̌̌ˋʂ w ઃܭʙςετ༷ɺΤϏσϯε·ͰΛίʔμʙ1-·ͰશһͰϑϧ νΣοΫʂ
ৗறઌͷେख ࣭Α͔ͬͨͰ͔͢ʁ
2ͳΒͳͥ ͜Μͳ͜ͱͯ͠Δͷʁ
"γεςϜ͕ େ͖͍͔Β
γεςϜ͕େ͖͍ͱ w γεςϜશମΛѲͰ͖ͳ͍ w ϝϯόʔશମΛѲͰ͖ͳ͍ ػೳ࣮ͷଥੑΛ৴པͰ͖ͳ͍ ࡉ͔͍ΤϏσϯε ΠϯλϑΣʔεཏΑΓίʔυΧόϨοδ ϝϯόʔ֤ҐͷεΩϧ͕Θ͔Βͳ͍ =>ੑѱઆͰݟΔ͔͠ͳ͍
ҟৗͳ·ͰͷνΣοΫମ੍ ϝϯόʔ֤ҐͷͷرബԽ ””͡Όͳͯ͘””Ͱ߹ͬͯΔɻ Ϛωδϝϯτͷϛεɻ
γεςϜΛখ͘͢͞Δͱ w γεςϜશମΛҰ؏ͯ͠νΣοΫ͢Δ৬Λઃ͚ΒΕΔʢ ༷ͷҰ؏Խʣ w γεςϜͷػೳͻͱͭͻͱͭͷۀޮՌΛଌΓɺΠϯλ ϑΣʔεΛ࠷దԽͰ͖Δʢςετ༷ͷ໌֬Խɺ࠷దԽʣ w ϝϯόʔ֤Ґͷಛੑ͕Θ͔ΓɺಛੑࠐΈͰՌΛଌΕΔ ʢαϯϓϦϯάϨϏϡʔͳͲͰޮԽʣ
·ͱΊ
γεςϜ୯ҐΛখ͘͢͞Δ͜ͱʂ w γεςϜશମΛݟͯ͠ɺػೳͷۀޮՌɾҰ؏ੑɾ࣮ϨϕϧΛ ཧͰ͖Δʂ w ͓٬͞Μ͕ೲಘͯ͠ʮ͓͠ʯͰ͖Δʂ w ։ൃϓϩηεɺϝϯόʔΛదࡐదॴͰ͖Δʂ w ͳΜ͍͍͜ͱ͔ͬΜ͚ʂ
ͦͷͨΊʹͱΔ͖ߦಈ w ϓϩάϥϚ w γεςϜ͕খ͘͞ͳͬͨશମΛݟͤΔʂɿ༷Ѳͷൣғ֦େ w γεςϜؒͰ࿈ܞ͢ΔͱඇಉظॲཧͨΓલʂɿ1VC4VCͳͲͷσβΠϯύλʔϯ w ࣗͰॻ͘ίʔυΛͱʹ͔͘গͳ͘ʂɿϑϨʔϜϫʔΫɾϥΠϒϥϦͷڵຯ w
ઃܭऀ w େ͖ͳۀΛখׂ͘͢͞ΔʂɿυϝΠϯׂ w খׂͨ͘͞͠γεςϜΛ࿈ܞ͢ΔʂɿϚΠΫϩαʔϏεɾࢄγεςϜ w γεςϜӡ༻Λ͓٬͞ΜʹΘ͔ΔΑ͏ʹʂɿࢹɾՄࢹԽ w Ϛωʔδϟ w ϝϯόʔͷಛੑͷѲʂɿυϥοΧʔͰͲ͏ͧ w ϝϯόʔͷೳಈԽʂɿ;Γ͔͑ΓͳͲʢPSશҕʹͳΒͳ͍͜ͱʣ w γεςϜؒ࿈ܞΛؚΊͨશମͷଥੑνΣοΫʂɿγεςϜߏͳͲͷ֎ֲѲ
Δ͔͠ͳ͍ ͜ͷϏοάΣʔϒʹ
͓ΘΓ ,0+*4"*,*