yendoooo

# プロジェクト概要 衛星画像と AI を組み合わせた、土地仕入れ業務を効率化する toB SaaS 型業務システムの開発/運用と、その営業・カスタマーサクセス業務を担当しました。 # チーム体制 ## チーム規模と構成 - 正社員エンジニア2名の初期フェーズから、業務委託を含めて約20名規模の多様なメンバーで構成されたチームへと拡大しました。 - チームはフロントエンド、バックエンド、AI、インフラ、QA、プロダクトマネージャーを含む多職種で編成され、スクラム開発を採用しました。 ## 自身のポジションと役割 - インフラ領域のテックリードとして、AWS を中心としたクラウド基盤の設計・構築・運用保守を推進しました。 - データエンジニアとして、自社のデータ活用基盤の構築やデータ生成・集計・整形等による商材提供を担当しました。 - バックエンドエンジニアとして、API の要件定義・設計・実装・ QA を担当しました。 - スクラムマスター/インフラチームリーダーとして開発組織・チームの体制構築・運用・改善をリードしました。 - 会社の立ち上げメンバーとして、初期フェーズでは営業・カスタマーサクセスも兼任しました。 # 取り組み内容 ## 開発環境 - アプリケーション開発 - バックエンド: Python (FastAPI) - フロントエンド: TypeScript (Next.js) - インフラ構築 - AWS - Google Cloud (Google Maps API) - Microsoft Azure - その他 - AI ツール: Claude Code - ID 管理: Google Workspace - コミュニケーション: Slack - ドキュメント管理: Notion ## 開発・取り組み内容 ### インフラ領域の要件定義・設計・構築・運用保守 #### 概要 - SaaS を稼働させるために必要な全てのインフラの要件定義 ~ 運用保守まで 1 人で実施しました。 - ネットワーク: DNS の設定、複数 VPC 間のルーティング設定、負荷分散設定、通信制限設定等 - サーバー: サーバースペック最適化、サーバーレスコンピューティング設定、オートスケーリング設定等 - 認証基盤整備: ID 管理基盤整備、SSO 設定等 - データガバナンス: データ格納方式設計、バックアップ設定等 - CI/CD: パイプライン構築 #### 課題 - インフラ担当者が自分 1 人である事によりノウハウの属人化や各種対応時のボトルネック化が顕著になり、開発組織全体の生産性の低下が生じました。 #### 対応 - アーキテクチャの意思決定記録 (ADR) や各種操作手順等のドキュメンテーションとメンバーへの周知を徹底する事で、ノウハウの透明化と対応ボトルネックの軽減を実現し、開発組織全体の生産性を向上しました。 ### 不動産商材データの生成・集計・整形 #### 概要 - 顧客の求める不動産データの要件定義からデータの納品まで一気通貫で対応しました。 - 要件定義: 顧客の求めるデータの条件やフォーマット、ボリューム、予算等の調整 - 納品データ生成: Amazon SageMaker、Jupyter Notebook を使用した自社保有データ・外部データの抽出・加工・整形 #### 課題 - 自社データベースの頻繁なスキーマ変更によりデータ抽出方法が安定せず、都度スキーマ設計者に確認する工数が発生してしまい生産性の低下が生じました。 - データ不足により顧客条件との比較ができず、受注自体ができなくなる可能性も浮上しました。 #### 対応 - Claude Code によるスキーマ変更検知と改善方法提案フローを導入し、スキーマ設計者への確認工数と抽出方法調整工数を大幅に削減しました。 - Claude Code を活用して不足データの収集ロジックを短時間で実装し必要データを迅速に収集する事で、顧客条件との比較だけでなく対応力に対する高評価もいただきました。 ### 社内のデータ活用基盤の構築 #### 概要 - プロダクト品質・開発生産性の向上、データドリブンな意思決定の実現を目的として、各種データの可視化・分析等を実施するツールの比較検討・導入・運用を実施しました。 - データの可視化: Datadog、Metabase、Clarity - データの分析: PostHog #### 課題 - 数多くのサービス・ツールが存在する中で、目的・現在の組織のフェーズにマッチするものを選定・提案・導入するために割り当て可能な工数が限られており、基盤構築が難航しました。 #### 対応 - Claude を駆使してさまざまな観点でのサービス・ツールの比較検討を同時並行で実施する事で、適切な選定を実現しました。 - 各ツールの MCP サーバーを活用し、導入後のセットアップやダッシュボード作成等を想定よりも格段に少ない工数で実現しました。 ### API の要件定義・設計・実装・QA #### 概要 - バックエンド開発における API の要件定義 ~ QA までを実施しました。 - 外部 API を実行してデータを取得したり、データ整形やデータベースへの CRUD を実行する API - 定期的に呼び出される、外部サイトをスクレイピングしてデータを取得する API - Claude Code を活用した AI-Driven なバックエンド開発を実施しました。 #### 課題 - Claude Code のアウトプットの品質が高くなく、作業工数は削減されたが品質も低下するという事態になってしまいました。 #### 対応 - Vibe Coding、Plan Mode、Spec-Driven Development を使い分け、生産性と品質の両方の向上を実現しました。 ### 開発組織の体制構築・運用・改善 #### 概要 - スクラム開発を導入し、スクラムマスターとしてスクラムイベントの運営やスプリントの管理、プロダクトオーナーとのコミュニケーションを実施しました。 - 生産性向上のために Spec-Driven Development を導入し、専用スキルの定義や自動化設定を実施しました。 #### 課題 - 業務委託メンバーが多く、充分なコミュニケーションが取れないことによる成果物の品質低下やスケジュール遅延が頻発し、プロジェクト推進の大きな障害となりました。 #### 対応 - 短時間かつ高頻度のコミュニケーションによって認識齟齬を減らし、成果物の品質向上と手戻りによるスケジュール遅延を削減しました。 ### 営業・カスタマーサクセス #### 概要 - 顧客への商談・導入支援・導入後の伴走まで実施しました。 - 顧客との会話や統計データから抽出したインサイトを基に新規開発アイデアや改善方法等を提案し、開発フローに乗せるという動きをしていました。 #### 課題 - サービスに感動いただいている顧客ほど要望が出にくい傾向があり、インサイトを収集しにくいという状態に陥りました。 #### 対応 - 顧客と同レベルの業務理解をしながら IT 視点での質問・提案を繰り返す事で、新しい視点のアイデアを生み出す事ができました。 # プロジェクトの成果・価値 - 開発した SaaS により、顧客の土地仕入れ業務が効率化され、従来比で仕入れにかかる期間とコストが大幅に削減されました。 - インフラ設計と運用の最適化により、直近半年以上の期間においてインフラ起因のサービス障害による停止 0 を達成し、安定稼働と高スケーラビリティによる継続的なビジネス成長を実現しています。 - 自社の保有データを組み合わせたデータ商材を生成・提案する事で、年間数千万円の売り上げに貢献しています。 - 開発組織の体制構築と開発体験向上施策により、開発スケジュール遅延の大幅な減少と品質の安定化を実現しました。

# プロジェクト概要 顧客のオンプレミス環境にあるデータを AWS 環境に移行するシステムの設計/開発を担当しました。 # チーム体制 ## チーム規模と構成 - チームはプロジェクトマネージャー 1 名、バックエンドエンジニア 5 名で構成されていました。 - 開発手法にはウォーターフォール開発を採用しました。 ## 自身のポジションと役割 - バックエンドエンジニアとして、システムの詳細設計・実装を担当しました。 - インフラ領域のテックリードとして、データ移行システムのインフラ・データベース設計をリードしました。 # 取り組み内容 ## 開発環境 - アプリケーション開発 - バックエンド: Java - インフラ構築 - AWS DMS - AWS SCT - Amazon DynamoDB - AWS Lambda - Amazon Aurora - その他 - コミュニケーション: Teams ## 開発・取り組み内容 ### データ移行システムの設計・実装 #### 概要 - オンプレミス環境の Oracle データベースに保管されたデータを、そのデータを利用している他システムへの影響無く AWS 環境上の Amazon Aurora PostgreSQL に移行するため、自動移行システムの設計と実装を実施しました。 - データ移行: DMS - データ変換: SCT, Lambda - データ格納: DynamoDB, Aurora #### 課題 - インフラ知識のあるエンジニアがチーム内に自分 1 人である事により設計に時間がかかってしまい、チーム全体のスケジュール遅延が生じました。 #### 対応 - 他チームやプロジェクト統括層の有識者と積極的にコミュニケーションを取り、知見をチーム内に共有・浸透する事で、チーム全体のスキルアップとスケジュールの巻き返しを達成しました。 # プロジェクトの成果・価値 - DMS, SCT, DynamoDB Streams を活用する事で、移行中に発生した新規データを含めた AWS への自動移行を実現し、プロジェクトの成功に貢献できました。