-
リアルタイム対戦型オリジナル大富豪ゲームの開発および設計
＜＞
【期間】2014年4月〜2015年5月
<概要>
スマートフォン向けのブラウザゲームとしてリアルタイム対人対戦機能・AI対戦用のAI機能を構築。その他機能(ランキング機能・スロット機能・課金機能)を構築。
<担当業務>
要件定義、基本設計、詳細設計、DB設計、開発、クライアント折衝、運用・保守
＜環境＞
Node.js
(Express)
MongoDB
Socket.io
Linux
(Amazon Linux)
＜役割 / PJ規模＞
役割：メンバー
要員数：2名Node.js,Express,MongoDB,Socket.io,Linux
-
広告プロモーションデータの可視化/ダッシュボード化プロジェクトの開発責任者
【開発要件】
・デジタル広告における集客に関するデータと集客後（サイト到達後）のユーザー行動データの可視化/ダッシュボード化
【開発手法】
Google Cloudのマイクロサービス&SQLを活用し、データ取得〜データ加工〜データ出力を実装している
- Google・Yahoo・Metaなどの各広告媒体デジタル広告配信データは各広告媒体からAPIをPythonで内製構築し、データ取得し、BigQueryへ格納
- GA4のサイトアクセスデータはBigQueryへ格納するデフォルト設定を活用しSQLで抽出・データ加工を実施
- 各種データをデータ加工するのはGoogle Cloud内のCloud Functions（Python使用）とSQLで実施
- 最終アウトプットはLooker Studioでダッシュボード化
【役割】
・ヒアリング〜要求定義
・要件定義
・設計
・実装
・テスト
===========
【課題】
[データフォーマット観点]
・各広告媒体（GoogleやYahooやMetaなど）の広告配信データのデータ形式（指標名やデータ型）にバラつきがあり、新規広告媒体を取り込む際は過去の媒体との整合性を取りながら名寄せが必要となる
・一方で社内の各案件チームが利用していたレポートにも案件ごとにフォーマット（指標名やデータ型）が異なっており、案件毎にカスタマイズしていく必要があった
【工夫した点】
・各広告媒体から取得するデータのデータ形式名寄せ関しては、データ取得の部分を自社内製していたデータ取得用APIからデータ取得＆名寄せまでを実行してくれる外部サービスへの置き換えを実施。（開発＆メンテナンスコストの大幅削減）
・社内のレポートフォーマットに関しては、社内全案件のレポートの共通部分とカスタマイズ部分を切り分けて、共通部分を抜き出したダッシュボード汎用テンプレート（その為の内部のデータ構造も共通・汎用化）の構築し、全案件に導入した。
（※共通化したインフラやSQLなどの設定はGithub×Terraformで管理することで、簡単に設定コピーできる環境も構築）
【成果】
・一番の成果はデータ形式の統一と、統一・名寄せの工数削減により、案件毎のダッシュボード構築期間が1.5〜2ヶ月→1〜2週間へ構築スピード向上GCP,BigQuery,Python,Google Apps Scripts,スプレッドシート,LookerStudio,各種広告API
-
マーケティングデータ統合基盤開発プロジェクトの開発責任者
【開発要件】
・マーケティング活動で取得・蓄積できるあらゆるデータを統合→可視化する為のプラットフォーム構築
- 取り扱うデータ種として「デジタル広告配信データ」「GA4などのサイト訪問データ」「ECなどの売上データ」「受注管理データ」「在庫・物流データ」をデータ連結し可視化/ダッシュボード化
- 第一フェーズの機能としては、広告配信データとECサイトの売上データを結合し、短期的な売上予測（月の中旬時点における月末着地売上予測）を計算・出力する
- 追加の予算が発生した時や目標売上数が変更になったときのシミュレーション機能
- 在庫の変動予測（終売予測）機能
【開発手法】
・広告配信データに関しては、下記の「広告プロモーションデータの可視化/ダッシュボード化プロジェクト」の成果物を踏襲
・ECサイトの売上データの抽出には、SaaSの分析基盤の総合支援ツール（ETLツール）を活用しデータ転送している
・各種データをデータ加工・連結する基盤はBigQuery上に作成
【役割】
・ヒアリング〜要求定義
・要件定義（外部パートナーと分担・協業）
・設計（外部パートナーと分担・協業）
・実装（外部パートナーと分担・協業）
・テスト
・外部パートナーのアライアンス〜選定、連絡やり取り
===========
【工夫した点】
・毎週の定例会議により、要件定義する為に要求定義の解像度を上げていく努力と時間を大きく割くことにした。
・事業ドメインや既に自社内で構築していた広告配信ダッシュボードはシステム設計やデータ構造などのドキュメントを用意し、定例会議とは別途の分科会を設けた。
・要件定義フェーズの最終段階には、要件定義の共通認識化を両社図る為に、オンラインではなく対面で半日の合宿などを実施し、意識の共通化を図った
⇓
本構築（実装フェーズ）に進むまでにコミュニケーションコストを大きく割くことにして、両社お互いことを知る・構築するものを同じ解像度で認識共通化をするということを重点的に実施した
【成果】
・要件定義フェーズでのコミュニケーションコストに比べて、本構築（実装フェーズ）は、コミュニケーションコストはかなり削減できた。GCP,BigQuery,Python,LookerStudio,Google Apps Script,スプレッドシート,Google Analytics,GTM