1. アジャイルデータサイエン
ス
１章 理論
2014/05/13
第1回「データ解析のための統計モデリング⼊⾨」読書会
@who_you_me

2. お前誰よ
@who_you_me
株式会社ハウテレビジョン所属 (2014/04〜)
Webエンジニアになったと思ったら名刺に「エンジニ
ア」としか書いてない
⾒習いスクラムマスター
CakePHPでサービス作ってる会社でひとりPythonを書い
てる
chefのレシピ書くのがダルいのでdockerに置き換えたい
ついでにdocker上⼿く使ってイケてる開発環境つくりた
い

3. #みどりぼん
開催おめでとうございま
す！

4. 統計の難しい話とかはわからないので、
このLTではエンジニア寄りの話をしていきます

7. ×
流⾏りモノ２つくっつければいいってもんじゃないだ
ろ、、、

8. 紹介してるツール

9. Python
Apache Pig
MongoDB
Elasticsearch
Flask
Bootstrap
D3.js
Github
dotCloud
Amazon Web Service
Google Analytics
Fluentd
Kibana

10. 溢れ出るフルスタック感

11. あまりいい予感はしませんが、取り敢えず読み進めていきま
しょう^^

12. 本書の⽬的
1. Hadoopを使ってビッグデータを扱うデータアナリティクス
アプリケーションの構築⽅法のハウツー形式のガイドを提
供すること
2. アジャイルなスタイルでビッグデータのプロジェクトで複
数のチームが協⼒し合うことの⽀援
3. この分野を発展させるようなやり⽅でアジャイルビッグデ
ータアナリティクスを実践する上での仕組みを提供するこ
と

13. 要は

14. 集合知プログラミングは読んだ
はじパタも読んだ
⽬の前にデータらしきものはある
DBには何か⼊ってる
ログがどこかにある

15. さて、どこから⼿をつけた
らいいんだろう^^;

16. そんな⼈のための本です

17. それでは、はじまりはじま
り〜

18. データサイエンスの世界
⼤量データを（以前より）容易に扱えるようになったた
め、データサイエンスが盛り上がりを⾒せている
データサイエンスのプロジェクトは⻑期間になるため、ウ
ォーターフォール⽅式が未だに採⽤されいている

19. ソフトウェア開発の世界
ウォーターフォールは失敗する
アジャイル⾰命によってプロジェクトの成功率が上がった
変化を受け⼊れる
短いサイクルでリリースを繰り返す

20. 本書の問題意識
アジャイル開発とデータサイエンスを組み合わせることで
（アジャイルビッグデータ）、研究とエンジニアリングを⽣
産的につなぎ合わたい

21. では、アジャイルビッグデ
ータにどう取り組めばよい
か

22. １．チーム

23. 求められる役割
顧客
ビジネス開発
マーケッタ（ママ）
プロダクトマネージャ
ユーザーエクスペリエンスデザイナ
インタラクションデザイナ
Web開発者
エンジニア
データサイエンティスト
応⽤リサーチャー
プラットフォームエンジニア
運⽤/DevOpsプロフェッショナル

24. いっぱい

25. スペシャリストよりもジェネラリスト
⼤規模なチームよりも⼩規模なチーム
クラウド、分散システム、PaaSの活⽤
中間的な成果を継続的かつイテレーティブに共有

26. ２．プロセス

27. チームの⽅向性の統⼀
現実世界からの要求は常に変化
変化に対応するため、モック作ったらすぐ実装
データは「主張する」
事前に結果を予測し過ぎるのは危険
アプリケーションの「主要な性格」をまず構築する
？

28. ３．コードレビューとペア
プロ

29. ４．環境

30. メンバーはクリエイティブワーカーであり、オフィスワー
カーではない
オフィスよりもスタジオに近い環境づくり
３種類の空間
コラボレーション空間
プライベート空間
パーソナル空間

31. ５．⼤判プリン
タ

33. 以上
なんちゅう終わり⽅やねん、、、

34. 次回予告

35. ２章 データ
本書で使⽤するデータ
データの保存先
分析の視点

36. 以上、ご清聴ありがとうご
ざいました！