ストーリー

定量化の4つのアプローチ

アプローチ1: コードメトリクスによる定量化

静的解析ツールが提供するメトリクスを活用します。

# SonarQube メトリクスの読み方
sonarqube_metrics:
  technical_debt_ratio:
    A: "< 5%"    # 優秀
    B: "5-10%"   # 許容範囲
    C: "10-20%"  # 要注意
    D: "20-50%"  # 深刻
    E: "> 50%"   # 危険

  example:
    project: "PayFlow Backend"
    total_dev_effort: "2,400人時（約300人日）"
    remediation_cost: "360人時（約45人日）"
    debt_ratio: "15% (Rating: C)"
    interpretation: "開発コストの15%に相当する負債が蓄積"

アプローチ2: DORA メトリクスへの影響分析

技術負債が開発パフォーマンスに与える影響をDORAメトリクスで測定します。

graph TD
    subgraph Chart["デプロイ頻度の推移と負債の関係"]
        direction LR
        M1["1月
6回/週"] --> M2["2月
8回/週"]
        M2 --> M3["3月
10回/週"]
        M3 --> M4["4月
12回/週"]
        M4 --> M5["5月
10回/週"]
        M5 --> M6["6月
8回/週"]
        M6 --> M7["7月
6回/週"]
        M7 --> M8["8月
4回/週"]
        M8 --> M9["9月
2回/週
← 負債の蓄積"]
    end

    style M1 fill:#d1fae5,stroke:#059669,color:#065f46
    style M2 fill:#d1fae5,stroke:#059669,color:#065f46
    style M3 fill:#d1fae5,stroke:#059669,color:#065f46
    style M4 fill:#dbeafe,stroke:#2563eb,stroke-width:2px,color:#1e40af
    style M5 fill:#fef3c7,stroke:#d97706,stroke-width:2px,color:#92400e
    style M6 fill:#fef3c7,stroke:#d97706,stroke-width:2px,color:#92400e
    style M7 fill:#fef3c7,stroke:#d97706,stroke-width:2px,color:#92400e
    style M8 fill:#fee2e2,stroke:#dc2626,color:#991b1b
    style M9 fill:#fee2e2,stroke:#dc2626,color:#991b1b

アプローチ3: 開発者サーベイ

定量データだけでは捉えられない負債の影響を開発者に聞きます。

## 技術負債サーベイ（四半期実施）

### Q1. 先月、技術負債が原因で余分にかかった時間は？
- [ ] 0-5時間
- [ ] 5-10時間
- [ ] 10-20時間
- [ ] 20時間以上

### Q2. 最も影響の大きい技術負債を3つ挙げてください
1. [自由記述]
2. [自由記述]
3. [自由記述]

### Q3. 技術負債が原因で避けている作業はありますか？
[自由記述]

### Q4. 現在のコードベースの品質を10段階で評価してください
[1-10のスケール]

### Q5. 6ヶ月前と比べて、負債は増えていますか？減っていますか？
- [ ] 大幅に増加
- [ ] やや増加
- [ ] 変化なし
- [ ] やや減少
- [ ] 大幅に減少

アプローチ4: SQALE メソッド

SQALE（Software Quality Assessment based on Lifecycle Expectations）は、品質特性ごとに修正コストを見積もる体系的な手法です。

sqale_analysis:
  characteristics:
    - name: "テスタビリティ"
      issues:
        - "テストカバレッジ不足（対象: 150ファイル）"
        - "テスト不可能な設計（依存注入なし: 30クラス）"
      remediation_cost: "120人時"

    - name: "変更容易性"
      issues:
        - "循環依存（12箇所）"
        - "God Class（5クラス）"
      remediation_cost: "80人時"

    - name: "信頼性"
      issues:
        - "例外処理の不備（45箇所）"
        - "リソースリーク（8箇所）"
      remediation_cost: "40人時"

    - name: "セキュリティ"
      issues:
        - "ハードコードされた認証情報（3箇所）"
        - "SQLインジェクション可能性（2箇所）"
      remediation_cost: "16人時"

  total_remediation_cost: "256人時（約32人日）"
  annual_interest: "月20人時 × 12 = 240人時/年"
  roi_of_remediation: "256人時の投資で年240人時を節約"

負債の経済的インパクト計算

利子コストの算出

年間利子コスト = 負債起因の追加工数/年 × エンジニア時間単価

例:
  月間追加工数: 80人時（開発者サーベイより）
  年間追加工数: 80 × 12 = 960人時
  エンジニア時間単価: 5,000円
  年間利子コスト: 960 × 5,000 = 480万円

返済の ROI

返済ROI = (年間利子コスト × 想定削減率) / 返済コスト

例:
  返済コスト: 256人時 × 5,000円 = 128万円
  年間利子削減: 480万円 × 60% = 288万円
  ROI = 288万円 / 128万円 = 2.25x（1年で投資回収、以降は純利益）

# 技術負債レポート - 2026年Q1

## エグゼクティブサマリー
- 現在の技術負債: 約256人日（SonarQube + 開発者サーベイより推計）
- 年間利子コスト: 約480万円（開発速度の低下として顕在化）
- 推奨返済投資: 128万円（Q2に集中投資）
- 期待効果: 年間288万円のコスト削減（ROI 2.25x）

## 放置した場合のリスク
- デプロイ頻度がさらに30%低下（現在週4回→週2.8回）
- 新機能リードタイムが2倍に（現在3日→6日）
- セキュリティインシデントリスクの増大

ダッシュボードの構築

技術負債の状況を常時監視するダッシュボードを構築します。

dashboard_panels:
  - panel: "技術負債サマリー"
    metrics:
      - "総負債量（人日）"
      - "月次の負債増減"
      - "負債比率（Debt Ratio）"

  - panel: "DORA メトリクス"
    metrics:
      - "デプロイ頻度（週次推移）"
      - "リードタイム（中央値）"
      - "変更失敗率"

  - panel: "ホットスポット"
    metrics:
      - "負債スコア TOP 10 モジュール"
      - "変更頻度 × 負債スコア マトリクス"

  - panel: "トレンド"
    metrics:
      - "負債量の6ヶ月トレンド"
      - "四半期サーベイスコア推移"

まとめ

チェックリスト

• 4つの定量化アプローチを理解した
• 利子コストの算出方法を把握した
• 返済のROI計算ができるようになった
• ダッシュボードに必要なメトリクスを理解した

次のステップへ

次は「リファクタリング戦略」を学びます。定量化した負債に対して、どのように戦略的に返済していくかのアプローチを見ていきましょう。

推定読了時間: 40分