ストーリー
田
田中VPoE
改善施策の候補を洗い出したら、次は「どれくらい効果があるのか」を定量的に見積もる。インパクト分析だ
あなた
「テスト自動化すれば速くなる」みたいな定性的な話ではダメなんですね
あ
田
田中VPoE
経営層の投資判断には数字が必要だ。「テスト自動化により、QA工程のリードタイムが8日から3日に短縮。年間で開発者1人あたり25日の削減効果。150名の開発組織で3,750人日、金額換算で約2.25億円の効果」。ここまで言えて初めて予算が動く
あなた
そこまで精緻に見積もれるものですか？
あ
田
田中VPoE
完璧な精度は不要だ。だが、桁が合っているかどうかは重要だ。効果が1,000万円なのか1億円なのかで、取るべき判断がまったく変わる
インパクト分析の3つのアプローチ
1. ボトムアップ分析
個々の改善による効果を積み上げて全体の効果を算出します。
ボトムアップ分析の例: テスト自動化
現状:
手動テスト工数: QA 20名 × 5日/リリース × 月2回 = 200人日/月
バグ差し戻し率: 30%（追加で2日/件 × 平均10件 = 20人日/月）
合計: 220人日/月
改善後:
自動テスト: 80%カバー → 手動テスト1日/リリースに短縮
手動テスト工数: 20名 × 1日/リリース × 月4回 = 80人日/月
バグ差し戻し率: 10%に改善（追加2日 × 5件 = 10人日/月）
合計: 90人日/月
効果:
220 - 90 = 130人日/月の削減
年間: 130 × 12 = 1,560人日
金額: 1,560 × 6万円（QAエンジニア日額） = 9,360万円/年2. トップダウン分析
組織全体の目標から逆算して、各施策が貢献すべき効果を割り当てます。
トップダウン分析の例:
組織目標: リードタイムを43日→20日に短縮（23日削減）
各施策への割り当て:
セキュリティレビュー自動化: 待ち5日→0.5日 = 4.5日削減（20%）
テスト自動化: LT 8日→3日 = 5日削減（22%）
CI/CDパイプライン整備: LT 4日→1日 = 3日削減（13%）
PR小分割+自動チェック: LT 5日→2日 = 3日削減（13%）
設計・実装統合: LT 11日→8日 = 3日削減（13%）
承認プロセス改善: LT 2.5日→0.5日 = 2日削減（9%）
その他: 2.5日削減（10%）
合計: 23日削減3. ベンチマーク分析
業界のベンチマークやDORAメトリクスとの比較で効果を推定します。
| 指標 | 自社現状 | 業界エリート | ギャップ | 目標 |
|---|---|---|---|---|
| デプロイ頻度 | 月2回 | 1日複数回 | 極めて大 | 週2回 |
| リードタイム | 43日 | 1日未満 | 極めて大 | 20日 |
| 変更失敗率 | 22% | 0-15% | 中 | 10% |
| MTTR | 8時間 | 1時間未満 | 大 | 2時間 |
効果の定量化テクニック
直接効果と間接効果
| 効果の種類 | 説明 | 定量化しやすさ | 例 |
|---|---|---|---|
| 直接効果 | 改善により直接削減される工数・コスト | 高い | テスト工数の削減、手動作業の自動化 |
| 間接効果 | 改善の副次的な効果 | 中程度 | 開発者体験の向上によるリテンション改善 |
| 機会効果 | 改善により新たに可能になること | 低い | リリース頻度向上による市場投入速度改善 |
効果算出の共通公式
効果の算出:
工数削減効果 = 対象人数 × 削減時間/人 × 単価 × 頻度
例: レビュー待ち時間の短縮
対象人数: 150名（開発者全員）
削減時間: 2時間/日（待ち時間の削減分）
単価: 6,000円/時間
頻度: 250日/年
効果 = 150 × 2 × 6,000 × 250 = 4.5億円/年
※ ただし、待ち時間の削減が直ちに生産的な作業に転換される
わけではない。転換率を60%と見積もると:
調整後効果 = 4.5億 × 0.6 = 2.7億円/年コスト算出
| コスト項目 | 説明 | 算出方法 |
|---|---|---|
| 初期投資 | ツール導入、開発工数 | 見積もり |
| 運用コスト | ライセンス、保守工数 | 月額 × 期間 |
| 機会コスト | 改善に割く時間で開発できたはずの機能 | 人数 × 期間 × 単価 |
| 移行コスト | 学習コスト、一時的な生産性低下 | 人数 × 学習時間 × 単価 |
ROI算出
ROI = (効果 - コスト) / コスト × 100
例: テスト自動化
3年間の効果: 9,360万円 × 3年 = 2.8億円
3年間のコスト:
初期投資（ツール+開発）: 3,000万円
運用（年間）: 500万円 × 3年 = 1,500万円
合計: 4,500万円
ROI = (2.8億 - 4,500万) / 4,500万 × 100 = 522%
回収期間: 4,500万 / (9,360万/12) = 約6ヶ月リスク調整
不確実性の考慮
改善効果の見積もりには不確実性が伴います。3点見積もり法でリスクを考慮します。
| シナリオ | 説明 | 効果の見積もり |
|---|---|---|
| 楽観的（O） | すべてが計画通りに進んだ場合 | 最大効果 |
| 最頻（M） | 最も起こりそうな場合 | 標準効果 |
| 悲観的（P） | 問題が発生した場合 | 最小効果 |
期待値 = (O + 4M + P) / 6
例: テスト自動化の年間効果
楽観的: 1.2億円（カバレッジ95%達成）
最頻: 9,360万円（カバレッジ80%達成）
悲観的: 4,000万円（カバレッジ50%にとどまる）
期待値 = (1.2億 + 4 × 9,360万 + 4,000万) / 6
= (1.2 + 3.744 + 0.4) / 6 = 約8,900万円/年まとめ
| ポイント | 内容 |
|---|---|
| 3つのアプローチ | ボトムアップ、トップダウン、ベンチマーク分析 |
| 効果の種類 | 直接効果、間接効果、機会効果。まず直接効果を定量化する |
| ROI算出 | 効果とコストを3年間で見積もり、回収期間も算出する |
| リスク調整 | 3点見積もり法で不確実性を考慮した期待値を算出する |
チェックリスト
- インパクト分析の3つのアプローチを理解した
- 直接効果・間接効果・機会効果の違いを把握した
- 効果算出の公式とROI算出方法を理解した
- 3点見積もり法によるリスク調整を理解した
次のステップへ
次は「優先順位付け手法」を学びます。複数の改善施策を効果的にランキングし、実行順序を決定する方法を身につけましょう。
推定読了時間: 30分