LESSON 30分

ストーリー

田
田中VPoE
診断フレームワークは理解した。だが、フレームワークだけでは診断はできない。データをどう集め、どう分析するか — 具体的な「道具」が必要だ
あなた
サーベイやインタビューは月1のDevOps文化診断でも使いましたが、10次元全てを診断するとなると…
あ
田
田中VPoE
より体系的なアプローチが必要だ。定量データと定性データを組み合わせ、組織の表面だけでなく深層まで見通す。文化の診断は「考古学」に似ている。表面に見えるもの（アーティファクト）から、見えないもの（基本的前提認識）まで掘り下げるんだ

Scheinの組織文化3層モデル

組織文化の診断は、EdgarScheinの3層モデルに従い、表層から深層へと掘り下げます。

┌─────────────────────────────────────┐
│  Level 1: アーティファクト           │  ← 目に見える
│  (ツール、プロセス、オフィス環境)     │     観察・計測可能
├─────────────────────────────────────┤
│  Level 2: 標榜する価値観             │  ← 聞けばわかる
│  (ビジョン、戦略、ポリシー)           │     インタビュー・サーベイ
├─────────────────────────────────────┤
│  Level 3: 基本的前提認識             │  ← 暗黙の了解
│  (無意識の信念、「当然」の行動)       │     行動観察・エスノグラフィ
└─────────────────────────────────────┘

定量アセスメントツール

1. 技術文化サーベイ

10次元それぞれを定量的に測定するサーベイ設計です。

カテゴリ質問例測定対象
デリバリー文化「コードをコミットしてから本番環境に届くまでの所要時間に満足している」デリバリー速度への認識
セキュリティ文化「セキュリティの考慮は開発プロセスの初期段階から自然に行われている」シフトレフトの浸透度
AI活用文化「日常業務でAIツールを活用することが推奨されている」AI活用の組織的支援
クラウド文化「クラウドネイティブな設計原則がチーム全体で理解されている」クラウド成熟度
技術品質文化「コードレビューは学習の機会であり、批判の場ではない」品質文化の健全性
可観測性文化「障害発生時、まずダッシュボードとログを確認する習慣がある」データ駆動の運用
データ文化「重要な意思決定の前にデータを確認することが当然とされている」データ駆動の意思決定
改善文化「振り返り（レトロスペクティブ）の結果が実際の改善行動につながっている」改善サイクルの実効性
DX文化「開発環境のセットアップや日常的なオペレーションに無駄な時間がかからない」開発者体験の質
学習文化「業務時間内に学習・実験の時間を確保することが認められている」学習文化の成熟度

サーベイ設計のポイント:

原則詳細
7段階リカートスケール1（全くそう思わない）〜 7（非常にそう思う）
各次元5〜8問総計50〜80問、所要時間15〜20分
匿名性の確保正直な回答のために匿名を保証
チーム別集計全社平均だけでなくチーム別の分布を把握
定期実施四半期ごとに実施し、変化を追跡

2. 定量メトリクス収集

サーベイに加えて、客観的なメトリクスを自動収集します。

次元メトリクスデータソース
デリバリーデプロイ頻度、変更リードタイム、MTTR、変更障害率CI/CDシステム、インシデント管理
セキュリティ脆弱性検出数、修正リードタイム、セキュリティテストカバレッジSAST/DAST、脆弱性管理
AI活用AIツール利用率、AI支援コード比率、AI関連PJ数AI基盤ログ、開発ツール
クラウドクラウド利用率、IaC化率、コスト効率クラウドコンソール、IaCツール
技術品質コードカバレッジ、技術的負債スコア、レビュー完了率SonarQube、GitHub
可観測性アラート精度、SLO達成率、MTTDモニタリングシステム
データデータ品質スコア、データカタログカバレッジデータ品質ツール
改善改善提案数、改善実行率、サイクルタイムプロジェクト管理ツール
DXビルド時間、環境構築時間、オンボーディング日数CI/CD、HR
学習勉強会開催数、技術ブログ執筆数、資格取得数ナレッジベース、HR

定性アセスメント手法

1. 半構造化インタビュー

要素内容
対象各レイヤーの代表者（経営層、マネージャー、IC、新入社員）
人数組織規模の10〜15%、最低20人
時間1人45〜60分
形式半構造化（共通の質問 + 深掘り）

インタビューガイド例:

テーマ質問例
日常業務「典型的な1日の業務フローを教えてください」
意思決定「技術的な判断が必要な時、どのように意思決定しますか」
障害対応「直近で大きな障害があった時、組織はどう対応しましたか」
情報共有「他チームの技術的な取り組みをどのように知りますか」
変化への態度「最近導入された新しいツールやプロセスについてどう感じますか」
理想と現実「技術文化で一番変えたいことは何ですか」

2. 行動観察（エスノグラフィ）

観察対象着目ポイント
ミーティング発言の偏り、意思決定プロセス、心理的安全性
コードレビューコメントのトーン、指摘と称賛の比率、応答速度
インシデント対応エスカレーションの速度、協力体制、振り返りの質
Slack/Teams情報共有の頻度、チーム横断の会話量、質問への応答速度
オンボーディング新メンバーの立ち上がり速度、メンターの関与度

3. アーティファクト分析

組織が生み出す「成果物」から文化を読み解きます。

アーティファクト分析ポイント
アーキテクチャ決定記録（ADR）意思決定の透明性、参加者の多様性
ポストモーテム文書ブレームレスか、改善アクションの追跡状況
技術ブログ・社内Wiki知識共有の活発さ、更新頻度
CI/CDパイプライン定義自動化の範囲、セキュリティゲートの組み込み
OKR/KPI文書技術指標の位置づけ、文化に関する目標の有無

データの統合と可視化

技術文化レーダーチャート

10次元の評価結果をレーダーチャートで可視化します。

                デリバリー
                    5
           学習  4  |  セキュリティ
              3  \  |  /  3
          DX  2   \ | /   AI活用
              1    \|/
  改善 ─────────────●─────────────── クラウド
              /|\
          データ  |  技術品質
               |
           可観測性

ヒートマップ分析

チーム別の文化成熟度をヒートマップで表現します。

チームデリバリーセキュリティAIクラウド品質
プラットフォーム43243
プロダクトA32333
プロダクトB21122
データ32433
SRE43244

チーム間のばらつきは、組織全体の文化成熟度を制約する最大の要因です。最も遅れているチームが組織全体のボトルネックになります。

まとめ

ポイント内容
3層モデルアーティファクト→標榜する価値観→基本的前提認識の3層で文化を掘り下げる
定量ツールサーベイ（主観的認識）と自動収集メトリクス（客観的事実）の組み合わせ
定性手法インタビュー、行動観察、アーティファクト分析で数値に現れない文化を把握
統合と可視化レーダーチャートとヒートマップで直感的に文化の全体像を把握

チェックリスト

  • Scheinの組織文化3層モデルを理解した
  • 10次元サーベイの設計原則を理解した
  • 自動収集メトリクスの種類とデータソースを理解した
  • 定性アセスメント手法（インタビュー、行動観察、アーティファクト分析）を理解した
  • レーダーチャートとヒートマップによる可視化手法を理解した

次のステップへ

次は「業界ベンチマーク分析」を学びます。自組織の診断結果を業界平均や先進企業と比較し、目指すべき水準を設定しましょう。

推定読了時間: 30分