LESSON 30分

ストーリー

田
田中VPoE
「測定できないものは管理できない」— ピーター・ドラッカーの有名な言葉だ。文化変革は曖昧になりがちだが、定量的に測定できる。そしてそれが経営層の信頼を勝ち取る最大の武器になる
あなた
文化を数値で測定するのは難しそうです。何をどう測ればいいんですか？
あ
田
田中VPoE
文化そのものを直接測ることは難しいが、文化が生み出す「行動」と「成果」は測定できる。セキュリティ文化が根付いたチームは脆弱性修正のリードタイムが短い。学習文化があるチームはスキルの成長速度が速い。行動と成果を測定することで、文化の変化を追跡する

測定フレームワークの全体像

3層の測定モデル

┌────────────────────────────────────────────┐
│  Layer 3: ビジネスインパクト                  │
│  売上、顧客満足度、離職率、Time-to-Market     │
│  測定頻度: 四半期〜半期                       │
├────────────────────────────────────────────┤
│  Layer 2: 行動・プロセス指標                  │
│  DORA指標、セキュリティ修正LT、AI活用率       │
│  測定頻度: 週次〜月次                        │
├────────────────────────────────────────────┤
│  Layer 1: 文化・感情指標                      │
│  文化サーベイ、心理的安全性、変革への期待度    │
│  測定頻度: 月次〜四半期                       │
└────────────────────────────────────────────┘

各層の関係

文化の変化（Layer 1）
  → 行動の変化（Layer 2）
    → ビジネス成果の変化（Layer 3）

例:
セキュリティ意識の向上（Layer 1: サーベイスコア+1.0）
  → 脆弱性修正LTの短縮（Layer 2: 14日→3日）
    → セキュリティインシデント削減（Layer 3: 重大インシデント50%減）

Layer 1: 文化・感情指標

文化サーベイ設計

次元サーベイ質問例（7段階リッカート尺度）対応テーマ
デリバリー文化「デプロイに自信を持てる」「リリースプロセスはスムーズだ」DevOps（M1）
セキュリティ文化「セキュリティは開発初期から考慮されている」セキュリティ（M2）
AI活用文化「AIツールの活用が業務で推奨されている」AI戦略（M3）
クラウド文化「クラウドネイティブの設計原則が理解されている」クラウド（M4）
技術品質文化「コードレビューが学習の機会になっている」技術標準（M5）
可観測性文化「ダッシュボードで運用状況を把握している」可観測性（M6）
データ文化「データに基づく意思決定が行われている」データ基盤（M7）
改善文化「振り返りが実際の改善につながっている」継続的改善（M8）
DX文化「開発環境の構築に無駄な時間がかからない」DX（M9）
学習文化「業務時間内に学習の時間が確保されている」統合（M10）

パルスサーベイの設計

要素設計
頻度月次（10問以内で負荷を最小化）
匿名性匿名。ただしチーム単位での集計は可能に
フォーマット7段階リッカート尺度 + 自由記述1問
回答率目標80%以上
分析全社平均 + 部門別 + 前回比トレンド

心理的安全性の測定

Amy Edmondsonの心理的安全性スケールを技術組織向けにカスタマイズします。

質問測定対象
「チームではミスを報告しても非難されない」失敗への安全性
「チームメンバーに助けを求めやすい」協力の安全性
「新しいアイデアを提案しても否定されない」挑戦の安全性
「自分の意見と異なる意見を自由に言える」異論の安全性

Layer 2: 行動・プロセス指標

戦略の柱別KPI

Secure Velocity:

KPI測定方法ベースライン目標（1年後）
DORA: デプロイ頻度CI/CDログ週1-2回（平均）日次以上（50%のチーム）
DORA: 変更リードタイムCI/CDログ5日（平均）2日以下
DORA: 変更障害率インシデントDB15%（平均）8%以下
DORA: MTTRインシデントDB3時間（平均）1時間以下
脆弱性修正リードタイムセキュリティツール14日3日以下
セキュリティスキャン通過率CI/CDパイプライン60%90%以上

AI-Powered Engineering:

KPI測定方法ベースライン目標（1年後）
AI活用率AIツール利用ログ30%（AI部以外）80%以上
AIアシスト開発比率開発ツールメトリクス10%40%以上
AI機能リリース数リリースノート月1件月4件以上

Engineering Platform:

KPI測定方法ベースライン目標（1年後）
IDP利用率IDPメトリクス50%90%以上
開発者満足度（DX Survey）サーベイ3.5/75.0/7以上
オンボーディング期間HRデータ4週間2週間以下
ビルド時間CI/CDログ15分5分以下

Continuous Learning:

KPI測定方法ベースライン目標（1年後）
学習時間利用率勤怠システム0%（制度なし）80%以上
改善提案実行率改善追跡ツール30%70%以上
ポストモーテム実施率インシデントDB40%95%以上
社内勉強会開催数イベントカレンダー月2回月8回以上

Layer 3: ビジネスインパクト指標

経営層向けダッシュボード

指標測定方法変革との因果関係
エンジニア離職率HRデータ文化改善 → エンゲージメント向上 → 離職率低下
Time-to-Market機能リリースのリードタイムDevSecOps → デリバリー速度向上
顧客インシデント影響カスタマーサポートデータ品質向上 + セキュリティ強化 → インシデント減少
採用競争力求人応募率、内定承諾率技術ブランド向上 → 優秀な人材の獲得
開発コスト効率機能あたりの開発コストプラットフォーム統一 + AI活用 → 生産性向上

測定の運用

ダッシュボード設計

レベル対象内容更新頻度
エグゼクティブCTO, CFO, CEOビジネスインパクト + 変革進捗サマリー月次
マネジメントVPoE, EM柱別KPI + チーム別DORA + サーベイ結果週次
チームエンジニア全員自チームのDORA + 文化スコア + 改善トラッカーリアルタイム
TMOTMOメンバー全指標の詳細 + 施策別の効果分析リアルタイム

測定のアンチパターン

アンチパターン症状対策
指標過多100以上の指標で何が重要かわからない各レベル5-10指標に絞る。「So What?」テスト
Goodhart’s Law指標を操作するために行動が歪む複数指標の組み合わせで判断。定性的なフィードバックも併用
測定のための測定レポート作成が目的化全ての測定に「この数値で何を判断するか」を定義
チーム間比較の弊害ランキングが競争ではなく敵対を生む「過去の自分との比較」を推奨。他チームは参考情報

まとめ

ポイント内容
3層モデル文化・感情（Layer 1）→ 行動・プロセス（Layer 2）→ ビジネスインパクト（Layer 3）
文化指標サーベイ（10次元）、パルスサーベイ（月次）、心理的安全性スケール
行動指標戦略の柱別KPI。DORA指標、AI活用率、IDP利用率、学習時間利用率
ビジネス指標離職率、Time-to-Market、インシデント影響、採用競争力
運用対象別ダッシュボード。アンチパターン（指標過多、Goodhart’s Law等）に注意

チェックリスト

  • 3層の測定モデル（文化→行動→ビジネス）を理解した
  • 文化サーベイと心理的安全性の測定方法を理解した
  • 戦略の柱別KPIの設計方法を理解した
  • ビジネスインパクト指標と変革の因果関係を理解した
  • 測定のアンチパターン（指標過多、Goodhart’s Law等）を理解した

次のステップへ

次は「継続的進化の仕組み」を学びます。変革を一過性のプロジェクトではなく、組織が永続的に進化し続けるための仕組みを設計しましょう。

推定読了時間: 30分