VP of Data@CARTA ZERO / Data engineering / RevOps / Snowflake DataSuperHero 2024,2025,2026

日本
Joined October 2016
Pinned Tweet
10月9日(金) 開催の『Data Engineering Summit 2026』で発表する「事業活動を AI Ready にする攻めと守りのデータエンジニアリング」の資料です 実際の事業で、データとAI、そして、事業にどう向き合ってるか話します。 speakerdeck.com/pei0804/data… #speakerdeck #data_summit_findy
1
21
5
115
10,793
案件拡大に伴い、正社員・業務委託ともに、メンバーを募集しています!ご興味ある方、ぜひカジュアルにお話ししましょう〜!🤝 pitta.me/matches/scbUsnxgXYJ…
11
1
50
3,867
エンジニアの枠におさまらなくなってきたね。
Findyさんにインタビューしていただきました🎉 データだけを見て解ける問題はほとんどない。そう考えて、データエンジニアとして事業に向き合ってきました。 エンジニアを目指したきっかけから、データエンジニア、VP of Dataになるまでの話を色々してます💪💪💪 findy-code.io/media/articles…
2
3
922
自分でやるべきことを見つけ、データ活用と組織を良くするために必要な権限と裁量をVP of Dataとして取りに行き、今は「この人がすごい」を「この組織がすごい」に変える仕組みづくりに取り組んでいる。さすぺい!
Findyさんにインタビューしていただきました🎉 データだけを見て解ける問題はほとんどない。そう考えて、データエンジニアとして事業に向き合ってきました。 エンジニアを目指したきっかけから、データエンジニア、VP of Dataになるまでの話を色々してます💪💪💪 findy-code.io/media/articles…
1
3
6
1,262
彼が新卒からずっと一緒にやってきているが、もうなんか何も伝えなくても全て伝わる関係になってしまった(意味深 本当に色々あった/あるけど、peiも含め当時のメンバーはまだ社内にたくさんいるし、本当に人の成長というものを感じることができていて涙がちょちょぎれます
Findyさんにインタビューしていただきました🎉 データだけを見て解ける問題はほとんどない。そう考えて、データエンジニアとして事業に向き合ってきました。 エンジニアを目指したきっかけから、データエンジニア、VP of Dataになるまでの話を色々してます💪💪💪 findy-code.io/media/articles…
1
7
29
1,224
Findyさんにインタビューしていただきました🎉 データだけを見て解ける問題はほとんどない。そう考えて、データエンジニアとして事業に向き合ってきました。 エンジニアを目指したきっかけから、データエンジニア、VP of Dataになるまでの話を色々してます💪💪💪 findy-code.io/media/articles…
1
23
3
104
8,108
無限にコミットしてPRにしてマージし続けている。
3
391
データエンジニアが主体でデータによる組織改革をこの意識で出来るかでAI Readyな基盤を構築できるか出来ないかが分かれると思いました
データ・AI活用のために業務やその基盤を刷新するとき、「これくらいお金と時間をかける。しかも、始めたら簡単には戻れない。それでも行く」という緊張感のある判断を、データエンジニア主体で話せているか。事業会社のデータエンジニアの評価は、ほぼここで決まると思ってる。
2
1
284
データ関連の課題は定量評価しずらいのでそこを的確に言語化し、構造分解した上でコストと紐づけて説明できるか。
データ・AI活用のために業務やその基盤を刷新するとき、「これくらいお金と時間をかける。しかも、始めたら簡単には戻れない。それでも行く」という緊張感のある判断を、データエンジニア主体で話せているか。事業会社のデータエンジニアの評価は、ほぼここで決まると思ってる。
2
4
431
データ・AI活用のために業務やその基盤を刷新するとき、「これくらいお金と時間をかける。しかも、始めたら簡単には戻れない。それでも行く」という緊張感のある判断を、データエンジニア主体で話せているか。事業会社のデータエンジニアの評価は、ほぼここで決まると思ってる。
1
2
2
39
2,075
この領域の業務を刷新しようって言うのは簡単だし、多くの場合は正論。だけど、実際にそれやり切るのは年単位で取り組む覚悟が必要。
1
6
586
ソフトウェアがビジネスモデルにどこまで食い込めてるかによるやつ。 ほとんどのビジネスの営みが作ったソフトウェアの外で完結してるなら、そのソフトウェア開発の生産性上がったところで影響は小さい。
ソフトウェアファクトリーは、多分1週間ほどあれば作れます。信頼性が高いと判断できたら本稼働。生産量は10倍になります。 同時にトークン代も、CIコストも10倍です。 もしそれで売り上げがかわらないなら、コストが10倍になっただけなので、本来の意味での生産性は1/10に下がります。 どうする?
4
1,206
[資料公開] 技術カンファレンス「Data Engineering Summit 2026」#data_summit_findy の登壇資料を公開しました。 Beyond Your Data Engineering 2026 - お前の考える狭いデータエンジニアリングの枠組みを越えてゆけ docswell.com/s/kazaneya/Z4N7…
54
6
217
55,878
電気モーターのアナロジーがとても良い。AI 前提で個々の業務プロセスが回るようにし、それらを組み合わせて工場全体を作り替えることで、組織生産性は初めて上がる。 speakerdeck.com/pei0804/data…
1
2
804
#技育祭 での河村さんの登壇資料「AIがコードを書く時代に、エンジニアは何で自分の価値を証明するのか」がめちゃくちゃ良かった。 ## 何が変わったのか 以前は作れる人が少なく、作れること自体が実力の証明だった。いまはAIで多くの人が同じようなものを作れる。変わったのは「何が能力の証明になるか」。 ## これからの証明は3つの問いに答えられること 1. なぜそれを作ったのか 2. それで何を変えることができるのか 3. 作ったものが事業にどんな価値を生んだのか 土台は「作れること」で、ここは飛ばせない。AIが書いたコードを評価し、責任を持てるのも自分で作れる人だけ。 ## 優れたエンジニアに共通する5つの視点 ・システム全体を見通す ・変更の波及を予見する ・本質を見抜く ・トレードオフを言葉にする ・技術的負債を理解する AIは選択肢を並べてくれるが、どれを選び、何を優先するかを決めるのは人。この5つはすべて「決める」側の力。 また、リプレイスの試算の例がわかりやすい。3人×3年×1,000万円で9,000万円。年間利益3年分を使って手に入るのが保守のしやすさだけなら、本当に今やるべきか。作り直すべき場面もあるが、どちらを選んでも理由を説明できることが大事、という整理。 最後のスライドは「今日の話はLLM登場以前から大事なことがほとんど。本質は変わっていない」。AIが書く時間を縮めてくれた分を、考えることに使えるかどうか。 speakerdeck.com/carta_engine…
9
44
2,463
#技育祭 お疲れ様でした! ブースでは「あなたが開発で"心が動く瞬間"は?」をヒアリング! 登壇「AIがコードを書く時代に、エンジニアは何で価値を証明するか」のAsk the speakerも実施しておりました。ありがとうございましたー!!!
5
32
1,171