Content last updated 2026-02-12

デザイン判断のためのデータ

デザイン判断を支えるデータを見つけるために GitLab 内で使用されているツールに関するガイド。

GitLab でデザイン判断にデータを使う

データは、GitLab のデザイナーとリサーチャーがユーザー行動を理解するためのもう 1 つの方法です。アナリティクスは、プロダクト開発フロー全体を通じて貴重なインプットを提供できます。データを使うことで、私たちが出荷したイテレーションの影響を理解し定量化できます。

私たちは、意思決定を完全にデータに依存すべきではありませんが、意思決定の重要なインプットであるべきです。定量的なデータ/リサーチについて詳しくは、データを使ってインサイトを見つける ハンドブックページを参照してください。

仮説とインパクトを連動させる

デザインプロセスの一部は、作業をガイドする強い仮説 を持つことです。

理想的には、仮説はユーザーリサーチからの情報に基づいているべきです。

例:

私たちは、インシデントがどのように解決されたか、解決にどのくらい時間がかかったか、結果がどうだったかについての情報を、簡単に保存する ことが、インシデント管理に責任を持つエンジニア がアクセスしやすい形で実現できれば、インシデントの解決時間が 20% 短縮される ことを達成できると信じています。

インシデントの解決時間が 20% 短縮される ことが達成されたかを理解するために、データを使う方法の例:

  • ユーザージャーニーの 2 つのステップ間の時間を測定する
  • 解決にかかった総時間を測定する
  • 2 つのソリューションを比較する A/B テストを実施する

これらのデータポイントは、ソリューション検証中に取得するのは難しいですが、測定されればリサーチ、イテレーション、インパクトの間の点と点を結ぶのに役立ちます。

観察と測定によって、今後さらに多くのイテレーションを生み出すための新たな疑問が生まれるはずです。

データはどのように取得されるか

レポートやダッシュボードを生成するために、Tableau というサードパーティーツールを使ってキャプチャされたデータを可視化しています。

データソースが Tableau のクエリで使われるテーブル名を決定します。プロダクトの観点から有用な主要なデータソースは 3 つあります: service ping、プロダクトデータベース、internal events です。

私たちの目標はプロダクトの利用状況を分析することです。個々のユーザーを追跡することではありません。これは、フロントエンドで「do not track」のブラウザ設定を尊重し、usage ping のオプトアウトを許可することを意味します。それに加えて、Analytics Instrumentation チームは個人を特定できる情報が保存されないようにデータの仮名化を担当しています。この 動画では Snowplow、usage ping、仮名化がどのように連携するかが説明されています。

データソースの概要

GitLab のプロダクトマネージャー向け主要データソース では、各データソースがどのように使われ、クエリされるかが詳しく説明されています。

これらのビジュアライゼーションは、システムがどのように連携しているかを理解するのに役立ちます:

デザイン判断にデータを使った例

以下の Issue とマージリクエストは、私たちが意思決定にデータを使ってきた方法の例です。

よくある質問

  • データに関するヘルプは誰に聞けばよいですか? データや Tableau に関する具体的な質問がある場合は、Slack の #data で連絡できます。
  • 測定する基準となるベースラインメトリクスがない場合はどうなりますか? ベースラインがない場合は、追跡するデータを 1 か月分集めてから、それをベースラインとして使用してください。

リソース

最終更新 June 14, 2026: Merge pull request #403 from kyama0/claude/cool-turing-ls6eck (bfd74782)
ページのソースコードを見る - ページの編集 - please contribute. Creative Commons License