2021年11月18日にBlogで事前予告されていたHPC専用のインスタンスですが、2022年1月10日に一般向けに提供を開始しました。インスタンス名は「Hpc6a」で、*数値流体力学・分子動力学・気象シミュレーション・有限要素解析等の計算・分析ワークロードを想定し、最適化されています*。
【参考】：[Coming soon: dedicated HPC instances and hybrid functionality](https://aws.amazon.com/jp/blogs/hpc/coming-soon-dedicated-hpc-instances-and-hybrid-functionality/)
【参考】：[Amazon EC2 Hpc6a インスタンスのご紹介](https://aws.amazon.com/jp/about-aws/whats-new/2022/01/amazon-ec2-hpc6a-instances/)

### ハイパフォーマンスコンピューティングとは

Hpc6aは、ハイパフォーマンスコンピューティング（HPC）向けのインスタンスです。ここで言うHPCとは、*数値計算を主とする数理分析の学術分野を指します*。現在は汎用プロセッサをベースとした計算クラスタを構成し、利用する形態が増えてきています。そのためAWSにおいても、高速演算主体の用途で用いられるインスタンスが求められていました。

一般的にHPCサーバーでは、性能を高め処理の安定性を向上するために多くのチューニングを行い、システム全体の調整を行います。以下は代表的な項目となります。

・*仮想化でパフォーマンスを発揮*
HPCサーバーにおいても仮想化上に構築することが多く、いかに仮想環境でシステム資源を効率的に割り当てるかが重要です。

・*低レイテンシー*
極力ワークロードの遅延を抑えて、処理を高速実行するのかが重要です。そのため低レイテンシーでかつ高スループットや優先制御が求められます。

・*プロセッサのジッターを制御*
プロセッサの性能向上とともに、動作周波数は可変でより高負荷のコアに多く割り当てられることがあります。この調整はマルチコアのHPC環境では処理時間の不確実性（ジッター）を高めてしまい、レイテンシー増加を誘発することがあります。

これは好ましいことではありませんので、むしろ常に一定の周波数で処理が継続できるほうが全体の処理バランス向上につながることがあります。Hpc6aインスタンスにおいても、同時マルチスレッドを無効にし、ジッターの安定性を高めています。

・*メモリ・ネットワークの有効活用*
HPCクラスタでメモリを有効活用するために、極力ローカルメモリを使用しながら、ノード間共有の場合も、どのノードのメモリを使うか指定することもあります。ノード間通信の場合は、インターコネクトを高速化し対応していきます。その際もネットワーク遅延を最小化し、ジッターを抑えるチューニングがされていきます。

これらのチューニング要素の多くは、新しく提供されるHpc6aインスタンスで安定性と高速性の確保ができるものとして期待されています。

Hpc6aインスタンスは、Amazon EC2で指定可能なインスタンスの1つです。Amazon EC2は、AWSのサービスの主軸となるコンピュートサービスです。HPCの場合、多数のコアからなるクラスタリングで処理を分散させます。
【参考】：[Amazon EC2 Hpc6a Instances](https://aws.amazon.com/jp/ec2/instance-types/hpc6/)

AWSのクラウドサービスでは、ワークロードの用途に応じた適切なインスタンスを利用することで、*運用コストの削減と適正化が期待できます*。

### Hpc6aインスタンスの提供リージョン

Hpc6aのインスタンスは、*米国東部のオハイオと米国西部のAWS GovCloudのリージョンでサービス提供されます*。単一のアベイラビリティーゾーンからインスタンスにアクセスします。オンデマンドおよびDedicated Hosting（Savings Plans）で利用できます。

利用するには、インスタンス名で「hpc6a.48xlarge」を指定します。CPU（物理コア）は96、メモリは384GiBです。ネットワーク帯域幅は最大100GbpsのEFAを利用します。アタッチストレージはEBSのみです。

Hpc6aインスタンスは、HPC用途で最高のパフォーマンスが発揮できるようにインスタンスが設定されています。具体的には以下の特長があります。

・*AMDプロセッサの採用*
Hpc6aインスタンスは、7nmプロセスのAMD EPYC 7003シリーズプロセッサを採用しています。ノード上に構築された2つの48コアから成る合計96コアの384GBのメモリを搭載しています。コアあたり4 GBメモリが搭載されており、高い演算性能が求められるHPC用途に対応できる性能が得られます。

・*高性能ネットワーキングとストレージ*
最新世代のAWS NitroカードとEFAで、最大100Gbpsのネットワークスループットを実現します。ストレージにおいても、Amazon FSx for Lusterによりミリ秒未満のレイテンシーと秒あたり最大数百ギガバイトのスループットも可能です。
【参考】：[Elastic Fabric Adapter](https://docs.aws.amazon.com/ja_jp/AWSEC2/latest/UserGuide/efa.html)
【参考】：[AWS Nitro System](https://aws.amazon.com/jp/ec2/nitro/)

### Hpc6aインスタンスのメリット

Hpc6aインスタンスは、AWSにおけるHPC利用者に多くのメリットがあります。

・*価格パフォーマンスを大幅に向上*
AMD EPYC 7003は、「チップレットアーキテクチャ」という最新設計技術を採用しています。高い微細化技術によりチップ当たりの消費電力削減と、低価格化が実現されています。Hpc6aインスタンスではこのAMDプロセッサを採用し、価格パフォーマンスを大幅に向上しました。そのため、コンピューティング用途の一般的なx86のインスタンスと比較して、コストが最大70％低減できます。

・*高速ネットワークの対応*
Elastic Fabric Adapterとは、AWS EC2で提供される高速ネットワークインターフェイスです。100 Gbps Elastic Fabric Adapter（EFA）の高いネットワークスループットと低遅延（低レイテンシー）の特性が、HPC領域のワークロードに活用できます。MPIが利用可能で、かつOSバイパス機能により高いレイテンシーとスループットが得られます。

データ処理や演算におけるネットワーク転送時間を大幅に短縮し、全体のワークロード処理時間を大幅に短縮できます。

・*運用の効率化*
HPCクラスター管理ツールであるAWS ParallelClusterを用いることにより、他のインスタンスタイプとHpc6aインスタンスを一緒にプロビジョニングできます。クラスター内のさまざまなワークロードに最適なインスタンスを活用し、全体効率を高めることができます。
【参考】：[AWS ParallelCluster](https://aws.amazon.com/jp/hpc/parallelcluster/)

・*リソースの占有と効率的利用*
Hpc6aインスタンスは 、AWS Nitro System上に構築されています。AWS Nitro Systemでは、専用ハードウェアと軽量ハイパーバイザーの組み合わせで、ホストハードウェアのコンピューティングとメモリリソースをインスタンスに提供します。そのため、ハードウェアの資源を最適にワークロードに割り当てることができます。
【参考】：[AWS Nitro Systemに於けるベアメタルインスタンスの性能](https://aws.amazon.com/jp/blogs/news/bare-metal-performance-with-the-aws-nitro-system/)

### Hpc6aインスタンスのベンチマーク結果

AWSのBlogで公開している、「シーメンス Simcenter STAR-CCM+ 車載 CFD シミュレーション」のベンチマーク結果によると、HPC6aが*EFAネットワーキングを利用して最大400ノードまで約100%のスケーリングが可能ということです*。コア数では約40,000コアで測定されました。

ベンチマークシステムのサービスコストはインテルのインスタンスと比較して、約70%低いコストで実装可能となりました。
【参考】：[ハイパフォーマンスコンピューティング向けに最適化された Amazon EC2 HPC6a インスタンス](https://aws.amazon.com/jp/blogs/news/new-amazon-ec2-hpc6a-instance-optimized-for-high-performance-computing/)

## 日本リージョン解禁に向けて事前準備をしましょう

AWSは最大のクラウドサービス事業者で、汎用ワークロードや機械学習・AI・IoT等多岐に渡る用途に対応します。

今回のインスタンス提供開始で、*大規模HPCでもAWSの利用者が拡大すると見込まれます*。日本リージョン（東京・大阪）でのサービス提供は今しばらく待つことになりますが、この利用拡大が続くAWSを活用するために事前準備をおすすめします。

AWS Private 5Gでエンジニアの仕事がなくなる？何ができるか解説

Amazon VPCとは？AWS VPNとの違いもわかりやすく解説

AWSブラックベルトの掲載内容やレベル分類・利用方法を解説

2022年1月10日、Amazon EC2 Hpc6aインスタンスが提供を開始しました。このインスタンスは、ハイパフォーマンスコンピューティング（HPC）向けに提供されます。ここではHpc6aの特長や、提供リージョン等の情報をお伝えしていきます。

Hpc6aインスタンスは、ハイパフォーマンスコンピューティング（HPC）のワークロードに最適化されています

AMDプロセッサと高速ネットワークで、高スループットと低レイテンシーを実現しました

米国東部のオハイオと米国西部のAWS GovCloudのリージョンで、サービス提供されます

一般提供開始のAmazon EC2 Hpc6aインスタンスを解説

## データサイエンティストとは

データサイエンティストとは、日々蓄積される膨大なデータをビジネスに役立てる道筋をつける人です。まずはじめに、本題に入る前にデータサイエンティストとはどのような職種なのかを解説します。以下に、データサイエンティストの役割・仕事内容・年収についてまとめました。

### データサイエンティストの役割

データサイエンティストの役割は、**企業に集積される顧客情報などのデータを次のビジネスに生かすことです。**また、企業が入手できる周辺データを取捨選択して、ビジネスに有効利用できるように加工する仕事もあります。

近年、これらのデータ量が爆発的に増えており、データのプロでなくては扱えないレベルに達しています。大多数の人が常にスマホを片手に行動するようになり、誰かが何かを検索するたびに、またSNSに投稿するたびに、大量の情報（データ）が蓄積されていきます。

また、AIの画像解析機能や音声認識機能が向上した結果、監視カメラやコールセンターなどを通じて膨大な情報が蓄積されます。このような「情報爆発」によって集積されるビッグデータに「使い道」を見つけるのがデータサイエンティストの役割です。

データサイエンティストとは？そのおすすめの資格も紹介！

### データサイエンティストの仕事内容

では、データサイエンティストの仕事内容は具体的にどのようなものがあるのでしょうか。

データサイエンティストの主な仕事は、**データの収集・分析・加工、レポート作成、業務への組み込みです。**企業によって異なる場合もありますが、一般的に顧客へのヒアリング後に課題の洗い出しと優先順位の決定を行い、課題の問題点を明確化して膨大なデータの中から活用できるものを選択、収集・保存、提案を行います。

混同されやすいデータアナリストとの違いは、どちらもデータを収集・分析する部分は似ていますが、データアナリストはデータ収集・分析に特化した職種、そこに統計学や企業の課題解決までを目指すのがデータサイエンティストです。データサイエンティストの方が上位の職種であると考えられています。

### データサイエンティストの年収

求人情報サイトによると、**データサイエンティストの平均年収は約700万円です。**年収幅は600万〜800万円が多く、地域・企業・勤続年数によっては1,000万円を超える場合もあります。日本の平均年収よりも高いため、比較的に高収入を目指せる職種です。人材不足や専門職といった観点により、データサイエンティストの年収は高めに設定されていると考えられます。

## データサイエンティストに必要なスキル

ビッグデータはそのままでは「混沌」です。言い換えれば、いくら溜め込んでも役に立たない「ゴミの山」に過ぎません。顧客データなどの構造化されたデータも、十分に使い道を見出せずに死蔵されているケースは少なくありません。

これらの**活かされていないデータに「出口」をつけてやるのがデータサイエンティストの仕事**で、それを行うには、統計学のスキル・ITのスキル・ビジネスのスキルの3つが重要となってきます。以下にそれぞれについて解説します。

統計学とは一言でいうと、**ばらつきのあるデータの意味を正しく読み取る学問です。**確率論や行列などの数学的知識とともに統計学を身につけることで、データから作られた仮説が正しいかどうかを「検定」することができます。

エンジニアリングができても、統計学の知識がなく、偽相関（データ相互の見せかけの相関関係）に騙されると、とんでもないビジネス設計をしてしまうことになります。

こういった知識を身につけるには、「統計検定4級」などの資格取得がおすすめです。まずは統計検定4級の取得からスタートし、統計の基本的な用語や概念を理解してください。その後、3級・2級・準1級・1級と1つずつステップアップしていきましょう。

【参考】：[日本統計学会認定資格](https://www.toukei-kentei.jp/)

データサイエンティストのスキル要件とは？人材育成に政府が動く

データを抽出するときもそれを加工・分析するときも、ITスキルは必要不可欠です。もちろんデータベースの構築にも必要です。データサイエンティストが主に使うプログラミング言語は、**統計解析に使う「R言語」、AIでの統計処理（機械学習）に使う「Python」、データベースの定義や操作を行う「SQL」です。**

また、これらの知識にはT系の国家試験である「基本情報技術者試験」の資格取得がおすすめです。統計学・データベース・ネットワーク・プロジェクトマネジメント・経営戦略など、データサイエンティストに必要な基礎知識を網羅できます。

【参考】：[IPA](https://www.ipa.go.jp/index.html)

Pythonでできること・できないことは？活躍している分野を解説

統計学とITのスキルをビジネスに活かすのがデータサイエンティストです。自社のビジネスをよく理解して、**ビジネスに使えるデータ処理・加工・システム設計をしなければなりません。**

また、データサイエンスに詳しくない上司や現場の営業マンに分かりやすくプレゼンテーションするスキルも必要です。それがないと、いくら良いビジネスデザインを描いても採用されません。さらには、モデルの精度を上げることだけにこだわらずに、現場で使いこなせるマーケティングシステムにするという現実的な配慮も必要な場合があります。

このようなスキルには、「マーケティング・ビジネス実務検定C級」の資格取得がおすすめです。市場細分化・標的市場決定・マーケティングリサーチ・消費者行動などの基礎が身につきます。

【参考】：[マーケティング・ビジネス実務検定](https://www.marke.jp/)

データサイエンティストを目指すエンジニアがまず取得したい資格7選！

## データサイエンティストがなくならない理由

「データサイエンティストがなくなる」「消える」という噂の源にあるのは、AIの機会学習・ディープラーニングがさらに進化することで「企業にとってのデータの利用法までAIが自動的に決めてくれるのでは」という素朴な未来予測によるものです。

### AIはあくまでもコンピュータ

鉄腕アトムのような「人間のような思考力を持つAI」が誕生しない限り、AIがデータを経営にどう活用するのかまでを決めるような未来はやってきません。

また、競争他社よりも付加価値の大きい製品やサービスを創造して「儲けたい」という欲も重要ですが、これをAIに実装することは難しいです。囲碁では、プロ棋士が太刀打ちできないソフトがすでに実現しています。それが可能だったのは、囲碁という極めてシンプルなルールの下では、コンピュータの”超人的”な計算能力が物を言うからです。

しかし、ビジネスは白と黒の石を交互に置いていくゲームとはわけが違います。**UX（ユーザーエクスペリエンス）を左右する要因は多種多様で、AIがそれに重みづけをすることは非常に困難です。**

いまさら人に聞けないDXとUXやCXの違い、それぞれの関係性についても徹底解説！

### データをどうビジネスに利用するかは人間にしか決められない

ビッグデータの「混沌」はディープラーニングの進化によってある程度整理整頓され、使い勝手が良くなっていくでしょう。しかし、**特定の企業がそのデータからビジネスにどんな付加価値を与えられるかを構想（デザイン）するのは、人間にしかできません。**

### AIが進歩するほど既存ビジネスとAIを結びつける人材が必要になる

政府は、すべての企業が2025年までにDX（デジタル・トランスフォーメーション）を実現しなければ国際競争力を失うとして、IT化による企業経営の「変容」を提唱しています。

しかし、**IT化がAI技術の駆使という意味合いを強めるほど、既存ビジネス（オールドビジネス）にとってDXはイメージしにくくなります。**AIと自社（データ）を結びつける人材が必要になるため、データサイエンティストの存在が欠かせません。

DXとは？その意味と日本の現状、DX推進の障壁となる要因を分かりやすく解説！

DXの取組事例に学ぶDX成功のポイントとITエンジニアへの期待

## なくなる心配よりも、今は育てるのが急務

日本のデータサイエンティストの現状は、なくなる心配よりも「必要なのに絶対的に不足している人材」として育成を急ぐべき時期にあります。

### データサイエンティストという職業はいつ生まれたのか

データサイエンス（データの科学）という言葉は昔からありましたが、職業としてのデータサイエンティストが脚光を浴びるきっかけになったは、米国のビジネス雑誌「ハーバード・ビジネス・レビュー」が2012年に掲載した記事「データサイエンティスト―21世紀で最もセクシーな職業」です。

それまでは地味でアカデミックな存在だったITに詳しい統計学者が、一躍「ウォール街のトレーダーよりも高給を取るセクシーな職業」になったのです。

しかし、実際に大きなIT企業やコンサルティング・ファームを除いた一般企業に、どれほどのデータサイエンティストがいるでしょうか？*「統計学×IT×ビジネス」の三位一体を体現するデータサイエンティストは、日本ではまだまだ理念的な存在だとさえ言えるかもしれません。*少なくとも、DXの実現を迫られている「すべての企業」に行き渡る数には遠く及びません。

### 人材が足りていない場合は激務になることも

前述の通り、データサイエンティストの需要は高まっていますが、「やめとけ」「つらい」などとネガティブな声も挙げられます。

その背景には、企業によってデータサイエンティストの数が足りていないことによる激務にあります。激務と感じるデータサイエンティストは多くいますが、近年は採用・育成に力を入れ始めている企業も増えているので、今後人材不足が解消される可能性も高いでしょう。

### 日本でのデータサイエンティスト育成は緒に就いたばかり

米国では2010年代に多くの大学がデータサイエンティスト養成のカリキュラムを設け、社会人向けのオンライン教育もあります。しかし、日本では2017年に滋賀大学が日本発のデータサイエンス学部を開設したところで、2021年現在まだ卒業生は排出されていません。業界団体である「日本データサイエンティスト協会」も2013年に設立されたばかりです。

**今の日本は、データサイエンティストがなくなるというより、その育成がやっと始まったばかりなのです。**

未経験からデータサイエンティストになるには？条件や求人状況とは

## データサイエンティストを目指すならビジネスマインドが不可欠

データサイエンティストの養成体制が整っていない現在、データサイエンティストを目指すにはどんな道があるでしょうか。

### データサイエンティストへの入り口は3つ

データサイエンティストへの入り口は、*「統計学者から」「ITエンジニアから」「ビジネスマンから」の3つ*です。アドバンテージがあるのは、1または2の入り口から入る人です。文系学部出身の生粋のビジネスマンが、統計学とIT知識やスキルを身につけるのは非常に高いハードルがあると言えます。

### ITエンジニアがビジネスマインドを身につけるのは簡単ではない

商売気のない人間はいないと言いますから、*ITエンジニアがビジネスマインドを身につけるのは、ビジネスマンが1からプログラミングを習うよりハードルは低い*と言えます。しかし、そう簡単なことではありません。

データサイエンスは、既存ビジネスに新たな付加価値を加えるのが役目です。そのためには既存ビジネスのルーティーンを、その問題点が見えてくるまで深く知らなければなりません。そもそも、ITによるデータの抽出や統計学によるその解釈も、現実には筋の良いビジネスの構想や問題意識が根底にないと、どこから手を付けて良いのかが分らないのです。

ITエンジニアはきついがやりがいがある！その仕事内容や年収、求められるスキルを解説

### エンジニアがデータサイエンティストを目指すなら

将来データサイエンティストを目指したいエンジニアは、統計学を学ぶとともに、ぜひマーケティングとビジネスについても勉強しましょう。

エンジニアにもUI（ユーザーインターフェース）とUX（ユーザーエクスピアリエンス）の考え方が重要だと言われるようになりました。データサイエンティストを目指す人にはとくにそれが重要です。**現在の業務を窓口にして、UI・UX・マーケティングの観点から仕事を把握し直していくことで、ビジネスマインドは徐々に養われていきます。**

データサイエンティストとは？気になる市場性や年収を解説！

<center>*＼転職するか迷っていてもOK！／*<br/>[*マイナビエージェントに無料登録して*<br/>*転職サポートを受ける*](https://mynavi-agent.jp/entry/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv17)</center>

データサイエンティストという職業が脚光を浴びている一方で、「AIがさらに発達したらデータサイエンティストは要らなくなるのではないか」という声が挙げられます。この記事では、データサイエンティストの仕事内容や将来性、「やめとけ」などと言われる理由を解説します。

データサイエンティストには統計学、AI、ビジネスの3つのスキルが必要

データサイエンティストはAIがいくら進化してもなくなることはない

IТエンジニアがデータサイエンティストを目指すならビジネスをよく学ぶことが必須

データサイエンティストはなくなるのか？今後の傾向や将来性を解説

プロジェクト管理において、「ガントチャート」や「WBS」がよく使われていますが、*それらを用いる目的やメリット、それぞれの違いなどを理解せずに利用している方が多いかもしれません。*今さら人に聞けない「ガントチャート」と「WBS」について徹底解説していきます。　

WBSとは「Work Breakdown Structure」の略語で、「作業分解構成図」とも呼ばれる手法で、プロジェクト管理の基本としてよく利用されています。このWBSでは、まずプロジェクトの全体作業を洗い出した上で、それらを大きな括りのタスクとして列挙していきます。

さらに、**タスクをさらに細分化し、それを実施する順番で上から下に揃えながらツリー構造にするのです。**タスクを大きなものから小さなものへと細分化するため、重要なタスクが抜け落ちてしまうことを防げます。

WBSの作り方は、「作業の洗い出し」→「作業の順番設定」→「作業を構造化する」の順番に行います。作業効率化を図るならExcelやウェブツールを活用した方法がおすすめです。テンプレートが充実しているフリーツールやフリートライアルがあるものを選ぶと安価に作成できます。

ガントチャートとは、米国のガント（Henry Gantt）が考案した**プロジェクト進捗管理のためのスケジュール表のことです。**主にシステム開発プロジェクトなどで利用されています。

縦軸に「作業項目（タスク）」と「担当メンバー」を、横軸には「時間軸」を棒グラフで表し、プロジェクトの全体像とその進捗状況が直感的に把握できるようになっています。ガントチャートを利用すると、プロジェクト全体が視覚的に見えるだけではなく、プロジェクトのタスク・タスクに要する時間・タスクの進捗状況が把握できます。

ガントチャートの作り方は主にExcelを使用しますが、その際「手書き（セルの塗潰し・図形描画）」「条件付き書式」「関数」「グラフ」といった方法があります。他にもVBAを活用した方法もありますが、時間をかけずに作成するならExcelが使いやすいでしょう。

ガントチャートは「プロジェクトの進捗管理するためのスケジュール表」で、一目見ただけで全体像がつかめるのが特徴です。

一方、WBSは「プロジェクトのタスクを細分化した一覧表」です。WBSでプロジェクトのタスクと納期は把握できますが、ガントチャートと違って時間軸がグラフではないため「分かりやすさ」という点ではガントチャートより劣ります。

まとめると、*「WBSは作業項目を洗い出したもの」「ガントチャートはそれをグラフにしたもの」という関係です。*ガントチャートを作成するためにはWBSの作成が必要となるため、両者はセットであると言ってもよいでしょう。

WBSとガントチャートの違いはおおよそ分かりましたが、それぞれの作成する目的を確認しましょう。　

WBSを作成する目的は、一言で言えば「プロジェクト全体の全ての作業を漏れなく洗い出して整理すること」です。

**WBSを作成することで個々のタスクが明確化され、プロジェクト全体の作業を把握できます。**さらに、スケジュールを策定し作業について役割分担をすることで、見積もりの精度を上げることができます。また、タスクの工数とスケジュールを管理することで、遅延を防ぐことが可能です。

ガントチャートは「スケジュール表」と呼ばれることがあるように、主として**スケジュール管理を目的に利用されます。**スケジュールを各工程ごとにグラフにして一覧化することで全体の計画が一目で分かるため、現在の工程をチームメンバーで共有する際にも便利です。

## WBSとガントチャートのメリット・デメリット

WBSやガントチャートはプロジェクト管理には欠かせないツールですが、多くのメリットがある反面、デメリットもあります。このメリット・デメリットをよく理解した上で活用することが必要です。また、*デメリットに関してはその軽減策や回避策をよく練った上で実際に利用しましょう。*

WBSのメリットは作成する目的とほぼイコールですが、メリットについて改めて整理します。以下に、メリットについてまとめました。

1.プロジェクトのタスクが明らかになる
2.効率的なスケジュールを組みやすくなる
3.各担当者の分担が明確になる
4.工数の見積もりがしやすくなる
5.プロジェクトの遅れがタスクレベルで分かるため進捗管理がしやすい
6.チームメンバーや関係者で共有しやすい

WBSには上記のような多くのメリットがある反面、次のようなデメリットもあります。デメリットの回避策・軽減策を講じた上で作成するようにしましょう。

1.各タスク間の依存関係が分かりづらいため、タスク間の進捗管理をマメに行う必要がある
2.階層構造でタスクを全て洗い出すため、作成するのに手間が掛かる
3.WBSは従来型のウォーターフォール開発に向いており、最近流行りのアジャイル開発には不向き

ガントチャートは主に以下のような3つのメリットがあります。

1.作業ごとのスケジュールを棒グラフで表すため、プロジェクトの工程全体を見える化できる
2.全体のスケジュールと他のメンバーの進捗状況を共有できるため、チームワークを発揮しやすくなる
3.ガントチャートは構造が非常にシンプルで、誰でも作成できる

### ガントチャートのデメリット

ガントチャートにはメリットがある一方、運用面でデメリットもあります。以下のようなデメリットがあるという前提で、回避策やデメリットの軽減策を考えておくとよいでしょう。

1.ガントチャートは進捗管理表としては優れている反面、工数が把握しにくい
2.ガントチャートは作業スケジュール共有が目的で、タスク同士の関係性が見えにくい（相互関係を把握するためにはPERT図の併用が望ましい）
3.ガントチャートはウォーターフォール型開発とは相性がよいが、アジャイル型開発手法には向かない

ここでは、有効なWBSの作り方や作成する上で留意すべきポイントを解説します。

タスクを分解して作業を洗い出せたら、次に作業の順番を決めます。その際、**作業ごとの依存関係を明らかにしましょう。**「Aタスクが終了したらBタスクに着手」「CタスクとDタスクは同時並行で進める」といったタスク間の関係を確認し設定します。

また、併せてクリティカルパスを設定します。例えば、ある作業が遅延した場合には直ちにプロジェクト全体が遅れるといった作業があると、それ自体がクリティカルパスになります。クリティカルパスは関係者全員が分かるように表記しておきます。

### 2.作業の依存関係を考えて順番を設定する

WBSを作成するまでは、プロジェクトに必要なタスクが漠然としたままです。この漠然としたものを、**それぞれの作業工数が明確になるまで分解すると、作業内容や作業の範囲がより明確になります。**

最初に全体予算ありきで全体工数を決めてしまい、これをタスクに分解していくような方法だと必ずギャップが生まれます。手間は掛かりますが、タスクを可視化できるまで分解し、分解したものについて関係者のコンセンサスを得ることが必要です。

### 3.レベルを意識して作業を構造化する

順番を設定した作業をまとめて、**親・子・孫レベルに構造化していきます。**各作業のレベルを合わせておくことも必要です。例えば「A工程は非常に細かく細分化され、B工程は大まか」というように、作業ごとに粒度が異なると漏れや抜けが生じやすくなります。構造化する際の粒度は合わせる工夫をしてください。

WBSを作成する上で、**作業時間の見積もりという重要な要件があります。**見積もり方法には決まった算式はありませんので、経験値から算出する、チームメンバーの意見を聞く・有識者に相談する・経験者複数人で見積もり加重平均を取るなどの方法などを試してください。

## ガントチャートを作成する際のポイント

ここでは、有効なガンチャートを作成する上で留意すべきポイントを解説します。上記に挙げたWBS作成時のポイントも踏まえて、的確なWBSやガントチャートを作成し、ぜひプロジェクトの成功に結び付けてください。

### 1.WBSを作成して作業分割をする

まずWBSを作成し、**プロジェクトのプロセスをすべて洗い出し細分化します。**WBSは作成に手間がかかるために敬遠される傾向がありますが、プロジェクトの全体を把握する上で欠かせない手順です。またWBSを実施しておくことで後が楽になるので、省略せずに必ず行いましょう。

### 2.スケジュールや工数に無理がないか確認をする

スケジュールができたら、**スケジュールや工数に無理がないか、矛盾点はないかなどをチームメンバー間で確認をします。**後で抜けや漏れが発見されると、1度作成したチャートを全面的に作り直すことになります。必ず完成する前にチームメンバー全員で情報を共有し、想定されるリスク・各メンバーのスキル・想定工数などについて確認を行います。

### 3.マイルストーンも設定する

ガントチャートにはグラフ以外に、**マイルストーンや区切りなどを設けるとよいでしょう。**マイルストーンは進捗確認のチェックポイントを意味します。マイルストーンを設定し、チームメンバーで共有することで目標通りにスケジュールが進捗しているか否かが、明確になります。

またクリティカルパス・ポイントを設定しておくと他への影響が大きく、キーとなるタスクが明らかになるでしょう。

### 4.修正の可能性を考慮しておく

1度作成したチャートが、**仕様変更やスケジュール変更が発生しても、すぐに修正できるようにしておくことが求められます。**最初から凝ったものを作らず、シンプルなものにしておくことも1つの方法ですが、Excelなどを利用してデジタルで作図しておくと修正が楽でしょう。

また、チャートは個人PCのローカル上ではなく共有サーバーなどクラウド上で管理しておくと、全員が集まった場で修正が即時に行えて共有もできます。例えば、WBS作成ツールでWBSを修正すると自動的にガントチャートも作成・修正できるような専用ツールを利用すると効率的です。

## WBSとガントチャートを作成してプロジェクトを成功させよう

WBSは作業項目を洗い出し、タスクを徐々に小さく細分化することで重要なタスクの抜け落ちを防ぐ目的があります。ガントチャートはプロジェクト進捗管理のためのスケジュール表をグラフ化し、プロジェクト全体を視覚的に捉え、プロジェクトのタスクやタスクにおける時間・進捗状況を把握できます。

どちらもプロジェクトを円滑に進行させるのには欠かせないため、ぜひツールを活用しながらプロジェクトを成功させてください。

プロジェクトの進捗管理でよく利用されるWBSやガントチャート、正しく理解して活用していますか？今さら人には聞けない「WBSとガントチャートの違い」「WBSとガントチャートのメリット・デメリット」「WBSとガントチャートの作成のポイント」などを徹底解説します。

WBSは作業項目を洗い出したもの、ガントチャートはそれをグラフにしたもの

WBSはプロジェクト全体の作業を漏れなく洗い出して整理することが目的で、ガントチャートはスケジュール管理が目的

WBSとガントチャートは、Excelやフリーツールで作成できる

WBSとガンチャートの違いは？メリットや活用法、作成時のポイント

## RFQとは（RFPやRFIとの関係など）

RFQは正式名称「Request For Quotation」の略語で、日本語では「見積依頼書」と呼ばれており、後述するRFI（情報提供依頼書）やRFP（提案依頼書）とセットで用いられるのが一般的です。RFIやRFQを提示した後にシステム要件が明確になると、システム化に要する費用の情報が必要となります。**その費用を把握するための文書がRFQ、すなわち「見積依頼書」です。**

発出される際は、RFI「情報提供依頼書」→RFP「提案依頼書」→RFQ「見積依頼書」の順番が一般的ですが、「RFQ」が「RFP」と一体で発出される場合もあります。

RFIは正式名称「Request For Information」の略語です。RFIは「情報提供依頼書」と訳されているように、**ITベンダーに対して会社情報・事業内容・技術情報・サービス情報などの提供を依頼する文書です。**

求める情報はホームページに載っているような公知の情報というよりは、ベンダー選定に当たって必要となるより詳しい情報であり、求めるのは製品やサービスなどの導入先・導入事例・得意分野・製品スペックなどです。RFIには取引検討の意思を示す意味もあり、RFPの前に位置する依頼書と言えます。

RFPとは正式名称「Request For Proposal」の略語で、日本語では「提案要請書」や「提案依頼書」と訳されています。**RFPは、システム導入や業務委託を進める際、発注先の候補となるSIerやベンダーに提案を依頼するためのもの**で、システム化の狙い・目標・システムの要件などが記された文書のことです。

RFPの作成はシステム開発や導入の実質的なスタートです。RFPの出来栄えがシステムの成否を左右します。ITエンジニアとしてはシステム概要書や要件定義書と同様に重要なドキュメントだと認識しましょう。

混同されやすい「要求仕様書」との違いは、RFPにはプロジェクトの要件や見積もり条件を含みますが、要求仕様書にはそれらを含みません。要求仕様書は機能要件や非機能要件が記載されます。

**RFQ・RFI・RFPの3つをまとめて「RFx」と称します。**RFxは元々、自動車業界を中心に調達・購買業務において用いられた手法で、IT分野でも用いられるようになりました。従来の経験や勘に頼らない、合理的・科学的な調達や購買を実現するために利用されています。

では、*RFQはどのタイミングでどのような内容で発出するのでしょうか？*これから、その流れ・文書の内容・注意点などを『Webサイトの構築』を例にして解説します。クライアント企業でコーポレートサイトの再構築が決まったという前提からスタートします。

1.社内でコーポレートサイトの再構築が決まる
2.ベンダーの選定条件を決定する
3.*選定条件に合致すると思われる数社のベンダーにRFIを送付*
4.数社からRFIの回答を貰い、候補ベンダーを3社に絞り込む
5.*候補ベンダー3社にRFPを発出*
6.候補ベンダー3社から提案書を受け取る
7.提案内容を検討し、提案内容が経営陣から高い評価を得たA社に内定、B社を次点とする
8.**詳細見積もりの提示を求めるため、A社とB社にRFQを発出**（あいみつ）
9.A社、B社から見積もり提示。A社の提示額がややB社を上回ったため、A社と価格交渉を行う。
10.交渉の結果、A社の提示額がB社を下回ったため、A社に正式決定。

以上ベンダー選定の一例として紹介しました。

RFQに記載するフォーマットについて、特に決まりはありません。業種・求める製品・サービスなどによって多少異なりますが、**取引条件・支払い条件・支払い方法・納期・納品方法・明細・単価・数量・金額などは明記してもらう必要があります。**

例えば、請負契約であれば成果物が納品され検収が済んだ後に費用を支払うのが一般的ですが、プロジェクトが長期の場合は前金を支払うこともありますので、支払いが一括なのか・分割なのかといった点も確認しておく必要があります。

*▪RFQを発出する側*
　RFQを用いてベンダーに見積もりを依頼する場合、RFIやRFPに対する回答をベンダーから受け取っていることが前提です。基本的にはベンダーからの提案を検討し、納品物に関する価格見積もりを受けるという流れになるので、RFIやRFPを抜かしていきなりRFQを発出するというケースは稀です。

*▪RFQを受取って回答する側*
　RFQを受け取ったベンダーは、RFPに対して回答した提案内容に基づいて見積もりを行い、RFQを発行したクライアントに見積回答書（見積書）を提出します。

RFPやRFQを依頼されて発行しても必ずしもクライアントに選ばれる訳ではありません。

他のベンダーが選ばれてしまうのはそう珍しいことではないため、「せっかく時間をかけて作成したのに選ばれない」「損ではないか？」とマイナスな感情になってしまうこともあります。RFPやRFQにはどのようなメリットがあるのでしょうか。

**RFI・RFP・RFQをきちんと丁寧に作成することで、自社がどのようなベンダーなのかをクライアントへアピールすることができます。**反対に、クライアント側が丁寧に作成してくれなかったと感じてしまうと信頼されにくく、受注に繋げることが難しくなります。

ビジネスは人対人なので、細かい部分で誠実さやベンダーとしての質が問われるため、RFI・RFP・RFQをきちんと作成することで信頼されやすくなります。

### 小規模サイトでもRFP・RFQは作った方がいい

RFQを要求するのはシステム開発や大規模なサイト開設に活用するイメージですが、実は小規模のサイト作りでもベンダーにRFPやRFQを依頼した方がメリットがあります。どういったサイト作りがしたいのか具体的に明示することで、より精度の高いサイト作りが可能です。

また、*RFQを依頼することでより多くのベンダーと関わり、積極的にコミュニケーションを取っていくことで自社に合う優秀なベンダーと出会えることが可能です。*さらに、プロジェクトマネジメントが容易になったり、ナレッジの共有ができたりなど、さまざまなメリットがあります。

**見積書は契約書ではありませんが、正式契約に至るための重要な書類**です。RFQを受けて見積（回答）書を策作成・提出する上で注意すべきことがあります。

*1.契約内容の確認*
見積書の目的の1つは、契約内容の事前確認です。見積書作成によって契約内容が具体化され、金額や納品物、納品期日などが示され、契約の前工程として重要な位置を占めます。

*2.価格や内容の比較*
商品やサービスなどの購入検討の際、納品内容や価格を比較する上で見積書は重要です。特に複数社に対して同一条件で見積書作成を依頼し、価格や内容を比較することを「相見積もり」（略語：あいみつ）と呼びますが、実質的な購入や取引決定の要素となる見積書は大変重要な文書です。

### 見積書に明記すべき項目その1

続いて、見積書の書き方について簡単に紹介します。ITエンジニアの方が直接見積書を作成するケースは稀だと思いますが、営業SEやフリーランスになれば見積書の作成は仕事の1つになります。また、見積書作成をSEが手伝うケースもありますので、ここで覚えておきましょう。

*1.タイトル*
見積書用紙の最上部中央に「見積書」「御見積書」「お見積書」と表記します。

*2.発注者側情報*
誰に対する見積書なのかが分かるよう、見積依頼をした側の企業名・部署・役職・個人名（様）を記入します。

*3.見積書発行日*
右上に発行日を記入します。

*4.見積書番号*
社内に規定があれば、規定に従って番号を記入します。

*5.受注側情報*
右側の発注側の宛名より下の位置に、受注側の「企業名」「住所」「電話番号」「氏名」の4点を記入します。

お役立ち記事