石川遼の学習プラン

Webバックエンドエンジニア → データエンジニア

更新最終更新: 2026-06-24

石川遼（28歳）

Webバックエンドエンジニアデータエンジニア

データ基盤エンジニア: 企業のデータ活用を支える基盤システムの設計・構築・運用を担い、分析者や機械学習エンジニアが効率的にデータを活用できる環境を提供するエンジニア職種。

プロフィール / 経歴

新卒で中規模のECスタートアップに入社し、RubyとPythonを用いたREST API開発、MySQL/PostgreSQLのテーブル設計・チューニングをメイン業務として3年半携わってきた。開発チームでは主にバックエンドのビジネスロジック実装を担当し、AWSの基本サービス（EC2・RDS・S3）の運用経験もある。技術的には問題なく動くが、急成長に伴いログデータや購買データが膨大になっており、既存のアプリケーションDBだけでは分析要件をまかなえない状況が発生。データエンジニアリングの重要性を肌で感じ、データ基盤を設計・構築できるエンジニアに転向したいと考えるようになった。同僚のデータアナリストが集計に何時間もかかっている様子を見て、自分がパイプラインを整備することで組織全体の意思決定スピードを上げられると確信している。

きっかけ・モチベーション

「Webエンジニアとして培ったPythonとSQL、AWSの実務スキルをベースに、データパイプラインの設計・構築・運用を担えるデータエンジニアとして会社の意思決定基盤を支えたい。スケーラブルなデータウェアハウスやETLパイプラインを設計できるようになり、3年以内にはデータエンジニアチームのリードを目指している。」

— 石川遼

学習ストーリー

石川遼さん本人の学習設計の語り

まず「データ指向アプリケーションデザイン」でデータシステムの設計原則と分散処理の基礎を固める。次にDB設計の理論を深め、現職のRDBMSスキルをデータウェアハウス設計へと昇華させる。並行してAWSのデータサービス（Redshift・Glue・S3）を学習し、クラウドネイティブなデータ基盤構築の実践力をつける。第2フェーズではIaCによるインフラ管理とCI/CDパイプラインの自動化を習得し、運用まで一貫して担えるデータエンジニアを目指す。Webエンジニアの経験で培ったコーディング力は大きなアドバンテージとなる。

現在の課題

Webアプリの設計思想とデータパイプラインの設計思想のギャップを埋める必要がある
大規模データ処理の経験が乏しく、スケーラビリティの設計が未知数
データウェアハウスのスキーマ設計を独学で体系化しなければならない
IaCやCI/CDをデータ基盤に適用する実践経験を積む機会が現職にない

スキルギャップ

現在のスキル水準とデータエンジニアに必要な水準を並べ、何を伸ばすべきかを可視化しています。

Python

4 5

SQL/RDB設計

4 5

AWS基礎（EC2/RDS/S3）

3 4

REST API設計

4 4

Linux/シェル

2 3

Docker

2 4

データウェアハウス設計

1 4

ETLパイプライン構築

1 4

埋めるべきギャップ

大規模分散処理（Spark/Flink相当の設計思想）の理解不足 ETL/ELTパイプライン設計の実践経験がないデータウェアハウス設計（スタースキーマ等）の知識不足 IaCによるデータ基盤インフラのコード化経験がないデータ品質監視・モニタリングの仕組みを知らない

最初の3冊（ここから始める）

迷ったらこの順番で読むのが推奨。基礎 → 実践 → 視座を上げる、という流れで構成されています。

データ指向アプリケーションデザイン ―信頼性、拡張性、保守性の高い分散システム設計の原理

Cox-Buday Katherine、山口能迪

エキスパート
Amazonで購入する

なぜこの本か

バッチ処理・ストリーミング・分散DBなどデータエンジニアが直面するあらゆる設計課題を体系的に解説する必読書。Webバックエンドとの設計思想の違いを理解し、データ基盤特有のトレードオフを学べる。
達人に学ぶDB設計徹底指南書

初級
Amazonで購入する

なぜこの本か

業務システムのRDB設計とDWH向け設計の違いを明確に学べる一冊。スタースキーマやスノーフレークスキーマなど、分析用データ設計の実践ノウハウを習得できる。
AWSの基本・仕組み・重要事項が全部わかる教科書

初級
Amazonで購入する

なぜこの本か

既存のEC2・RDS・S3経験を基盤にRedshift・Glue・Athenaなどのデータサービスへと知識を拡張するための全体像を掴める。AWSデータ基盤構築の地図として最適。