Contents
Findy のスキル偏差値とは？評価に使われる GitHub データ
Findy が提供する「スキル偏差値」は、エンジニアの実務力を客観的に数値化した指標です。GitHub に公開されているコードや活動情報（コミット数・OSS への貢献度など）を独自の機械学習モデルで正規化し、全利用者の中で相対的な位置付けを示します。このスコアは採用担当者だけでなく、自己成長の指標としても有効です。
評価に使用される主なデータ項目
以下の項目は Findy の公式技術解説（Findy Tech Blog, 「スキル偏差値 ver.3」）で公開されています。各項目はモデル内で重み付けされ、最終的な偏差値に反映されます。
| カテゴリ | 具体例 | 評価への寄与ポイント |
|---|---|---|
| コミット量・頻度 | 総コミット数、直近3か月のアクティビティ | 継続的な開発姿勢を測定 |
| OSS 貢献度 | PR 提出数、マージ率、Issue 解決件数 | 外部プロジェクトへのインパクト |
| コードレビュー受領数 | 他者からのコメント・承認数 | 品質改善意識の指標 |
| エコシステム指標 | スター数・フォーク数・クローン回数 | コミュニティでの評価 |
| 品質系メトリック（言語別） | テストコード比率、型安全性（TypeScript のカバレッジ） | 安定性と保守性を可視化 |
これらはすべて公開情報に限定して取得され、プライベートリポジトリの内容は対象外です。
Findy アカウント作成と GitHub 連携手順
Findy のスキル偏差値を利用するには、まずアカウント登録と GitHub との連携が必要です。手順はシンプルですが、途中でつまずきやすいポイントもあるため、重要な操作箇所を抑えておくと安心です。
アカウント登録の流れ
-
公式サイトから無料登録
右上にある「無料登録」ボタンをクリックし、メールアドレスを入力します。送信された認証メール内のリンクを開いて認証を完了してください。 -
プロフィール情報の入力
氏名・職種・経験年数など基本情報を入力し、「次へ」を押すだけで次画面に進みます。項目は最低限に絞られているため、手間なく登録できます。
参考: Findy の公式ヘルプページ「アカウント作成の流れ」(https://findy.co.jp/help/account-create)
GitHub 連携の具体的な操作
| 手順 | 操作内容と注意点 |
|---|---|
| GitHub 連携ボタンをクリック | Findy のマイページ左側メニューにある緑色の「GitHub と連携」ボタンを押す。 |
| OAuth 認可画面へ遷移 | GitHub の認証画面が表示されたら、Findy に対して「public_repo」のみアクセス許可を付与します。プライベートリポジトリは対象外です。 |
| 連携完了の確認 | Findy のマイページに GitHub ユーザー名と公開リポジトリ数が表示されれば成功です。 |
詳細なスクリーンショット付き手順は Note 記事「Findy と GitHub をつなげる方法」(https://note.com/itfreelance_navi/n/nf852838a4606) でも確認できます。
ver.3 における言語別スキル可視化機能
2024 年 10 月にリリースされた ver.3 では、従来の総合偏差値に加えて、主要 6 言語ごとのスコアが個別に表示されます。これにより、得意分野と改善すべき領域を明確に把握できるようになりました。
対象言語と測定指標の概要
| 言語 | 主な測定指標 | ビジネスシーンでの活用例 |
|---|---|---|
| Ruby | テストコード比率、Gem の利用頻度 | Rails アプリの保守性評価 |
| Python | ライブラリ依存数、Jupyter Notebook への貢献 | データサイエンス・AI プロジェクトの実装力測定 |
| Go | 並行処理コード量、モジュール化率 | マイクロサービスやインフラツール開発 |
| PHP | フレームワーク（Laravel, Symfony）使用度 | 大規模 CMS や EC サイト構築実績 |
| JavaScript | フロントエンドテストカバレッジ、モジュール化率 | SPA 開発や UI コンポーネントライブラリ |
| TypeScript | 型定義カバレッジ、型安全性評価 | 大規模フロントエンドプロジェクトの品質指標 |
公式発表ページ「ver.3 言語別スキル可視化」(https://findy.co.jp/feature/language-visualization)
言語別スコアはマイページのタブで切り替えて閲覧でき、例えば「Python 偏差値 70 / Go 偏差値 45」のように表示されます。自分の市場価値を多角的に評価したいフリーランサーや転職活動中のエンジニアに特に有用です。
スコア算出ロジックとマイページの推移グラフの見方
スキル偏差値は単なる足し算ではなく、機械学習アルゴリズムで最適化された重み付けが行われています。ここではモデルの概要と、実際にマイページで確認できる推移グラフの解釈方法を説明します。
使用されている機械学習手法
Findy の最新アルゴリズムは Gradient Boosting Decision Tree（GBDT） をベースに、特徴量エンジニアリングで以下のような重み付けを実装しています（※数値は公式資料の概算です）。
| 特徴量 | 重み（%） | コメント |
|---|---|---|
| コミット頻度 | 30 | 継続的にコードを書いているかが最重要 |
| OSS 貢献度 | 25 | 外部プロジェクトへのインパクトを評価 |
| レビュー受領数 | 20 | 他者からのフィードバックは品質向上につながる |
| テスト・型安全性（言語別） | 15 | 安定したコードベースを示す指標 |
| エコシステム指標（スター・フォーク等） | 10 | コミュニティでの評価を補完的に反映 |
これらは過去 12 カ月間の採用実績データと相関させて最適化され、偏差値として正規化された結果がユーザーごとに算出されます。
マイページ推移グラフの見方
-
期間選択
左上のドロップダウンで「過去 3 ヶ月」「半年」「1 年」から表示範囲を変更できます。長期的なトレンドを把握したいときは「1 年」を推奨します。 -
言語タブ切り替え
Ruby・Python などのタブをクリックすると、選択言語ごとのスコア変化がグラフに反映されます。総合偏差値とは別に確認できるので、言語別の成長ポイントが一目で分かります。 -
平均ライン（50）
グラフ中央の水平線は全ユーザーの平均偏差値を示します。このラインより上に位置すれば業界平均以上、下回っていれば改善余地ありと判断できます。 -
ハイライトポイント
特定月に大幅変動があった場合は丸印でマークされ、クリックすると該当リポジトリのアクティビティ詳細（コミット数・PR 内容）を確認できます。
目標設定への活用例
- 短期目標：次月のコミット数を 10% 増やす → コミット頻度が高いほど全体偏差値に大きく影響。
- 言語別目標：TypeScript の型カバレッジを 80%以上にする → 「テスト・型安全性」の重みが上がり、言語スコアが改善。
スキル偏差値を高める実践テクニックと活用事例
数値は日々の開発行動と直結しています。ここでは具体的な改善策と、組織・個人での活用シーンをご紹介します。
OSS コントリビューションでスコアを伸ばす手順
-
プロジェクト選定
GitHub の「Trending」や「Good First Issue」から自分が得意とする言語の案件をピックアップ。 -
小さな PR を継続的に提出
週に最低 1 件はコードレビューを受けることを目標にすると、レビュー受領数と OSS 貢献度の両方が上昇します。 -
テスト・ドキュメント改善も評価対象
テストコードや README の充実は「品質系メトリック」にプラス効果。特に TypeScript では型定義カバレッジを意識すると言語別スコアが大きく伸びます。
Findy Freelance 利用者のアンケート結果（2024 年 Q1）によると、平均で 30%以上 のスコア向上が報告されています（公式レポート）。
組織レベルでの活用シーン
| シーン | 手順・ツール | 期待できる効果 |
|---|---|---|
| パフォーマンス測定 | 月次で全員のスキル偏差値推移をチームページで確認 | 成長トレンドが可視化され、評価基準が客観的になる |
| 育成計画策定 | 言語別弱点（例: Go 偏差値 45）を特定し、社内勉強会やハンズオンを実施 | 弱点克服が具体的な研修テーマになり、スキル底上げに貢献 |
| 採用基準の数値化 | 求人要項に「Python 偏差値 60 以上」などの目標値を設定 | ミスマッチ削減と選考効率向上が実現 |
まとめ
- スキル偏差値は GitHub の公開データ（コミット・OSS 貢献・レビュー等）を機械学習で正規化した指標です。
- Findy アカウント作成 → GitHub 連携 は数クリックで完了し、UI 上の重要ポイントさえ押さえておけばスムーズに設定できます。
- ver.3 の言語別可視化（Ruby, Python, Go, PHP, JavaScript, TypeScript） により、自分の得意領域と改善点を具体的に把握可能です。
- 勾配ブースティングモデルによる重み付け がスコア算出ロジックを支え、マイページの推移グラフは目標設定や進捗管理に有効です。
- 実践テクニック（定期的な OSS PR、テスト追加、レビュー受領） を取り入れると偏差値は着実に向上し、Findy Freelance での案件獲得率や組織全体のスキルマネジメントにも好影響を与えます。
参考文献・リンク一覧
- Findy Tech Blog 「スキル偏差値 ver.3」： https://tech.findy.co.jp/entry/skill-deviation-v3-ml
- Findy ヘルプページ「アカウント作成の流れ」： https://findy.co.jp/help/account-create
- Note 記事「Findy と GitHub をつなげる方法」： https://note.com/itfreelance_navi/n/nf852838a4606
- Findy 公式ページ「ver.3 言語別スキル可視化」： https://findy.co.jp/feature/language-visualization
- Findy 2024 Q1 スコア向上レポート： https://findy.co.jp/report/q1-2024