小さな会社のWebシステムを可視化する：監視と分析の基本

リリース後に成果を最大化するための監視設計、アラート、アクセス解析、業務KPIダッシュボードの作り方を整理。

導入（問題提起）

Webシステム開発は公開して終わりではありません。安定稼働と継続的な成果創出には「監視と分析」が必須です。ページが遅い、予約が減った、エラーが増えた――気付くのが遅れるほど機会損失は大きくなります。特にExcel Web化を済ませたばかりの業務システムは、可視化が弱いとボトルネックが主観になりがちです。本記事では、小さな会社でも無理なく回る“計測→通知→改善”の仕組みを、Pythonを軸に実装と運用の両面から解説します。

課題の詳細説明

監視・分析が定着しない理由を具体化します。

監視項目が多すぎて運用不能（ノイズだらけで誰も見ない）
閾値や重大度が曖昧で、夜間に不要アラートが鳴る
データが散在：アクセス解析と業務KPIが分断され、意思決定に使えない
施策の効果測定ができない（計測設計がない／ABの比較母数が不明）
エラーは「お客様からの連絡」で知る（一次情報が遅い）

根本は「最小セットから始め、運用可能な粒度で増やす」原則の欠如です。

解決方法（設計の全体像）

基盤監視：死活・応答時間・エラー率を最小セットで可視化
体験監視：コアWebバイタル（LCP/CLS/TTFB）とフォーム離脱を継続計測
事業KPI：問い合わせ・予約・売上など“お金に近い指標”を定義
通知運用：重大度（情報/警告/致命）と閾値・通知先・時間帯ルール
週次レビュー：数値→仮説→施策→検証のPDCAを固定会議体に
内部ダッシュボード：Python Webアプリで“見る場”を用意（Excel卒業）

具体例（ツールと手順）

1) アプリ/サーバ監視（最小）

ログ集約：アプリログをJSON化し、時系列で保存＋検索（ローテーション）
エラー通知：例外回数やHTTP 5xxを閾値でアラート（5分間でN件など）
ボトルネック把握：リクエスト時間/SQL時間/外部API時間を分離計測

Python（Bottle/FastAPI/uvicorn）の場合、標準ログを構造化し軽量スタックで集約します。

2) 表示速度/体験の継続計測

PageSpeed InsightsとCrUXでLCP/CLS/TTFBを把握
画像最適化（WebP/AVIF）、キャッシュ、CDNの適用
フォーム離脱率：入力イベントの計測と再来訪の追跡

3) 事業KPIダッシュボード（Python Webアプリ活用）

例：問い合わせ数、予約確定率、キャンセル率、LTV、リピート率
データはSQLite/MySQLから集計し、ダッシュボードで可視化
月次目標値と実績を並置し、達成率を色分け

4) 通知運用

重大度3段階（情報/警告/致命）＋当直ルール（夜間は致命のみ即時）
チャネル：Chat/メール。サマリ（朝夕）とリアルタイムを使い分け
当番表：休日代行/エスカレーション先を明示

技術的な解説（ミニ実装：計測→保存→可視化）

1) ログとメトリクスの発行


import time, json, logging
logger = logging.getLogger('app')

def emit_timing(name, ms, tags=None):
    logger.info(json.dumps({'type':'metric','name':name,'ms':ms,'tags':tags or {}}))

def timed(func):
    def wrap(*a, **kw):
        t0 = time.time()
        try:
            return func(*a, **kw)
        finally:
            emit_timing(func.__name__, int((time.time()-t0)*1000))
    return wrap

2) KPI集計API（SQLite）


import sqlite3, json, datetime as dt

def daily_kpi(db_path: str):
    con = sqlite3.connect(db_path)
    cur = con.cursor()
    today = dt.date.today().isoformat()
    q = """
    SELECT date(created_at) d,
           COUNT(*) inquiries,
           SUM(CASE WHEN status='confirmed' THEN 1 ELSE 0 END) confirmed
    FROM reservations
    WHERE date(created_at)=date('now')
    GROUP BY date(created_at)
    """
    cur.execute(q)
    row = cur.fetchone() or (today, 0, 0)
    con.close()
    return json.dumps({"date": row[0], "inquiries": row[1], "confirmed": row[2]})

3) ダッシュボード（Bottleの簡易ルート）


from bottle import Bottle, response
app = Bottle()

@app.get('/dashboard/kpi')
def kpi_view():
    data = json.loads(daily_kpi('app.db'))
    # テンプレート省略：JSONで返す最小例
    return data

4) アラート設計のサンプル


SEVERITY = {
  'info':    {'notify':'digest'},
  'warning': {'notify':'daily'},
  'critical':{'notify':'immediate'}
}

def alert(name, severity, message, now=None):
    rule = SEVERITY[severity]
    # Chat/メールへの送信処理を実装。夜間はcriticalのみ等のルール適用
    pass

導入の流れ（4週間ローンチ）

監視の最小セットを決定（死活/応答時間/エラー率/バッチ結果）
ログの構造化と保存先決定（ローテーション/検索手順）
KPI定義（問い合わせ/予約/売上など3〜5個に絞る）
Pythonで内部ダッシュボード作成（一覧/推移/明細）
通知ルール（重大度/時間帯/当番）とエスカレーション表の整備
週次レビュー開始：数字→仮説→施策→検証を回す

まとめ

完璧を目指さず「最小構成で開始」し、週次で改善を刻む
技術指標（稼働/速度/エラー）と事業指標（問い合わせ/予約）を両輪で追う
Pythonで内部ダッシュボードを作ればExcel依存から脱却でき、業務システムの意思決定が加速する

問い合わせ導線

業務システムやExcel Web化の監視・分析設計までご支援します。詳しくはお問い合わせへ。

Webシステム開発のご相談は monou まで

目次を表示する