kintone Café 東京 Vol.4 ハンズオン資料（kintone & AWS API Gateway/Lambda/Machine...

またまたkintoneとAWSを連携してみよう！

-お客さんがkintoneを契約してくれるかを過去データから予測する- kintone Café 東京 Vol.4

＃kintonecafe

Twitter: @yamaryu0508 FB: https://www.facebook.com/ryu.yamashita.3

2015年9月4日株式会社ジョイゾー/kintoneエバンジェリスト/ kintone Café 運営事務局・東京支部　山下竜

• kintoneの概要

• kintoneのカスタマイズ機能

• AWSの概要

• kintoneとAWS

• kintone JavaScript API

• kintone.proxy()

• サンプルダウンロード

• 機械学習のモデル作成のためのデータ準備

Today’s Café Mune

• AWSの設定

• S3・バケットの設定

• Machine Learningの設定

• Lambda・イベントの設定

• API Gatewayの設定

• kintoneアプリのカスタマイズ

• リアルタイム予測の実行※スライド内リンクはPDFダウンロード時に有効になります

自己紹介

2013.3 IOTとグループウェア（デヂエ）の連携を試みてkintone　に出会う2014.4 - kintoneエバンジェリストに

2014.11 kintone好きが高じて、界隈初のkintone転職2015.2 kintone Café 運営事務局開設、事務局メンバーに

2014.5 - 2014.10 kintone Café 福岡 Vol.1 - 3を主催

現在（kintone歴2年ちょっと、AWS歴数週間）多分、“日本で唯一100%kintoneでご飯食べてる人”

株式会社ジョイゾー　山下竜（33）福岡県大牟田市出身

「ブルーウェーブ」という共通点

kintone界隈のIoTの人

「2015/5/22 kintone hive 開催報告」より

今日はこれやめておきます

福岡を離れ、SIerへの道に転向してもうすぐ1年になります

電柱を登るのをやめて？

• 会社名　　　株式会社ジョイゾー

• 所在地　　　東京都江東区東陽３-５-５ラウクティビルディング3F

• 設立年月日　2010年12月20日

• 社員数　　　7名（kinotneエバンジェリスト2名）

• 主な事業　　kintone導入支援、カスタマイズ開発他

• 主な取引先　カナディアン・ソーラー・ジャパン他

株式会社ジョイゾー

ジョイゾーの所在地

kintoneを基盤としたシステム開発サービス「システム39」

定額３９万円

初回作業無料

来店型

kintoneアプリデプロイツール「SANZO」

9Beta版試用申込、受付中 → https://www.joyzo.co.jp/sanzo/

kintoneの概要まずはおさらい

kintoneとは？（ざっくり）

•コンセプト

•「ファストシステム」

•「3分で業務改善アプリ」

•構成要素

•データ

• プロセス管理（ワークフロー）

•コミュニケーション（出典：「kintone公式サイト」）

「サイボウズプロダクト=チームを強くするツール」の中でも汎用性と専門性を行き来しながら、様々な業務シーンで活用出来るクラウドデータベース（WebDB）サービス

•初期費用無料

•申込3分後には利用可能

•月単位の利用（年縛りなし）

•アップデートサイクルの短期化（最近は2ヶ月くらい）

•30日間の無料お試し

•1年間の無償開発ライセンス

kintoneとは？（ざっくり：続き）

目的（業務or開発）に応じて使い分けてください。

kintoneのカスタマイズ機能

kintoneカスタマイズ機能

• REST API

• レコードやスペースの操作（登録・更新・削除等）、バルクAPI、アプリ作成、ワークフロー操作

• ユーザ・組織の操作

• JavaScript/CSSカスタマイズ

• 各種イベントハンドル、情報取得

• プロキシによる外部API連携

• URL指定によるライブラリの読み込み（HTTPS対応）

データレコードスペースユーザ

基幹システム Excel

他のクラウドREST API

kintone.proxy

kintone3大要素とREST API

データベースプロセス管理コミュニケーション

充実弱いAPIからの操作も3大要素をバランスよく活用することが重要！

API操作で3大機能同士を密に結合できるようになると、更に便利になると期待しています！

一部実装

kintone3大要素とREST API（ポータル画面）

スペースの作成・メンバー更新等

アプリの作成・更新

（欲しい）

（参考：「cybozu.com developer network > kintone API」）

kintone3大要素とREST API（詳細画面）

レコードの取得・登録・更新・削除

添付ファイルのアップロード・ダウンロード

レコードのステータス変更

（欲しい）（参考：「cybozu.com developer network > kintone API」）

AWSの概要

こっちもおさらい

• 低価格

• 40回を超える価格改定は全て値下げ

• 豊富なサービス

• 40を超えるアプリ・プラットフォームサービス

• APIフルマネージ

Amazon Web Services

kintoneとAWSナイスな相性だと言われています！

kintoneとAWS

• アプリケーション寄りPaaS(SaaS)

• クライアントサイド/フロントエンド（UI/UX）

• 行動的/解釈の共有でアクションを起こし、コミュニケーションで業務を回す

• インフラ寄りPaas(IaaS、BaaS)

• サーバーサイド/バックエンド　　　(コマンド)

• 思考的/データを捌き事象を解釈する

APIで結合・補完

IoTで考える結合・補完イメージ

・農業（圃場）・見守り・建設・工事現場・工場設備・エネルギー設備

現場

センサー

・温度・湿度・照度・加速度・騒音

センサークラウド kintone

・通知・ワークフロー・スレッド・カスタマイズビュー

事象・データが発生するデータを捌き、事象を解釈する

解釈の共有でアクションを起こし、コミュニケーションで業務を回す

王道っぽいAWSとkintoneの連携パターン

Amazon DynamoDB Stream

Amazon SNS

Amazon S3

Amazon Kinesis

AWS Lambda

Amazon EC2Lambda

イベントソース

REST API

kintone on cybozu.com

・レコード操作・ワークフロー操作・スペース操作・アプリ操作

REST API

kintone.proxy() & Amazon API Gateway 経由は良さそう・・・

REST APIプリミティブな連携・ホスティング・バッチ処理

Amazon S3

Today’s Café Menu

Amazon DynamoDB Stream

Amazon SNS

Amazon Kinesis

Amazon EC2Lambda

イベントソース

・レコード操作・ワークフロー操作・スペース操作・アプリ操作

REST APIプリミティブな連携・ホスティング・バッチ処理

AWS Lambda

REST API

kintone.proxy() & Amazon API Gateway 経由は良さそう・・・

REST API

・レコード操作

REST API

Amazon Machine Learning

REST API

今回フォーカスする AWSのサービス

• EC2に作り込みしなくても容易にAPIが作れる

• エンドポイントの完全公開やAPIキー等アクセス・認証レベルを柔軟に設定できる

• CORS設定に対応

• APIのバージョン管理ができる

Amazon API Gateway

エコシステム形成・システム間連携を可能にするAPIそのものを容易に作れるので、エコシステム形成の敷居が更に下がる！

API Gatewayによるkintoneラッピング

kintoneのデータをAPIで公開

Webhookからのkintoneアクセス

RESTfull Service

kintoneに蓄積されたデータを AWS経由でAPIによる公開

Webhook（通知等）をAPI Gatewayを経由して Lambdaで捌いた内容をkintoneに連携

Webhook Event REST API

REST API Event REST API

• 3種類の予測モデル

• 二項（ロジスティック回帰）

• 多クラス分類（多項ロロジスティック回帰）

• 回帰分析（線形回帰）

• 予測の実行

• バッチ（複数データをまとめて予測）

• リアルタイム（API経由で1件ずつ予測）

S3やRedshiftのデータを利用して、モデル作成・予測が容易に実行できるので、機械学習の敷居が下がる！

ハンズオン（予備知識）

ハンズオンシナリオ

マーケや営業で施策打ったけど・・・

このお客さん、kintone契約してもらえそうかなぁ？

kintoneの過去の契約情報から可能性見てみますか！？

対象の顧客情報や条件を入力すると・・・

契約してくれそう^^※シナリオですので、人物や内容は架空のものです

Today’s Café Menu

AWS Lambda

①kintoneデータで予測モデル作成

Amazon API Gateway

②kintoneにデータ登録 ③API（クエリ）でパラメータを渡す

④Eventでパラメータを受け取り、 APIでリアルタイム予測へ

REST API Event REST API

⑤予測実行後予測値を返す

※初動のモデル作成は直接実施　（Lambda未経由）

kintoneのデータ管理に予測機能を追加！

対象のお客さんがkintoneを契約してくれそうかが分かる?!

⑥予測値をセット

kintone.proxy()

• kintone

• JavaScriptから外部APIをコールするkintone.proxy()の利用方法

• AWS

• API Gatewayの設定方法

• Mapping Templateの設定（Lambda関数との協調）

• Machine Learningの設定方法

• datasource、ML model、predictionの作成・設定の方法と流れ

• LambdaからのMLリアルタイム予測実行方法

• API Gatewayからのeventパラメータの受取（Lambda関数との協調）

今回のハンズオンに必要とされるスキルセット（目標・成果物）

kintone JavaScript API

kintone.proxy()で JavaScriptから外部APIにアクセス

kintone.proxy()におけるPOST/PUTのポイント

項目フォーム形式データ JSON形式データ

リクエストヘッダ (MIMEタイプ)

'Content-Type' : 'application/x-www-form-urlencoded'

'Content-Type' : 'application/json'

リクエストボディ記載方法

'{key1}={value1}&{key2}={value2}&...' （文字列）

※{value}はURLエンコード

JSON （文字列、オブジェクト）

サービス例 Twilio、SendGrid、Typetalk kintone、Square、Xively

※GETのレスポンスは殆どがJSON

curlコマンドとkintone.proxy()の対応関係

36（出典：「kintoneマッシュアップのための豆知識（curlコマンドとkintone.proxy()の対応）」）

(1)リクエスト URL

curlコマンドでは正味の引数になりますので、コマンドオプションはありません。

(2)リクエストメソッド

GET、POST、PUT、DELETEのいずれかを指定できます。

(3)リクエストヘッダ

複数指定する必要があるときには、curlコマンドでは「-H "{headerKey}:{headerValue}" 」をセットとして、必要数書き並べられます。kintone.proxy()では「{"{headerKey1}":"{headerValue1}", "{headerKey2}":"{headerValue2}", ・・・}」といったようにコンマで必要数を連結してください。

（出典：「kintoneマッシュアップのための豆知識（curlコマンドとkintone.proxy()の対応）」）

(4)リクエストデータ(フォーム形式)

curlコマンドで「-d」のオプションでは通常フォーム形式データを言っており、対応するContent-Typeは「application/x-www-form-urlencoded」として処理されています（「-H」での明示不要）ので、kintone.proxy()ではこれをヘッダに追加しておくと良いです。

複数指定する必要があるときには、curlコマンドでは「-d {key}:{value}」をセットとして、必要数書き並べられます。kintone.proxy()では、「'{key1}={value1}&{key2}={value2}&・・・'」といったように「&」で必要数連結してください。

curlコマンドでは{value}部分をURLエンコード化する「--data-urlencode」といったオプションが使われることがありますが、これに対応するためにはkintone.proxy()では、JavaScript中で「encodeURIComponent({value})」を経由させておくと良いです。

(5)リクエストデータ(JSON形式)

curlコマンドで「-d」のオプションはJSON形式のデータにも対応しています。ただ、先ほどのフォーム形式と異なり、対応するContent-Typeである「application/json」はcurlコマンドでも「-H」によって明示されることになります。一方、kintone.proxy()でもこれをヘッダに追加しておく必要があります

curlコマンドでは「JSON文字列」でしか指定のしようがありませんが、kintone.proxy()では、「JSON文字列」でも「JSONオブジェクト」でも大丈夫です。

(6)Basic認証

curlコマンドで「-u」のオプションはBasic認証に用いられています。これをkintone.proxy()で対応させるには、ヘッダの方に「"Authorization":"Basic {BasicToken}"」といった具合に追加してあげることで解決されます。なお、「{BasicToken}」は「{id}:{password}」をBASE64エンコードしたものとなります。

他に、URL部分に連結して「{id}:{password}@URL」と書く方法もあります。

ハンズオン

サンプルダウンロード

①「https://github.com/joyzo/kintone-Cafe-Tokyo-4」にアクセス

②「Download ZIP」をクリックして、ファイル一式をダウンロード

サンプルリポジトリ

スライドP54で利用

スライドP85で利用スライドP96で利用スライドP82で利用

スライドP101で利用※スライド内リンクはPDFダウンロード時に有効になります

（「https://github.com/joyzo/kintone-Cafe-Tokyo-4」内） ※サンプルは各種パラメータをご自身の環境に合わせてお試しください

【参考】kintoneのアプリテンプレート読込

①右上の歯車マークから「kintoneシステム管理」を

クリック

②「アプリテンプレート」をクリック

③「読み込む」をクリック

④テンプレートのZIPファイルを選択肢て「読み込む」をクリック

⑤テンプレートの読込完了

【参考】テンプレートからのアプリ作成

①アプリ作成の「+」をクリック

②「テンプレートから選ぶ」をクリック

③「アプリを作成する」をクリック④今回1つのアプリが追加される

ハンズオンにおける作業の流れ

モチベーション/シナリオテクニカルな構成

対象のお客さんが kintoneを契約してくれそうかを予測する！

1. 契約実績（目的変数）と顧客情報や属性（説明変数）が入力されたレコード一覧をkintoneアプリからダウンロード

2. 1.でダウンロードしたデータから機械学習の予測モデルを作成（S3/ML）

3. 対象顧客に対するリアルタイム予測が出来るAPIを作成する（API Gateway/Lambda/ML）

4. kintoneに登録した対象顧客のレコード情報をもとに3.のAPIをコールする（kintone.proxy）

機械学習のモデル作成のためのデータ準備

機械学習のモデル作成のためのデータダウンロード方法

①「機械学習モデル作成用」の一覧を選択

②「ファイルに書き出す」をクリック

③「書き出す」をクリック

※今回はサンプル中に「kintone.csv」としてダウンロード済みですので、ハンズオン手順としては不要です

「機械学習モデル作成用」一覧の内容

「y」が目的変数「y」以外が説明変数

「機械学習モデル作成用」の一覧では契約実績フィールドである「y」が入力済みのレコードを絞り込み、予測値フィールドである「y_est」を非表示の設定

※ロジスティック回帰を意図

AWSの設定

S3・バケットの設定とデータアップロード

MLのモデル作成用ファイルをアップ

S3・バケットの設定とデータアップロード

①「S3」をクリック

※今回は「バージニア北部(us-east-1)」

S3・バケットの設定とデータアップロード（続き）

②「バケットの作成」をクリック

③「バケット名」を入力

④「リージョン」は今回そのまま

⑤「作成」をクリック

⑥新しくバケットが作成されるので、クリックして中身を見る（今は空）

⑦「アップロード」をクリック

⑨「アップデートの開始」をクリック

⑧対象ファイルをドラッグアンドドロップ（今回は学習用ファイルの「kintone.csv」）

⑩新しくファイルがアップロード

Machine Learningの設定・S3のデータでデータソース作成・データソースからモデル作成・モデルでリアルタイム予測の設定

Machine Learning（ML）の設定

①「Machine Learning」をクリック

MLの設定（Datasourceの作成）

②「Get started」をクリック

MLの設定（Datasourceの作成：続き）

③「View Dashboard」をクリック ※今回はDashboardで個別に設定

④「Create new...」から「Datasource」をクリック

⑤元データ（CSV）の所在である「S3」をチェック

⑥「S3 location」は元データを入力・選択

⑦「Datasource name」はデータセット等の名前を記入

⑧「Verify」をクリック

⑨MLからS3へのアクセスを許可するために「Yes」をクリック

⑩バリデーションが完了したら、「Continue」をクリック

⑫今回のデータセットでは「Data type」の変更は不要なため、「Continue」をクリック

⑪今回のデータセット（CSV）の先頭行は項目名のため、「Yes」にチェック

⑬目的変数を設定するため、「Yes」にチェック

⑮「Continue」をクリック

⑭「Data type」が「Binary（契約するかしないか）」の「y」を選択⑭「Data type」が「Binary（契約するかしないか）」の「y」を選択

⑯今回「Row ID.」は利用しないため、「No」にチェック

⑰「Review」をクリック

⑱「Finish」をクリック

MLの設定（ML Modelの作成）

⑲「Status」が「Completed」になったことを確認

⑳「Use this datasource to」から「Create (train) an ML model」を選択

MLの設定（ML Modelの作成：続き）

㉑「Review」をクリック

MLの設定（ML Modelの作成：続き）

㉒「Finish」をクリック

MLの設定（Real-time predictionの作成）

㉔「Status」が「Completed」になったことを確認

㉕「Create real-time endpoint」をクリック

㉓MLModelIdはLambdaからのキックで利用するためメモ

MLの設定（Real-time predictionの作成：続き）

㉖リアルタイム予測を有効化するために「Create」をクリック

㉗「Real-time endpoint」が「Ready」になったことを確認

Lambda・イベントを設定

API Gatewayからのアクセスによるイベントをトリガーにリアルタイム予測値を返すLambda関数の設定

Lambda・イベントの設定（前準備：IAMの設定）

①「Identity & Access Management」をクリック

①「新しいロールの作成」をクリック

②「ロール名」を入力

③「次のステップ」をクリック

④「AWS Lambda」を選択

⑤LambdaからMachine Learningへのアクセスは「AmazonMachineLearningFullAccess」を選択

⑥「次のステップ」をクリック

⑦「ロールの作成」をクリック

Lambda・イベントの設定

⑧「Lambda」をクリック

Lambda・イベントの設定（続き）

⑨「Get Started Now」をクリック

⑩今回は「Skip」して設定

⑬「Code entry type」は「Edit code inline」を選択

⑪「Name」に関数名を記入

⑫「Runtime」は「Node.js」を選択

⑭サンプルの「index.js」を貼付け

⑮「Handler」はデフォルト

⑯「Role」は先程設定したロールを選択

⑰「Memory」を512、「Timeout」を10で設定⑱「Next」をクリック

⑲「Create function」をクリック

⑳Lambda関数が作成される

㉑ML作成時にメモした「MLModelId」に書き換え

㉒「Actions」から「Configure sample event」を選択

㉓サンプルの「sample_event.json」を貼付け

㉔「Submit」をクリックしてテスト実行

㉔テスト実行が成功すると「Execution result」が「succeeded」になり、リアルタイム予測の結果が出力される

Lambda関数の部分解説

Lambda関数（index.js）の部分解説

AWS-SDKの読込やMLModelId（定数）の宣言

MLModelIdからMLModelの情報を取得

API GatewayからのGETにおけるクエリ情報を取得

リアルタイム予測するためのパラメータをセット

リアルタイム予測の実行

API Gatewayを設定

MLに紐付くLambda関数をキックするAPIを作成（MLリアルタイム予測を実行するAPI）

API Gatewayの設定

①「API Gateway」をクリック

API Gatewayの設定（続き）

②「Get started」をクリック

③「Create API」をクリック

②「API name」にAPI名を記入

④「Create Resource」をクリック

⑤「Resource Name」を入力

⑥「Create Resource」をクリック

⑦「Create Method」をクリック

⑧「GET」を選択してチェックマークをクリック

⑨「Integration type」は「Lambda Function」にチェック

⑩「Lambda Region」と「Lambda Function」を先程の設定に合わせる

⑪「Save」をクリック

⑫API GatewayからLambdaにアクセスできるように「OK」をクリック

⑬「Integration Request」をクリック ※今回はGETのqueryだけの粗設定

クライアント API Gatewayで作成したメソッドのリクエスト/レスポンス

インテグレーション先へのリクエスト/レスポンス

インテグレーション先（今回はLambda）

⑭「Mapping Templates」を展開後、「Add mapping template」から「Content-Type」に「application/json」を追加

⑮「Input passthrough」右の鉛筆マーククリック後「Mapping template」を選択

⑯サンプルの「mapping_template.json」を貼付けて、「Mapping template」右のチェックマークをクリック

⑰「Deploy API」をクリック

⑱「Deployment stage」で「New Stage」を選択して、「Stage name」を「prod」等入力する

⑲「Deploy」をクリック

⑳設定したステージのAPIがデプロイされ、リクエストURLが発行される

㉑クリックして、デプロイしたAPIを展開

㉒設定した「GET」メソッドをクリック

㉓リソース込みのリクエストURLをメモし、確認のためにクリック

㉔GETメソッドの返りが表示される

API Gatewayの設定（続き：今回のMapping Templateについて）

• リクエストパラメータの取得

• POST/PUTは$input.json('$')

• GETは$input.params().querystring

• パスやヘッダの値も取得可

• 詳細は「Mapping Template Reference」を確認

Lambdaのeventへ渡るパラメータの設定

kintoneアプリのカスタマイズ作成したリアルタイム予測値を得るAPIをkintone.proxy()からコールし、kintoneレコードを更新

kintone-JSカスタマイズの概要

• リアルタイム予測値を求めるAPIをコールする（kintone-subscription.js）

• 予測したい対象顧客のレコード（属性）情報をクエリにのせてGETリクエスト

• 返り値をレコードにセット（更新）

• 実績値が入力済みの場合には予測は不要

• 予測ボタンは非表示

kintone-JSカスタマイズの部分解説

依存ライブラリ

定数の設定

依存ライブラリは別途読込

API Gatewayで作ったURL

APIキーの設定（今回スキップ）

説明変数のkey

リクエストURLの作成クエリ込みのリクエストURLを作成

外部APIへのリクエストkintone.proxy()でGETメソッドをコール

予測値を取得

予測値をレコードにセット（PUTで更新）

結果の表示

kintone-JSカスタマイズの適用

今回のカスタマイズはサンプルファイル中のLAMBDA_URLの修正後カスタマイズファイルを差し替えることで動作します。

①「・・・」マークから「アプリの設定」をクリック

②「詳細設定」を展開し「JavaScript/CSSで

カスタマイズ」をクリック

③カスタマイズファイル差し替え後「保存」をクリック

④「設定完了」をクリック⑤「OK」をクリック

リアルタイム予測を試す

【取組み内容確認】ハンズオンにおける作業の流れ

モチベーション/シナリオテクニカルな構成

対象のお客さんが kintoneを契約してくれそうかを予測する！

1. 契約実績（目的変数）と顧客情報や属性（説明変数）が入力されたレコード一覧をkintoneアプリからダウンロード

2. 1.でダウンロードしたデータから機械学習の予測モデルを作成（S3/ML）

3. 対象顧客に対するリアルタイム予測が出来るAPIを作成する（API Gateway/Lambda/ML）

4. kintoneに登録した対象顧客のレコード情報をもとに3.のAPIをコールする（kintone.proxy）

リアルタイム予測の実行

③リアルタイム予測の結果を表示して、予測値をセット

①対象顧客の情報を入力

②「リアルタイム予測」をクリック

ハンズオンは以上です

所感

• 今回、kintone-JSからAPI Gatewayへのリクエストをkintone.proxy()で行ったが、CORS設定できるので$.ajax等からのリクエストでも大丈夫そう

• kintone.proxy()でのリクエストは基本テキストベースで、multipart/form-data形式等の対応は現状ないため、API Gateway/Lambdaで添付ファイルの取扱い等を補うのも良さそう

参考情報

• 開発コミュニティサイト「cybozu.com developer network」[https://cybozudev.zendesk.com/hc/ja]

• コミュニティ（質問等）、リファレンス、Tips、サンプル、開発者ライセンス申込

• 「kintone API」[https://cybozudev.zendesk.com/hc/ja/categories/200147600]

• kintone APIのリファレンス（cybozu.com dev. nw.内）

• 「アプリ作成と設定の変更」[https://cybozudev.zendesk.com/hc/ja/articles/204693590]

• kintoneアプリ作成系APIリファレンス（cybozu.com dev. nw.内）

kintone Café 東京 Vol.4 ハンズオン資料（kintone & AWS API Gateway/Lambda/Machine...

Software

Developers Summit 2016 kintone プラグイン開発ハンズオン

kintone hive shinomiya

kintone-developer-エコシステム ~kintone Café 大分 Vol.2~

kintone dev camp vol.11 kintoneの基本説明

kintone café 大阪 vol.11 〜kintoneと色々つないでみる　ハンズオン！〜

kintone café japan ハンズオン

PowerShell ハンズオン

kintone hive soulware

きつねさんと学ぶ Lambda式&StreamAPIハンズオン[関ジャバ2015/7/11] #kanjava

kintone Café 新潟 Vol.3　ハンズオン（アプリ作成編）

kintoneカスタマイズのコツ（kintone Café 松山 #1）

【kintone Cafe 名古屋】kintone×○○○の可能性

AWS ML Services + ハンズオン · 2020-03-05 · Mobile Analytics, Cognito, SNS, IoT, Pinpoint ... EC2, Auto Scaling, Lambda Elastic Load Balancing, EC2 Container Service ... AWS

kintone devCamp_キントーク

kintone 新デザインコンセプト

kintone vs Salesforce

20150522 kintone hive

kintone Enterprise

kintone hive amida_150525

Mizuhohack kintone