データ無くして事業成長なし CDO が語る 「全社データ基盤構築」の舞台裏

Agentforce World Tour Tokyo における、 執行役員 CDO データ本部長 川端 と AI技術開発部 部長 冨田 による登壇資料です。

【Agentforce World Tour Tokyo】
https://www.salesforce.com/jp/events/world-tour/tokyo/

■ 弁護士ドットコム株式会社 CompanyDeck for Engineers
https://speakerdeck.com/bengo4com/2026-companydeck-for-engineers

■ 採用情報
https://hrmos.co/pages/bengo4/jobs

■ テックブログ：弁護士ドットコム CREATORS’ BLOG
https://creators.bengo4.com/

■ X(Twitter)：弁護士ドットコム CREATORS
https://x.com/bengo4_creators

Transcript

1. データ無くして事業成長なし CDO が語る 「全社データ基盤構築」の舞台裏 弁護士ドットコム株式会社 執行役員 CDO データ本部長　川端 貴幸 Be the Professional-Tech Company. 弁護士ドットコム株式会社 AI技術開発部 部長　冨田 恭平 1
2. Be the Professional-Tech Company. Bengo4.com,Inc. VISION まだないやり⽅で、世界を前へ。 Drive a paradigm shift for the better world. 「プロフェッショナル‧テック」で、 Be the Professional-Tech Company. 次の常識をつくる。 「専⾨知」 「テクノロジー」 専門家の知恵に誰もがアクセスできる社会 誰⼀⼈取り残さ ない社会づくり 専⾨家の 業務効率向上 企業の⽣産性‧ 競争⼒の向上 MISSION 2 専門知 テクノロジー ×
3. Be the Professional-Tech Company. Bengo4.com,Inc. 3 データとテクノロジーを基盤に、多様なプロダクトとサービスを展開。 法律実務とビジネスの安全と信用を支える社会インフラを目指しています。 　 メディア ｢身近な司法」の実現のため 一般ユーザーと弁護士を繋ぐプラットフォーム 無料税務相談や税理士・会計事務所を検索できる 日本最大級の税務相談ポータルサイト 企業法務に関わる方のための 実務に役立つ企業法務ポータルサイト 弁護士との連携により法律トラブルや 社会問題を深掘りするニュースメディア リサーチや文書作成を支援する 弁護士・法務向け リーガルAIエージェント 弁護士業務の効率化を支援する 法律事務所向け業務支援クラウド 法律雑誌・文献計11誌をフル装備する 日本最大級の判例検索サービス 契約締結から契約書管理まで可能な 契約マネジメントプラットフォーム 弁護士や法務に特化した キャリア支援サービス SaaS キャリア支援 AI
4. Be the Professional-Tech Company. Bengo4.com,Inc. •クラウドサイン •弁護⼠ドットコム •税理⼠ドットコム •ビジネスロイヤーズその他 会社の成長 市場規模 ※国内企業における企業規模別の法務⼈員数を当社アンケートを⽤いて推計。推計した法務  ⼈員数に対して、平均年収および社会保険料を乗じて算出。  出所：総務省「平成28年経済センサス」 12.2兆円規模 弁護⼠市場 3.5 兆円 企業法務‧ 契約関連市場 7.5 兆円 ファイナンス 市場 1.2兆円 4
5. Be the Professional-Tech Company. Bengo4.com,Inc. 5 川端 貴幸 執行役員 CDO データ本部長 Canon CyberAgent Classi FLYWHEEL 弁護士ドットコム 全社横断のソフトウェア R&D アドテク本部 AI Lab 設立 データ・AI 部 部長 Head of Data Science
6. Be the Professional-Tech Company. 6 Part 1 データ基盤の現在地 — 全社横断基盤 ODIN の構築
7. Be the Professional-Tech Company. Bengo4.com,Inc. CDO・データ本部の歩み 2024.7 入社 全社データ基盤の 設計に着手 2名 2025.1 CDO 就任 複数事業部と連携 3名 2025.4 データ本部 発足 全社横断の組織として 立ち上げ 4名 2026.1 3 部体制へ移行 ソリューション／基盤／ AI 9名 現在 次のステージへ Agentic Analytics の推進 10名 メンバー数 入社から約 1 年強で「全社横断のデータ基盤 ODIN」と「3 部体制」を同時に立ち上げ 7
8. Be the Professional-Tech Company. Bengo4.com,Inc. 入社当時、データは分断状態だった ビジネスは爆速成長期 • 複数 SaaS 事業が並行して成長 ◦ 弁護士ドットコム ◦ クラウドサイン ◦ 税理士ドットコム ◦ など • 新規事業 Legal Brain Agent の立ち上げ 一方、データは混沌 • Redash/野良クエリの乱立 • 同じ指標でも事業ごとに数字が違う • ビジネス→エンジニア依頼が常態化 • 属人化の進行（メンバー離脱リスク） 8
9. Be the Professional-Tech Company. Bengo4.com,Inc. 戦略：爆速成長下で何をしたか 01 全社横断のデータ基盤 • データスタックの選定 • リソース／権限管理の設計 02 よしなに、早く、便利に 事業部との関係性構築が最重要 • low input • quickly • exceed expectations 03 すべてをコード管理 • dbt / Tableau / Trocco / Dagster を集約 • 1 リポジトリで管理 • PR レビュー体制を徹底 9
10. Be the Professional-Tech Company. Bengo4.com,Inc. 戦略：爆速成長下で何をしたか 01 全社横断のデータ基盤 • データスタックの選定 • リソース／権限管理の設計 02 よしなに、早く、便利に 事業部との関係性構築が最重要 • low input • quickly • exceed expectations 03 すべてをコード管理 • dbt / Tableau / Trocco / Dagster を集約 • 1 リポジトリで管理 • PR レビュー体制を徹底 10
11. Be the Professional-Tech Company. Bengo4.com,Inc. なぜ、全社のデータを統一する基盤が重要か (1) 集約の「意義」— データを武器に変える サイロ化解消：クロス分析 顧客の360度ビューで LTV 向上・クロスセル 経営判断の高速化：リアルタイム 手作業集計を排除し KPI を即時可視化 効率化と AI・ML 基盤の構築 重複コスト削減と高品質データの活用 (2) 集約の「大変さ」— 組織の壁 標準化とクレンジングの泥臭さ 定義・表記揺れの統一とゴミデータの掃除 現場の協力とモチベーション維持 入力負荷への反発／メリットの明示 セキュリティとガバナンス設計 一極集中リスクと権限の細密管理 11
12. Be the Professional-Tech Company. Bengo4.com,Inc. 全社データ基盤「 ODIN」の全体像 12
13. Be the Professional-Tech Company. Bengo4.com,Inc. 戦略：爆速成長下で何をしたか 01 全社横断のデータ基盤 • データスタックの選定 • リソース／権限管理の設計 02 よしなに、早く、便利に 事業部との関係性構築が最重要 • low input • quickly • exceed expectations 03 すべてをコード管理 • dbt / Tableau / Trocco / Dagster を集約 • 1 リポジトリで管理 • PR レビュー体制を徹底 13
14. Be the Professional-Tech Company. Bengo4.com,Inc. 導入前の課題：属人的で非効率な集計プロセス BEFORE データ抽出 ほぼ生データの状態のものを CSVで都度ダウンロード ▶ 加工・蓄積 スプレッドシートへ集約 ▶ 可視化・分析 担当者が各自で集計 （属人化・再現性なし） 手作業による工数増大と、数値定義の不一致が多発していた 14
15. Be the Professional-Tech Company. Bengo4.com,Inc. Before 15
16. Be the Professional-Tech Company. Bengo4.com,Inc. 本来の目的（分析からのアクション）にフォーカスしてもらたい 貯蔵庫 データレイク BigQuery ▶ 中間加工 ウェアハウス BigQuery / dbt ▶ 小売店 マート BigQuery / dbt ▶ レストラン BI ツール Tableau オーケストレーション : Dagster　／　ELT: Trocco・dlt　／　IaC: Terraform 16
17. Be the Professional-Tech Company. Bengo4.com,Inc. After　 管理コンソールからワンクリックで遷移 17
18. Be the Professional-Tech Company. Bengo4.com,Inc. 戦略：爆速成長下で何をしたか 01 全社横断のデータ基盤 • データスタックの選定 • リソース／権限管理の設計 02 よしなに、早く、便利に 事業部との関係性構築が最重要 • low input • quickly • exceed expectations 03 すべてをコード管理 • dbt / Tableau / Trocco / Dagster を集約 • 1 リポジトリで管理 • PR レビュー体制を徹底 18
19. Be the Professional-Tech Company. Bengo4.com,Inc. データ基盤「 ODIN」の現在地 500+ データソース 20+ SaaS連携元 全事業部+コーポレート 1250+ データモデル (dbt) 全社共通の加工ロジック 190+ ダッシュボード／ リバース ETL Tableau・Salesforce 等 200+ Tableau MAU ２年弱、数名の組織でほぼゼロからここまでの成長を達成！ 90%+ AIコーディング BI開発が残る 19
20. Be the Professional-Tech Company. Bengo4.com,Inc. 事業に伴走する 3 部体制 データソリューション部 各事業部（営業／CS／プロダクト）に伴奏し、データドリブンな意思決定を プロアクティブに進める データ基盤開発部 全社データ基盤 ODIN の推進・開発 AI技術開発部 全社AI技術基盤 RUNE の推進・開発、各事業部に対しAI技術実装を伴奏 基盤から応用までのデータ機能組織を一箇所にまとめ、全社横断でスケールさせていく 20
21. Part 2 基盤を「作る側」の工夫 Be the Professional-Tech Company. 21
22. Be the Professional-Tech Company. Bengo4.com,Inc. 22 冨田 恭平 データ本部 AI技術開発部 部長 Microsoft Development (2014〜2018） Windows や AI プロダクトの開発 FLYWHEEL (2018〜2025/3) エンジニアとして検索、レコメンド、データ基盤、AIエージェン トなどのプロダクトの立ち上げ。 データ分析プロジェクトも複数主導。 弁護士ドットコム (2025/4〜) データ基盤・AI技術基盤の開発
23. Be the Professional-Tech Company. Bengo4.com,Inc. 23 コードで管理するデータ基盤 data-monorepo ー 1つのリポジトリにすべてを集約 dbt Tableau Trocco Dagster Terraform 守りだけでは時間を稼げるが競争優位は成長しない PR レビュー + CI/CD で運用 • PR ごとに dbt parse / 型チェック / テスト などで検証 • デプロイの dry-run を自動実行 • 変更が追跡可能で、ヒューマンエラーも起きにくい → ガバナンスと速度を両立
24. Be the Professional-Tech Company. Bengo4.com,Inc. 24 Tableau Tools - API を駆使した運用の工夫 (1/3) 本番環境への自動デプロイ dbt Exposure の自動生成 前提 • 開発環境・本番環境のデータマートを分離 • Tableau のプロジェクト（フォルダ）も別々 解決策 API を活用してリリース作業を自動化 • 参照先のテーブルとそれに使用する権限の置換 • 開発環境から本番環境へのワークブックのコピー 課題 • リリース作業が煩雑になり人的ミスが発生 • 運用例：ワークブック内のテーブルを本番環境に変 更して、本番プロジェクトにパブリッシュ 課題 dbt Exposure の更新が忘れられがち 解決策 ダッシュボードが参照テーブルに変化があったら、 dbt Exposure 定義の YAML を更新する PR を自動作成 前提 dbt の Model (テーブル) と Exposure (ダッシュボード) の 間のデータ・リネージも管理したい
25. Be the Professional-Tech Company. Bengo4.com,Inc. 25 Tableau Tools - API を駆使した運用の工夫 (2/3) テーブル → ダッシュボード間のリネージを常に最新化 Tableau ダッシュボードで 新規テーブルへの 参照を追加 ↓ Exposure の更新を忘れる 新 規 参 照 を 検 知 自 動 反 映 dbt Exposure 自動更新の動作イメージ
26. Be the Professional-Tech Company. Bengo4.com,Inc. 26 Tableau Tools - API を駆使した運用の工夫 (3/3) ユーザーと権限の管理 課題 • ユーザーの追加・削除の手動での管理が煩雑 • どのプロジェクトをどのユーザー・グループが閲覧可 能かの権限管理で人的ミスの発生リスク 解決策 • ユーザー、グループ、プロジェクト、アクセス権限など を全て設定ファイルで管理 • CI (Continuous Integration) にて、 • 設定ファイルで定義された状態を Tableau REST API を用いて Tableau Cloud に適用 Bot が PR 作成を代行し、人間はレビューのみ！
27. Be the Professional-Tech Company. Bengo4.com,Inc. 27 AI を活用した基盤開発 コーディングは多くが AI 駆動だが Tableau の実装・レビューは人力 フェーズ BI以外 BI (Tableau) 構想 AI駆動 AI駆動 設計 AI駆動 AI駆動 実装 AI駆動 人力 レビュー・検証 AI / 人力 人力
28. Be the Professional-Tech Company. Bengo4.com,Inc. 28 ダッシュボード開発の効率化の可能性： プロトタイプの改善ループを高速化 その結果... ダッシュボードのプロトタイプの 改善ループが劇的に高速化 ダッシュボード試作に AI を活用した高速プロトタイプを導入 • AI 開発ツール (Codex / Claude Code / …) や Claude Cowork Live Artifacts の活用 • 仕上げ時に Tableau で “清書” 仕上げ・リリース ダッシュボード試作 利用者の求めるものをヒアリングし て、プロトタイプを作成 利用者にプロトタイプを使用してもら い、フィードバックをもらう 細部の仕上げをしてリリース 試用 フィードバック 改善ループをまわす
29. Be the Professional-Tech Company. Bengo4.com,Inc. 29 ダッシュボード開発の効率化の可能性： Tableau ダッシュボードの AI による実装 プロトタイプだけでなく 本番の Tableau ダッシュボードも AI 駆動で開発したい・・・ これからの期待 AI 開発までの壁 • Tableau ワークブックの XML の仕様が非公開 • AI による読み書きが難しい • 2026年2月、XML の仕様の一部が公開された (Tableau Document Schemas) • AI にダッシュボードを開発させるための布石？
30. Part 3 基盤を「使う側」の未来 — Agentic Analytics Be the Professional-Tech Company. 30
31. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics — 人力から AI 駆動への 3 段階 人力 人間が BI を読み解き判断する ダッシュボードを自ら見て状況を把握 ▶ 人力 ＋ AIアシスト BI の解釈を AI に手伝ってもらう KPI の見方・解釈を AI に尋ねる ▶ AI 駆動 Agent が知見を自律的に活用 AI が KPI・達成度を分析し提案 AI によるデータ分析に 耐えうる基盤 が前提になる 31
32. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics の事例１　- Input 「Customer Successへの問い合わせを分析できるようにしたい。 BigQueryに取り込んだHubSpotのデータが使えます。」 AIと何回かの壁打ちをしてプランが完成、 Go！ 32
33. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics の事例１　- Output data modeling BQ AI.generate()で7属性付与 category / topic / summary / sentiment / score / faq_candidate / urgency BQ ML.generate_embedding()で ベクトル化 類似度計算と、Mutual k-NNに よるクラスタリング 生データ 33
34. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics の事例１　- Manually Tableau AIが作成したマートテー ブルから、Tableauダッ シュボードを作成 求めていたものがサクッ と完成！ - 問合せが多いものは なに？ - FAQで解決できない の？ 34
35. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics の事例１　- さらに踏み込む 「よくある問い合わせを減らせるように、FAQを改善して」 AIと何回かの壁打ちをしてプランが完成、 Go！ 35
36. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics の事例１　- Output HTML Report 36
37. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics の圧倒的な生産性 TRADITIONAL 従来の手法 データサイエンティストが設計から実装、検証までを手 動で実施。 1ヶ月以上 AGENTIC ANALYTICS AI駆動のアプローチ AIエージェントが思考と実行を繰り返し、シニアレベル の品質で即座に完結。 1日以内 シニアデータサイエンティストと同等以上の品質を、 1/30の期間で実現 37
38. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics の事例２ Claude Cowork Live artifact 「GA4のBQ自動連携が日次で行 われているが不定期なため、直 近60日の分布を各プロジェクト単 位で一覧できるようにしたい」 38
39. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics の事例２ リアルタイム更新 ダッシュボードの 共有も可能 39
40. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analytics による開発効率の劇的向上 TRADITIONAL 従来のBI開発 専門スキルを持つ担当者が、要件定義からダッシュ ボードの構築・修正を手動で実施。 数日間 AGENTIC ANALYTICS AI駆動の開発アプローチ AIが対話を通じて意図を汲み取り、最適な可視化と分 析構成をリアルタイムに生成。 数十分 開発工数を圧倒的に削減し、即座に高品質な可視化を創出 40
41. Be the Professional-Tech Company. Bengo4.com,Inc. ダッシュボードも AIに奪われるのか？ 41
42. Be the Professional-Tech Company. Bengo4.com,Inc. ダッシュボードの棲み分け： Tableau vs AI駆動型 「公式の真実」と「現場の問い」として明確な役割分担が進む 高度なBI (Tableau等) AI駆動型ダッシュボード 主な役割 定点観測・ガバナンス （何が起きたか） アドホック探索・アクション （なぜ起きたか・次どうするか） データの信頼性 1円・1件のズレも許されない 「全社共通の公式数値」 確率や非構造化データを含む 「インサイトの種」 ライフサイクル 長期的。 組織全体で数ヶ月〜 数年間使い続ける共通基盤 使い捨て（単発）。 特定の疑問を 解決したら役目を終える 提供価値 多角分析に耐えうる 強固なデータ構造 データの背景にある ストーリーとアクション提案 「公式の真実を映す計器」と「現場の問いに応えるナビゲーター」の融合 42
43. Be the Professional-Tech Company. Bengo4.com,Inc. Tableau への期待 AI が読み書き・検証できる環境 BI as Code への対応／描画・挙動の動作確認 AI-ready なデータの構造化 コンテキストレイヤーとしての確立 様々なエージェント環境との連携 MCP 等でデータとコンテキストを連携 43
44. Be the Professional-Tech Company. Bengo4.com,Inc. Agentic Analyticsの格差 ≒ コンテキストレイヤー 人間はデータの裏にある文脈を暗黙に汲み取る。 AI には明示的に渡す必要がある 「エージェント時代の本当の勝者は、最も賢いモデル（ LLM）を 持つ会社でも、最も多くのデータを持つ会社でもない。 AIに『自社の文脈』 を最も正しく・安全に 教えられる基盤 （コンテキストレイヤー） を握った会社である。」 Tableau の Auto Knowledge Graph が既存資産からの構築を後押しする可能性 44
45. Be the Professional-Tech Company. Bengo4.com,Inc. AIエージェントの限界は「データの質」で決まる Jeanne氏 (Vercel) による提言 "In your data foundation, the knowledge base, the clean data warehouse, the semantic layer. None of it is exciting to build, but all of it is load-bearing. The agents you build will only be as good as the data underneath them." データ基盤、ナレッジベース、クレンジングされたデータウェアハウス、 そしてセマンティックレイヤー。 これらはどれも、作っていて決して派手で面白い（エキサイティングな）作業ではありません。 しかし、そのすべてが、システム全体を支える 「大黒柱」なのです。 あなたがどれほど優れたAIエージェントを作ろうとも、その賢さは、 裏側にあるデータの質を絶対に超えられない のですから。 45
46. Be the Professional-Tech Company. Bengo4.com,Inc. VISION まだないやり⽅で、世界を前へ。 Drive a paradigm shift for the better world. 「プロフェッショナル‧テック」で、 Be the Professional-Tech Company. 次の常識をつくる。 「専⾨知」 「テクノロジー」 専門家の知恵に誰もがアクセスできる社会 誰⼀⼈取り残さ ない社会づくり 専⾨家の 業務効率向上 企業の⽣産性‧ 競争⼒の向上 MISSION 46 専門知 テクノロジー ×
47. Be the Professional-Tech Company. ご清聴ありがとうございました 専⾨家の知恵を、テクノロジーで 誰もが使える「次の常識」へ ⼀緒に、世界を前へ進めませんか？