Share
Embed
メルカリの小規模チーム「Pod」で、 エンジニアがデータアナリストなしで、 AIを使ってデータ分析の自走を目指す取り組み
メルカリでは「Pod」という少人数チームで、AIを活用した開発プロセスを回す取り組み「AI PDLC」が今年から始まっています。その中でエンジニアは、バックエンドやフロントエンドなどのエンジニア技術の壁だけでなく、データ分析やデザインなどの職種の壁も越境しようとしています。メルカリのデータアナリストが培ってきた分析のスキルを、AIを通じてエンジニアが使えるようになるために、データエンジニアとしてどのように取り組んでいるかの過程をお話しします。
登壇: https://japan-d2.connpass.com/event/407118/
jackojacko_
November 17, 2026
Transcript
31 slides
-
メルカリの小規模チーム「Pod」で、 エンジニアがデータアナリストなしで、 AIを使ってデータ分析の自走を目指す取り組み セマンティックレイヤーなどを「だれに」「いつ」届けるか 2026/11/17 株式会社メルカリ BI Product(兼務:AI PDLC Enablement)
じゃっこ / hira AIを本番で動かし続けるためのデータ基盤・活用のリアル #AIDataReal -
今日持ち帰ってほしいこと セマンティックレイヤーや Skill をつくるのは出発点。 「だれに」「いつ」届けるかを決めないと使われない やってみて、まだまだだと感じた話です。正解ではなく、反省の共有です。 この先どうすればいいかを、一緒に考えてもらえるとうれしいです なにを渡すか 出発点 指標の定義と分析の手順
(セマンティックレイヤー・Skill) だれに渡すか その人の所属と案件に合うもの なにを渡すか だれに渡すか いつ渡すか いつ渡すか その人の仕事の段階に合うとき 2 / 31 -
今日の流れ 導入 自己紹介、 AI PDLC とは、 最初の仮説 課題と打った手 振り返り ネクスト
Pod で メルカリの事例を、 これからつくる仕組み 出た4つの課題と、 データエンジニア業界の (構想とつくりかけ) 打った手 用語に当てはめる まとめ ここまでの整理と、 持ち帰り3点 課題と打った手は、実際に起きたこと。ネクストは、これからつくる仕組み なにを渡すか だれに渡すか いつ渡すか 3 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 今年からデータアナリスト→データエンジニアになりました
事業に近い問い・判断の基準・暗黙知を持って職種を変えた 登壇者インタビュー(mercan) 「積み上げた暗黙知をAIに載せ、仕組みで届ける(データエンジニア @hira)」 5月の登壇「AI時代に、データアナリストがデータエンジニアに異動して」(Findy)の続きの話です / X:@jackojacko_ なにを渡すか だれに渡すか いつ渡すか 4 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 分析AIエージェント「Socrates」を
入り口にしたデータパイプライン 人とAIが探す入り口 mercan:「構想1ヶ月でローンチ。メルカリの新分析ツール「Socrates」が高速で開発できた理由」 ブログ:「メルカリの効率的なデータ活用を支えるデータインタフェース Basic Tables」 なにを渡すか だれに渡すか いつ渡すか 5 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ Socrates
の画面:ことばで聞くと、表とグラフで答える 1 ことばで聞く 2 指標の定義とテーブルを調べる 3 SQL を書いて実行する 4 表とグラフで返す 例:「先月のカテゴリー別 GMV を教え て」 人は SQL を書かなくてよい 中に持っているもの Skill 分析の手順。 複雑な計算の書き方も持つ ※画面の数値はダミー 画面の出典:データ利活用分科会 #33「データエー ジェントのためのナレッジカタログ」 使い方の例 Power Analysis の Skill で 人数を計算 Looker の指標、BigQuery のテーブル 主なポイントも添える Knowledge テーブル・指標・社内の言葉。 OKF 形式で、次からつくる Looker 使い方の例 dbt BigQuery の 監査ログ 全社で使う GMV の定義 だれでも、データをことばで聞ける 2025年4月 社内でリリース なにを渡すか だれに渡すか いつ渡すか 6 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ :
を前提にした、新しい開発の進め方 AI PDLC AI その中で、プロダクトマネージャーとエンジニアの少人数のチーム「Pod」を提案しています 依頼 これまで 工程ごとに人がいて、 数字は データアナリストに頼む プロダクト マネージャー クライアント サーバー エンジニア Pod エンジニアが 全部一人で自走 AIエージェントが並走 役割の分け方 工程ではなく、 責任で分ける プロダクト エンジニア マネージャー プロダクトマネージャー 課題を見つけ、顧客価値と 事業の成果に責任を持つ QA デザイナー クライアント サーバー QA デザイン データ分析 データアナリスト 聞く エンジニアがひとりで全部やる Socrates エンジニア データアナリスト 仕様・実装・QA を担い、 常駐せず、効く局面に絞って入る アプリもサーバーも横断して届ける 例:エンジニアが書く実験の 計画書(EDD)と分析書を確かめる 今日は、Pod のエンジニアとプロダクトマネージャーが Socrates を使った話です なにを渡すか だれに渡すか いつ渡すか 7 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ なぜ
AI PDLC か:個人は速くなり、チームは変わらなかった AI で一人ひとりは速くなりました。でも、工程ごとに受け渡す進め方のままで、チームの成果は伸びませんでした 個人 チーム AI で、つくる速さが上がった 職種をこえてつくれるようになった 一人でつくれる範囲が、大きく広がった これまで 工程1 Pod 工程2 工程3 工程4 工程1〜4を、途切れずに一貫して進める これまで:工程ごとに受け渡し、つなぎ目で詰まった Pod:途切れずに、一貫して進められる そこで 決めてからつくる、から 少人数で、役割を工程ではなく責任で分けたのはこのため つくりながら決めるへ 先に動くものをつくり、モックで認識をそろえながら仕様にする 1月 設計 課題を整理し、方針を決める 4月 試す いろいろな案件で型を試す 2026年、3か月ごとにやり方をつくり直してきた 7月 型にする 学びを反映し、型を再現する なにを渡すか だれに渡すか いつ渡すか 10月 全社へ 仕組みにして、全社に広げる 8 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ AI
PDLC で使っている、社内の3つの道具 Socrates JB Data の BI Product 分析の AI エージェント ことばの質問に、データを調べて答 える。指標の定義・分析の手順 (Skill)・過去の事例を読む 使い方の例 Power Analysis の Skill で必要な 人数を計算する/データを見る権 限を申し込む Nemo JB Data の Strategic Experimentation & Analytics Team 実験づくりの AI エージェント A/Bテストの計画づくりを手伝う 使い方の例 過去の指標から、 見る指標(Metrics)の候補を 洗い出す PJMem AI PDLC Enablement 案件の経緯の記録 案件ごとに、いつ何が決まったかを 残す。AI に読ませて使う 使い方の例 案件のこれまでの経緯を、AI に調 べさせる 次の仮説に出てくる質問の多くは、この3つで答えられるはず A/Bテスト:利用者を2つに分け、変更あり・なしの差を比べる実験 / Power Analysis:差を見つけるのに要る人数と日数を、先に計算すること Metrics:取り組みの良し悪しを決めるために見る指標 / 名前の下:その道具をつくった社内のチーム(JB Data は社内のデータの組織) なにを渡すか だれに渡すか いつ渡すか 9 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 仮説:データアナリストへの質問の4分の3は、AIで答えられる
6 4 17% 5 8% 9% 76% 仕組み・AIで 答えられるはず 3 19% 1 24% 2 23% 質問の行き先(多い順) 割合 答える道具 1 人の判断が要る(アナリストが答える) 24% データアナリスト 2 指標の定義を調べる・決まった数字を出す 23% Socrates 19% 3 Socrates データの意味や使い方を調べる 4 17% PJMem 案件のこれまでの経緯を調べる 9% Nemo・Socrates 5 実験の計画を立てる・確かめる 6 8% Socrates データを見る権限を申し込む 人の判断が要るのは、24%(約4分の1) データアナリストに Slack で届いた1週間分の質問を、行き先ごとに分けた。Pod 以外からの質問も入っている。予定のやり取りなど、分析以外は除いた なにを渡すか だれに渡すか いつ渡すか 10 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題と打った手
Pod で出た4つの課題と、打った手 2026年7月〜10月に、少しずつ足していった なにを渡すか だれに渡すか いつ渡すか 11 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 定義はそろえられた。でも、それだけでは解決しない課題が出てきた
1 どの指標か なにを 2 いつ使うか いつ 3 うまくいかない だれに いつ 4 使ったあと いつ 課題 自分のチームの指標が わからない いつ使えばいいか 伝わっていない 使ってもうまくいかない 質を確かめにくい データアナリストに 声が届かない 打った手 データアナリストが 定義と Skill をつく り、 Plugin で配る Plugin に、 段階ごとに使う 道具を書く うまくいかない中身を 試用会で分ける 計画書のレビュー Skill を配った 声が届く道はまだ 試用会では使えた 終わると使われない 「うまくいかない」が3種類 直接伝え直すと改善 問いが専門家でないとつくれな い 仕上げ前のものが 「突然」届く 結果 チームごとの指標の 定義がそろった 「なにを」は打った手でそろった。止まったのは「だれに」「いつ」届けるか なにを渡すか だれに渡すか いつ渡すか 12 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か 課題:自分のチームの指標がわからない 2 いつ使うか 3 うまくいかない 4 使ったあと 最初に AI エージェント(Socrates・Nemo)だけを渡したときは、指標の候補がいくつも出ました 指標の候補がいくつも出て、どれが自分のチーム向けかわからない 全社の数字 送料を含めた注文の金額 GMV 広告のチーム 広告をクリックしてから X 日以内の購入だけ 売れた物の金額の合計 カテゴリーの分析 出品した日で数え、出品から Y 日以内に売れた物だけ どれも、その取り組みの効果を測るにはぴったり。 取り組む人には、その人が使う定義を渡さないと意味がない なにを渡すか だれに渡すか いつ渡すか 13 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題1:自分のチームの指標がわからない
課題 1 どの指標か 2 いつ使うか 3 うまくいかない 4 使ったあと 打った手:定義と Skill をつくり、Plugin で配る データアナリストがセマンティックレイヤーと Skill をつくり、Claude Code の Plugin に入れて渡しました Claude Code Plugin エンジニア Claude Code で 開発しながら相談 いつ・どの道具と Skill を使うかを書いた、短い Markdown ## 2. 計画する(Design) セマンティックレイヤー (Looker・dbt) - Nemo:見る指標の候補を出す Skill(AI向けの手順書) 結果:チームごとの指標の定義は、これでそろった 分析の AI エージェント Nemo 実験づくりの AI エージェント PJMem - Socrates:Power Analysis の Skill 中身は、その Pod に詳しいデータアナリストがつくる 指標の定義 分析の手順 Socrates 案件の経緯の記録 領域の決まりごと・ 過去の事例 知識の置き場 案件の経緯 PJMem Claude Code:AI にコードを書かせる開発ツール。Plugin は、その動き方を足す追加機能 なにを渡すか だれに渡すか いつ渡すか 14 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か 課題2:いつ使えばいいかが伝わっていない 2 いつ使うか 3 うまくいかない 4 使ったあと 打った手:段階ごとに使う道具を、Plugin に書いた Plugin が今の段階を判断し、使う道具に振り分けます 例:A/Bテストを設計したいとき 1. 調べる 2. 計画する 3. 試す 4. 結果を読む 5. 引き継ぐ 過去の経緯と仮説を整理 EDDと見る指標を決める A/Bテストで2案を比べる 続けるかを決める 見守る仕組みへ渡す Discovery Design Run Read-out Next Step Socrates:Power Analysis の Skill で、必要な人数と期間を計算する Nemo:過去の指標から、見る指標(Metrics)の候補を洗い出す 結果:試用会では使えた。 学び:終わると、ふだんの仕事では使われなかった なにを渡すか だれに渡すか いつ渡すか 15 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題3:使ってもうまくいかない
課題 1 どの指標か 2 いつ使うか 3 うまくいかない 4 使ったあと 打った手:8つの Pod の実際の案件で、試用会を開いた うまくいかない中身を、3つに分けました そもそも使っていない 試用会9回のうち6回は、 権限・社内ネットワーク・ 6/9 接続の設定で、 時間を取られていた 権限がないと、AI は「見られません」 と言わずに、 別のデータを黙って探して答えた 適切なコンテキストがない Pod が今どの段階にいるかを、 把握していなかった だから、その段階で確かめる 問いがつくれなかった 読む先を指定しても、 AI が読まずに答えた EDD や事例集を、Plugin で読む先に 指定していた。でも、狙ったときに読 み込まれていなかった 指標のつながりが抜けて、 使い方がずれる。試算もよくならない 結果:うまくいかないは3種類。外からは同じに見える。 学び:どれなのかは、実際のユースケースで確かめる なにを渡すか だれに渡すか いつ渡すか 16 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か 課題3:読む先を Plugin で指定しても、AI が読まずに推測で答えた 2 いつ使うか 3 うまくいかない 4 使ったあと 打った手:AI が参照する知識のあり方を、手動でもう一度伝えた 新規事業の試用会での例です いま:人と知識が、分断されている これから:決定論的な仕組みでつなぐ AI の推測まかせ 相談した人 所属:A Pod 事例集 この Pod で使う 知識には「この Pod で使う」とだけ書いてある。 相談した人がその Pod かは、AI にはわからない 相談した人 所属:A Pod 所属をたどる仕組み (オントロジー) 本人の所属をたどって、読む先を決める。 違えば本人が直す(25枚目) 事例集 A Pod で使う 結果:手動で伝え直すと、試算の精度がかなり上がった。 学び:人と知識を、LLM 頼りではなく決定論的な仕組みでつなぐ なにを渡すか だれに渡すか いつ渡すか 17 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か 2 いつ使うか 3 うまくいかない 課題3:Pod が「自分たちは今どの段階か」を把握しておらず、問いがつくれなかった 4 使ったあと 打った手:試用会の問いは、筆者が用意した 過去の知見から、問いをつくった 最初の数回は、質問を用意せずに臨んだ。問いが つくれず、試せなかった そこで、筆者のアナリスト時代の知見から Pod の状況を把握し、「もし自分が担当 アナリストだったら、その時期にどんな 問いを立てるか?」を考えた 段階ごとに、確かめる問いは違う Pod が今どの段階にいるかを把握していないと、その段階で 確かめる問いが決まらない 1. 調べる 2. 計画する 3. 試す 4. 結果を読む 5. 引き継ぐ 今、どの段階? 結果:試用会は進められたが、問いをつくるのは人のまま。 学び:今どの段階かがわかれば、その段階で確かめる問いが決まる なにを渡すか だれに渡すか いつ渡すか 18 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か 課題4:専門家以外だと、書いた計画書の良し悪しがわからない 2 いつ使うか 3 うまくいかない 4 使ったあと 打った手:計画書をレビューする Skill を配った 例:実験計画書 Skill は、配って終わりではない 書けても、良し悪しを判断しにくい エンジニアが 計画書を書く 良し悪しを 判断しにくい データアナリストと一緒に、育てていく。 理想は、データアナリストがふだんの仕事で 使っているものを、そのまま使うこと 仕上げ前の計画書で データアナリストの 見直しが増える 見る指標の選び方(目標と、悪化を見張る指標の違い)を、書く人に渡 せていなかった エンジニアという職種への期待値の変化 データ分析まで自分で進める プロダクトの判断の質に、責任を持つ お客さまに届く自信を深めてから、出す 結果:仕上げ前の計画書がデータアナリストに届き、見直しが増える。 学び:良し悪しの基準を、データアナリストとそろえていかないといけない なにを渡すか だれに渡すか いつ渡すか 19 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か 2 いつ使うか 3 うまくいかない 4 課題4:Pod がどこまで進み、どこで止まったかが、データアナリストから見えない データアナリストに声が届かない 使われなかったのか、役に立たなかったのか、 データアナリストからは見えない Socrates のログ (Skill が使われた記録) が使われないと、 残らない Skill 必要な分析を始めたかも見えない 残る 使ったあと 経緯の記録と、今の状態は別もの PJMem(案件の経緯の記録)は経緯をすべて残すログ。 Pod の今の状態は、別に示す必要がある 案A 変更 保留 案B 再検討 ? 今の状態はどれ? 結果:データアナリストには、仕上げ前のアウトプットが「突然」届く。 学び:今の状態が、他の人にも簡単に見えれば、書き終わる前から関われる なにを渡すか だれに渡すか いつ渡すか 20 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 振り返り
データ基盤の言葉に当てはめると ここまでの4つの課題を、 データ基盤(データを集めて整え、使えるかたちにする仕組み)の言葉で整理します なにを渡すか だれに渡すか いつ渡すか 21 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ データ基盤の3つの層は、主に「なにを」をくわしくする
セマンティックレイヤー オントロジー 答える問い: いくら? どう計算する? 例: 売上 = 注文金額の合計 − 返金 答える問い: それは何? 何とつながる? 例: 注文は、お客さまがするもの 指標の計算式の辞書 言葉と関係の地図 コンテキストレイヤー 使う人と場面で、渡すもの を選ぶ 答える問い: 今この人に、どれを渡す? 例: 使ってよいか、どの版が有効か 辞書と地図は「なにを」を正確にする。「だれに」「いつ」を扱うのはコンテキストレイヤー なにを渡すか だれに渡すか いつ渡すか 22 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 各社の製品は、使ってよい人か、有効な版かで渡すものを選ぶ
データ基盤の製品をつくる会社も、コンテキストレイヤーにあたる機能を出し始めています 会社と製品 Databricks Genie Ontology Snowflake Business Ontology Atlan Context Layer メルカリ Socrates と Plugin だれに渡すかの決め方 いつ渡すかの決め方 その人が見てよい定義だけを残す。定義がぶつかった 新しさ ら、使われた回数・つくった人・新しさで順位をつけ る 定義ごとに持ち主と範囲を書き、認められたものだけ 承認済みかどうか を渡す 呼び出した人が、それを使ってよいかを確かめる 今有効な版かどうか 業務の責任境界(所属と案件)から、読むものを明示 その人の仕事が今どの段階か 的に紐付ける で、次にやることを選ぶ 各社の「いつ」は、どの時点の定義が有効か この話の「いつ」は、仕事が今どの段階か なにを渡すか だれに渡すか いつ渡すか 23 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ ネクスト
これからつくる仕組み ここからは、構想とつくりかけのもの。現場で試したのは、まだ一部だけです なにを渡すか だれに渡すか いつ渡すか 24 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か いつ使うか 「だれに」を仕組みに:所属から、読む先を決める 社内の所属データで、その人 の部署を調べる Pod のメンバー表で、どの Pod かを調べる 2 対応表で、そのチームが読む Skill と事例集を決める 3 うまくいかない 4 使ったあと 結果を本人に見せる。違えば 本人が直す Socrates の返事(架空の例) あなたは「◦◦チーム」の人だと判定しました(メンバー表より)。読む資料は「◦◦領域の事例集」と「案件の経緯 (PJMem)」です。違っていたら「チームは××」と返してください この対応表は、業務の責任境界に合わせて人が決める、小さなオントロジー まだできていないこと:表は手で直している。2つのチームをかけ持ちする人は、所属だけでは決められない。本番で確かめられたのは「どのチームに も入っていない」と出た場合だけ なにを渡すか だれに渡すか いつ渡すか 25 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か いつ使うか うまくいかない 「いつ」を仕組みに:今の状態と、止まった所を見えるようにする 2 3 4 使ったあと 経緯(PJMem)とは別に、プロジェクトの今の状況を観測できるようにします PJMem 経緯のログ。 いつ何が起きたか 今のスナップショット 進行中 今どの段階で、何が決まったか。 確かめた事実だけ 止まった所が見える 使っていない Pod に気づき、 書き終わる前から関われる 経緯(ログ)と今(スナップショット)を分けて置く 手がかり:試用会で案件1つに絞って読ませたら、計画書の足りない点を担当ごとに10件出せた なにを渡すか だれに渡すか いつ渡すか 26 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 課題
1 どの指標か いつ使うか うまくいかない 「いつ」を届ける:段階を見て、こちらから知らせる 2 3 4 使ったあと PJMem から案件の段階をつかみ、次に確かめる分析と使う Skill を、こちらから知らせます(プッシュ型) PJMem から判定:今は「2. 計画する」 構想中 1. 調べる 2. 計画する 3. 試す 4. 結果を読む 5. 引き継ぐ 過去の経緯と仮説を整理 EDDと見る指標を決める A/Bテストで2案を比べる 続けるかを決める 見守る仕組みへ渡す Discovery Design Run エンジニアとプロダクトマネージャーへ A/B テストの計画書を書く必要があります Power Analysis の Skill で、サイズが足りるか計算しましょう Read-out Next Step データアナリストへ この Pod から、計画書のレビューが来週届きます いつレビューが来るかがわかり、書き終わる前から関われる 使う人が気づく前に、その段階でやることを届ける 知らせる中身の精度が低いと、無視されて信頼を失う。精度を確かめながら、小さく始める なにを渡すか だれに渡すか いつ渡すか 27 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ コンテキストをエンジニアに届けるための、課題・打った手・結果・ネクストのまとめ
課題 打った手 1 どの指標か 2 いつ使うか 使ってもうまくいかない 3 定義と Skill をつくり、 Plugin で配る 段階ごとに使う道具を、 Plugin に書いた + チームごとの指標の定義は、 これでそろった + 試用会では使えた − ふだんの仕事では使われなかった そもそも使っていない 8つの Pod の実際の案件で、 試用会を開いた − 試用会9回のうち6回は、権限・ 接続の設定で時間を取られた AI が読まずに答えた AI が参照する知識のあり方を、 手動でもう一度伝えた + 手動で伝え直すと、 試算の精度がかなり上がった + 試用会は進められた − 問いをつくるのは人のまま 適切なコンテキストがない 試用会の問いは、筆者が用意した 使ったあと 4 結果 + うまくいったこと − 改善点 良し悪しがわからない 計画書をレビューする Skill を配った 止まった所が見えない まだない − 仕上げ前の計画書が データアナリストに届き、 見直しが増える − データアナリストには、 仕上げ前のアウトプットが 「突然」届く なにを渡すか だれに渡すか いつ渡すか ネクスト 過去の事例も AI が読めるかたちにし、 Plugin でもチャットでも使えるようにする 段階を見て、適切なタイミングで知らせる データアナリストが、今の状態と 止まった所を見る → エンジニアに、 適切なタイミングで使うよう促す 所属から、読む先を仕組みで決める 今のスナップショットで段階をつかみ、 その段階で確かめる問いを決める レビュー Skill は、データアナリストと 育てる。期待値はマネージャーから伝える 書き終わる前から、データアナリストが 今の状態を見て関われる 28 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ ここまでの整理:いま詰まっているところと、これから
いま これから なにを 定義と Skill は、 Plugin で配れた 過去の事例も、AI が読める資料にする レビュー Skill はデータアナリストと育てる だれに 読む先を指定しても、 AI が読まずに答えた (手動で伝え直すと当たった) 人と知識を、LLM 頼りではなく 決定論的な仕組みでつなぐ(所属から読む先を 決める) いつ いつ使うか伝わっていない そもそも使っていない 今どの段階かを把握していない どこで止まったか見えない 今の状態と止まった所を見えるようにする 段階を見て、適切なタイミングで知らせる 使っていない人にも、使うよう促す なにを渡すか だれに渡すか いつ渡すか 29 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ 今日持ち帰ってほしい3つのこと
セマンティックレイヤーや Skill をつくるのは出発点。「だれに」「いつ」届けるかを決 めないと使われない うまくいかないには3種類ある。そもそも使っていない、適切なコンテキストがない、 読む先を指定しても AI が読まずに答えた。 どれなのかは、実際のユースケースで確かめる 案件が今どの段階か、誰がどこで止まったかをデータアナリストが見て、 エンジニアに適切なタイミングで使うよう促せる道を、一緒につくる データ組織の次の仕事は、人と知識を、LLM 頼りではなく決定論的な仕組みでつなぐこと なにを渡すか だれに渡すか いつ渡すか 30 / 31 -
導入 › 課題と打った手 › 振り返り › ネクスト › まとめ We
are hiring! 積極採用中! カジュアル面談も積極的に実施しています。🙌 メルカリはデータ組織を含む全職種で積極採用中です。 気になるポジションがあれば、ぜひ一度お話ししましょう! 🔗データ組織募集ポジション BI Product(登壇者のチーム)の募集 Manager, Analytics Engineer:apply.workable.com/mercari/j/0CFBF11B9E/ Senior Analytics Engineer:apply.workable.com/mercari/j/624F89F225/ BI Product (EM) Engineering Manager, Data Ingestion:apply.workable.com/mercari/j/A29021CC47/ Senior Data Management Specialist:apply.workable.com/mercari/j/E9EEC9F115/ Data Ingestion Data Management (EM) (Senior) JB Data の別部署の募集 BI Product (Senior) 🔗株式会社メルカリ - 採用情報 careers.mercari.com/ なにを渡すか だれに渡すか いつ渡すか 31 / 31