ステップで始めるLLMを活用したデータ民主化

primeNumber のスポンサーLT

Data Engineering Study #33 LLMを活用したデータ民主化の進め方
https://forkwell.connpass.com/event/377153/

Transcript

1. ステップで始めるLLMを活用したデータ民主化 Kenta Suzuki, CTO, primeNumber inc. Data Engineering Study 2026/01/30 「LLMを活用したデータ民主化の進め方」
2. 2 新ソリューション「primeBusinessAgent」 primeBusinessAgent は、データに基づいた意思決定を支援し、「仕組み」ではなく「成果」をご提供する、 primeNumberのエージェント型AIソリューションのシリーズ総称です。 エース依存組織からの脱却。 AIで勝てる営業チームへ AIが全ての商談を分析し、一人ひとりに的確なフィード バックを提供。 受注率は向上し「勝てる組織」へと変革し ます。 BtoB事業モデルの商談創出を強力に推進 顧客毎アプローチに確かな戦略を Buying Groupの可視化により、保有リードの動きと顧客社 内での役割を推測。具体のターゲッティングを支援。 総スコア AIによる商談の多角的分析・評価(定量×定性)で総合点を表示 評価レーダーチャート MEDDPICCR分析に基づき、商談進捗と不足情報を評価 受注・失注分析 なぜその商談は勝てたのか、あるいは負けたのか 推奨アクション 商談スコアを上げるための次のアクションをAIが提示 ？ 1. 役割の自動推定 行動データの分析で「推進者」 「決裁者」などの役割を特定 2.Buying Groupの自動生成 同一組織内で、同じ商材に興味が ある集団をBuying Group化 3.ライフサイクル管理 メンバーの入れ替わりなどに柔軟 に対応し、常に最新の構造を表示 従来のリード管理 primeMarketingAgentで実現する Buying Group管理 同じ組織でも、人を点で管理するのみ。繋がりや、組織的な 検討状態はブラックボックス化。 商談に関わる複数人の役割を判定し、意思決定のための組織 構成を可視化。 決裁権者 リードA リードB リードC リードD リードE 推進者A テクニカルバ イヤー 推進者B 利用者 primeBusinessAgentが 自動処理して構成 推進者Aのスコアは高い が、決済権者はそうで もない。手を打たなけ れば…
3. 3 3 鈴木 健太 株式会社primeNumber 取締役執行役員 CTO - Corporate Engineering - COMETA プロダクトオーナー - お客様にお会いして、プロダクト戦略 決めたり営業戦略を考えたりする日々 - Claude Code で高速にプロトタイプ 作ってお客様からフィードバックいた だくのが楽しい
4. 4 2025年は「LLMを活用したデータ民主化」が大きく進む メルカリにおけるデータアナリティクス AI エージェント「Socrates」と ADK 活用 事例 - Speaker Deck AIでデータ活用を加速させる取り組み / Leveraging AI to accelerate data utilization - Speaker Deck
5. 5 自社で構築 データLLMエージェント構築 2つの選択肢 マネージドサービス Snowflake Intelligence, Gemini in BigQuery ThoughtSpot, Lightdash
6. 6 • 人専用のデータカタログから 人とAI向けのナレッジストアへ • AIがナレッジを学習し、DWH上の集計 ・探索を代行 • データ部門の方々のパートナーとし て、社内のデータ民主化を推進
7. 7 TROCCO利用有無を問わず、多くの企業で導入進んでいます Lake Mart   DATABASE SaaS   Data Warehouse  BI  AI 対応DWH • BigQuery • Snowflake • Redshift ※COMETAにためたメタデータは、 DWHに書き戻すことも可能 マートやデータソース、 BIのリネージも可視化 • dbt • TROCCO • Tableau • など
8. 8 データAIエージェント構築の障壁は、ナレッジの整備 自社開発、マネージドサービスどちらを選 んでも、AIのためのナレッジ整備が課題に なる COMETAの解決策 1. AIによるメタデータ自動生成 2. 専門家の伴走サポート 3. Ambient に動くAIによるメタデータ 整備運用サポート（リリース予定）
9. 9 PoCで終わらせないためには、ゴール定義が重要 • 自社の経営指標につながる取り組みか ◦ 売上、利益、コスト、などなんらか経営指標に繋がらない取り組 みは長続きしない • 具体ユースケースの想定 ◦ ビジネスユーザーがどんな場面でどんなデータを利用してどんな 意思決定を行うことが価値につながるのか ◦ どういうステップで最終ゴールに持っていくのか
10. 10 BIでカバーできないアドホックな集計依頼 Sales Marketing アナリスト  AI  Data Warehouse Sales Marketing アナリスト  Data Warehouse ☺ アドホックな集計依 頼に忙殺 AIエージェントによ り集計業務を大きく 短縮
11. 11 (リリース予定) クエリ集で、アドホックな分析クエリを組織の資産に WITH句の中身(秘伝のタレ)など、よく使い 回すクエリをAIがナレッジ化 AIがクエリ集を参照しSQLを組 み立てる
12. 12 まとめ • メタデータの整備・運用こそがAIエージェントの肝 ◦ もちろん、データのモデリングも重要 • 経営指標につながるゴールを定義 • ステップを定め、着実に進めていく • COMETA紹介セミナー ◦ 2026年2月17日(月)15:00-16:00 • トライアル受付中 We are developing COMETA COMETAに少しでも興味お持ち頂けましたら