[Data & AI Summit '25 Fall] AIでデータ活用を進化させる！Google Cloudで作るデータ活用の未来

https://cloudonair.withgoogle.com/events/data-ai-summit-25f での登壇資料です。

アソビューでは社内の AI 活用は進む一方で、データ活用そのものに AI が使えていない課題がありました。
現在データ基盤は 0→1 から 1→100 に進むフェーズにあり、よりデータ活用を加速するためにもこの課題は無視できない課題でした。
この課題を解決し、データ基盤の介在価値をより高めるために BigQuery + Looker を軸とした Google のデータ エコシステム全体を活用する方針 を決めたアソビュー。その背景や今後の展望をお話します。

Transcript

1. アソビュー株式会社 AIでデータ活用を進化させる！
 Google Cloudで作るデータ活用の未来
 Google Cloud 主催 Data & AI Summit '25 Fall

2. © ASOVIEW Inc. 2 今おすすめのおでかけ 
 
 ワーナーブラザース スタジオツアー東京 メイキング・オブ・ハリー・ポッター 
 2019年アソビューにSREとして入社後、アプリケーション環境のリプレ イスやIaCの基盤の構築などを担当し、 2022年にデータ基盤チーム を立ち上げ。
 データ基盤チームでは DATA Saberとしてデータ分析の実施や機械 学習のアプリケーションへの活用など、データに関わる分野に幅広く 対応しながらアソビューのデータ基盤を構築中。 
 現在はこれまでの経験を活かし、技術戦略部を率いる立場に。 
 
 自己紹介
 霧生 隼稀
 アソビュー株式会社
 技術戦略部 部長
 JUNKI KIRIU
 X（旧姓Twitter）: @tvw_kirimaru

3. © ASOVIEW Inc. 3 会社名 アソビュー株式会社 設⽴年⽉⽇ 2011年3⽉14⽇ 10億円（資本準備⾦含む） 資本⾦ 所在地 東京都品川区⼤崎1-11-2 ゲートシティ⼤崎イーストタワー 8F 従業員 197名（2025年6⽉末時点） Zキャピタル株式会社 / フィデリティ‧インターナショナル 三井不動産株式会社 / 株式会社ジャフコ 株式会社グロービス‧キャピタル‧パートナーズ JICベンチャー‧グロース‧インベストメンツ株式会社 地域創⽣ソリューション株式会社 新⽣企業投資株式会社 / きらぼしキャピタル株式会社 南都キャピタルパートナーズ株式会社 三⽣キャピタル株式会社 他 株主 会社概要

4. © ASOVIEW Inc. 4 ⽣きるに、 遊びを。 モノ消費からコト消費の時代へと 変化した現在。 物質的、⾦銭的な豊かさだけではなく ⼼の豊かさ「Well-being」を実感できる社会を “遊び”を通じて実現します。 © ASOVIEW Inc. 
 4

5. © ASOVIEW Inc. 5 “遊び”に特化したプラットフォームを中⼼に5つの領域でサービスを展開 地域の観光誘客を サポート 地域ソリューション 遊び体験をプレゼント 業務DXソリューション 遊び予約サイト 5 WEB、オフラインを 活⽤したプロモーション 広告事業 遊び体験を提供! アソビュー!に 遊び体験を掲載 ウラカタで 業務管理‧分析 商品開発 販路整備 販売促進 パートナー レジャー施設 体験事業者 アソビュー!で 遊びを予約 次の休みは何しよう？ アソビュー!ギフト 知⼈に遊び体験を プレゼント 顧客への販促物として 体験ギフトを利⽤ ゲスト 顧客満⾜度を⾼めたい 企業 旅⾏ 休⽇‧週末 観光を通して 地域経済を活性化した い 地⽅⾃治体 ナショナルクライアン トを中⼼とした 広告主 ソリュー ション 提案 サービスの全体像

6. © ASOVIEW Inc. 6 今までのアーキテクチャ（2022年 ~ 2025年）
 Data Source Data Ingestion Data Lake Data Mart / Transform BI / ML / Ops etc. Data Mart Snowflake External Table Cloud Storage RDS AWS Tokyo Data Lake BigQuery Google Analytics SaaS TROCCO SaaS Data Mart BigQuery 試験 利用 Argo Workflows Orchestration ETL Batch Java TROCCO SaaS Reverse ETL Java Terraform IaC Others ML Python
7. © ASOVIEW Inc. 7 今までのアーキテクチャ（2022年 ~ 2025年）
 Data Source Data Ingestion Data Lake Data Mart / Transform BI / ML / Ops etc. Data Mart Snowflake External Table Cloud Storage RDS AWS Tokyo Data Lake BigQuery Google Analytics SaaS TROCCO SaaS Data Mart BigQuery 試験 利用 Argo Workflows Orchestration ETL Batch Java TROCCO SaaS Reverse ETL Java Terraform IaC Others 構築のポイント①「構築スピード」 
 
 日本企業向けの豊富なコネクタとサ ポートの受けやすさで素早く導入可能 な TROCCO を採用。
 ML Python 構築のポイント①「構築スピード」 
 
 GA4 のデータなど、すでに一部存在 しているデータをそのまま活用できる BigQuery を採用。
 構築のポイント①「構築スピード」 
 
 利用実績のあった BI としてTableau を採用。

8. © ASOVIEW Inc. 8 今までのアーキテクチャ（2022年 ~ 2025年）
 Data Source Data Ingestion Data Lake Data Mart / Transform BI / ML / Ops etc. Data Mart Snowflake External Table Cloud Storage RDS AWS Tokyo Data Lake BigQuery Google Analytics SaaS TROCCO SaaS Data Mart BigQuery 試験 利用 Argo Workflows Orchestration ETL Batch Java TROCCO SaaS Reverse ETL Java Terraform IaC Others ML Python 構築のポイント② 
 
 純粋に API 単体だけで完結しない 
 データ連携では自前の ETL を構築。
 構築のポイント② 
 
 利用が広がるにつれ需要も増え、アプリ ケーション利用の用途も出てきた。 

9. © ASOVIEW Inc. 9 今までのアーキテクチャ（2022年 ~ 2025年）
 Data Source Data Ingestion Data Lake Data Mart / Transform BI / ML / Ops etc. Data Mart Snowflake External Table Cloud Storage RDS AWS Tokyo Data Lake BigQuery Google Analytics SaaS TROCCO SaaS Data Mart BigQuery 試験 利用 Argo Workflows Orchestration ETL Batch Java TROCCO SaaS Reverse ETL Java Terraform IaC Others 構築のポイント③ 
 
 運用が始まり、コストや速度面での課題から Snowflake の PoC を行いながら 2 つの DWH を利用していたが......
 ML Python
10. © ASOVIEW Inc. 10 データ基盤アーキテクチャ（2025年 ~）
 Data Source Data Ingestion Data Lake Data Mart / Transform BI / ML / Ops etc. External Table Cloud Storage RDS AWS Tokyo Data Lake BigQuery Google Analytics SaaS TROCCO SaaS Data Mart BigQuery Argo Workflows Orchestration ETL Batch Java TROCCO SaaS Reverse ETL Java Terraform IaC Others ML Python BI Looker NEW
11. © ASOVIEW Inc. 11 
 1. データ基盤のアーキテクチャ選定で重視しているポイント
 2. なぜデータ分析にこそ AI 活用が重要なのか
 3. Google Cloud のデータエコシステムを選択した理由
 4. Looker との展望
 今日話すこと
12. © ASOVIEW Inc. 12 
 1. データ基盤のアーキテクチャ選定で重視しているポイント 
 2. なぜデータ分析にこそ AI 活用が重要なのか
 3. Google Cloud のデータエコシステムを選択した理由
 4. Looker との展望
 今日話すこと
13. © ASOVIEW Inc. 13 ROI
 データ基盤のアーキテクチャ選定で重視しているポイント

14. © ASOVIEW Inc. 14 なぜ ROI を重視しているか？
 
 • データ基盤はお金がかかる
 • 事業価値が出るまでのリードタイムが長い 
 
 
 
 データ基盤のアーキテクチャ選定で重視しているポイント

15. © ASOVIEW Inc. 15 データ基盤を構築する = データを移動させること
 
 データ基盤の価値のひとつに、様々なデータを一緒に分析できることがある。 
 しかしそのためにはデータの移動が必要。そしてデータの移動にはお金がかかる。 
 
 データ基盤はお金がかかる
 オリジン 
 DWH
 転送・変換

16. © ASOVIEW Inc. 16 データは貯めるだけでは価値が出ない
 
 当然だがデータは見られて初めて価値が出る。 
 しかし BI にもお金がかかる。データ基盤は長期的なプロジェクト。 
 事業が続きデータが増えればクエリは重くなりこれは加速する。 
 
 データ基盤はお金がかかる
 オリジン 
 BI
 DWH
 転送・変換
 クエリ

17. © ASOVIEW Inc. 17 データから価値を出すには多くのステップが必要
 
 ROI を意識せずデータ基盤を構築してしまうと、 
 ただお金が出ていくだけになってしまう。 
 データ分析は事業価値が出るまでのリードタイムが長い 
 ダッシュ ボード
 を作成
 インサイト 
 を得て
 アクション 
 を起こし 
 価値を生む データ基盤 
 を構築
18. © ASOVIEW Inc. 18 だからこそ、「早く・安く・うまい」データ基盤を
 
 事業価値のある「うまい」データを、
 できる限り「安く」運用・利用できる状態で、
 「早く」提供することがデータ基盤にとって非常に重要。 
 
 そしてこれからの時代は、ここに加えて「 AI の活用」が肝になってくる。
 
 データ基盤はお金も時間もかかる

19. © ASOVIEW Inc. 19 
 1. データ基盤のアーキテクチャ選定で重視しているポイント
 2. なぜデータ分析にこそ AI 活用が重要なのか 
 3. Google Cloud のデータエコシステムを選択した理由
 4. Looker との展望
 今日話すこと
20. © ASOVIEW Inc. 20 データ基盤の ROI を最大化するためには
 価値を生むアクションの数を増やす必要がある
 
 なぜデータ分析にこそ AI 活用が重要なのか
 ダッシュ ボード
 インサイト 
 アクション データ基盤
21. © ASOVIEW Inc. 21 データ分析は難しい
 
 しかし、アクションを増やすためのダッシュボードの作成やインサイトを得る部分は専門的な 知識が求められ、アクションの数を最大化するためのボトルネックになってしまう。 
 なぜデータ分析にこそ AI 活用が重要なのか
 ダッシュ ボード
 インサイト 
 アクション データ基盤
22. © ASOVIEW Inc. 22 アソビューでの今まで
 
 自身を含め DATA Saber（Tableauのコミュニティ）で、CPO・エンジニア・マーケターなど、 データ基盤に一番近い担当者と、価値を生むアクションに一番近い担当者が職種を問わず 自発的に学んでいた。
 これにより、より価値のあるデータを作り、アクションの数を増やしてきた。 
 しかしこれだけでは学んだ担当者がボトルネックになるばかりで、直接的な利用者の数は大 きく変化していかなかった。
 なぜデータ分析にこそ AI 活用が重要なのか

23. © ASOVIEW Inc. 23 生成 AI の進化により、ボトルネックが解消する
 
 今まで専門的な知識が必要だったデータ分析が、生成 AI を活用することで一部代替でき るようになった。
 なぜデータ分析にこそ AI 活用が重要なのか
 ダッシュ ボード
 インサイト 
 アクション データ基盤
24. © ASOVIEW Inc. 24 今まで効率化が難しかったダッシュボード作成やインサイトを得る作業の効率が上がるだけで なく、
 なぜデータ分析にこそ AI 活用が重要なのか
 ダッシュ ボード
 インサイト 
 アクション データ基盤 ×
25. © ASOVIEW Inc. 25 今まで直接データ基盤にアクセスできなかった担当者が AI を通してインサイトを得やすくなる ことで、
 なぜデータ分析にこそ AI 活用が重要なのか
 ダッシュ ボード
 インサイト 
 アクション データ基盤 ×
26. © ASOVIEW Inc. 26 データ基盤から生み出すアクションを大きく増やす助けになる 
 なぜデータ分析にこそ AI 活用が重要なのか
 ダッシュ ボード
 インサイト 
 アクション データ基盤 × ×
27. © ASOVIEW Inc. 27 データ分析での AI 活用は、事業価値を生む
 
 注目されている生産性向上だけではなく、 
 データ分析での AI 活用は事業活動に直接関わり、事業価値を生むことになる。 
 エンジニアがデータ基盤に対して行った「 1」を生む仕事が
 これまで「4」の事業価値を産んでいたところが、 
 AI 活用により「10」にも「100」にもなり得る。
 そしてこれが今までかかっていたリードタイムを大幅に短縮して創出される。 
 
 だからこそ今データ分析に AI 活用が求められている。
 なぜデータ分析にこそ AI 活用が重要なのか

28. © ASOVIEW Inc. 28 まとめ①
 データ基盤のアーキテクチャを決める 2 つのテーマ
 AI 活用
 「早く・安く・うまい」 

29. © ASOVIEW Inc. 29 
 1. データ基盤のアーキテクチャ選定で重視しているポイント
 2. なぜデータ分析にこそ AI 活用が重要なのか
 3. Google Cloud のデータエコシステムを選択した理由 
 4. Looker との展望
 今日話すこと
30. © ASOVIEW Inc. 30 DWH の選定ポイント①「早く・安く・うまい」
 
 元々利用料金に課題があり、他の DWHのPoCを開始していた。
 
 しかしアソビューでの利用用途では、
 比較検討した DWH との致命的な価格差が Editions を採用することで出なかった。
 Google Cloud のデータエコシステムを選択した理由

31. © ASOVIEW Inc. 31 Editionsとオンデマンド
 
 Editionsはその価格体系以外にも、ワークロードの分離やオンデマンドも同時に利用でき ることもあり、運用に柔軟性が生まれて事故も少なくなる。 
 DWH の選定ポイント①「早く・安く・うまい」
 データ変換のワークロード 
 プロジェクトA
 オンデマンドで利用
 データ分析のワークロード 
 プロジェクトB
 機械学習のワークロード 
 プロジェクトC
 別々の予約スロットを利用 

32. © ASOVIEW Inc. 32 Google Cloudとの連携で気付けた価値
 
 これ以外にもGoogle Cloudと密に連携をとらせていただいたことで 
 • LookerにBIを寄せることでパフォーマンスや料金を抑えられる可能性 
 • IAMで今までできないと思っていた権限管理ができたこと 
 • 細かな最適化の設定や運用方法 
 など、今まで気付けなかった部分や知らなかったサービス・機能が出てきた。 
 
 こうしたサポートへの信頼感と「Google Cloud全体」での提案に強みがあった。
 DWH の選定ポイント①「早く・安く・うまい」

33. © ASOVIEW Inc. 33 ブログでも
 
 今回の判断に伴う検証はブログでも発信しています。 
 今後もEditions周りの設定や運用について発信していきます！ 
 DWH の選定ポイント①「早く・安く・うまい」

34. © ASOVIEW Inc. 34 DWH の選定ポイント②「AI活用」
 
 AI 活用観点では
 • データと AI が近い場所にあること
 • Looker と LookML の存在
 の2つが大きな決め手となった。
 Google Cloud のデータエコシステムを選択した理由

35. © ASOVIEW Inc. 35 Google Cloud のエコシステムを最大限活用できる
 
 Vertex AI, Gemini Enterprise, Conversational Analytics Agentなど、
 BigQuery にデータが存在することで Google Cloud のエコシステムの利用が容易にな る。
 もし他の DWH でデータを持っていてこれらを活用すると、まずはデータを持ってくるところ から始めなければならず、活用のハードルが上がる。 
 生成 AI の活用において Google のプラットフォームを活用できることは大きなアドバン テージとなる。
 DWH の選定ポイント②「AI活用」: データと AI が近い場所にあること

36. © ASOVIEW Inc. 36 AI 活用を支える「セマンティックレイヤー」
 
 Looker を形作る LookML はビジネス指標やデータの関係性を定義できる 
 セマンティックレイヤーとして機能します。 
 これは BI への活用だけでなく、生成 AI にデータの意味を与えられることで AI 活用にも大 きな意味を持ちます。データだけでは与えられない意味をコンテキストとして与えられること で、一気に AI Ready なデータに変貌します。
 
 これが BigQuery の近くにあり、Google Cloud のエコシステムのひとつとして活用できる ことで、相互に活用を広げていくことができる。 
 DWH の選定ポイント②「AI 活用」: Looker と LookML の存在

37. © ASOVIEW Inc. 37 
 1. データ基盤のアーキテクチャ選定で重視しているポイント
 2. なぜデータ分析にこそ AI 活用が重要なのか
 3. Google Cloud のデータエコシステムを選択した理由
 4. Looker との展望
 今日話すこと
38. © ASOVIEW Inc. 38 社外提供 × AI 活用
 Looker との展望

39. © ASOVIEW Inc. 39 この先には
 Looker との展望: 社外提供 × AI 活用
 ダッシュ ボード
 インサイト 
 アクション データ基盤
40. © ASOVIEW Inc. 40 この先にはアソビュー！のプラットフォームと
 遊びを提供していただいている事業者さんがいる。
 Looker との展望: 社外提供 × AI 活用
 ダッシュ ボード
 インサイト
 アクション データ基盤 遊び予約サイト
41. © ASOVIEW Inc. 41 Looker を通した社外へのダッシュボードの提供と AI 活用により、社内のアクションの先に ある事業者さんの元まで直接価値を届けられるようになる！ 
 Looker との展望: 社外提供 × AI 活用
 ダッシュ ボード
 インサイト
 アクション データ基盤 遊び予約サイト × × ×
42. © ASOVIEW Inc. 42 アソビューは
 遊びのプラットフォームとしてだけではなく
 
 遊びの「データ」プラットフォームとして
 これからも成長していきます！
 まとめ②

43. © ASOVIEW Inc. 43
44. 生きるに、遊びを。