データマネジメント戦略Night - 4社のリアルを語る会

2026年3月19日(木)に実施された「データマネジメント戦略Night - 4社のリアルを語る会」での発表資料です。
イベントページ：https://sansan.connpass.com/event/383547/
登壇者：株式会社GA technologies Data本部 Data Management チーフ 是枝達也

1. 不動産テックの データマネジメント戦略 株式会社GA technologies Data本部 Data Management チーフ 是枝達也
2. 自己紹介 名前 是枝 達也 / Tatsuya Koreeda 略歴 株式会社GA technologies, Data本部 Data Management チーフ 趣味 バイオインフォマティクス研究 資格・アワード Snowflake Data Superhero 2026 Snowflake Squad SnowPro Core 2
3. 3 本講演のアウトライン GA technologiesにおけるデータ活動 不動産領域におけるデータ活動・事例について データ基盤が目指すべき方向性 データマネジメント・データ活用の戦略 課題と今後の方向性 データ活動をプロフィットセンターへ 01 02 03
4. 会社紹介 / GA technologiesの概要
5. 事業紹介 / RENOSY
6. データ基盤構成図 6 Data Ingestion Data Lake/Warehouse pipeline version management Data Lineage Data Catalog Reverse ETL Snapshot/Transaction Data Sales Operations Web site access logs Internal Operations BI Tool Ad Platform
7. GA technologiesにおけるデータ活動
8. データ組織：プラットフォームからアプリケーションまで Data Management 基盤整備 高品質で安全なデータ提供 Data Analytics 意思決定のための データサポート Applied ML AI開発・運用 ML基盤 開発・運用 プラットフォーム アプリケーション AISC R＆D DX促進 各テック機能 バックエンド フロント SRE QA ... CDO：データ組織 テクノロジーインキュベーション室 テクノロジー全般の戦略策定、組織開発、プロジェクト管理
9. 9 不動産領域におけるデータ活動の特徴 ① サイロ化されたデータ • 事業主体や目的のばらつき • データソース・仕様の多さ ② 多様なデータ • 非構造化データ • 構造化データ ③ 未発掘のユースケース • 不動産xデータに関わる プレイヤーの少なさ データを標準化すること、 つながることで価値が生まれる 生成AI技術などで一足飛びに 活用フェーズが広がっている 新しい標準を作る面白さ 事業貢献余地の高さ
10. 10 上流から下流までのデータ接点 物件保有者 (toC, toB) 集客 (PULL, PUSH) 投資 CP 実需 戸建 一棟 海外 セグ1 セグ2 セグ3 物件売却 （仕入） RENOSY オーナー 営業 (人, Tech) 集客 (PULL) 物件購入 （販売） 賃借人 Asset Management Property Management 物件調達 販売 物件マネジメント 物件売却（Buyer→Seller転換）
11. データ基盤が目指すべき方向性
12. 12 データ基盤でどう事業貢献していくのか データプラットフォーム データアプリ ケーション データアプリ ケーション データアプリ ケーション • データ基盤はただのプラットフォームでそれ自体で価値が出せる訳ではない • 基盤上に「何を載せるか」「どう下支えするか」が大切 • それによって、取得するデータや管理方法も変わってくる
13. 13 データ基盤でどう事業貢献していくのか データプラットフォーム データアプリ ケーション データアプリ ケーション データアプリ ケーション Peter Aiken’s Framework Data Management Framework • データ基盤はただのプラットフォームでそれ自体で価値が出せる訳ではない • 基盤上に「何を載せるか」「どう下支えするか」 が大切 • それによって、取得するデータや管理方法も変わってくる
14. 14 データ基盤でどう事業貢献していくのか データプラットフォーム データアプリ ケーション データアプリ ケーション データアプリ ケーション • データ基盤はただのプラットフォームでそれ自体で価値が出せる訳ではない • 基盤上に「何を載せるか」「どう下支えするか」が大切 • それによって、取得するデータや管理方法も変わってくる
15. 15 データマネジメントが目指すべき方向性 投資 1 利益 X倍 投資効率の高い経営 データ 利益 投資効率の高いデータ基盤 1の投資が、他の投資利回りを上回る利益を 生み出し、さらに再投資が加速する 仕組み データが貯まったら、アプリケーションが利益を 生み、さらに良質なデータに還元される 仕組み
16. 課題と今後の方向性
17. 17 課題の構造と目指す姿 As Is To Be サポート型の データマネジメント プロアクティブ型の データマネジメント 他チームの依頼に応える受動的な運⽤ → バリュー創出が⾒えづらい ⾃ら課題を発⾒し データで価値を⽣み出す組織へ 課題 ⽅向性
18. Data Analytics 意思決定のための データサポート Applied ML AI開発・運用 ML基盤 開発・運用 CDO：データ組織 Data Managementチームのデータ本部における位置付け データ基盤を整備し、社内外のデータで解決できる課題をプロアクティブに解決しにいく組織 18 Data Management データ活用促進 Data Management 高品質で安全なデータ提供
19. 19 データマネジメントチームがやるデータ活用促進例 業務①: データ基盤の⽴ち上げ‧ガバナンス体制の構築‧運⽤ => グループ会社‧組織のデータ活⽤の⼟台づくりに⼊り込む 業務②: ユーザーの業務課題をデータで解消 => 現場の課題をキャッチし、プロアクティブに解決しにいく 業務③: AI活⽤の⽀援‧AI基盤の構築と運⽤ => データ資産を活⽤したAIユースケースの創出と現場への浸透 業務④: データを活⽤した業務⽀援‧新プロダクトの開発 => データ基盤の蓄積を事業価値に直結させる
20. データマネジメントチームの 2つのロール 20 データプラットフォームエンジニア ・従来のデータマネジメントチームの業務。 データ基盤の整備や DMBOKベースのデータ マネジメントシステムを構築する データイネーブリングエンジニア ・ユーザーの課題をキャッチし、データで解決 して価値につなげる ・アナリストとの違いは、より「テック」で解決し にいくイメージ
21. Data本部、積極採用中です！ カジュアル面談お待ちしております！ AIソリューションエンジニア BIエンジニア（業務委託） アナリティクス・エンジニア データアナリスト データエンジニア
22. RENOSY トップページ RENOSYのオーナー様 になりませんか？
23. ご清聴ありがとうございました！