データ組織の転換期 一足飛びしない段階的戦略

「データマネジメント戦略Night - 5社のリアルを語る会」の登壇資料です
https://teratail.connpass.com/event/398181/

Transcript

1. データ組織の転換期 ⼀⾜⾶びしない段階的戦略 2026/07/29 データマネジメント戦略Night #2
2. 01 - ⾃⼰紹介 02 - データ周りの課題あるある 03 - 組織とアーキテクチャの紹介 CONTENTS 04 - 1年働いて⾒えた課題と強み 05 - 取り組み 06 - まとめ 07 - さいごに © 2026 Leverages Co., Ltd. 2
3. 01 ⾃⼰紹介 © 2026 Leverages Co., Ltd. 3
4. 01 ⾃⼰紹介 発表者の紹介 レバレジーズでデータエンジニアやってる、ゲンシュンと申します！ © 2026 Leverages Co., Ltd. 4
5. 01 ⾃⼰紹介 発表者の紹介 • • • データエンジニア業務 ◦ 全事業のデータエンジニアリング業務 ◦ 今年から7⼈のデータエンジニアのマネジメ ントし始めました リードエンジニア業務 ◦ 組織全体の技術の底上げとして、DDD勉強 会等開催 ◦ データ系だけでなく、フロントエンドやAI 駆動イベントのモデレーターもやってます 技術広報業務 ◦ 今年からレバレジーズ全体の、技術広報を 専任でやってます🔥 © 2026 Leverages Co., Ltd. 5
6. 01 ⾃⼰紹介 発表者の紹介 • • みんなの考えた最強のデータ基盤アーキテクチャ、 通称みん強というイベントの企画運営してます。 datatech-jpというコミュニティ主催のイベントです © 2026 Leverages Co., Ltd. 6
7. 01 ⾃⼰紹介 会社の概要、事業について 会社概要 事業の種類 社名 レバレジーズ株式会社 Leverages Co.,Ltd. 従業員数 4,264名（2026年4⽉現在） 代表者 岩槻 知秀 資本⾦ 5,000万円 所在地‧拠点 本社：東京都渋⾕区渋⾕2丁⽬24番12号 渋⾕スクランブルスクエア24F‧25F 国内拠点：27拠点 海外拠点：3拠点 © 2026 Leverages Co., Ltd. 7
8. 01 ⾃⼰紹介 レバレジーズのデータ / AI職種は7職種に分かれており、2026年3⽉時点で正社員32名が在籍。 職種名 職種概要 在籍⼈数※ 2名 （兼任1名） 6名 4名 5名 （兼任2名） 6名 （+契約社員 / 業務委託） 6名 3名 ※ 2026年3⽉時点。上記職種とは別にマネージャーが2名在籍 © 2026 Leverages Co., Ltd. 8
9. 01 ⾃⼰紹介 本⽇はデータエンジニア、データアーキテクトに関する話をします 職種名 職種概要 在籍⼈数※ 2名 （兼任1名） 6名 4名 5名 （兼任2名） 6名 （+契約社員 / 業務委託） 6名 3名 ※ 2026年3⽉時点。上記職種とは別にマネージャーが2名在籍 © 2026 Leverages Co., Ltd. 9
10. 02 データ周りの課題あるある © 2026 Leverages Co., Ltd. 10
11. 02 データ周りの課題あるある 他社の良い戦略が、⾃社へ簡単に適応出来ない経験ありませんか？ • • いい話を聞いたけど、そのまま持ち帰っても上手くいかない ◦ 各企業の課題、組織、フェーズに合った戦略なので、前提条件がそもそ も合ってない いい話を聞いたけど、どう自社に適応したらいいかわからない ◦ 最終的な構成図や考え方は絶対良いとおもうのに、過程がわからないの で進め方がわからない © 2026 Leverages Co., Ltd. 11
12. 02 データ周りの課題あるある 過去の⾃分が、どの企業でも通⽤すると思ってたアーキテクチャや戦略の話 • • • dbtやディメンショナルモデリングがデファクトスタンダードな技術選定 採用するDWHやBIが違っても、この設計思想自体は色んな場面で採用できそう！ これらを採用するような戦略を取ればいいのでは？と過去登壇時に思ってました © 2026 Leverages Co., Ltd. 12
13. 02 データ周りの課題あるある 他社の良いアーキテクチャが、⾃社に適応出来ないケース • • なんちゃってディメンショナルモデリングで負債悪化 ◦ ビジネスプロセスを表現していない形だけのdim/factテーブルを作って しまい、クモの巣のようなリネージが生まれてしまう ◦ 分析基盤保守組織が、エンジニア/非エンジニア関係なく起き得る問題 AI用のメタデータ、ドキュメントを充実させようとしたがワークしない ◦ 各事業部でドキュメント作成の動機づけが薄い ◦ 情報の鮮度が古く、工数の割には精度向上に繋がらない © 2026 Leverages Co., Ltd. 13
14. 02 データ周りの課題あるある 結局、戦略ってどう考えればいいんだ？ • • • 技術や設計は手段でしかない ◦ データマネジメントにまつわる最終形態そのものより、その過程が大事 事業数約70、社員数約5500名という巨大な組織では、自分の当たり前や自分 が思い描いてたデータマネジメントへの考えが全然通用しなかった データ組織の転換期である今、このあたりの考えの変化や、自社の取り組み を話すよ！ © 2026 Leverages Co., Ltd. 14
15. 03 組織とアーキテクチャの紹介 © 2026 Leverages Co., Ltd. 15
16. 03 組織とアーキテクチャの紹介 データエンジニア/データアーキテクトの組織上の役割について • • データエンジニアはシステム本部 データアーキテクトはマーケティング部 © 2026 Leverages Co., Ltd. 16
17. 03 組織とアーキテクチャの紹介 データエンジニア/データアーキテクトの組織上の役割について • • データエンジニアは、データの蓄積に重きを置く。ETLの安定化 全員エンジニアで構成されている © 2026 Leverages Co., Ltd. 17
18. 03 組織とアーキテクチャの紹介 データエンジニア/データアーキテクトの組織上の役割について • • データアーキテクトは、全社のデータ利活用水準の向上と事業課題をデータ で解きに行く役割。データ分析基盤の開発、保守運用など 多くが非エンジニアで構成されている © 2026 Leverages Co., Ltd. 18
19. 03 組織とアーキテクチャの紹介 データ分析基盤のアーキテクチャ • • 8層構成のアーキテクチャ Dataform × BigQuery © 2026 Leverages Co., Ltd. 19
20. 03 組織とアーキテクチャの紹介 データ分析基盤のアーキテクチャ • データウェアハウス層 ◦ システム間のテーブル結合、ビジネスロジック、カラム名統一 ◦ ワイドテーブルで実装 © 2026 Leverages Co., Ltd. 20
21. 03 組織とアーキテクチャの紹介 データ分析基盤のアーキテクチャ • データマート層 ◦ 特定のKPIや施策に応じたデータのみを保持する ◦ 事業で使用する言葉を性格に表現するため、カラム名は全て日本語 © 2026 Leverages Co., Ltd. 21
22. 03 組織とアーキテクチャの紹介 データ分析基盤のアーキテクチャ • セマンティックレイヤー ◦ 指標と集計処理の定義、データ定義を縦持ちで1箇所に集約 ◦ 各種BIツールに必要なデータの絞り込み © 2026 Leverages Co., Ltd. 22
23. 03 組織とアーキテクチャの紹介 データ分析基盤のアーキテクチャ 詳しくは「10倍スケールを見越した データモデリングのリアーキテクチャ」 © 2026 Leverages Co., Ltd. 23
24. 03 組織とアーキテクチャの紹介 データにまつわるオーケストレーションは全てAirflow © 2026 Leverages Co., Ltd. 24
25. 03 組織とアーキテクチャの紹介 データにまつわるオーケストレーションは全てAirflow 詳しくは「AirflowでDataformを制御するポイント」 © 2026 Leverages Co., Ltd. 25
26. 04 1年働いて⾒えた課題と強み © 2026 Leverages Co., Ltd. 26
27. 04 1年働いて⾒えた課題と強み 既存アーキテクチャのつらみ • • 非常に大きなワイドテーブルになっており、実装が重い factテーブルが無いので、似たような指標のロジックが複数のデータマート で実装せざるを得ない時がある © 2026 Leverages Co., Ltd. 27
28. 04 1年働いて⾒えた課題と強み 既存アーキテクチャのつらみ • • コンソール上での開発体験が良くなく、Copilot等の恩恵を受けられない Dataformの機能自体は一通り揃っているが、ものによってはJavaScriptの実 装が求められてしまい、採用しづらい © 2026 Leverages Co., Ltd. 28
29. 04 1年働いて⾒えた課題と強み データ組織に積み上がる仕事 • • • データ組織が管理していない事業の、野良データマートを引き取る ◦ よくわからんSQL群（スケジュールクエリ、スプシ、GAS）を、データ エンジニア/データアーキテクトが保守出来る形にする必要あり 新しい事業がどんどん生まれている ◦ 凄く嬉しい話ですが、数少ないデータ系職種が事業や組織の解像度を高 めながらデータ分析基盤を爆速で構築する必要がある 日々、現場でたくさんのスプシ、GAS等を使ったツールが量産される ◦ 重要度の高いものをデータマート化したり、品質向上のために諸々を引 き取ることがある © 2026 Leverages Co., Ltd. 29
30. 04 1年働いて⾒えた課題と強み 組織構造から来る課題 • • • 3層構造を踏襲しつつ、コンウェイの法則が反映されてしまった ◦ 組織の分業が、そのまま開発体験の偏りに現れている データエンジニアが事業解像度低くなりがち ◦ サービスが多く、各事業の解像度が高くない ◦ データの種類や社内関係者が多く、誰に聞けばいいかわからない ◦ 事業部からのデータ要求を適切に判断できず、対応するしかない データアーキテクトの開発生産性が頭打ちになりがち ◦ Dataformをコンソール上で開発しており、開発効率が高くない ◦ 事業に近いがゆえ、多方面からの要望が集まり多忙になりがち © 2026 Leverages Co., Ltd. 30
31. 04 1年働いて⾒えた課題と強み 我々の強み • • 事業に入り込めている組織と整っているメタデータ ◦ データアーキテクトが各事業の課題をデータで解決することをミッショ ンとして事業部長レイヤーで合意が取れており、価値創出が早い ◦ データアーキテクトが、各事業ごとにデータ定義書/テーブル定義書を使 い事業部ごとに指標の合意を取っており、メタデータが整備されている データ利活用と民主化が進んでおり、データドリブンに対して前向き ◦ 営業組織の殆どが何故かSQLを書ける（デメリットも勿論ある） ◦ BIツールも使われているし、データマートをスプシに繋ぎ、個別のモニ タリング等のツールが作られている © 2026 Leverages Co., Ltd. 31
32. 04 1年働いて⾒えた課題と強み 改めて⾃分への問い、過去どこにでも通⽤する思った戦略がそのまま当てはめられるのだろうか？ • • • dbtの導入 ◦ そもそも今の課題ってdbtに置き換わることで解決する課題だっけ？ ◦ dbtでしか解決できない課題で今苦しんでるわけじゃない ディメンショナルモデリングの導入 ◦ 管理外事業の野良データマートや新規事業のデータマートなど、事業数 に対してデータ職種が少ない組織でスケールする技術選定なのか？ ◦ 長い目で徐々に浸透させていけば、いけそうな未来は見えた 組織の力学を自分(データエンジニア)が使う ◦ 組織規模が違うので、関係値構築が多方面に必要で簡単な話じゃない ◦ データアーキテクトはむしろ事業に入り込めているので、一緒に混ざる 動きが必要かも © 2026 Leverages Co., Ltd. 32
33. 04 1年働いて⾒えた課題と強み 改めて⾃分への問い、現場もだけど⾃組織であるデータ組織にとにかく向き合う • • 自分が最強だと思ってたものは、最終的には良き姿かもしれないが、今では ないと判断。まずは現場の課題を解きに行くことをやろう 各社の強み・課題・フェーズは違う。自組織に向き合う時間増やして、段階 的に進むしかない！！ © 2026 Leverages Co., Ltd. 33
34. 05 取り組み © 2026 Leverages Co., Ltd. 34
35. 05 取り組み ⽅針 • • 一足飛びの技術選定はせず、手前から課題を解いて段階を踏む ◦ 各職種の底上げ施策 ◦ 協業による事業貢献施策 機能軸から事業軸への切り替え © 2026 Leverages Co., Ltd. 35
36. 05 取り組み データエンジニアの底上げ施策 • • データアーキテクトのミッションに混ざり、各事業の現場へ赴き、関係値 作って事業と組織の解像度を高め、課題を一緒に解きに行く ETLをデータエンジニア、DWH以降をデータアーキテクトという従来の役割 分担から、データエンジニアが最初から最後まで対応する事業を増やす © 2026 Leverages Co., Ltd. 36
37. 05 取り組み データアーキテクトの底上げ施策 • • • アジャイルデータモデリング勉強会 ◦ ある事業でお題を用意し、dim/fact実装するワークショップを実施 ◦ 現状アーキテクチャへの違和感や、dim/factの恩恵を感じてもらう VSCode触ろう会 ◦ ローカルで開発し、ローカルでDataformを実行するワークショップ ◦ CopilotなどAIを駆使して、開発効率の向上を体感してもらう Python勉強会/Streamlit勉強会 ◦ データアーキテクトのスキル向上という目的から始まった施策 ◦ DataformからTableauを一気通貫で更新するAirflowの実装 ◦ BQ権限付与する独自ツールの開発 © 2026 Leverages Co., Ltd. 37
38. 05 取り組み データアーキテクトの底上げ施策 • レバレジーズ データAIブログで紹介してるので良かったら！ ◦ ◦ ◦ アジャイルデータモデリング本の勉強会とワークショップをやりました Dataform～Tableau更新ワークフローをCloud Composerで実装してみた データアーキテクトがStreamlitでWebアプリ作ってみた（要件定義・設計編） © 2026 Leverages Co., Ltd. 38
39. 05 取り組み データエンジニアとデータアーキテクトの協業施策 • Streamlitによる、内製APIアプリ環境の提供 ◦ 現場で作られる野良ツールの、重要度の高いものを品質向上と保守運用 できる環境 ◦ 現場メンバーも生成APIの恩恵を受けられるインフラ環境。 ◦ データエンジニアもデータアーキテクトも、各種ツール系を実装できる © 2026 Leverages Co., Ltd. 39
40. 05 取り組み データエンジニアとデータアーキテクトの協業施策 • テーブル定義書の自動更新 ◦ かなり工数をかけているが、メタデータとして貴重なテーブル定義書に ついて、自動更新出来る状態に！ ◦ PR時にdiffだけ中身を見て、特定のスプシを更新する形に ◦ データエンジニアによる協業の1つ、データアーキテクト含めかなり多く の方の工数が大幅CUT！ © 2026 Leverages Co., Ltd. 40
41. 05 取り組み データエンジニアとデータアーキテクトの協業施策 • 他、AI周りの試行錯誤含めたくさんの協業があります ◦ ETL周りのエラー対応。現場メンバーからの違和感→データアーキテク ト→データエンジニア、という確認フローが、データアーキテクトの皆 さんも対応出来るようになり、スピーディに ◦ いわゆるText2SQL関連。データエンジニア側の事業解像度が足りてな くて浸透までいかず、データアーキテクトと一緒に改善中です © 2026 Leverages Co., Ltd. 41
42. 05 取り組み 結果 • • • 会社の成長に合わせて、俺達もちょっとずつ強くなっている！ お互いの強みを補い、誰かががんばるのではなく組織としてスケール 分業から混ざる仕事へ © 2026 Leverages Co., Ltd. 42
43. 05 取り組み だから、"今は" に向けた⼀⾜⾶びの戦略を選ばない • • 「事業に入り込めているデータアーキテクト」「現場の殆どがSQL書ける」 この圧倒的な2つの強みを押しつつ、今解くべき課題をまずは解く ◦ 開発体験の改善を経て、やっとdbtを選定するべきかどうか判断できる ◦ ディメンショナルモデリングは、今年からちょっとずつやりたい 未来に向けて、今は手前を整えている最中 © 2026 Leverages Co., Ltd. 43
44. 06 まとめ © 2026 Leverages Co., Ltd. 44
45. 06 まとめ 未来の最強 • • • データ分析基盤のアーキテクチャは8層のDataformのままで ◦ dbtの導入を判断するタイミングじゃない ◦ Googleのエコシステムに全力で乗っかるに賭ける方向性もあり ディメンショナルモデリング ◦ 導入の土俵は整いつつある 組織力 ◦ データエンジニアとデータアーキテクトの協業を増やす © 2026 Leverages Co., Ltd. 45
46. 06 まとめ 真の最強 • • • 最強のアーキテクチャを作るのではない どんな環境でも最強アーキテクチャの道筋を作れるデータエンジニアが最強 なのでは 自組織のAs Is / To Beを言語化し、最強を作るではなく 最強の戦略を採用できる状態を目指すのが大事 © 2026 Leverages Co., Ltd. 46
47. 07 さいごに © 2026 Leverages Co., Ltd. 47
48. 07 さいごに 社外の⽅に向けてブログやYouTubeなどの発信も⾏っていますので、チャンネル登録‧フォローをお願いします！ melev データ戦略室紹介記事① データ戦略室紹介記事② YouTube データ戦略室紹介動画 AI戦略紹介動画 データ/AIブログ レバレジーズデータAIブログ テックブログ Leverages Tech Blog © 2026 Leverages Co., Ltd. 48
49. 07 さいごに We Are Hiring! • まずはカジュアル面談からどうぞ！ • 3年で2倍にスケールする環境で、データを使った変革を起こしましょう！ • 募集職種 ◦ データサイエンティスト ◦ データアナリスト ◦ データアーキテクト ◦ データエンジニア ◦ AI・MLエンジニア ◦ 機械学習研究員 © 2026 Leverages Co., Ltd. 49
50. EOF ご清聴ありがとうございました！！ © 2026 Leverages Co., Ltd. 50