「データの価値を、みんなの武器に。」Data Enablementの価値とツラみ

2026-02-12 「AI時代のデータ活用── リアルなデータの面白さとツラミと可能性」登壇時の資料です。

Transcript

1. 「データの価値を、みんなの武器に。」 Data Enablementの価値とツラみ AI時代のデータ活⽤── リアルなデータの⾯⽩さとツラミと可能性 2026/02/12 株式会社IVRy 野秋良介
2. 2 2020年に株式会社エウレカにBIエンジニアとして⼊社、デー タ分析およびデータ基盤構築に従事。 プロダクト改善を⽬的とした分析業務、A/Bテスト設計、KPI 設計、ダッシュボード構築などを担当。 2025年9⽉からアナリティクスエンジニアとして株式会社IVRy に⼊社。分析基盤の整備や、データ活⽤を⽀えるテーブル設計 ‧運⽤といったデータイネーブルメントを担当。 趣味 : プロアマ野球/サッカー/⿇雀/競⾺ X: @RyoskDara_ 野秋 良介 Data Enablement Unit/Analytics Engineer
3. 1. 会社紹介 2. “Data Enablement” が今の時代⼤事 3. ぶち当たるツラみ 3
4. 1. 会社紹介 2. “Data Enablement” が今の時代⼤事 3. ぶち当たるツラみ 4
5. 5 オフィスに壁、あります
6. 対話型⾳声AIであらゆる電話対応を効率化 「アイブリー」 6 プロダクト
7. 7 1. 会社紹介 2. “Data Enablement”が今の時代⼤事 3. ぶち当たるツラみ
8. 8 データ利活⽤の軸⾜の変化 データ職がデータを出す →⼈が解釈する AIがデータを出す →⼈が解釈する 従来 現在
9. 9 Data Enablementの価値 これまで これから ⼈ システム(AI) ⼈ ⼈ ⼈の価値や成果を最⼤化するための、AI-Readyなデータ整備が必要になる 軸⾜ 主体
10. 10 データの価値を⽣む部分を設計‧整備する役割が求められる プロダクトや事業の意思決定に活きる形に 1 利⽤者が迷わず使える導線を作る 2 定義や粒度を揃えて共通認識を組み上げる 3
11. 11 1. 会社紹介 2. “Data Enablement”が今の時代特に⼤事 3. ぶち当たるツラみ
12. 12 ツラみ① ⼈はまだ⼈を頼ってしまう AI活⽤可能な環境を提供し始めてもなお、 ⼈依存なデータ抽出依頼や問い合わせ 分析作業依頼も度々発⽣している状態 データ職 AI … 依頼者
13. 13 ツラみ① 解決策 : AI/BI genieの整備 2025−12 時点 ref: https://www.databricks.com/jp/product/business-intelligence/ai-bi-genie
14. 14 ツラみ① 解決策 : AIの適材適所を考慮したプロセスの提供 AI 簡単なデータ抽出 プロダクトの分析 株主報告データ データ職 依頼者 what?why?の設計
15. 変化する定義や事業上の関⼼事項の キャッチアップが発⽣ AI活⽤に向けた、 セマンティックレイヤー‧メタデータ 整備が求められるが... 15 ツラみ② 経営と現場の⾒たいデータ‧定義のズレ 経営 部署A 部署B ‧経営指標とレポートの定義違く ない？ ‧戦略変更で顧客区分を変えたい データ職 …
16. ‧データ提供元との定義や変更時の責 務合意 ‧各組織で運⽤しているデータ定義や ユースケースの調査 ‧セマンティックレイヤーの変更とコ ンテキストの拡充 16 ツラみ② 解決策 : 経営と現場の差分は許容、愚直に揃え続ける 経営 部署A 部署B セマン ティック レイヤー AI
17. 17 ツラみ③ 現場のAI活⽤で収集がつかなくなる AIによってデータ利活⽤の幅が広がった分、 現場で野良query, workflowが爆誕する → 全社のデータ利活⽤をマネジメントする⽴場 としては⾟い状況に... 部署A 部署B notebook data source
18. × 闇雲にAIデータ利活⽤環境を提供 ◯ データ利活⽤のプロセス設計からデータ⼈材が⼊り込む 18 ツラみ③ 解決策: プロセス設計から⼊り込む
19. 19 購買履歴‧クリックログ 顧客の声‧状況‧感情 ⽂脈と本⾳がそのまま残る ⾃然な通話やメール* ⾏動ログから取得 Explicit （オフライン） Implicit （オンライン） IVRy上の コミュニケーションデータ アンケートなど⼈が⼊⼒ 「次に⾷べたい？」 →「サラダ」 Appendix. IVRyのデータの特徴 - ⾮構造化データ AI時代に強⼒な資産だが、 ガバナンスが⼤変
20. 20 ツラみ③解決策: プロセス設計から⼊り込む 部署A 部署B ある程度の枠の中で⾃由に使う環境を構築 以下を把握してマネジメントする ‧誰がどのデータにアクセスしていいのか？ ‧どれくらい使う？誰に向けてデータを出す？ ‧どうデータを扱う？どのようにデータを保持す る？ データ職
21. おわりに 21
22. 22 定量で仮説を強め、定性で解像度をなめらかに上げる 新しい時代のAnalyticsを提供
23. 他部署の課題解決に向け泥臭くやり遂げられる⼈ データモデリングに興味関⼼がある⼈ 23 ツラみ☆ - ⼈が⾜りない！ データインフラ運⽤とLLMOpsにチャレンジ！ 安⼼の守りから、クライアントワークの攻めまでもこなせる⼈ IVRy Data Hub や社内 AI アプリを作る仕事 AI エージェントを活⽤して顧客に価値提供 プロダクト志向が強い⼈ or 顧客の課題解決に興味ある⼈ IVRy Data Hub を速くしたり結果の品質を上げる仕事 検索や AI の評価をちゃんとできる⼈ ソフトウェアエンジニア （AIエージェント） 検索エンジニア データエンジニア アナリティクスエンジニア SalesforceなどのCRM ツールのデータを扱うことに興味がある⼈ 現場レイヤーと経営レイヤーの⾏き来を実践できる⼈ セールスアナリスト
24. 24 We are Hiring!
25. 25 データ系技術者を対象に、毎⽉IVRy オフィスで勉強会開催してます 『三⽥データ』やってます