Upgrade to Pro — share decks privately, control downloads, hide ads and more …

行動変容を生む!Looker×Gemini×BigQueryによる新世代BI / Googl...

行動変容を生む!Looker×Gemini×BigQueryによる新世代BI / Google Cloud Next Tokyo

■ イベント
Google Cloud Next Tokyo
https://www.googlecloudevents.com/next-tokyo/

■ 発表者
技術本部 研究開発部
辺見 裕樹
前嶋 直樹

■ 研究開発部 採用情報
https://media.sansan-engineering.com/randd

Avatar for Sansan R&D

Sansan R&D

August 08, 2025
Tweet

More Decks by Sansan R&D

Other Decks in Technology

Transcript

  1. 1. BI 活⽤の現状と課題 そして、Sansan が提案する解決策 2. Sansan BI ダッシュボードの紹介 Looker

    × Gemini の活⽤シーン 3. Under The Hood Looker × Gemini が可能にした”3 次元” の BI の舞台裏 Agenda
  2. データ活⽤の 3 つの⼤きな「壁」 1. データの散在 > SFA、基幹システム、各種 SaaS 等にデータが散在している状況が存在。その 結果、それぞれのシステムにバラバラにデータを⾒に⾏き分析する。

    2. BI の形骸化 > ⾼額な BI ツールを導⼊したのに、⽉次レポート作成だけに使われている。現場 の⽇々の営業活動や、何か新しい施策を考える創造的な業務には使われない。 3. アクションへの不接続 > 数字だけを⾒ても、具体的な「次の⼀⼿」がわからない。バブルチャート・サ ンキー チャートなどの綺麗な可視化がなされていても、そこから何をすればい いかがわからない。 データはあるのに、なぜ「次の⼀⼿」に繋がらないのか?
  3. Sansan は「データ統合」「セミオーダーの UI」「AI による気づきの提供」で、 データ活⽤の壁を乗り越えます Sansan BI が提供する 3 つの解決策

    6 あらゆるデータを 統合 Sansan Data Hub の⾼度な名寄 せ技術を活⽤し、意思決定に必要 な Sansan 内外のデータを統合・ 構造化できる。 顧客の営業活動に特化した セミオーダーの UI 凝った可視化ではなく、「営業活 動」に最適な UI を提供する。 Looker の機能を活かして個社別 のカスタマイズも実現している。 ダッシュボードを 3次元で捉えるAI Insights Sansan Data Hub の⾼度な名寄 せ技術を活⽤し、意思決定に必要 な Sansan 内外のデータを統合・ 構造化できる。
  4. Sansan が持つ「名寄せ」技術(※精度 99%)で、社内に散在するデータを⼀つに統合します。 SFA、基幹システム、Sansan などの各種 SaaS のデータを名寄せし、各システムのデー タを統合します。 解決策 ①:

    データを統合する 7 ※Sansan Data Hub の名寄せのための条件を満たしている場合には、99% の精度で企業を識別します。 $ 企業名・住所・⽒名・メールアドレスなどの 情報をもとに、統⼀的なコードを付与する
  5. 「セミオーダー⽅式」で顧客への最適化を実現し、本当に「使える」ダッシュボードを迅 速に提供する 解決策 ②: セミオーダーのUI 8 データ連携後すぐに使える 「標準ダッシュボード」を提供 Step 1

    トライアル期間中に顧客のデー タ、ビジネスニーズに合わせて ダッシュボードを調整 Step 2 本格運⽤開始後も、利⽤状況を モニタリングし、継続的にサ ポートを実施 ダッシュボードの修正にも迅速 に対応 Step 3
  6. 「数字」と「グラフ」との世界に「⾔葉」という軸を加える、⽣成 AI 機能 【主な機能】 - ダッシュボードの背後にある膨⼤なデータから、⾃然⾔語によって情報を抽出・要 約・分析などを⾏う。 - チャット UI

    を採⽤し、対話的に理解を深めることができる。 - 「要約・分析」などのプリセット コマンドを搭載。プロンプト不要で分析が可能。 解決策 ③: AI Insights:ダッシュボードを「三次元」で捉える
  7. Looker, Gemini (Vertex AI) の 2 つがキーとなるアーキテクチャ Sansan BI 全体のアーキテクチャ

    Looker Transform Integration AI Insights Shared Observability Cloud Armor Cloud Load Balancing Cloud Run Vertex AI Cloud Logging Cloud Monitoring Artifact Registry Resources Cloud Storage Data Sources Cloud Storage SBI DWH BigQuery dbt Cloud Run External Looker Web App Looker Embedding SDK 各種データソース 後段で 詳細を説明
  8. なぜ Sansan BI で Gemini を利⽤するのか AI Insights の屋台⾻: Gemini

    モデル 22 ⼤量に⼊⼒できる。 AI Insights のミッションは、膨⼤ なビジネスデータから、顧客にイ ンサイトを与えること。 Gemini は 最⼤ 1,048,576 トーク ン(夏⽬漱⽯『こころ』約 13 冊 分に相当)を⼊⼒できるため、 ダッシュボードの情報を丸ごと コンテキストに投⼊することが 可能。 アーキテクチャが複雑化しがちな RAG ではなく、シンプルな構成 で顧客に AI 機能を迅速にデリバ リすることが可能になった。 なのに、賢い。 BI に搭載される AI 機能として、 正確性は重要な性能指標。 Gemini の場合、事実と異なる情 報を⽣成してしまうハルシネー ションや、コンテキスト中盤の情 報を⾒逃す ”Lost in the Middle” 現象が起きにくい。 "Needle in the Haystack" テスト に⾒られるように、膨⼤なコン テキストからでも、的確に情報 を抽出・要約・分析が可能。 しかも、安い。 ⻑いコンテキストを投⼊するため、 推論にかかる⾦銭的コストも無視 できない。 Gemini 2.0 Flash の場合、100 万 トークンあたりの⼊⼒にかかる料 ⾦が $0.15(2025 年 7 ⽉ 4 ⽇時 点)と、⾮常にコスト パフォー マンスが良い。 コンテキストが⻑い場合は、 キャッシュ機能を使えば、よりコ ストを抑えることも可能。
  9. Looker と Gemini を、Google Cloud のエコシステム内に統合 AI Insights のアーキテクチャ Looker

    Guard Observability serverProxy Cloud Armor Vertex AI Gemini-2.0-Flash Cloud Run Cloud Load Balancing Looker API Artifact Registry BigQuery Reasoning Docker Image Query Data and Metadata Prompt
  10. 私たち⾃⾝が、Sansan BI / AI Insights の効果を最も実感しています。 社内実践事例: Sansan 営業部⾨での活⽤ 26

    7,200 AI Insights の 総⽉間利⽤回数 20 AI Insights の 1 ⼈当たり⽉間利⽤回数 1/20 担当引き継ぎ レポートの作成時間
  11. 社内実践事例: Sansan 営業部⾨での活⽤ 27 ゴールは「⾏動変容」 1 データだけでなく、⽣成 AI による要約や気づきを組み合わ せることで、実際に使われて⾏動変容につながるダッシュ

    ボードを実現 Looker は最⾼の「⼟台」 2 標準化された体験の初期提供と、顧客ごとのカスタマイズ を最速で実施し、「セミオーダー」を実現 Gemini は強⼒な「エンジン」 3 「⼤量に⼊⼒でき、賢く、低コスト」 プロダクト活⽤に最適な⽣成 AI モデル