~最速でビジネスインパクトを創出する~ Sansanのデータ基盤と活用事例

■ イベント
渋谷 Biz × AI: ビジネスにおける AI 利活用 事例勉強会 第6回
https://cyberagent.connpass.com/event/406165/

■登壇概要
タイトル：~最速でビジネスインパクトを創出する~ Sansanのデータ基盤と活用事例
登壇者：CTO室 Data Analyticsグループ 森吉 剣進/永井 僚

■ 技術本部 採用情報
https://media.sansan-engineering.com

Transcript

1. Sansan技術本部 ~最速でビジネスインパクトを創出する~ Sansanのデータ基盤と活⽤事例 Sansan株式会社 技術本部 CTO室 Data Analyticsグループ 森吉 剣進/永井 僚
2. 森吉 剣進（Kenshin Moriyoshi） 技術本部 CTO室 Data Analytics グループ 2024年に新卒データエンジニアとしてSansan株式会社に⼊社。 toCサービスの社内データ利活⽤の推進と社外向けデータプロダクトの FDEを経験。 現在は全社横断データ基盤とデータ利活⽤基盤の運⽤保守改善および全 社のデータ利活⽤の推進を⾏っている。
3. 会社概要 社名 Sansan株式会社 設⽴ 2007年6⽉11⽇ 従業員数 2,066名（2026年8月31日時点） 上場証券取引所 東京証券取引所 プライム市場 拠点 本社：東京都渋⾕区桜丘町1-1 渋⾕サクラステージ28F 関⻄⽀店、福岡⽀店、中部⽀店 サテライトオフィス グループ会社 Sansan神⼭ラボ、Sansan Innovation Lab、Sansan⻑岡ラボ Sansan Global Pte. Ltd. （シンガポール） Sansan Global Development Center, Inc. （フィリピン） Sansan Global (Thailand) Co., Ltd.（タイ） ナインアウト株式会社 株式会社⾔語理解研究所 Eightキャリア株式会社
4. Sansan株式会社の働き⽅を変えるAXサービス ⽣産性を向上させ、企業のAI活⽤を最⼤化するデータベースとしても貢献できる 「働き⽅を変えるAXサービス」を提供します。 法⼈向け 個⼈向け 名刺データベースが、収益を最⼤化する 契約データベースが、利益を守る 「なくせる」をつくり、全社の働き⽅を変える 営業AXサービス 契約AXサービス 経理AXサービス 名刺アプリ 営業 契約 請求 名刺 管理 顧客マスターマネジメント 各サービスの活⽤で変わる働き⽅ 必要な情報を 情報の管理がしやすく 情報を分析‧活⽤しやすく すぐに⾒つけられる すぐに共有できる データに基づいた判断ができる
5. Hub&Spoke型のデータ基盤を構築/提供 全社横断データ分析基盤 分散型データ利活用基盤 Spoke データ構 化 データ連携 Hub Hubから 各Spokeへ データ連携 事業部 Spoke利用者 Spoke Hub 企業DB Salesforce ※ Salesforce Salesforce inc. 許可 もとで使 ⽤しています。 商標であり、 etc… SSoTとして機能 事業部 Spoke利用者 Spoke利用者 データ 活用・運用に集中
6. データ基盤 アーキテクチャと技術スタック データソース Amazon Aurora Amazon S3 Cloud Composer 全社横断データ基盤（ Hub） Storage Transfer Service Cloud Storage Looker Cloud Storage Source Warehouse Mart Cloud Run Data Studio Cloud SQL 全社 利用者 データエンジニア Google Analytics BigQuery Sharing Google Sheets プロダクト・部門 A（Spoke） Lightdash そ 他社内利用ツール プロダクト・部門 B（Spoke） Data Studio データエンジニア＋サービス関係者 プロダクト・部門 利用者
7. データ利活⽤によって最速でビジネスインパクトを創出する より短い より多く より大きな リードタイムで 事例で インパクトを 基盤を中心に、ユースケースごとにツールを使い分けてデータを活用する BI データ基盤 ダッシュボードで KPI をモニタリング/効果検証 AI（MCP） ショットで アプリ開発 データを使ったアプリケーションを構築/提供 分析やレポート作成
8. 最速を⽬指すために、3 つの速さを上げている 仕組みで加 する｜プラットフォームとツール ① 立ち上がり 人で加 ② さ 回せる する｜伴走 ③ さ 使いこなせる さ
9. ① ⽴ち上がりの速さ：プラットフォームとツール テンプレート一式 すぐ始められる プロダクト A 基盤 GCP プロジェクト - テンプレートと共通 モジュール・Skillsを配布 誰がやっても同じ手順・品質で作れる 同じように成長できる GitHub テンプレートリポジトリ プロダクト B 基盤 - 新機能を追加すると、既存 BI も AI も同じ定義を参照 環境にもすぐ反映 利活用ツール Lightdash・MCP など 部門 C アクセス制御 基盤 活用を加 - するツール BI（Lightdash）でモニタリング MCP で、SQL を書かずとも自然言語で分析 ど プロダクト・部門も、すぐに立ち上がり、同じように成長する
10. ② 回せる速さ：AI × ガードレール 基盤 すべてがコードで管理されているから、 AI で開発を回せる 1. コードで管理 2. AI でコードを生成 3. CI でチェック・プレビュー AI - - インフラ・データモデル・ダッ シュボード すべてコードで管 理 変更内容をコードで追える - ルールと手順をSkillsにまとめ る AI がSkillsに沿って、PR まで 作る ガードレールで統制をかけ、 AI で く安全に回せる - 命名規則・SQL スタイルを linter / formatter で強制 プレビュー環境で、マージ前に 確認
11. ③ 使いこなせる速さ：伴⾛ 基盤が整っていることと、データを使いこなしてビジネスに反映できること 別物 インパクトを出す 現場 現場に伴走する - 人 要望を持ち帰る 自分たちも利用者になる - オンボーディング 現場 要望を機能として開発 問い合わせ 一次回答 AI に任せ、人 伴走に時間を使う - 自らデータを使って分析し、ビジネスを進 める つまずいた点 基盤に還元する 使って得た改善を届ける 使いこなす人が増えるほど、事例とインパクトが増える
12. 「仕組み」と「⼈」の両輪で、3 つの速さを上げている - テンプレートと標準 立ち上がり さ 手順ですぐ始める - 同じ作法で育ち、BI も AI も同じ定義を参照 - コード管理し、AI で実装を加 回せる さ する - Skillsと CI でガードレールを引き、統制を効かせる - 現場に伴走し、要望を持ち帰る 使いこなせる さ - 自分たちも活用し、現場に還元する
13. 永井 僚（Ryo Nagai） 技術本部 CTO室 Data Analytics グループ 2025年にデータエンジニアとして新卒⼊社。 現在は全社横断データ基盤の構築や各プロダクトのデータ利活⽤促進に従事。 最近の趣味はベイブレード。
14. 背景 社内にある用途別 ツールで 決まったことしか調べられなかった 既存ツール 営業や企画が データ 基盤に 用途が決まっている 思いついた問いを試したい そろっている - 決まった問いに素早く、 - SQL - 全社員が使える仕組みを AI に聞け 精緻に答えられる - 新しい切り口で集計するに 能 追加が必要 書かないが、 、機 - 自分 調べられる 仮説を、 作る 基盤側 - 定義と権限を 1 か所で管理 そ まま当ててみたい だから、自由にデータを探せる MCP を基盤に作った © Sansan, Inc. 13
15. 進め方 機密度 低いデータから解放することで素早く MCPを公開した 全社公開可能なデータ 商談・活動・KPI など 既存ツールと 重なる機能 利用者 体験 統合 変えずに 承認が必要なデータ 個人 新しい課題を拾う 権限に近い形で データを解放する ヒアリングや 利用実績から確認する （整備中） セキュリティチェックやデータ 整備 実施した上で、 © Sansan, Inc. さを維持しながら MCPを公開する 14
16. 事例 使われ方を、利用ログとヒアリングで見に行った 利用ログからヘビーユーザーを見つけ、直接話を聞きに行った。 インサイドセールス 営業チーム 各部署で感じた行動 変化 手作業 → 自動化 都度依頼 → 即日対応 分析依頼 → まず自分で試す 100件超 担当者ごと 案件 数字を一 データチームに依頼していた指 覧化。マネージャー 依頼に 標 定義確認や新しい切り口 即日で応え、メンバー全員分を で 配布した。 MCP で対応するようになった。 架電リストを CRM と照合し、既存顧客や商談中 会社をチームに割当。月約1 週間分 作業が減った（リー 集計を、依頼することなく ダー談）。 © Sansan, Inc. 15
17. AI 使いどころ・ MCP 役割 同じ集計が続いたら、基盤に還元する トライアル中 AI と MCP で 業務 定着した業務 条件だけ違う SQL が毎週動いたら、BI に く試す 移す合図 毎回同じ結果が必要な集計 切り口を変えて仮説を確かめる 決まった集計を毎回 AI に任せる © Sansan, Inc. 、定型処理に する 、 AI 投資対効果としてもったいない 16
18. 進めていること 繰り返される集計を見つけて、 BI に移す 期間 条件だけ違うクエリや失敗したクエリなど、繰り返される集計を実行ログから見つける。 今 手作業で探しており、分類と通知 仕組み 準備中。 実行ログを集計 類似 SQL を分類 基盤側で検知 ヒアリング BI に移す 基盤に還元 © Sansan, Inc. 17
19. まとめ MCP で試して、定着したら仕組み化する 全社員が使える MCP 使われ方を知る 定着したら仕組み化する これから 、各部署 © Sansan, Inc. - 全社員が使えるデータから最 - 機密度 で公開 低いデータからAI活用を始める、そこから広げていく - 利用者ごとに実行sql等から利用状況を確認する - 直接 ヒアリングで利用背景・目的・効果を知る - 試すうち AI と MCP で - 繰り返される集計 く 、ログから見つけて BI に移す 人が MCPで施策を考え、決まったも を仕組みに定着させる例を増やしていく 18
20. Sansan 技術本部 採⽤情報 https://media.sansan-engineering.com/