日経クロステック ITインフラSummit Summer

Copyright © CCC MK HOLDINGS Co.,Ltd. All Rights Reserved. 2025.07.10
CCCMKホールディングスにおける、過去・現在・未来の取組み 1.3億人のVポイント分析基盤

Copyright - © CCC MK HOLDINGS Co.,Ltd. all rights reserved
2 キャリアと領域・営業からシステムエンジニアへ・システム運用からインフラ、開発・物流/ネットワーク/基幹/ポイント提携/データ基盤これまでの取組み・CCCグループにおけるクラウド導入・データ基盤のSnowflake統合とモダン化・SnowflakeのData SuperHeroes 2025選出世界105人のグローバル技術リーダーこれからの取り組み・CCCMKHD全体のIT基盤モダン化自己紹介 CCCMKホールディングステクノロジー戦略本部本部長松井太郎

3 本日お話すること 1. CCCグループの紹介とVポイント事業 2. 過去：データ基盤の歴史とSnowflake導入 3. 現在：データマネジメントや活用の取り組み 4. 未来：AIへの取り組み

Copyright © Culture Convenience Club Co., Ltd. All Rights Reserved.
Retail Business Customer Experience CCC Group Database Marketing Partner Communic ation Life Design SHARE LOUNGE事業、エクスペリエンスデザイン事業ソーシャルデザイン事業、海外事業、フランチャイズ事業蔦屋書店事業、SHIBUYA TSUTAYA、 IPプロデュース/IP事業、ウエルネス事業、スターバックス事業パートナーシップ＆コンサルティング事業地域創生事業ポイント事業、データベースマーケティング事業カスタマーバリュー事業、金融事業カルチュア・エンタテインメントグループ、光村推古書院、Livels トネリコ、Booklive、芸文社、MOTOTECA カルチュア・インフラを、つくっていくカンパニーアートラボ事業、モビリティ・マーケティング・デザイン事業スマートライフデザイン事業

6 Vポイントについて

7 リニューアル後の新サービスやキャンペーン昨年リリースしたサービス（の一部）

8 Vポイントの顧客数：CCCMKホールディングスの保有するデータ Data Vol. 1 年代別構成比年間利用V会員数（名寄せ後） V会員数（有効ID数） 1億 3,083万人 6,606万人月間利用者数 3,482万人ヒストグラム全体利用者の 52.7% 日本総人口の 53.0% ※2024年12月末時点

9 Vポイントデータの多様性 9 ：CCCMKホールディングスの保有するデータ Data ID-POSで取得した業態＆業界を横断したデータ購買データ提携企業食品・日用雑貨＜コンビニ＞＜スーパー＞＜ドラッグストア＞ライフスタイル＜車＞＜雑誌・書籍＞＜カメラ＞ ※一部抜粋 ID単位 × SKU粒度年間利用会員数 ※名寄せ後食品飲料ペット用品書籍給油化粧品日用品映画 Vol. 2 6,606 万人 ※2024年12月末時点

10 Vポイントデータの多様性：CCCMKホールディングスの保有するデータ Data ライフスタイルアンケートの回答情報：年収・既未婚・子どもありなし等志向性（ライフスタイル推計値）衣食住遊働などを中心に多数の項目で実購買履歴からスコアリング会員基本情報：性別、年齢、生年月日、居住地等アクションスポットデータ購買履歴と住所情報を掛け合わせた、居住地ではない「活動地」の特定・行動分析生活属性基本属性 1秒単位のTV視聴データ：地デジ、BSのLIVE・録画視聴等。視聴者購買分析も可能マンションデータと連携：賃料平米単価、売買価格、築年数等マンション Yahoo! JAPANと連携：インターネット上の行動履歴からの推計データ等電話帳電話帳データと連携：個人事業主（美容院、歯医者…等）などの特定が可能 TV視聴 WEB行動 6,606万人の会員情報属性連携データその他 Vol. 3

12 データ基盤は基幹システム 03 計画的な移行を重視基盤のEOSLやリザーブド契約の更新イベントを把握し、数年前から技術検討を行うコスト・技術・タイミングの全体像とリスクのバランスを取った確実な移行計画 02 しかし事業は成長し続ける目先の安心はあっても、枯れた技術による構築は中長期での事業損失につながる継続的なテクノロジー調査を行い、事業の将来を見据えた技術PoCや段階的導入が必要 01 基幹業務は止められないデータ基盤が1日止まればビジネスが止まるテクノロジーファーストではなく、事業継続性も考慮した移行計画が重要弊社において分析業務はビジネスの根幹をなす基幹業務

13 基幹業務を支えるデータ基盤の10年前の状態は？

14 データ基盤の課題（15年:私が着任した頃）配信用 Exadata 分析ｻｰﾋﾞｽ用 Exadata 分析用 Exadata 基幹用 Exadata ALL Exadata時代基幹用：Exadata1台から目的別に4台へ分離分析用：アナリストの増加により、DB負荷が激増社外ｻｰﾋﾞｽ用：契約企業数の急増による性能悪化配信用：容量問題があり、個別DB化して運用 Tポイント事業の成長により、 Oracle Exadataがパンク統計分析ツール

15 控えめに言ってもITが事業のボトルネック

16 ここから長い長い旅が始まります

17 データ基盤の課題（15年:私が着任した頃）配信用 Exadata 分析ｻｰﾋﾞｽ用 Exadata 分析用 Exadata 基幹用 Exadata ALL Exadata時代基幹用：Exadata1台から目的別に4台へ分離分析用：アナリストの増加により、DB負荷が激増社外ｻｰﾋﾞｽ用：契約企業数の急増による性能悪化配信用：容量問題があり、個別DB化して運用 Tポイント事業の成長により、 Oracle Exadataがパンク統計分析ツール

18 配信用 Exadata 分析ｻｰﾋﾞｽ用 Exadata 分析用 Exadata 基幹用 Exadata 統計分析ツール基幹用 Exadata 配信用 Exadata 分析ｻｰﾋﾞｽ用 Exadata 分析用1 Exadata 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール分析ｻｰﾋﾞｽ用：分析特化DBのVerticaを検討 PoC結果を元に移行し、21倍性能向上分析ｻｰﾋﾞｽ用：Verticaに移行する事で1台浮く事に分析特化DBのVerticaを一部採用し、分析DBの負荷を分散オンプレ拡張時代データ基盤の改善（16～17年:既存環境の改善）

19 配信用 Exadata 分析ｻｰﾋﾞｽ用 Exadata 分析用 Exadata 基幹用 Exadata 統計分析ツール基幹用 Exadata 配信用 Exadata 分析用2 Exadata 分析用1 Exadata 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール分析ｻｰﾋﾞｽ用：分析特化DBのVerticaを検討 PoC結果を元に移行し、21倍性能向上分析用：分析ｻｰﾋﾞｽ用を分析用に転用 2台でデータ同期を行う構成に変更ユーザーの接続先を分けて分析用を並列化実質性能2倍に向上させ、負荷を軽減分析特化DBのVerticaを一部採用し、分析DBの負荷を分散オンプレ拡張時代データ基盤の改善（16～17年:既存環境の改善）

20 更なる改善は大手術、2年後にExadataが保守切れの予定ただハードを増強するだけのリプレイスはITとして敗北

21 クラウドにチャレンジすべきでは？

22 当時はまだ、「クラウドってなんだか不安・・」という時代でした

23 クラウド理解を法務・コンプラ・セキュリティなどと実施一つずつ合意形成して理解を得ていきました

24 基幹用 Exadata 配信用 Exadata 分析用2 Exadata 分析用1 Exadata 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツールクラウドリフトの苦しい道のりクラウド移行時代分析用：分析用2台を統合も性能出ず、1年以上延期原因は実運用に則したケースの評価不足 →クエリ対策やDB増強で移行をやり切る配信用：分析用移行後に追加統合し、コスト削減 3DB統合により性能2倍、コスト30%改善ﾃﾞｰﾀ活用：BI（Tableau）導入し、利用ユーザー拡大データカタログやデータマート整備に着手分析ｻｰﾋﾞｽ用：利用企業が増加後も安定稼働 Verticaの進化が少なく、将来性を懸念基幹用：分析DBと同時移行は難易度が高く、残置データ基盤の改善（17～20年:段階的クラウドリフト）

25 基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール真の柔軟性を持つデータ基盤を目指し、Snowflakeを選択次期基盤への布石分析用：ユーザー増やBI活用の浸透により負荷が増加リザーブ契約を増額するも繁忙日は混雑リザーブド前提の構成には真の柔軟性はない Synapseの次期開発計画の遅延にも疑問 Oracle/Vertica/Synapse統合と柔軟性の実現技術調査を開始し、Snowflakeに出会うデータ基盤の改革（20～21年:次期基盤PJ①）分析ｻｰﾋﾞｽ用：Snowflakeへの移行PoCを実施

26 基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Snowflake 統計分析ツール次期基盤への布石分析ｻｰﾋﾞｽ用：保守切れに合わせ、Verticaから移行 Snowflakeを先行採用データ基盤の改革（20～21年:次期基盤PJ①）真の柔軟性を持つデータ基盤を目指し、Snowflakeを選択

27 基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Snowflake 統計分析ツール Snowflake移行に向けたダブルPoCを開始次期基盤への布石データ基盤の改革（21～22年:次期基盤PJ②）分析用：分析サービスの成功を受けて、PoCを開始アナリスト部門にも協力を要請し、勉強会や選抜メンバーにて性能や移植性検証 PoCで移植性〇、性能の大幅向上を確認 AI活用：DatabricksをAI開発の基盤に採用 1.3億人×数百項目のﾗｲﾌｽﾀｲﾙ推計を実現基幹用：分析サービスの成功を受けて、PoCを開始 Oracleの非互換対応や性能検証を入念に実施分析ｻｰﾋﾞｽ用：Snowflakeの運用実績を評価安定性/柔軟性/コストより拡大可の判断

28 基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Snowflake Azure SynapseからSnowflakeへの移行次期基盤移行開始データ基盤の改革（23～24年:次期基盤PJ④）統計分析ツール基幹用 Exadata 基幹用 Exadata 統合基盤 Snowflake 統計分析ツール分析ｻｰﾋﾞｽ用：統合基盤に吸収分析用：リザーブ契約終了に合わせ、移行に着手データ移行と基幹からの連携処理を移行アナリストのクエリも全て書き換え PoC通りの性能向上を確認し、移行完了増加を続けるワークロードも吸収性能は2倍以上、コストは40%削減

29 基幹用 Exadata 基幹用 Exadata 統計分析ツール統合基盤 Snowflake 統計分析ツール統合基盤 Snowflake データ基盤の改革（25年～:次期基盤PJ⑤） Snowflakeを中心としたデータ基盤の完遂次期基盤移行完了基幹用：保守切れに合わせ、脱Exadataを完遂 PoC互換調査を元に膨大な集計処理を移行統合基盤：全DBを統合するも性能劣化なし統合により以下を実現・データ二重持ちを解消・データ反映鮮度も最大1日短縮・データ連携工数の削減最終的に性能2倍以上、コスト50%削減

30 統合基盤 Snowflake データ基盤の現在データ活用＋AI活用に関するチャレンジの加速統合基盤の拡大データ活用：統計分析ツールをDataikuへ移行(中) TableauのDataSaberに10名認定 AI活用：AIｴﾝｼﾞﾆｱやﾃﾞｰﾀｻｲｴﾝﾃｨｽﾄのAI開発が加速ｷｬﾝﾍﾟｰﾝや分析などにAI活用が進行統合基盤 Snowflake 統計分析ツール

31 データ基盤のサマリユーザー数構成とコストアクション分析約20名 Exadata4台+Vertica オンプレでの最適化ワークロード定期帳票分析40名＋BI数十名 Exadata→Synapse（30%削減）クラウドリフトとBI導入定期帳票、業界横断分析、BI 分析70名+BI数百名+ﾃﾞｰﾀｻｲｴﾝｽ Snowflakeへ全統合（50%削減） DB統合と並行したAI基盤構築多様な分析、BI浸透、AI開発会員数 5,000万人（総有効ID数1.3億人）会員数増、分析ユーザー増、ワークロード増の中でのモダン化の戦い 15年～17年 17年～20年 21年～25年年間利用V会員数 7,000万人

32 Integration Data WareHouse Analytics＆Functions Consumers Sorces Big Query 分析DB 外部公開DB （DBW） BI用分析用 ETL用 AI/スコア用配信用 Database Warehouse Role 集計用画面/集計用作業用画面用ロード用データシェア系会員 DB ポイント DB ・GA ・Firebase E D I E T L 分析サービス（自社構築）メディア配信（自社構築） Shell Python Private Link 外部公開DB （MKW） COLLABORATION 提供企業 100社～メディア担当 10名～全社員 600名～アナリスト 100名～サイエンティスト 20名～ trying!! snowpark streamlit cleanroom ・ポイント履歴・各サービス ..etc アクセス制御匿名化ライフスタイル推計 AI/機械学習ダッシュボード統計分析ＥＤＩ AI/分析/機械学習 CCCMKデータ基盤全体像

33 今までの取組みのまとめ 03 コスト負担が少なく、事業と協力して導く移行計画 02 事業成長の半歩先を睨んだ基盤の拡充増え続けるワークロードや必要な基盤機能を模索し、事業の将来を見据えた技術革新をし続ける今の基盤で良いのか？リスクを見極めながら挑戦し続ける事が事業-Readyな基盤につながる 01 基幹業務を止めず、モダン化し続ける基幹分析業務や100社以上のクライアントへの様々な分析レポートそれらを止めることなく、段階的にモダン化し、かつ機能を拡張し続ける基幹業務を支えるデータ基盤を進化させ続ける 10年に渡る挑戦基盤のEOSLやリザーブド契約の更新イベントに合わせた、技術検討→先行導入→本移行コスト的な事業負担を最小化し、かつ事業側と協力して基盤のモダン化を実現する

34 過去10年に渡る挑戦から現在の取組みへ

36 シングルソース DB統合しつつ、リソース競合を解消できるアーキテクチャマルチワークロードヘビークエリやBIのライトクエリ、機械学習など多様なワークロードデリバリーイージー新規事業やコラボレーションを加速出来る柔軟なデータ機能 Vision データベース（Vポイントのデータのシングルデータソース）アナリスト用セグメント配信 BI用他社DB 利用に応じて自動で拡縮（ダウンタイムなし）目的ごとにスペック指定外部コラボを簡単にデータソンコラボレーションデータサービス用データロード新規事業Ａ新規事業Ｂ新規事業Ｃビジネス連携をセキュアにビジネストライをローコストで実現 CCCMKのデータ基盤ビジョン

37 Integration Data WareHouse Analytics＆Functions Consumers Sorces Big Query 分析DB 外部公開DB （DBW） BI用分析用 ETL用 AI/スコア用配信用 Database Warehouse Role 集計用画面/集計用作業用画面用ロード用データシェア系会員 DB ポイント DB ・GA ・Firebase E D I E T L 分析サービス（自社構築）メディア配信（自社構築） Shell Python Private Link 外部公開DB （MKW） COLLABORATION 提供企業 100社～メディア担当 10名～全社員 600名～アナリスト 100名～サイエンティスト 20名～ trying!! snowpark streamlit cleanroom ・ポイント履歴・各サービス ..etc アクセス制御匿名化ライフスタイル推計 AI/機械学習ダッシュボード統計分析ＥＤＩ AI/分析/機械学習 CCCMKデータ基盤全体像

38 データ基盤のインフラ整備と並行して、その活用に向けた土台作り 01 データマートの整備データをより活用しやすいレイアウトや項目に整備クラウド移行により容量が増えたことで、生データではなく、ID-POSデータを正規化、共通化し、統合的な分析がしやすい形式に変換し、整備 03 アクセス制御の一元化多様なデータの増加、プライバシーのより安全な保護、 BIやAIなどのツールの増加により、権限管理を再構築安全にデータを運用出来るように明確な権限管理や申請手続きを整備 02 データカタログの拡充データの活用を進めるためにデータカタログを整備設計書や仕様書、場合によっては基幹システムの調査など、地道にカタログ情報を整備。数千テーブルの各項目に対し、ビジネス用語や用途などの情報を充足自然言語で検索できるレベルで運用 04 データ連携の効率化グループ内のデータ連携や業務提携先とのデータ連携において、Snowflakeのデータシェアリングを活用データ連携機能の開発や保守運用の最小化を実現し、データ活用などの本業に集中できる環境を促進データマネジメントや活用の取組み

39 データ基盤のインフラ整備だけでなく、その活用に向けた土台作りデータカタログアクセス制御一部をドキュメントベースで管理 DBごとに個別管理データマート容量不足で作成出来ず数千TBLのメタ情報管理に着手 DBごとの個別管理共通化・標準化を推進メタ情報をSnowflakeに移植 Snowflakeの権限管理に統合マートの浸透・クエリ簡素化データ連携複数システム間で多重に連携システム間連携は複雑なままシステム間連携のシンプル化ユーザー数分析約20名ワークロード定期帳票分析40名＋BI数十名定期帳票、業界横断分析、BI 分析70名+BI数百名+ﾃﾞｰﾀｻｲｴﾝｽ多様な分析、BI浸透、AI開発 15年～17年 17年～20年 21年～25年データマネジメントへの取組み

40 データマネジメント：データマートの整備オンプレ時代はExadataの容量不足により、データマート作成が困難統計分析ツールにビジネスロジックを記述 → クエリが複雑化＝DB負荷要因 100社のID-POSデータを共通化・正規化したデータマート（桁数整合や税抜・値引処理）ビジネスロジックをマートが吸収し、統計分析ツール依存のロジックを削減長年継続していたレガシーな統合分析ツールをDataikuへ移行し、AI活用を加速

41 Before After ・長年に渡り、データカタログを運用・利用頻度はなかなか上がらず ⇒カタログとSQL画面を見比べて利用・Snowflakeにデータカタログを移行・Snowsightでカタログやユニバーサル検索が可能 ⇒インタラクティブで効率的なクエリ体験 Colilotでのクエリ生成やText2SQLも可能に･･･データマネジメント：データカタログがより効果的に

42 Query History Management 管理者 Access Roles Functional Roles エンジニアアナリストアナリスト（プライバシー担当）基幹処理分析アプリ Users User F User A User B DB１（分析DB） DB３（データシェア） DB２（分析ASP）参照権限更新権限スキーマA（基幹領域）スキーマ２（自由領域）更新権限参照権限更新権限参照権限更新権限参照権限 System D System E DBの分散によるアクセス制御の煩雑性を、Snowflake統合によって大幅に改善 RBAC（Role Based Access Control ロールベースアクセス制御）での明確な権限制御匿名レベルや取り扱いデータに応じたアカウント分離など、さらなるプライバシー強化も検討 User C 参照権限データマネジメント：アクセス制御の一元化

43 DB統合によるシステム間連携の集約オンプレ時代外部連携提携先会員ポイント基幹用 Exadata 配信用 Exadata 分析用2 Exadata 分析1用 Exadata 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 伝送システム統合基盤 Snowflake 外部連携提携先会員ポイント伝送システム Snowflake統合後・データ連携が統合・インタフェースの統廃合・重複データの削減・開発効率の向上・データベースの統合・データ反映の迅速化・保守運用の最適化・エンジニアスキルの集約開発生産性の高い基盤＝事業価値向上により専念

44 Send Table （Primary） Listing機能（CrossCloud DataSharing） Receive Table (Share) Listing機能（CrossCloud DataSharing） AWS Send Table (Primary) Receive Table （Repli） Partner Company Azure Listing機能により、クラウドをまたいでシェア対象のデータ複製パートナーとの間でゼロETLでデータを提供し合う事が可能データシェアリングによる外部連携の効率化

45 FileOutput /SFTP 要件定義設計開発中継サーバ構築連携試験リリース On Snowflake (Fileless) 要件定義設計開発試験データ連携開発 90% Off（当社比）従来の方式：インタフェース設計・開発・伝送・各種試験・リリース作業 Snowflake ：テーブルのシェアのみ開発期間短縮のみではなく、関わる人も運用業務も大幅に削減（管理者作業のみ） CCCグループ内や業務提携先など多様な企業との連携で活用リリースデータシェアリングによる圧倒的生産性の向上

46 ～22 23 24 25 ポイント DBW 分析用 DWH 基幹 DWH TSUTAYA DBW① 日販 WIN 分析用 DWH 基幹 DWH TSUTAYA DBW② 日本最大級のV会員データ基盤分散したデータ基盤を全て統合出版業界向けデータプラットフォーム Snowflake上に新規構築し、提供 TSUTAYA加盟店向け分析サービス Snowflakeでモダン化ホールディングス分析環境を新規構築ﾃﾞｰﾀｼｪｱﾘﾝｸﾞによるコピーレスDWH カルチュア・エクスペリエンス株式会社カルチュア・コンビニエンス・クラブ株式会社株式会社Catalyst・Data・Partners CCCMKホールディングス株式会社 Vertica Synapse Oracle Oracle Oracle Oracle Oracle CCCMKを起点にグループ各社で段階的にSnowflakeを導入、各社分析環境のモダン化を実現、グループ間や提携会社間のデータシェアリングだけでなく業界横断のデータプラットフォームも提供 CCCグループでのSnowflake活用

47 Snowflake Japan Data Drivers Awards ・グループ内でのデータシェアリング・業務提携先とのデータシェアリング・Snowflakeによる分析サービスの提供先進的な事例として評価いただきました Data Collaboration賞

48 現在の取組みのまとめ 03 開発生産性の向上 02 アクセス制御の一元化分散したDBをSnowflakeに統合した事でアクセス制御は一元化され、セキュリティもより向上プライバシー保護とデータ活用の促進のために継続的な改善が重要 01 データカタログやデータマネジメントの推進データとビジネス情報を地道に運用し、拡充していく事がデータ活用の裾野を広げるデータマートを整備する事がDBコストの抑制やツール依存にならない基盤を実現するデータ基盤を充実させるための継続的な取組み DBが統合された事で重複した業務や運用が大幅に削減され、エンジニアスキルも集約データシェアリングや開発生産性を向上する取り組みを進め、より事業価値向上に注力

49 現在の取組みから未来への取組みへ

51 データ基盤の構築と共にAIへの取組みを並行で進めてきました 01 AI推進室の立ち上げ CCCグループ全体でのAIの活用方針やAI倫理ポリシーを制定し、テクノロジー、AIエンジニアリング、法務、コンプライアンス、業務部門などの専門家を中心に全社横断での適切な活用の推進、社内啓蒙活動を実施 03 AI開発基盤の構築データサイエンティスト：Databricks データエンジニア：Snowflake データアナリスト：Dataiku スキルに応じた環境を提供し、それぞれの進化による AI活用促進をしながら最適解を目指す 02 AI-Readyな基盤の促進データカタログやメダリオンアーキテクチャの整備は、 AI時代においてさらに重要度が上がっています AI向けのGOLD層、より文脈を持つデータカタログや社内の非構造化データへのアクセス整備などへより領域を拡大 04 AIサービスの開発社内Chat-GPTの内製やDatabricks、Snowflakeなどの各AI機能を活用し、業務品質を上げるAIエージェントを社内開発し、順次リリース・販促時にセグメント提案を行うエージェント・CSの高度な問合せのサポートエージェント ..etc AIへの取組み

52 AI倫理ポリシーの宣言ホームページでのAI倫理ポリシーの公表とプライバシーセンターでの宣言人間中心の原則のもと、プライバシーに配慮し、安全にセキュアに AIを活用したサービスを提供してまいります

53 データマネジメントの推進や基盤整備＝ AI-Readyな基盤への取組みデータカタログアクセス管理一部をドキュメントベースで管理 DBごとに個別管理データマート容量不足で作成出来ず数千TBLのメタ情報管理に着手 DBごとの個別管理共通化・標準化を推進メタ情報をSnowflakeに移植 Snowflakeの権限管理に統合マートの浸透・クエリ簡素化データ連携複数システム間で多重に連携システム間連携は複雑なままシステム間連携のシンプル化ユーザー数分析約20名ワークロード定期帳票分析40名＋BI数十名定期帳票、業界横断分析、BI 分析70名+BI数百名+ﾃﾞｰﾀｻｲｴﾝｽ多様な分析、BI浸透、AI開発 15年～17年 17年～20年 21年～25年 AI-Readyな基盤（データマネジメントへの取組み）

54 AI開発基盤の拡充統合基盤 Snowflake 1.3億人×800項目のライフスタイル推計キャンペーンにおける最適配信モデル GUIベースのデータ加工・統計・モデル AI開発基盤 Databricks AI活用基盤 Dataiku データサイエンティスト AIエンジニア 10名データエンジニア AIエンジニア 10名データアナリスト 70名スキルセットに合わせたAI開発基盤を提供し、組織のAI活用を最大化データ×AIの分析サポートAI CortexAIによるマルチAIエージェントローコードによるAI開発の民主化

55 AIサービスの開発（内製開発中）コーディネーターAI コールセンターの高度な顧客対応をAIがサポートし、より良い顧客体験を入会エージェントポイント問合せエージェントキャンペーンエージェントクーポンエージェント DM エージェントその他問合せエージェント Cortex Analyst Cortex Analyst Cortex Analyst Cortex Analyst Cortex Search Cortex Search ・SnowflakeのCortexAgentsやCortexSearchを活用してエージェントを作成・マルチエージェント化し、個々のAIエージェント最適化と再利用性を高める・サービス展開を優先しているので、今後はより安価な構成や機能拡張を検討入会キャンペーンに関するお問合せですね入会の手続き・～～～～の登録ボタンを押す・～～～～～～を入力してください・～～～～～～キャンペーンの注意事項・～～～～～～画面より申込・~~~~~の3つの特典から1つを選択アプリからの入会キャンペーンの手続きを丁寧に回答したい

56 効率化・自動化だけではなく、より良い顧客体験を生み出すためにAIを活用してまいります

57 テックブログや技術コミュニティサイト等で実装例やノウハウをシェア我々も模索中です

58 一緒に新たなデータ価値を創っていく仲間を募集しています！ https://www.cccmkhd.co.jp/recruit/ 採用ページ

59 未来への取組みのまとめ 03 AIによる顧客価値向上 02 AIの倫理ポリシーと推進体制の強化自分たちは何のためにAIを活用するのかを宣言し、実現するための体制作りが重要歩き始めたばかりだが、データ活用の時と同じように全社で協力してチャレンジしていく 01 データマネジメントの推進 AI-Readyな基盤の本質は、データマネジメント。これらの持続的な取組みが重要社内に散在するデータを集約し、AIが利用しやすく加工し、提供していくデータ×AIによる顧客価値の向上への挑戦効率化や自動化だけではなく、AIを活用したより良い顧客体験を生み出していきたい社内での活用を進め、品質を確かめながら、1.3億人のV会員への顧客価値向上にチャレンジ

60 データ基盤の過去・現在・未来のまとめ未来 AIによる、新たな顧客価値向上への挑戦現在データマネジメントによる基盤の充実インフラ整備だけでなく、データ活用を促進するための様々な地道な取組みデータカタログやデータマート、アクセス制御など実施してきた事がAI-readyな基盤へつながる過去データ基盤の10年に渡るモダン化への挑戦基幹業務である分析業務を事業成長の中で、事業を止めずに走り続けたモダン化の歴史データ活用基盤としての改善や強化に終わりはなく、今後も最適化を続けていく事業成長とモダン化への挑戦からAIによる顧客価値創造への挑戦へ AIの倫理ポリシーと共に推進体制を作り、全社を挙げたAIへの取組みを進めていく事業の効率化や自動化だけでなく、顧客価値向上のための様々な取組みに挑戦していく

61 まとめご清聴ありがとうございました

日経クロステック ITインフラSummit Summer

日経クロステック ITインフラSummit Summer

More Decks by タロウ

Other Decks in Technology

Featured

Transcript