『そのデータ整備は投資に値するか？』データ人材が1年取り組んで感じた、RevOps実現のカンどころ / The ROI of Data Quality: A One-Year Journey Toward Building RevOps

2025/12/17(水) Jagu'e'r データ利活用分科会 Looker User Meetup Part 5 登壇資料
https://docs.google.com/forms/d/1U3E-gaAAByzVN15pbTGqOoDxX9bPmicrRNlusX-r57Q/viewform?edit_requested=true

Transcript

1. 『そのデータ整備は投資に値するか？』 データ⼈材が1年取り組んで感じた、 RevOps実現のカンどころ 2025.12.17 in Looker Meetup 株式会社ヤプリ  井上 魁⼈
2. SPEAKER プロダクト開発本部 データサイエンス室（以下、DS室） 兼事業推進室 事業推進グループ 井上 魁⼈ • 24年に新卒⼊社 • 25年からビジネスサイドのデータ基盤に従事、 RevOpsのデータ担当 • アナリスト業務や、AI ready な分析環境作り、 Cursorの展開なども
3. ノーコードのアプリ開発プラットフォーム「Yappli」 • 750社以上で導⼊、 約900アプリを提供 • 50種類以上の機能で、 多様なシーンに合致した アプリが作成可能
4. 本⽇お話すること • なぜRevOpsに取り組むことになったのか • どんなRevOps基盤を作ったのか（with Looker） • この1年RevOpsに取り組んで得られた学び
5. RevOps推進 ＆ そのためのLooker活⽤ の参考になれば幸いです🙏
6. INDEX ⽬次 1. 取り組んだ経緯‧内容 2. RevOps実現のカンどころ 3. まとめ
7. 取り組んだ経緯‧内容
8. The Modelによるサイロ化問題が深刻化 • ナレッジ、業務フローなどあらゆるものが各部署で個別最適化 • 当然、データもサイロ化 ◦ 各々の部署でデータを集計 ▪ 部署ごとに指標の定義が微妙に異なるため、同じ指標なのに数値がズレる状況 ◦ 部署や⽬的ごとにSalesforceレポートが乱⽴ ▪ どのデータを信頼すべきか不明瞭 全社で脱‧サイロ化＆全体最適化が急務に
9. The Modelによるサイロ化問題が深刻化 • 2025年初に部署横断的な「事業推進室」が新設 ◦ データの脱‧サイロ化のため、事業推進室を兼務することに • ビジネス⽤データ分析基盤を刷新 ◦ 各部署で⾏われていたデータ集計を1つのデータパイプラインへ集約 ◦ 安⼼してデータを信頼できるSSOTな世界を⽬指す
10. 今年1年かけて、RevOps基盤を構築
11. この1年取り組んできたこと • 上半期：既存データの収集‧整理 • 下半期：整理したデータを使って、Lookerを整備
12. この1年取り組んできたこと • 上半期：既存データの収集‧整理 • 下半期：整理したデータを使って、Lookerを整備
13. • KPI管理の脱属⼈化（スプシからLookerへ） ◦ 「秘伝のタレ」化したスプシ関数の解読と再構築 ▪ 「作成者しか解読不能」な巨⼤スプシ関数のロジックをLookMLへ移植 ◦ 退職による「集計のブラックボックス化」を防ぐための集約 ▪ データモデリングすることで整理（stg, fct, mart 層） • 既存Looker環境の刷新 ◦ Looker⾃体は元々導⼊していたが、管理者不在 ◦ Salesforceレポート依存からの脱却 上半期：既存データの収集‧整理 ビジネス⽤データ基盤を再構築
14. 構築したビジネス⽤データ分析基盤
15. 構築したビジネス⽤データ分析基盤 • TROCCOでSalesforce→BigQueryへ転送 • 全カラム転送は結構な頻度でエラーが出てパイプライン を⽌めてしまうため、必要なカラムだけ転送
16. 構築したビジネス⽤データ分析基盤 • Staging/Component/Martの3層でデータクレンジング • TROCCOでデータ加⼯
17. 構築したビジネス⽤データ分析基盤 • LookMLでデータモデリング • LookMLのModelをデータソースとして各所 で活⽤ → SSoTが保たれるようにする
18. この1年取り組んできたこと • 上半期：既存データの収集‧整理 • 下半期：整理したデータを使って、Lookerを整備
19. 下半期：整理したデータを使って、Lookerを整備 • 新たなインサイトの提供（攻めのデータ活⽤） ◦ これまで⾒えなかったものの可視化 ▪ ヨミの予実、パイプライン変動要因、チャーン分析 ▪ リードから受注、チャーンまでの流れ • 速報値とガバナンス（SSoTの布教） ◦ 経営に関わる数字の即時反映 ▪ ⽉締めを待たず、「今」の数字で意思決定できる環境を提供 ▪ CXOがLookerを必要としてくれた ◦ スプシ連携機能（Looker Connected Sheets） ▪ スプシが必要とされる場⾯でも、Lookを通してデータを渡すように
20. この1年取り組んできたこと • 上半期：既存データの収集‧整理 ◦ KPI管理の脱属⼈化（スプシからLookerへ） ◦ 既存Looker環境の刷新 • 下半期：整理したデータを使って、Lookerを整備 ◦ 新たなインサイトの提供（攻めのデータ活⽤） ◦ 速報値とガバナンス（SSoTの布教）
21. RevOps実現のカンどころ
22. もし⼀年前の⾃分にアドバイスするなら？ 1. ビジネス側のデータを誰よりも理解しよう 2. SSoTを無理に実現しない、強要しない 3. データ整備後の世界を⼀緒に描こう
23. • とにかく各部署とたくさん会話し、理解する ◦ ビジネス側の気持ち‧考えの部分 ▪ 何がみたい？どうみたい？なぜみたい？ ▪ 現状と理想は？ ◦ データ構造の部分（弊社の場合、Salesforceやスプシ） ▪ どんなオブジェクトがある？それぞれの join keyは？ ▪ KPIはどのオブジェクトのどの定義から出せる？ • 理解すると課題と理想が⾒えてくる ◦ どんな時にずれが起こるのか ◦ ⼯数がどのタイミングで発⽣しているか ◦ ⼀つの課題解決が複数組織に波及、横串組織の強み ◦ etc. ビジネス側のデータを誰よりも理解しよう
24. • ビジネス側にとってSSoTは「⼿段」であり、「⽬的」ではない ◦ 必要とされているのは「正しいデータ定義」よりも「今すぐ使える数字」 • 「便利な集計屋さん」から始めて、徐々に信頼を勝ち取る ◦ 裏側でこっそりSSoTを実現していくアプローチが有効 ◦ 関係値と信頼の貯⾦は⼤事、あとからじわじわ効いてくる • データは絶対にズレる ◦ 「なぜズレたか？」を即座に論理的に説明できることこそが、データ⼈材の信頼（バ リュー）になる SSoTを無理に実現しない、強要しない
25. • 複雑なドリルダウン分析も、会議中にその場で完結 ◦ ドリルダウンをその場で⾏えることで、数値の解像度が上がる • 「数字の定義確認」の時間が消滅し、意思決定の議論に集中できる ◦ 今までの無駄なやり取りが、不必要に • 戦略の実⾏のために必要なモニタリング指標の提案 ◦ 来年は〇〇に⼒を⼊れていきたい ◦ この辺りをモニタリングしておくのが⼤事なのではないか データ整備後の世界を⼀緒に描こう
26. • 「Lookerを⾒て、Lookerで作って」が社内の共通⾔語に ◦ 「正しい数字はLookerで⾒れる」という存在 • DS室がデータ品質を保証 ◦ コードで定義を管理する堅牢性が、信頼に繋がった ▪ TROCCOでのデータクレンジング ▪ LookMLでのデータモデリング Lookerが共通⾔語に！
27. まとめ
28. もし⼀年前の⾃分にアドバイスするなら？ 1. ビジネス側のデータを誰よりも理解しよう 2. SSoTを無理に実現しない、強要しない 3. データ整備後の世界を⼀緒に描こう
29. 「投資」したいと思わせることができるか • あらゆる粒度の「投資」 ◦ 「お⾦」をかけてもらう ◦ 「⼯数」をかけてもらう ◦ 「期待」をしてもらう • 技術⼒でデータを守り、対話⼒で期待を作るの繰り返し
30. これからも投資したい思われる、 データ基盤をLookerと 作っていきたい