浸透から活用、そしてAI ReadyなLightdashへ / From Adoption to Utilization, and Towards an AI-Ready Lightdash.

2025/10 02 に開催された Lightdash Tokyo Meetupの登壇資料です。
Presentation materials from the Lightdash Tokyo Meetup on Oct 2, 2025.

Transcript

1. ※本資料には弊社の秘密情報が含まれております。貴社限りとさせていただき、 SNS等への アップロードを含め、貴社の関係者以外の方に開示されることのないようお願い申し上げます。 Confidential 浸透から活用、そして AI ReadyなLightdashへ 2025/ 10 / 02 Ubie株式会社 Shunya Yoshikawa
2. 2 Introduction Shunya Yoshikawa (@yosh_yumyum) Data Engineer @Ubie, Inc. • 2023/9よりData EngineerとしてUbieにjoin • Data Engineering, Data Privacy, 横断的なデータ利活用推進をやっています。 ◦ 最近は生成 AIを駆使した非構造データの利活用・業務プロセス改善も Recent Activities • dbt民主化とLLMによる開発ブースト ~ AI Readyな分析サイクルを目指して ~ (Tokyo dbt Meetup #15) ◦ https://speakerdeck.com/yoshyum/dbtmin-zhu-hua-tollmniyorukai-fa-busuto-ai-readynafen-xi -saikuruwomu-zhi-site • AI Readyなナレッジマネジメント〜議事録の利活用を例に〜 (blog post) ◦ https://zenn.dev/ubie_dev/articles/8e8c107419601b
3. 3 Confidential Ubieについて 3
4. 会社概要 Hello, Healthy world. 世界80億人の健康寿命を延ばす挑戦 Vision 4 健康は、地域や文化、人種を問わず、全ての人にとって普遍的なテーマ。 Ubieは医療先 進国である日本で育んだプラットフォームを世界に広げ、地球上の 80億人の健康寿命を 延ばすことを使命としています。目指すのは、健康がだれにとっても空気や水のように当 たり前となる世界です。
5. 会社概要 テクノロジーで人々を適切な医療に案内する 「どうしてあの時病院に行かなかったのか」と重篤化して後悔する方、最悪の場合命を落と す方がいます。一方で多くの医療従事者は、早期に発見されていれば救えたはずの患者 の死を、無念の思いで見届けています。さらに世界には、医療へのアクセスが困難な地 域、医療資源が不足している国が数多く存在するのが現状です。私たちは医療先進国日 本発の企業としてテクノロジーで世界中の医療に貢献します。 Mission 5
6. 事業紹介 6 自分の症状を答えるだけで、 参考病名や近くの医療機関等 「受診の手がかり」が調べられます 医療現場で実際に使われ鍛えられた AIを、 生活者が適切な医療にかかる目安として開放しています (2020年提供開始 ) 無料で 誰でも いつでも ほぼ全ての症状で ＊ ＊99% (1.3万超)の症状に対応 生活者 医療機関 製薬企業 生活者向け事業 情報 アクセシビリティ 好事例2023 選出 総務省 症状検索エンジン「ユビー」ダウンロードリンク https://ubie.go.link?adj_t=1c2ifxv9
7. 事業紹介 7 問診業務効率化や認知向上など、患者さんとのコミュ ニケーション設計を通じ、診察の質向上を支援する医 療機関向けサービスです 医療機関向け事業 病院・クリニックそれぞれのニーズに合わせた 以下のような機能を提供・開発しています ユビーAI問診 ユビーリンク ユビー生成AI etc… 生活者 医療機関 製薬企業 導入数 1,800 施設超 https://intro.dr-ubie.com/ ユビーメディカルナビ サイト
8. 製薬企業が持つ、疾患・治療啓発につながる情報を生活 者・医療機関に提供することで、早期かつ適切な受診や、 診療業務の支援を行います。薬剤の適正処方を最大化 し、治療アウトカム向上に貢献することを目指しています。 8 事業紹介 製薬企業向け事業 生活者 医療機関 製薬企業 Ubieが保有する医療プラットフォーム を通じて、製薬企業と生活者・医療機関を つなぐサービスです ユビー for Pharma https://ph-ubie.com/
9. 製薬企業とともに疾患ごとのペイシェントジャーニーの実態と課題を認識し、 患者・医師の適切な判断や行動を後押ししています 9 事業紹介 プロダクトを通して ユーザーの ペイシェントジャーニーの 実態を把握、認識できる ペイシェントジャーニー 上の課題を解決する ソリューションの共創 ペイシェントジャーニー 上のユーザーの 行動・ニーズ把握 ペイシェントジャーニー 上の課題を持つユーザーに 適切なタイミングで 適切な情報を提供できる 製薬企業との連携でUbieのプロダクトを起点としたペイシェントジャーニーに対する好循環が発生 製薬企業 ユーザー 患者/生活者 医師 生活者 医療機関 製薬企業
10. 10 • Ubieはデータの会社。 事業・プロダクトにおける仮説検証・インサイト発掘や製薬企業向けのレポーティン グなど幅広い場面で価値を生み出している。 • 患者の情報を適切に繋ぎ合わせ理解することで適切な医療に案内する、ときには N数の少ない病気 (希少疾患 )の患者を適切な医療に案内する、そのために 信頼性の高いデータが必須 • データ利活用推進と信頼性維持・向上が、 Ubieのプロダクト・プラットフォームそのものの価値向上に寄 与する。 Ubieにおけるデータの重要性について詳しくはこちら • Ubieのデータ信頼性とその向上の取り組み（ https://zenn.dev/ubie_dev/articles/5d57fa39ac7af1） Ubieでのデータ利活用とデータ分析基盤の位置付け
11. 11 Confidential 2. コンテキストを見据えた基盤運用 目次 １．Lightdashとこれまでの浸透 3．Lightdash AI Agent
12. 12 Confidential 12 Lightdashと これまでの浸透
13. 13 UbieでLightdashが浸透するまで - 以前のTokyo dbt Meetupで、Ubieのデータアナリスト /AEの@okiyuki99が Lightdashの導入から浸透までの歴史をまとめてくれています。 - https://speakerdeck.com/okiyuki99/integrate-dbt-and-lightdash-into-ubie - また、Lightdash の customer story としても取り上げていただきました。 - https://www.lightdash.com/customer-story/ubie-jp - 利活用の前に、こちらの資料からまずはこれまでの歩みを抜粋の上紹介します。 https://www.lightdash.com/customer-story/ubie-jp https://speakerdeck.com/okiyuki99/integrate-dbt-and-lightdash-into-ubie
14. 14 UbieでLightdashが浸透するまで：課題や導入背景
15. 15 UbieでLightdashが浸透するまで：浸透施策とタイムライン
16. 16 UbieでLightdashが浸透するまで：定着と生成 AI活用 - LightdashがBIツールのデファクトとなる頃には生成 AIが台頭 - BI as Codeの真価を発揮。可視化までの開発効率化、 Discovery向上に大きく貢献
17. 17 Confidential 17 Lightdash と コンテキストを 見据えた基盤運用
18. 18 Ubieでのデータ開発 - UbieではSelf-Serviceなデータ開発プロセスを運用しています - つまり、プロダクトに詳しい人 (=Data Owner)がデータが利活用できるまでの開発を行う - DBからBigQueryへの転送 - dbtでのmodeling - Lightdashのmetrics/dimension追加まで - データエンジニアの役割は - PR Review(主にPrivacy観点) - CI/CDの構築・運用 - 生成AIのためのガードレール Ubie データ分析基盤全体図
19. 19 コンテキストエンジニアリング - 昨今コンテキストエンジニアリングが注目されている - AIの応答性能を高めるため、 AIが参照する情報の設計を最適化する方法 - 社内データ整備プロジェクトを運用してきたが、コンテキスト整備の効果は実感 - データ分析でも必須級に - https://speakerdeck.com/syucream/ubienoaipatonawozhi-erukontekisutoenziniaringus hi-jian
20. 20 - 定常的な運用も Self Serviceの考えに基づき運用 - PR mergeやdaily batch で失敗した dbt test の修正 - `lightdash validate` で壊れた chart / dashboardの修正 - 一方で、利用が進み deprecatedなまま放置されてしまう chart / dashboardも増えてきた - CI/CDの割れ窓化を防ぐ＋ 生成AI時代はBI as Codeのコンテキスト圧縮 のためにも 消しやすくする仕組み (誰がowner)・寿命(depecation_date)・Tier(Maturity)の設定で AIに読ませない整備も必要 (これから整備していく ...!) Ubieでのデータ開発：運用とこれから課題 https://github.com/lightdash/lightdash/issues/15638
21. 21 - deprecationの入力など事前にライフサイクルを定義していれば削除の合意形成と運用はやりやすい - それだけでなく、補完的な情報源として利用ログも見たい - (cf: BigQuery INFORMATION SCHEMA) - User Activity Dashboardもあるが、実は csv exportもできる - https://docs.lightdash.com/references/usage-analytics - Spaceの定義と組み合わせるなどして、ライフサイクル自動化を期待 - exprements space に置いたものは一定期間後削除する - Tier:N以下でM日以上参照がないダッシュボードは自動削除する - など Ubieでのデータ開発：捨てやすくするために
22. 22 コミュニケーションの中心地 (Slack)とLightdashを繋ぐ - Ubieでのコミュニケーションの中心となるツールは Slack - 社内では内製の生成 AIアプリケーションを Slack mentionで呼 べ、NoCode で chat botも作れる - Scheduled Delivery の結果を chat bot読ませ、モニタリング や示唆出しというユースケースも出てきた - Scheduled Deliveryは一番多い時間帯で 20個jobが並列で動 くことも Scheduled Deliveryにchat botをメンションさせる ↓ 画像認識でサマリ、モニタリング
23. 23 Confidential 23 Lightdash AI Agent
24. 24 Lightdash AI Agentの登場 - https://docs.lightdash.com/guides/ai-agents - Ubieでも内製の AI Agentを利用してきたが、 Lightdash特化なAgentには期待大 - UbieのPrincipal Data Architectである yu さんが詳しく解説してくれているが、抜粋して紹介 https://yu-ishikawa.medium.com/lightdash-at-ubie-part-4-super charging-bi-with-lightdash-ai-agents-06191f1381f2 Lightdash AI AgentのThread UI. Slackでも対話的に呼び出せる
25. 25 User-defined evaluations - Lightdash AI Agentに事前に定義したプロンプトを実行させ、それを評価する - つまり、 メタデータを育て続ける ための仕組み - TerraformProvider(Ubie OSS)でも定義可能 Agent Evaluation UI(左)と、Terraformの定義(右) https://yu-ishikawa.medium.com/lightdash-at-ubie-part-4-supercharging-bi-with-lightdash-ai-agents-06191f1381f2
26. 26 どう改善する？ - プロンプトの改良や dbt model側でdescriptionの改善 →再度Agent Evaluationを実行し、目標の精度に達するまでこれを繰り返す Lightdash AI Agentはデータではなく、 メタデータを読んでいるので如何に質の良い メタデータを与えるかが重要 - dbt model の descritptionだけでなく、 ”meta.ai_hint”やdimention/metricsの”tag” もadditional contextとして有用 - https://docs.lightdash.com/guides/ai-agents
27. 27 Lightdash AI Agent を効果的に使うために - LightdashでAI Readyな分析をする環境はかなり整ってきた - Agent Evaluationによる、 text-to-query(semantic layer)なメタデータ評価 - → 応答精度の向上＆データ品質の向上 - Usage Analytics を活用した、 Life cycle管理 - → コンテキストの増加の抑制・管理 - この他にも Spotlightによる Metrics Catalog や Lightdash MCPなどAIが効率的に情報収集する 手段が出揃いつつある - ラストワンマイルは人間によるメタデータ定義・管理、データモデリング、語彙の定義
28. 28 まとめ - 利用増＆ AIが介在する中、コンテキストを如何に設計できるか - 対話的な体験がこれからの BI toolの中心 - 仕組みが整い、インセンティブも高まっている今こそデータエンジニアはデータ整備を - Document your data thoroughly
29. 29 Thank you! & We are hiring!