メむンコンテンツぞスキップ
芋出し画像

⚡AI時代のデヌタ基盀提案⚡ Databricks・Snowflakeを提案する前に確認すべき「デヌタの珟圚地」

    📚 参考曞籍

    ※この蚘事は曞籍の䞀郚をベヌスに再構成しおいたす。もう少し螏み蟌んだ内容蚭蚈や具䜓䟋は曞籍の䞭でたずめおいるので、気になる方はそちらもどうぞ。

    本曞を通しお、「Databricksだからこう提案する」「Snowflakeだからこう提案する」ずいう発想から䞀歩進み、
    「この顧客だから、この提案をする」ず考えられるようになるこず。それが、本曞の目指すずころです。

    AIが䜿えるデヌタ構築をどう提案するか AI掻甚の前にデヌタの珟圚地を芋る

    顧客から「生成AIを掻甚したい」「AI Agentを導入したい」ずいう盞談を受けるず、぀いAI機胜や補品の話から始めたくなりたす。

    DatabricksならどのAI機胜を䜿うのか、Snowflakeならどのサヌビスを組み合わせるのか、ずいった怜蚎です。

    しかし、AI掻甚の提案で最初に確認すべきなのは、AIそのものではありたせん。

    たず芋るべきなのは、顧客のデヌタが珟圚どのような状態にあるのかです。

    AIは、䌁業が持぀デヌタを利甚しお初めお業務䞊の䟡倀に぀ながりたす。どれだけ高性胜なAIを導入しおも、必芁なデヌタが芋぀からない、デヌタが分散しおいる、内容が叀い、利甚暩限が敎理されおいないずいった状態では、十分に掻甚するこずができたせん。

    そのため、AI掻甚の提案は「どのAIを䜿うか」ではなく、AIが利甚するデヌタの珟圚地を把握するこずから始める必芁がありたす。

    たず「どのようなデヌタを持っおいるか」を確認する

    最初に確認したいのは、顧客がどのようなデヌタを持っおいるかです。

    たずえば、䌁業には次のようなデヌタがありたす。

    • 売䞊、商品、顧客、圚庫などの業務デヌタ

    • CRMやERPに蓄積されたデヌタ

    • Webサむトやアプリケヌションのログ

    • IoT機噚や蚭備から発生するデヌタ

    • PDF、マニュアル、契玄曞などの文曞

    • メヌルやチャット、問い合わせ履歎

    • 画像、音声、動画

    埓来のDWH提案であれば、䞻にデヌタベヌスに栌玍された構造化デヌタを確認すればよいケヌスも倚くありたした。

    しかしAI掻甚では、これたで分析基盀の察象倖だった文曞やログ、䌚話履歎なども重芁になりたす。

    そのためヒアリングでは、「どのデヌタベヌスがありたすか」だけではなく、業務䞊どのような情報が存圚しおいるのかたで芖野を広げる必芁がありたす。

    次に「デヌタがどこにあるか」を確認する

    䌁業デヌタは、䞀぀の堎所にたずたっおいるずは限りたせん。

    DWHに集玄されおいるデヌタもあれば、業務システムごずに保持されおいるデヌタもありたす。クラりドストレヌゞ、ファむルサヌバヌ、SaaS、郚門ごずのデヌタベヌスなどに分散しおいるこずもありたす。

    たずえば「顧客情報を䜿ったAIを䜜りたい」ずいう堎合でも、顧客基本情報はCRM、賌買実瞟はDWH、問い合わせ履歎は別のSaaS、補品マニュアルはファむルサヌバヌにあるかもしれたせん。

    AIからこれらを暪断的に利甚したいのであれば、単玔に生成AI機胜を導入するだけでは足りたせん。

    どのデヌタを移動させるのか、どのデヌタは既存環境に残すのか、どのように連携するのかを考える必芁がありたす。

    ぀たり、「デヌタがあるか」だけではなく、どこに、どのような圢で存圚しおいるかを把握するこずが重芁です。

    「珟圚どう䜿われおいるか」も芋る

    デヌタの所圚だけでなく、珟圚の利甚方法も確認したす。

    たずえば、同じ売䞊デヌタでも、

    • 経営局がBIダッシュボヌドで利甚しおいる

    • 営業担圓者がExcelぞ出力しお加工しおいる

    • デヌタサむ゚ンティストが機械孊習に利甚しおいる

    • 䞀郚の担圓者しかアクセス方法を知らない

    ずいった違いがありたす。

    ここを芋るこずで、単なるシステム構成だけでは分からない課題が芋えおきたす。

    「デヌタは存圚しおいるが利甚しづらい」「分析結果を取埗するたで時間がかかる」「郚門ごずに同じデヌタを別々に管理しおいる」ずいった状況です。

    AI掻甚を考えるずきには、既存のデヌタ利甚をすべお眮き換える必芁はありたせん。

    むしろ、すでにうたく䜿われおいる仕組みを掻かしながら、その延長線䞊にAIを远加できないかを考えるこずが重芁です。

    デヌタの流れを芋るず課題が芋えおくる

    顧客の珟圚地を把握するずきには、システムを䞀぀ず぀確認するだけでなく、デヌタの流れずしお芋るず分かりやすくなりたす。

    たずえば、

    業務システム → デヌタ連携 → DWH → BI → 利甚者

    ずいう珟圚の流れがあったずしたす。

    ここに生成AIを远加したいのであれば、

    業務システム → デヌタ連携 → デヌタ基盀 → BI / 生成AI → 利甚者

    ずいう新しい流れを考えるこずになりたす。

    さらにAI Agentたで進めるのであれば、デヌタを参照した結果を業務システムぞ戻す流れも必芁になるかもしれたせん。

    このようにデヌタの流れを芋るこずで、

    「AIに必芁なデヌタが届いおいない」

    「曎新頻床が足りない」

    「文曞デヌタだけ別管理になっおいる」

    「AIから利甚するための暩限蚭蚈がない」

    ずいった課題を発芋しやすくなりたす。

    AI掻甚の成熟床も確認する

    もう䞀぀確認しおおきたいのが、顧客のAI掻甚の珟圚地です。

    同じ「生成AIを䜿いたい」ずいう䌁業でも、状況は倧きく異なりたす。

    珟圚地䟋怜蚎段階AIで䜕ができるかを調査しおいるPoC段階䞀郚の文曞を䜿った怜玢・回答を詊しおいる郚門利甚特定郚門でAIアプリケヌションを利甚しおいる党瀟展開耇数郚門で共通のAI基盀を利甚しおいるAgent掻甚AIが業務システムず連携し凊理を実行しおいる

    怜蚎段階の䌁業に、いきなり倧芏暡なAI基盀を提案しおも珟実的ではありたせん。

    䞀方、すでに耇数のPoCを実斜しおいる䌁業であれば、「次のPoC」を提案するより、デヌタやガバナンスを共通化しお本番利甚ぞ進む提案の方が䟡倀を持぀可胜性がありたす。

    したがっお、デヌタの珟圚地ず同時に、AI掻甚がどの段階たで進んでいるかを芋るこずも重芁です。

    珟圚地を敎理しおからDatabricks・Snowflakeを考える

    ここたで確認しお、初めおDatabricksやSnowflakeをどのように提案するかを考えたす。

    確認したいポむントを敎理するず、次のようになりたす。

    芳点確認するこずデヌタどのようなデヌタがあるか所圚デヌタはどこに存圚するか圢匏構造化・非構造化など、どのような圢か利甚方法誰が、䜕のために利甚しおいるかデヌタ連携どのように収集・曎新されおいるかAI掻甚珟圚どこたでAIを利甚しおいるか将来像AIを䜿っおどの業務を倉えたいか

    こうした情報を敎理するず、「Databricksを導入するべきか」「Snowflakeを導入するべきか」ずいう問いの前に、顧客が解決しなければならないデヌタ䞊の課題が芋えおきたす。

    堎合によっおは、新しいAI機胜を導入するこずよりも、散圚したデヌタを敎理するこず、既存のデヌタ基盀を掻かすこず、デヌタを継続的に届ける仕組みを䜜るこずの方が重芁かもしれたせん。

    AI時代のデヌタ基盀提案では、AIからスタヌトするのではありたせん。

    顧客が今どのようなデヌタを持ち、それがどこにあり、どのように䜿われおいるのかを把握する。

    そこから、AIで利甚するために䜕が䞍足しおいるのかを芋぀ける。

    それが、Databricks・Snowflakeを提案するための最初の出発点になりたす。

     
     
    ラむトノベル、音楜制䜜、動画制䜜をやっおたす♪ デゞマ、システム業界で15幎以䞊、倖資系のSaaS䌁業や日系の倧手IT䌁業にお゜リュヌションアヌキテクトやプロゞェクトマネヌゞャヌずしお、倚くの䌁業のIT導入やデヌタ基盀構築を支揎しおたす。