この記事は、2026年4月14日に開催された「DevOpsDays Tokyo 2026」での登壇内容を、Qiita用に記事としてまとめたものです。
はじめに
みなさん、DevOpsしていますか？
DevOpsの提唱者の一人であるPatrick Debois氏は、DevOpsを 「サイロによって生まれる摩擦を克服するためにすること全て」 と定義しています。
私は株式会社カオナビでDevOpsエンジニアとして活動してきましたが、組織の壁（サイロ）を壊し、全体最適を加速させるための最強の武器として選んだのが 『データ』 でした。
本記事では、2026年4月14日に開催された「DevOpsDays Tokyo 2026」での登壇内容をもとに、一人のDevOpsエンジニアがなぜデータマネジメントの世界へ越境し、どのように組織を繋いでいったのか、その軌跡と知見を共有します。
1. カオナビにおけるデータ基盤の歩み（2023-2026）
私が2023年に入社してから現在に至るまで、カオナビのデータ基盤は以下のようなステップで進化してきました。
-
2023年：導入期（種まき）
- SnowflakeのPoCを開始。まずは「データが集まる場所」を定義。
-
2024年：拡大期（活用提案）
- プロダクトの利用実績データを収集。社内の各部署へ「データがあればこんなことができる」という提案を回る。
-
2025年：再構築期（基盤刷新）
- 本格的な活用に応えるため、より堅牢でスケーラブルなデータ基盤へ再構築。
-
2026年：高度化期（AIとの融合）
- AI（LLM）がデータを解釈し、誰もがインサイトを得られる環境へ。
この数年で、Salesforce、GitLab、Redmine、GA4、Marketoといった、社内に点在していた「サイロ化されたデータ」をSnowflakeへと統合してきました。
2. なぜ「データ」が必要だったのか：組織を蝕む「見れない」問題
越境のきっかけは、組織内のあちこちで起きていた**「見れないことによる摩擦」**でした。
開発（プロダクト企画・開発）側の課題
新機能をリリースしても、それが「本当に使われているのか」「顧客の価値に繋がっているのか」を評価する術がありませんでした。権限やインフラの制約で、エンジニア自身が本番DBのデータに触るハードルが高すぎたのです。
ビジネス（CS・販促）側の課題
カスタマーサクセス（CS）は、顧客がプロダクトを使いこなせているか分からず、一歩踏み込んだ提案ができませんでした。「何に困っているか」を把握するために、毎回顧客にヒアリングする必要があったのです。
「データが繋がっていない ＝ 組織が分断されている」 という状態でした。
3. データは組織を繋ぐ「共通資産」
私は、データを特定の部署の持ち物ではなく、**「組織を跨いで活用される共通資産」**と定義し直しました。
Snowflakeを中央に据え、情報の非対称性を解消することで、サイロは自然と溶け始めました。
- 開発チームは、自らSQLを叩き、機能改善の効果を数値で測るようになる。
- CSチームは、顧客の利用状況をダッシュボードで確認し、解約予兆の察知やアップセル提案に活かす。
データという共通言語を持つことで、「推測」ではなく「事実」に基づいた対話が組織間で生まれました。
4. DevOpsエンジニアがデータマネジメントを担う「必然性」
なぜ、データエンジニアではなく「DevOpsエンジニア」がこの役割を担ったのか。そこには、DevOpsエンジニア特有の 「パイプライン意識」 があります。
ビジネスプロセスも一つの「パイプライン」
DevOpsエンジニアは、コードが本番にデプロイされるまでの「開発パイプライン」を最適化するのが仕事です。
実は、 ビジネスプロセス（Lead → Inside → Field → Customer → Churned）も、全く同じ構造のパイプライン として捉えることができます。
| 視点 | 開発パイプライン | ビジネスパイプライン |
|---|---|---|
| 主な指標 | リードタイム、デプロイ頻度 | 成約までの期間、CVR |
| 現場の課題 | フェーズごとの在庫（仕掛品） | 案件の滞留、リードの放置 |
| 思考法 | TOC（制約理論）、フロー効率 | 全体最適、歩留まり改善 |
DevOpsエンジニアが持つ「パイプラインを整え、流れを良くする」という思考は、データの流れを整えてビジネスのボトルネックを見つけ出すデータマネジメントと、非常に親和性が高いのです。
5. AI時代のデータ基盤：インターフェースの変革
2026年現在、データ活用の現場はさらに進化しています。人間がSQLを書くだけでなく、AIがデータ基盤の「スキル」として機能しています。
カオナビでは、Claude Desktopのskills機能などを活用し、AIが直接Snowflakeのデータを確認しにいく仕組みを構築しています。
AIへの依頼例:
「〇〇社の過去3ヶ月のログイン頻度と、新機能Aの利用状況をグラフにして、チャーンリスクがあるか分析して」
このように、AIというインターフェースを通じてデータが民主化されることで、非エンジニアでも高度なデータ分析が可能になり、サイロの解消はさらに加速しています。
結びに：越境する勇気を
DevOpsの本質が「サイロの摩擦を克服すること」であるならば、データマネジメントはまさにDevOpsそのものです。
DevOpsエンジニアのみなさん。今持っているその「パイプラインを整える技術」を、ぜひデータの世界に向けてみてください。組織の壁を溶かし、ビジネスを繋ぐ新しい景色が見えるはずです。