0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

データ分析基盤の28期ゴールと挑戦 ~モデリング率向上・旧基盤CLOSE・AIエージェント開発~

0
Last updated at Posted at 2026-07-07

はじめに

こんにちは、データ分析システム部の河野@matako1124です。

株式会社アイスタイルは、来月7月から28期を迎えます。

27期までのデータ分析基盤の取り組みについては、前回の記事で紹介しましたので、そちらをご覧いただければと思います。

本記事では、その続編として、28期の現時点でのゴールと取り組みについてご紹介します。

データ分析基盤としてやるべきことはまだ山ほど残っていますが、その中でも特に重要視している取り組みは以下の3つです。

  • モデリング率の向上(年内60%達成)
  • 旧データ分析基盤のCLOSE
  • データ分析AIエージェントの開発

今回はまず3つのPJの概要紹介に留め、それぞれの詳細は別記事で改めて紹介する予定です。

注意

執筆に当たり細心の注意を払っておりますが、不十分な説明や誤りがある可能性もございます

目次

  • はじめに
  • モデリング率の向上(年内60%達成)
  • 旧データ分析基盤のCLOSE
  • データ分析AIエージェントの開発
  • まとめ
  • 採用情報

モデリング率の向上(年内60%達成)

1つ目は、データのモデリング率向上です。現時点でのモデリング率は25%程度にとどまっています。
2026年6月20日das-trust-kpi-modeling-rate.png

社内のほとんどの人が、ほぼrawデータに近いclg層を直接参照している状態で、全社的に同じデータ・同じ定義でデータを追えていないという課題があります。

データ分析基盤上でモデリングされたデータを参照して意思決定する人・件数を増やすことで、データの定義を統一し、横ドメインでのクロス分析をしやすい状態を目指していきます。データの定義を統一できれば、データ活用の促進、そして意思決定の質とスピードの向上につながります。

なお、モデリング率の定義は以下の計算式で算出しています。

モデリング率 = テーブル軸(モデリングしたテーブルのうち、直近30日で実際に使われているテーブルの割合)を60% + 人軸(全ユーザーのうち、直近30日でモデリングしたテーブルを使っているユーザーの割合)を40%で重み付けした値

この指標を年内に60%まで引き上げることを目標としています。

旧データ分析基盤のCLOSE

2つ目は、旧データ分析基盤のCLOSEです。
スクリーンショット 2026-06-20 17.09.58.png

社内では、embulkで動いている古い方のデータ基盤を「現行データ基盤」、新しい方を「虎スト」と呼んでいます(なぜ虎ストという名前になったのかは、また別の機会にお話しします)。

現状は、新旧の基盤が並行して稼働している状態です。ユーザーの参照権限は虎ストのみに切り替えているため、見えるデータは新しい方だけになっていますが、データとしては両方が存在しており、DB側の負荷もまだ消えていません。

このような負の遺産を残しておくと運用工数が膨らんでしまうため、早めに完全移行を進める必要があります。とはいえ、すぐにCLOSEできるわけではありません。現行データ基盤は10年以上使われてきたものであり、関わるステークホルダーも多岐にわたります。会社が大きくなればなるほど、新しく何かを作るよりも、既存のものをCLOSEする方がプロジェクトとしては大変だというのは、誰もが一度は通ってきたのではないでしょうか。(大抵の場合、新しいものを先に作ってリリースして、旧版はいつか消す、でずっと残っている会社さんも少なくないはず)

データ分析AIエージェントの開発と活用

3つ目は、データ分析AIエージェントの開発と活用浸透です。

正直なところ、アイスタイルはこの領域では遅れていると思っています。まだ物としても存在はしておらず、内部でのPPOCフェーズです。

社内では、まだSQLを書ける人でないとデータ抽出ができない環境であり、世間一般では、テキストでのデータ抽出・分析が当たり前になりつつあるかと思います。

AIエージェントを活用するには、その土台となるデータ分析基盤(虎スト)の整備が肝になります。

27期までに基盤の0→1が完了し、AIエージェントによるデータ抽出もスタートラインに立てる状態にはなってきたため、基盤整備とAIエージェント開発を同時並行で進めています。

Try & Errorを重ねながら同時並行で進めることで、虎スト自体の成長にもつながり、シナジー効果が高く見込めると考えています。

まずは社内のデータアナリスト向けにターゲットを絞り、text to SQLができるところからスモールスタートで進めています。

まとめ

28期は、モデリング率向上・旧データ分析基盤のCLOSE・データ分析AIエージェントの開発という3つの取り組みを軸に、データ分析基盤の成長を進めていきます。それぞれが独立した取り組みでありながら、データ活用の促進という大きな目標に向かって連動しています。

今回はまず3つのPJの紹介にとどめ、それぞれの詳細については別記事で改めて紹介していきます。

採用情報

データエンジニア絶賛募集中です。人手が足りず、困っています。
今は転職考えていないけど、話だけでも聞いてみたいという方も大歓迎です。
気軽にXにてDMをいただけますと嬉しいです。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?