ポスト生成AI時代における非キラキラ企業のリアルなデータ戦略
>100 Views
November 06, 25
スライド概要
関連スライド
各ページのテキスト
2025/11/06 Data Engineering Summit ポスト生成 AI時代における 非キラキラ企業のリアルなデータ戦略
登壇者 株式会社マイベスト プロダクト部 データサイエンスチーム マネージャー 内藤 純 @njun_data @njun ■経歴 ヘルスケア、メディア、小売、人材、教育など多様な業界において、ビジネスデータ 活用の上流から下流まで一貫して担当。統計解析、機械学習モデルの開発、デー タ基盤の構築、諸々の運用、チームマネージメント等幅広く従事。データがあれば いい感じにする汎用型よしなにデータ人材。 マイベストのデータサイエンスチーム立ち上げにあたり、2024年8月に参画
WHY ユーザーの課題 選択は検索で行われているが、ペインが大きい 今のインターネットは信頼できない情報やステマ等の嘘で溢れ、何かを選択するという行動がとても難しいと感じています。 現状の”選択”は検索がメイン 7割以上の人が検索に満足できていない 買い物における情報収集手段の利用時間シェア 検索を使った選択に対してのアンケート 非常に感じる 3.8% 紙媒体 4.8% 全く感じない 10.1% 店舗・営業マン・セミナー 5.8% 家族・友人・知人 7.8% やや感じない 16.6% SNS 7.8% 何かを選択する時に インターネットを利用するユーザー 専門サイト 13.2% インターネット検索 60.6% 約 60.6 % 博報堂 / Paasons Advisory「買い物における情報収集手段の利用時間シェア」 N=10,000 検索に対して 満足していないユーザー どちらでもない 16.9% やや感じる 52.5% 2022年7月アンケート実施 検索に対して不便・不安を感じるか 20代〜60代までの男女 N = 1,000 約 73.2 %
ユーザーの “選択”を サポートするサービス 月間利用者 数 3,000 万人以 上 （2023年7月時点）
いろいろなモノ・コトを徹底的に比較しています 6
実際に商品を購入し、専門人材がデータベースを制作 ユーザーに正確・詳細な情報を届けるために、各領域で専門性を持った人材が社内に在籍。 実際に商品を購入し、社外の専門家や施設と協力しながら、相対比較や実測した情報に基づいたオリジナルのデータベースを制作しています。
商品の検証の様子
商品検証の風景 検証の様子 比較コンテンツ制作 雨傘の検証。送風機を使って「耐風性」を比較 防水カメラの検証。プールを貸し切り、撮影 縦型洗濯機の検証。主要メーカー 7社の中から人気 18商品を購入して検証 ヘアアイロンの検証。全商品を担当者の自毛で検証したため、 チェーンソーの検証。片道 2時間ほどかけて、山奥にこもって検証 電子レンジの検証。実際に主婦にお願いして使い勝手などをリアルに検証 髪がバサバサに
データベース 現在地 テスト環境も⾃社で整備 自社内に倉庫やラボ、撮影スタジオがあり、商品テスト環境を完備したオフィスになっています。検証機器は高価なものだと1つあたり購入価格で約1,000万円 するなど、商品のデータの精度を高めるべく、積極的に設備投資を行っています。
自社倉庫
マイベストのデータ面白そうでしょ？
02 マイベストのデータ基盤の話
データベース 現在地 これまでは “選択肢のデータベース ”を作ることに最注力してきました これまで私たちは最初のステップとして、検索性のある選択肢のデータベース構築に注力してきました。 高度に構造化されたデータモデル ※実際のデータより単純化したイメージです。
マイベストのデータ基盤 １つのコンテンツでも多様なデータが存在する 検索 (SEO) ログ ・対策キーワードの順位 ・検索CTR etc. サービスDB ・商品情報 ・順位、検証スコアetc. コンバージョンログ 主要3EC + ASPそれぞれで ・コンバージョン数、CVR ・売上 etc. ユーザーログ ・セッション ・クリック、CTR ・読了 etc. 広告出稿状況 ・Adsense or 企業広告 ・広告収益 etc. その他 ・各種予算 ・社内管理用メタデータ ・関連YouTube動画 etc. 15
マイベストのデータ基盤 マイベストのデータは多様かつ膨大、まさにビッグデータ 月間セッション数 月間ユニークユーザー数 5,200万 3,100万 商品数 テーブルレコード数合計 560万 1,700億 ※ いずれも2024年10月時点の実績
マイベストのデータ基盤 現行アーキテクチャはシンプルに GCPで統一 17
マイベストのデータ基盤 データ基盤まわりの文脈の詳細はこちらで https://speakerdeck.com/snhryt/mybest-simple-data-architecture-google-nized 18
03 未来を見据えた泥臭いデータ戦略の話
未来を見据えた泥臭いデータ戦略の話 マイベストの事業のロードマップ
未来を見据えた泥臭いデータ戦略の話 事業の未来に備えて目先の分析よりも徹底的にデータ整備を優先 ①探索的分析：何があった？ 何が最適？ 次どうなる？ FY26 なぜ起こった？ FY25 - データレイク‧ELTパイプライン構築 - データ分析基盤の整備、品質強化 - データカタログの導⼊ ②診断的分析：なぜ起こった？ - 要因分析、因果推論 - 統計モデリング ③予測的分析：次どうなる？ FY24 ☝今のマイベストはこのあたり - 各種機械学習による予測モデル構築 - MLOps基盤の構築 ④処⽅的分析：何が最適？ - リアルタイムデータ連携及び活⽤ - 数理最適化
未来を見据えた泥臭いデータ戦略の話 ミッションを実現するためにデータチームが今やるべきこと ビジネス価値 データ基盤 データ品質
未来を見据えた泥臭いデータ戦略の話 ①One Big Tableで人間・ AIの認知負荷を減らす 👇⼀つのWideテーブルに集約 https://towardsdatascience.com/the-forgotten-guiding-role-of-data-modelling-a76f69364284/
未来を見据えた泥臭いデータ戦略の話 ②分析ナレッジの集約 分析ナレッジをリポジトリに集約 AIツールによる⾃動分析の実現
未来を見据えた泥臭いデータ戦略の話 ③メタデータを完全整備 メタデータはリポジトリに集約 メタデータ充⾜率はほぼ100%へ 2024年10月 👈 Point① メタデータはDataformのリ ポジトリにすべて集約管理 する方式に移行 2025年10月 👈 Point② CursorなどのAIツールを活 用し、ドメイン知識を元にし てすべてのメタデータを生成
未来を見据えた泥臭いデータ戦略の話 すべて共通していることは「良質な情報」を AIに見やすいところに集約 事業データ あらゆる AIツール群 分析インサイト メタデータ ドメイン知識
04 マイベストが粛々と進める AI施策の話
マイベストが粛々と進める AI施策の話 ①最高の選択体験を実現するための AIコンシェルジュ
マイベストが粛々と進める AI施策の話 ②AIを活用したコンテンツ制作の自動化
マイベストが粛々と進める AI施策の話 ③AIを活用したリサーチ業務の自動化 商品データの調査と構造化を⾃動化 各ECモールAPI 商品情報取得 商品名を整形 OpenAI API キーワード商品検索 Custom Search API スクレイピング Scraper API 紹介文、値段、発売日等の 商品詳細情報の生成 OpenAI API 調査結果を商品DBに登録
マイベストが粛々と進める AI施策の話 ④AIによるアドホック分析の自動化
マイベストが粛々と進める AI施策の話 ⑤AIの民主化
まとめ
今日のまとめ 全てはミッションを最短で実現するための布石 ①マイベストはリアルな検証データも含めて膨大 ②データ基盤を整備したが活用はまだまだこれから ③データ戦略は全ては未来の AI活用のために備える 流行りに流されず粛々と AI-Readyを目指す
今日のまとめ We are hiring ! ▼データ職種積極採⽤中！まずはカジュアル⾯談からぜひ！ ▼noteも頑張って発信しています！