---
title: データ界隈LT祭【第1回】_Iceberg と Delta Lake で分析基盤をつなげよう!!
tags: 
author: [manabian](https://image.docswell.com/user/manabian)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/PER9DN8NJ9.jpg?width=480
description: データ界隈LT祭【第1回】にて登壇した際の資料です。
published: September 16, 26
canonical: https://image.docswell.com/s/manabian/KL3R34-2026-09-16-004757
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/PER9DN8NJ9.jpg)

データ界隈LT祭【第1回】
Iceberg と Delta Lake で
分析基盤をつなげよう!!
manabian


# Page. 2

![Page Image](https://bcdn.docswell.com/page/P7XQ1N88EX.jpg)

はじめに
Apache Iceberg と Delta Lake のフォーマット論争は収束に向かい、
統合カタログをどう構築するかが、新たな重要テーマとなっている。
Iceberg + Delta は、単なる相互運用性の話ではなく、 AI 時代のキーエレメントに
なりつつある。
Iceberg
+
Delta
統合カタログ
（統合 DWH）
AI
エージェント


# Page. 3

![Page Image](https://bcdn.docswell.com/page/37K92NKL7D.jpg)

自己紹介
【主業務】
レイクハウス・DWH・BI構築に関するSIベンダーにてフェローとして、
次の業務を実施。
• データエンジニアリングの実装論の整理とライブラリ開発
• データ分析基盤とアプリケーションの設計・構築に関する支援
• データ分析基盤に関する技術検証
@manabian
【趣味】
趣味がデータ分析基盤に関する調査や検証であり、
主に Qiita を中心に記事を投稿。


# Page. 4

![Page Image](https://bcdn.docswell.com/page/LJ3W4VZ6J5.jpg)

JEDAI – Japan Databricks User Group
◼ 日本の Databricks コミュニティである JEDAI（Japan Databricks User Group）より参加。
◼ 東京の次回開催は 10/2 であり、manabian が登壇予定。
引用元：JEDAI - Japan Databricks User Group - connpass
引用元：JEDAI Meetup! 秋のDatabricks技術トーク - connpass


# Page. 5

![Page Image](https://bcdn.docswell.com/page/8JDKQ8RMEG.jpg)

Iceberg + Delta


# Page. 6

![Page Image](https://bcdn.docswell.com/page/VEPKL8WQ78.jpg)

Iceberg + Delta ～フォーマット論争の終結～
◼ 2026年6月のイベントにて、 Delta Lake と Iceberg の次期バージョンにて、
メタデータを共通化するというフォーマット論争を終結する発表がされた。
◼ メタデータが共通化されるだけであり、 Delta と Iceberg がなくなるわけではない。
Delta + Iceberg, Better Together
Delta Lake と Iceberg の構成レイヤー
データ処理エンジン
カタログ
メタデータ
イベントにて撮影
データ
引用元：Delta + Iceberg, Better Together |
Databricks
Lakehouse
Runtime Catalog


# Page. 7

![Page Image](https://bcdn.docswell.com/page/27VVQN8P7Q.jpg)

AI Agent のための
Iceberg + Delta の活用


# Page. 8

![Page Image](https://bcdn.docswell.com/page/5JGLWK5Q7L.jpg)

AI Agent の課題
◼ AI Agentの課題は、複数システムをまたがる際に認証・認可の運用が複雑になる点にある。
◼ また、統合DWHを実装する際には、CDC（変更データキャプチャ）に関する設計や考慮が不十分
であることが多く、データ統合が困難になるという課題がある。
①複数システムにおける認証・認可が複雑
②データ統合が困難
統合 DWH
AI Agent
DB①
DB②
DB③
認証
認証
認証
認可
認可
認可
STREAM
CHANGES
CDF
CHANGES
DB①
DB②
DB③
ネイティブ
テーブル
Delta
テーブル
ネイティブ
テーブル


# Page. 9

![Page Image](https://bcdn.docswell.com/page/47QY3NZWEP.jpg)

Iceberg + Delta によりベストな AI Agent の選択が可能
◼ Iceberg / Delta の活用にて既存の変更を最小限に抑えながら統合 DWH（統合カタログ）を実現。
◼ 統合されたデータを共通基盤として、ベストな Data & AI 基盤 を柔軟に選択・実装できる。
ソース
データ
AI Endpoint
ベストな Data & AI 基盤
or
or
Iceberg
テーブル
※2
データ
探索・理解
データ取得
REST API
Delta
テーブル
AI エージェント
（データエージェント）
カタログ
統合
データ処理
統合カタログ
（統合DWH）
データ分析
MCP
データ変更
認証
Iceberg
テーブル
Agent
データ
ガバナンス
認可
※1
※1 クラウドをまたがる場合には工夫が必要な場合あり
データ
設計・実装・運用
※2 別のサービスの可能性もある


# Page. 10

![Page Image](https://bcdn.docswell.com/page/KE4W1G31J1.jpg)

ありがとうございました
参考になった記事には
いいねをお願いします
manabian
𝕏: @manabian
Qiita: manabian


# Page. 11

![Page Image](https://bcdn.docswell.com/page/L71YGD15JG.jpg)

APPENDIX


# Page. 12

![Page Image](https://bcdn.docswell.com/page/G7WGKY8WE2.jpg)

随時更新中
データエージェントとは
◼ データエージェントとは、データを自律的に探索・取得・分析・変更し、必要なアクションまで
実行するAIエージェントである。
◼ データエージェントは、1 つ以上のケイパビリティ分類の項目を機能としてもつと想定している。
No.
ケイパビリティ分類
主目的
質問例
1
データ探索・理解
必要なデータを探索・特定する
「売上を分析するには？」
2
データ取得
データを取得する
「店舗別売上データを抽出して」
3
データ処理
データを加工・集計・計算する
「前年比や移動平均を計算して」
4
データ分析
データを解釈・考察し報告する
「売上減少を考察したレポートを作成して」
5
データ変更
データを登録・変更・削除する
「顧客ステータスを変更して」
6
データ設計・実装・運用
データ処理やMLなどのデータのコードを開発
「月別受注テーブルとそのPipelineを追加して」
7
データガバナンス
データを適切に管理・統制する
「月別受注テーブルの参照権限を付与して」


# Page. 13

![Page Image](https://bcdn.docswell.com/page/4JZLZX82E3.jpg)

Iceberg による相互運用の壁
◼ バージョンや標準仕様だけでなく、サービス固有機能も考慮して、開発指針の検討が必要。
Iceberg の仕様バージョン
•
•
•
•
v4 (次期バージョン、開発中)
v3 (最新）
v2
v1
Iceberg の 標準仕様
•
•
•
•
•
データ型
Deletion Vector File
Position Delete File
Equality Delete
Branching/Tagging
サービス固有機能
•
•
•
•
共通
• 利用可能なストレージ
• 連携可能なカタログ
Databricks
• DEEP CLONE
• 予測最適化
Snowflake
• Small files
• STREAM
BigQuery
• EXPORT TABLE
METADATA