本文へスキップ

事例

現場が使うデータ分析の環境

不動産・宿泊領域の新規事業会社との取り組みです。同社では Web の計測データや公開データ、日々の業務で発生するデータを蓄積していましたが、それぞれが分散しており、改善策や同社の顧客への提案を検討する材料にできませんでした。開発支援会社の KDOT は、Web 計測、広告、検索のデータを分析用の基盤へ集約し、サイトを横断する指標の計算規則を統一しました。さらに対話型 AI(人工知能)の Claude から Metabase のデータを照会できるようにしました。現場担当者は、事業全体から地域や物件、Web 上の行動へ確認範囲を絞り込み、自分の問いに即して比較条件を変更しながら、次の施策や同社の顧客への提案を検討できるようになりました。

サービス
データ分析支援 / データ基盤構築
技術領域
クラウド基盤 / データ基盤 / 機械学習・AI / 開発ツール

01

データを改善と提案に使えない

Web サイトの利用状況や市場データ、日々の業務データは、それぞれ別の場所にありました。個別の数字を確認するだけでは、事業全体で生じている変化と、見直すべき地域や物件、Web 上の行動を結び付けられません。同社には、種類の異なるデータを用途別に分けて収集し、全体の状況から改善候補まで追跡できる分析環境が必要でした。

02

比較できる数字にそろえて品質を確認する

KDOT は Web 上の行動、広告、検索のデータを Google Cloudクラウドは必要なときに必要な分だけ事業者の設備を通信回線ごしに利用する形態です。一般にはパブリッククラウドを指します。初期費用は抑制できますが、通信量で請求額が変化し、外貨建ての契約では為替でも変化します。終了時には移行の費用がかかります。 の BigQuery へ集約しました。BigQuery は、取得元が異なるデータを同じ場所で分析するためのデータ基盤データ基盤は定義を1か所に統合し、集計の重複を削減する仕組みです。数字が一致するかは定義次第です。定義を決定するのは業務部門です。です。集約しただけでは項目や計算方法が異なるため、指標をそのまま比較できません。そこで、データベース業務データを整理して保存し、複数の人やシステムが同時に正確に読み書きできるようにする仕組みです。共有の表計算ファイルから移す目安、種類の選び方、導入後の運用負担を解説します。を操作する SQL で変換と品質確認を管理できる dbt を利用し、各サイトの指標を同じ計算規則へ統一しました。必須項目がそろう割合と識別子の重複率も確認し、データがない期間と実績がゼロの期間を区別して表示します。現場担当者は、計測できている範囲を確認したうえで指標を比較できます。

03

全体の変化から改善候補を探す

Metabase は、データをブラウザ上のグラフや表で確認する分析ツールです。公開データと業務データは用途に応じた別の分析基盤へ取り込みました。Metabase では、地域や物件などの事業データと、流入元や検索、フォーム、広告など Web 上の行動に関するデータを用途別の画面から確認できます。現場担当者は事業全体の変化を起点に、期間、サイト、端末、流入元などの条件を変更し、個別の行動まで確認できます。定期的に確認する指標も Metabase へ集約したため、現場担当者が同じ定義の数字をもとに改善候補を検討できます。

04

現場の問いから次の施策を決める

定型画面だけでは、現場で生じるすべての問いに回答できません。MCPAIアプリケーションを社内外のシステムやデータに接続する方式を定めた公開の規格です。一度開発した接続を、MCPに対応した複数のAI製品から利用できますが、接続したAIに許可する操作と人の承認は、利用する組織が設計します。 は AI から外部ツールを呼び出す接続の規格です。KDOT は MCPAIアプリケーションを社内外のシステムやデータに接続する方式を定めた公開の規格です。一度開発した接続を、MCPに対応した複数のAI製品から利用できますが、接続したAIに許可する操作と人の承認は、利用する組織が設計します。 で Claude から Metabase のデータを参照できるようにし、現場担当者が Claude から分析できる環境を用意しました。現場担当者は Metabase で全体の変化を確認した後、地域や物件の条件、Web サイトの流入元や検索行動について Claude へ質問できます。Claude は比較する観点を整理し、問いに関連するデータを示します。その結果に事業の状況や現場の知識を加味し、改善策や同社の顧客への提案を決定するのは現場担当者です。分析結果を技術担当者から受け取るだけでなく、問いの設定から次の判断までを現場で完結できるようになりました。

この事例に関わるサービス

この事例の技術に関する記事

ほかの事例

  • データ分析支援

    事例:過去実績を提案に活用する分析の仕組み

    広告代理店との取り組みです。同社は過去実績の示唆を次の提案へ反映し、結果をどのように予測したか、その背景まで提案先のクライアントへ説明できるようになりました。KDOT は案ごとの見込みと判断材料を比較できる仕組みを業務アプリとして実装しました。さらに業務アプリの中核となる処理ロジックと機械学習モデルについて、特許手続きを担う弁理士が技術の新規性や工夫を検討するための資料を作成しました。その後この発明には特許が付与されました。

  • データ基盤構築 / 技術顧問(技術企業向け)

    事例:効果検証の分析処理基盤

    効果検証を提供する分析会社との取り組みです。同社は分析者の人数に比例してしか売上と利益を伸ばせない事業の形を、効果検証をプロダクトとして提供することで変革しようとしていました。手法とモデルは同社のまま、社内では開発できなかった、データと機械学習の重い推定を製品として動かす仕組みの開発を、開発支援会社の KDOT に任せました。推定を案件ごとの手作業ではなくシステムで実行できるようになったことで、同社は人数に比例しない形で売上と利益を伸ばすことを目指せるようになりました。

  • データ基盤構築 / 技術顧問(技術企業向け)

    事例:広告クリエイティブ予測 AI の MLOps 基盤

    広告クリエイティブの良し悪しを予測する AI を、自社プロダクトとして提供する企業との取り組みです。同社には推論の精度を評価する基盤がなく、改善が手探りで進み、現在のモデルが十分な水準に達しているかを把握しにくい状態でした。開発支援会社の KDOT は、機械学習のモデルを学習からリリースまで継続的に改善する基盤(MLOps 基盤)を設計し、同社のエンジニアがそれを自ら実装しました。導入後、同社は実験の計画からデプロイまでを効率よく進められるようになり、新たなモデルの出来を見極めたうえで改善を自分たちの手で継続しています。

お問い合わせ・ご相談

システム開発、データ活用、プロダクトづくりのことならお気軽にご相談ください。要件が固まる前の整理や、お見積もりだけのご依頼も承ります。

相談する