Snowflake導入から1年、LayerXのデータ活用の現在 / One Year into Snowflake: How LayerX Uses Data Today

『Snowflake Industry Days 2025』での登壇資料です。
https://www.snowflake.com/events/industry-days-2025-japan/

カジュアル面談はこちらから https://jobs.layerx.co.jp/opendoor/000e07c574f74e868b44ec9a795545ce/

Transcript

1. © LayerX Inc. Snowflake導⼊から1年 LayerXのデータ活⽤の現在 2025/11/27 Snowflake Industry Days 2025 @civitaspo
2. ⾃⼰紹介
3. © LayerX Inc. 3 バクラク事業部 BizOps部 データグループ TechLead 兼 Platform Engineering部 SRE Snowflake Squad 2025 Snowflake九州ユーザー会 主宰 SNS 𝕏 civitaspo civitaspo その他 画像を⼊れてね civitaspo （ｷﾋﾞﾀｽﾎﾟ/ きびちゃん） ⾃⼰紹介
4. 会社紹介
5. © LayerX Inc. 5 会社紹介 すべての経済活動を、 デジタル化する。 Mission ⼈類の未来をより良くする。 そのために私たちは、テクノロジーの可能性を探求し、 経済活動における複雑で⼤きな課題に挑む。 仕事や暮らしの中にある摩擦が解消され、 それぞれの創造⼒が発揮されている。 そんな希望あふれる優しいデジタル社会を、 未来に残していくために。
6. © LayerX Inc. 6 会社紹介 出典: シリーズBで150億円を調達。エンジニアの採⽤を強化し、AIエージェント事業をさらに加速 / ニュース / 株式会社LayerX
7. © LayerX Inc. 7 会社紹介 ⾦融基盤AI-DX エンタープライズ向け AIプラットフォーム コーポレートAI-SaaS Fintech事業 Ai Workforce事業 バクラク事業
8. © LayerX Inc.　 8 バクラクの事業領域 Coming Soon AIエージェント HCM領域 稟議・ワークフロー 領域 BSM / ARM領域 Payment 領域 Coming Soon
9. © LayerX Inc. 9 会社紹介 バクラク債権管理、「⼊⾦消込エージェント」を提供開始。⽇々のログイン不要で ⼊⾦確認から消込まで⾃動化 差し戻しゼロへ。バクラク、AIエージェント「AI申請レビュー」をリリース。 AIが⾃社の規程‧ルールに基づき経費精算申請を即時レビュー LayerX、「バクラクAIエージェント」の新機能として「領収書分割エージェント」を提供開始 AIエージェント「AI明細仕訳」 をリリース。明細OCR×⽣成AIで、明細⾏が多い‧ 毎回取引内容が変わる請求書の処理を⾃動化。 - バクラク
10. はじめに
11. © LayerX Inc. 11 2024年10⽉にSnowflakeを本格導⼊しました はじめに 出典: Google BigQueryからSnowflakeへ。バクラクのデータ基盤技術移管事例 - Findy Tools
12. © LayerX Inc. 12 セキュリティ 導⼊時にSnowflakeへ抱いていた期待 AWSとの親和性 進化し続ける基盤 セルフサービス化 はじめに 出典: Google BigQueryからSnowflakeへ。バクラクのデータ基盤技術移管事例 - Findy Tools AWS上のデータをシンプルなパイプラインで SQLだけで多くの機能を利⽤可能 最⼩限のガードレールで安全に 強⼒なエコシステムと⾼速なリリースサイクル
13. © LayerX Inc. 13 それから1年... はじめに
14. © LayerX Inc. 14 AI Agent開発基盤 AIプロダクトのPoCやバックテ ストの基盤として利⽤されるよ うに 我々のデータ基盤に期待以上の変化が起きた セルフサービス化の定着 エンジニア‧⾮エンジニア問わ ず、⾃発的にデータを使った施 策を実施できるように データプロダクトのリリース プロダクト機能としてデータ基盤が組み 込まれるように ビジネスプロセスへの組み込み データが分析の域を超え、営業‧CS‧契 約管理など⽇々の業務フローに組み込ま れるように はじめに
15. © LayerX Inc. 15 本⽇はこれらの変化について 現在のデータ基盤と共に紹介します はじめに
16. もくじ
17. ⽬次 Agenda • 現在のデータ基盤 • データ基盤に起こった変化 • なぜ変化が起こったのか
18. 現在のデータ基盤
19. © LayerX Inc. 19 現在のデータ基盤 コアとなるデータ • プロダクトデータ • アプリケーションログ • 営業活動データ • 企業‧顧客データ 全体アーキテクチャ
20. © LayerX Inc. 20 • 主なデータソースは、データベース、ログ、SaaS • コスト削減や重要データの品質を柔軟にコントロールできるよう AWS/Snowflakeの機能のみで構築している • 今後は、施策ごとに増える様々なデータに対して、他社との競合 優位性を持てるデータ以外はData Ingestion SaaSまたは Snowflake Openflowを導⼊し、施策のスケーラビリティを担保 • AI Agentにとって重要となりうる⾮構造化データの取り扱いが課 題となるだろう Data Source / Extraction / Processing 現在のデータ基盤
21. © LayerX Inc. 21 • Data Transformはdbtのみで⾏っている • データの可視化は主に3つのツールを利⽤している ◦ Streamlit in Snowflake ◦ Looker Studio ◦ Google Sheets • バクラクプロダクトからはデータベースワークロードのオフロー ド先として使⽤されている • SalesforceやZendeskへの書き込みはdbt管理下のSnowparkに よって⾏われている Transform / Data Warehouse / AI / BI / BizOps / etc… 現在のデータ基盤
22. © LayerX Inc. 22 現在のデータ基盤 全体アーキテクチャ データ基盤の変化に 寄与した 特筆すべき部分に 絞って説明します
23. © LayerX Inc. 23 • データベースのChange Data CaptureをDebeziumで取得 • Managed Streaming for Apache Kafkaを経て、Snowflakeへ • 公式Connectorであるgithub.com/snowflakedb/snowflake-kafka-connectorはSnowpipe Streaming V2もサポートしており、データベースへの書き込みから1分以内に書込完了 • リアルタイム性を担保したことで、様々な業務フロー組み込みが加速 プロダクトデータベースのニアリアルタイム連携 現在のデータ基盤 出典: 『AI Agentのビジネス価値を計るバックテスト基盤の構築』を⽀えるSnowflake上での任意時点のスナップショット取得を実現するデータパイプライン - LayerX エンジニアブログ
24. © LayerX Inc. 24 • 様々なデータベースからCDCを取得するOSS ◦ MySQLの場合は binlog から ◦ PostgreSQLの場合は WAL から • Kafka Connectを使⽤している場合は Exactly-Once Semantics で動作させることが 可能なため、重複や⽋損なくデータを Kafka に吸い出せる。 • 内部的には、binlog のファイル名とpos/row をKafka Connectのメモリ上で管理し、毎回確 認することで重複‧⽋損を防いでいる。 補⾜: Debezium 現在のデータ基盤 参考: Debezium
25. © LayerX Inc. 25 • SnowflakeでStreaming Data Ingestionを実現する機能 • 2025/09/23にV2がGAし、テーブルあたり10GB/sのスループットが出る • 書き込みから読み出せるようになるまで5~10秒程度 補⾜: Snowpipe Streaming V2 現在のデータ基盤 参考: https://docs.snowflake.com/en/user-guide/snowpipe-streaming/snowpipe-streaming-high-performance-overview
26. © LayerX Inc. 26 • Snowflake AlertやSnowflake Stored Procedureなど、業務フロー構築に必要なSnowflake Object を統⼀的に dbt で管理 • 公式サポート外のSnowflake ObjectはdbtのCustom Materializationを実装 • 単⼀のリポジトリで全て管理することで、模倣しやすく、AIの補助も受けやすい状態に。 業務フロー構築に必要なほぼ全てのSnowflake Objectをdbt管理 現在のデータ基盤 参考: https://github.com/civitaspo/dbt-snowflake-materializations
27. © LayerX Inc. 27 • Looker StudioやGoogle SheetsからSnowflakeアクセス可能なコネクタを公式は提供していない • データ基盤利⽤者の慣れ親しんだツールでデータを触れるようコネクタを⾃作 Looker Studio / Google Sheets向けコネクタの⾃作 現在のデータ基盤 出典: Looker StudioからSnowflakeのデータを取得するアドオン開発について - LayerX エンジニアブログ 出典: Google SheetsからSnowflakeのデータを取得するアドオンの開発について - LayerX エンジニアブログ
28. データ基盤に起こった変化
29. © LayerX Inc. 29 • エンジニア‧⾮エンジニア問わず、Streamlit in SnowflakeやSnowflake Alert、Google Sheetsを 使って⾃らデータ施策を実⾏ • コードを書く必要がある Streamlit も、AI Agentの補助で誰でも使いこなせるように セルフサービス化の定着 データ基盤に起こった変化 出典: ⼈事が Streamlit in Snowflake で⽣成AIアプリケーションを社内向けに作った話｜宮本 純弥｜LayerX 社内のStreamlit in Snowflakeアプリケーションをまとめるページ
30. © LayerX Inc. 30 • Salesforce‧Slack‧Google カレンダーなどの業務システムとの連携が進んでいる • 各部⾨が⾃らダッシュボードやアラートを設定し、業務改善を実⾏ • 「次の⾏動」を導くアラート‧レコメンドが⽇常的に稼働 ビジネスプロセスへの組み込み データ基盤に起こった変化
31. © LayerX Inc. 31 ビジネスプロセスへの組み込み データ基盤に起こった変化 出典: 営業⽀援のAIユーザーは 業務⾃動運転の夢を⾒るか？ (AI×⾃動化フローで商談量の適正化を超効率化した話)｜kt_feee
32. © LayerX Inc. 32 ビジネスプロセスへの組み込み データ基盤に起こった変化 出典: Snowflake Cortex Agents によるお問い合わせ調査 AI Agent の構築 - LayerX エンジニアブログ
33. © LayerX Inc. 33 • AI AgentのPoCやバックテストにデータ基盤が利⽤されている • AI Agentの開発には本番環境のデータが必要不可⽋だが、Snowflakeで開発するとデータが外部に 出ず開発が完結するためセキュア • Snowpark Container Service(SPCS)を使うことで、簡単に複数⼈で触れるアプリケーションがデプ ロイ出来る AI Agent開発基盤として進化 データ基盤に起こった変化 出典: 嗚呼、当時の本番環境の状態で AI Agentを再評価したいなぁ... / Ah, I wish I could re-evaluate the AI Agent in the production environment it was in back then... - SpeakerDeck
34. © LayerX Inc. 34 • これまでは社内向けデータ基盤だったが、プロダクトの⼀部へ変化しつつある • お客様から預け⼊れていただいたデータに付加価値をつけて返すプロダクトの開発 データプロダクトのリリース データ基盤に起こった変化 出典: バクラクAIエージェント | バックオフィスに特化したAIエージェント | 働くをラクにするAI
35. なぜ変化が起こったのか
36. © LayerX Inc. 36 • Snowflake導⼊時は、社内ドキュメント整備が最重要と考 え、⼤量の情報発信を⾏った • 毎⽇SnowflakeのユースケースやTipsを発信し、知識を共有 • 「どう使えばいいか分からない」をなくし、利⽤ハードルを 徹底的に下げ、現場主導の活⽤を促進 • 地味だが最も効果のあった、基盤浸透の起点となった施策 社内向けに⼤量の情報発信 なぜ変化が起こったのか 社内向けに展開された記事群の⼀部
37. © LayerX Inc. 37 • 社内には、気づかないところでデータ基盤の使い⽅に苦戦し ている⼈がいる • その声を拾うために、SlackのPublic ChannelでSnowflake やデータ基盤関連の会話を常時モニタリング • 困っている⼈がいればすぐ⽀援に⼊り、リアルタイムで課題 を解消 • 苦しい体験を減らし、前向きにデータ基盤‧データ活⽤へ向 き合える空気を作った 徹底的なデータ基盤利⽤サポート なぜ変化が起こったのか 僕が「Snowflake」というワードに反応することを気づいたエンジニアたち
38. © LayerX Inc. 38 • LayerXには「Bet AI」という⾏動指針があり、AI技術に組織的‧戦略的に集中することを掲げてい る • 全社員がAIを使いこなすことを⽬指し、部⾨間でAI活⽤格差を⽣まない取り組みを推進 • データ基盤の利⽤促進、特に⾮エンジニア層への広がりにAIが⼤きく貢献 • Bet AIの思想があったからこそ、AI×データ基盤の変化が社内全体の動きとして加速した Bet AIという⾏動指針 / 会社のOS なぜ変化が起こったのか ⾏動指針を「Bet AI」にアップデート。AIをフル活⽤し、AIの社会実装を加速 / ニュース / 株式会社LayerX ⽣成AI活⽤の組織格差を解消する 〜ビジネス職のCursor導⼊が開発効率に与えた好循環〜 / Closing the Organizational Gap in AI Adoption - Speaker Deck
39. おわりに
40. © LayerX Inc. 40 • 本発表では、バクラクのデータ基盤に起きた変化についてお話しました。 • 各⼈員がセルフサービスで⾃律的にデータ施策を実⾏できるようになっており、データは分析のた めだけでなく、⽇々の業務やプロダクトを動かす原動⼒へ変化してきています。 • LayerXの⾏動指針の⼀つである Bet AI と、Snowflakeという柔軟で拡張性の⾼い基盤の存在が、全 員がデータとAIで事業を動かすという状態を後押ししました。 事業を"⾒る"ためのものから、事業を"動かす"ものへ。 おわりに
41. © LayerX Inc. 41 • 今後は、バクラク事業部のデータ基盤を維持‧発展させながら、全社データ基盤としての役割を 担っていく予定。 • コーポレート部⾨（会計‧労務⼈事）や他事業部にも対象を拡⼤し、経営管理レイヤーまでデータ 活⽤を浸透させる。 そして、全社を⽀えるデータ基盤へ おわりに バクラクのデータ基盤から全社データ基盤へ
42. © LayerX Inc. 42 • LayerXでは、⼀緒にデータ基盤やビジネスオペレーションを作る仲間を⼤募集しています！！！ • 興味を持たれた⽅は是⾮ jobs.layerx.co.jp へアクセスしてください！！！ 【バクラク】データエンジニア 【バクラク】BizOps ソフトウェアエンジニア 【バクラク】経営企画‧事業企画 We are hiring!!! おわりに
43. ご視聴ありがとうございました