世界をつなぐ、SEGAのグローバルデータメッシュ 〜Databricksで進化する基盤とゲーム運営〜

Transcript

1. 世界をつなぐ、 SEGAのグローバルデータメッシュ Databricksで進化する基盤とゲーム運営 萬　和貴 株式会社セガ Data + AI World Tour Tokyo 2025
2. アジェンダ • • • • 会社紹介 Part 1: 導⼊背景と効果 Part 2: 活⽤事例 Part 3: 現在の取り組み 02
3. 会社紹介 03
4. グループ事業概要 04
5. SEGA Data & AI Summit 2025 @London Databricks ロンドンオフィスにて開催 05
6. Part 1 1 2 3 導⼊背景と効果 活⽤事例 現在の取り組み
7. 導入背景 データ移動コストの課 題 リソース利用の偏 り 事業拡大による影響 分析対象拡大に伴い、データ量と種類が急増 システム連携するDWHが段階的に増加 中央集権的データ集約 全データを一箇所に集約するアーキテクチャ 発生コスト データ移動による設計・開発・運用コスト 拠点間の通信コスト・データ保存コスト 利用時間の集中 バッチ処理が始業前の時間に集 中 課題 リソース利用の振れ幅が大きい 為、 無駄な待機時間が発生 07
8. 既存DWH→Databricks マイグレーションの効果 コスト削減 処理時間短縮 運用負荷軽減 -30% 2倍速 集計コスト パフォーマンス向 上 スケーラビリティ データ規模に対応 自動化＆セルフサービス 08 データエンジニア・アナリストの生産性向上 機械学習をワンプラットフォームで実現
9. データフロー 09 Source ゲームA ゲームB 広告 データ その他 リアルタイムロ グ データベー ス ファイル Extract Kinesis S3 PUT Databricks機能 DLT Lakehouse Federation Databricks on AWS Unity Catalog Bronze 生データ Silver Gold データマー ト 集計サマリ 活用層 Notebook データアナリスト 等 パワーユーザー向 け KPIダッシュボード 一般ユーザー向け AWS機能 BIツール Databricks Apps ゲーム開発者向 け API連携 注）本スライドの Bronze / Silver / Gold の区分は、 　　一般的なメダリオン・アーキテクチャの厳密定義とは異なる、当社の概念整理です
10. 10 データメッシュの構築 Lakehouse Platform Unity Catalog DELTA Lake Lakehouse Platform Unity Catalog DELTA Lake Lakehouse Federation Microsoft SQL Server Snowflake Google BigQuery DELTA Sharing Lakehouse Federation
11. Lakehouse Platform Unity Catalog DELTA Lake Lakehouse Platform Unity Catalog DELTA Lake 11 グローバルデータメッ シュ Snowflake Google BigQuery SEGA of Japan SEGA of Europe SEGA of America SEGA of America Rovio グループ会社 SEGA of Japan SEGA of Japan 協業他社の環境 DELTA Sharing Lakehouse Federation Microsoft SQL Server Lakehouse Federation
12. Part 2 1 2 3 導⼊背景と効果 活⽤事例 現在の取り組み
13. 事例1：ユーザーによるセルフ分析 Notebookでの開発 　Python・R・SQLを簡単に組み込み Unity Catalogでガバナンス確保 ※画面イメージです　 実際のコードではありませ ん 機械学習の利用が活発化 テーブル作成の自由度向上 13
14. 事例2：ゲームバランス調整 × Databricks Apps ゲーム開発者向け に Databricks Appsを公開 ゲームバランス設計のサイクル 短縮 Pythonを使った計算結果 を インタラクティブに表示 Databricks Appsで作成した画面 14
15. 事例3：不正検知 対象 特徴量 課金詐欺 チートユーザー 運用 ユーザー行動パターン 課金・ポイント履 歴 デバイス・国情報 記事抜粋： 『去る2024年8月、弊社ゲームアプリのゲーム内通貨を詐取したとして 　電子計算機使用詐欺容疑で複数名が逮捕され、有罪判決が宣告されました。 』 　　　　　　　　　出典　https://www.sega.co.jp/fraudulent_in-game_purchases/ で 可視化＆レポート自動送 付 で集計、 15
16. 事例4：コミュニティ分析　（レビューコメント） 目的 方法 ・お客様の生の声から状況を把握 ・ネガティブ要素や不具合兆候の早期検知 ・多言語テキスト分析（多言語対応含む） ・感情分析／トピック分類 開始条件 ・データ収集対象からの取得プロセスを確立 ・個人情報の配慮 16 Discord コメント分析の例
17. Part 3 1 2 3 現在の取り組み 導⼊背景と効果 活⽤事例
18. Knowledge Assistant によるナレッジベース構築 ゲーム向けドキュメント /分析レポート検索 Qlikマニュアル検 索 • 仕様書や分析レポート等の非構造化データをベクトル化し言語で問い合わ せ • ツールのマニュアルや、各種社内ルールについて検索 非構造化 データ投 入 (PPT・PDF等) Knowledge Assistant Databricks Apps　 のフォーム から 質問＆回答 ベクトル DB化 ベクトル検索 回答生成 18
19. 生成AIへの取り組み　 ～構造化データに対する質問と回答 19 Databricks 標準機能による実装 ChatGPT (GPTs) 連携 Difyエージェント構成 Agent Bricks Multi-Agent Supervisor 『AI/BI Genie』 構造化データを取得 『Knowledge Assistant』 非構造化データを取得 GPTsをエージェントとして作 成 Actionsで SQL Warehouse API を呼び出し、 Databricksからデータ取得 Difyで エージェント・オーケストレーションを構築 Azure OpenAI Service モデル活用 SQL Warehouse APIで Databricksからデータ取得 これら３つのアプローチから、構造化データに対する生成 AIによる自然言語 QAを検証中
20. Databricks標準機能による実装　の詳細 20 ユーザー 利用者 （自然言語で質問） XXXのタイトルで、 今月実施したイベン トは計画通りに推移 していますか？ オーケストレーション Agent Bricks Multi-Agent Supervisor 質問内容に応じて エージェントへルーティン グ 構造化データ経路 AI/BI Genie Unity Catalog Delta Lake / テーブル 非構造化データ経路 Knowledge Assistant ドキュメントソー ス (PPT,PDF等） 回答生成（自然言語） 根拠引用（リンク/ソース） Supervisorが質問を構造化/非構造化に振り分け、GenieまたはRAGで回答を生 成
21. グローバルデータカタログ連携による横断検索 21 Lakehouse Platform Unity Catalog DELTA Lake Lakehouse Platform Unity Catalog DELTA Lake SEGA of Japan SEGA of Europe MCP MCP カタログ検索 エージェント カタログ検索 エージェント Multi-Agent Supervisor (Agent Bricks) MCP Connection MCP Connection Steamの 売上に関する データのリスト 日・英　の 両カタログを 横断検索して回答 1 2 3 3 4 4 5
22. ご清聴ありがとうございました Thank you for your attention.