BizDev視点で見る、Snowflake最新動向！/ snowflake-trend

Transcript

1. © 2015 - 2025 Nowcast Inc. BizDev視点で⾒る、Snowflake最新動向！ 2025年6⽉26⽇(⽊) 株式会社ナウキャスト 酒井⼀徳/Kazunori Sakai Snowflake Summit2026振り返り 1
2. © 2015 - 2025 Nowcast Inc. ゴール / アジェンダ 2 ゴール 1. Snowflake Summitの現地の雰囲気を紹介する 2. bizdevの観点で⾦融関連のアップデートを紹介する アジェンダ 1. ⾃⼰紹介 2. 会場の雰囲気 3. ブース展⽰企業の紹介 4. セッションの概要 5. ⾦融領域のトレンド
3. © 2015 - 2025 Nowcast Inc. ⾃⼰紹介 3 株式会社Finatext / 株式会社ナウキャスト データ&AIソリューション事業 ビジネスデベロップメント 酒井⼀徳 X: @finanori417  • 東京⼤学在学時にVR×AI領域でスタートアップ創業 • ⼤学卒業後海外バックパッカー→その後2年ほど国内を放浪 • 資源リサイクル会社で経営企画 • 新規事業特化のコンサルティングファーム • ナウキャストで、bizdev/AI+コンサルタント 経歴概要 本⽇の発表内容は写真撮って⼤丈夫ですので、 #dataopsnight をつけて、Xで投稿お願いします！！！
4. © 2015 - 2025 Nowcast Inc. Snowflake Summit の雰囲気 4 エントランス ブースの雰囲気
5. © 2015 - 2025 Nowcast Inc. Snowflake Summit の雰囲気 5 歩いていたロボット Data Superheroesのキャラ ⼤きいしろくまさん
6. © 2015 - 2025 Nowcast Inc. Snowflake Summit の雰囲気 6 ランチ会場 毎⽇違うランチを選べます コーディングイベント バスケットコート
7. © 2015 - 2025 Nowcast Inc. Summitのスケジュール 7 1⽇の過ごし⽅（イメージ） 8:00 起床（⾃分は遅い⽅） 8:15 朝⾷⾷べつつ参加するセッション考える 9:00 セッション参加〜ブース巡り 12:00 ランチタイム 12:30 セッション参加〜ブース巡り 18:00 飲み会 20:00 飲み会（⼆次会） 23:00 ⽇本の仕事、ブログ書くなど 2:00 睡眠 なかなかにハードな毎⽇でした！！笑
8. © 2015 - 2025 Nowcast Inc. 業界別のセッション件数 8 Snowflakeは⾦融業界のデータ基盤として強いが、セッション数ベース でも全体の20%を占めるといった具合に、⾦融関連が多かった
9. © 2015 - 2025 Nowcast Inc. 領域別のセッション件数 9 ⽣成AIのトレンドが強まる中、セッションとしても当然⽣成AI関連が多 くなっている
10. © 2015 - 2025 Nowcast Inc. 10 ブースサマリー 合計で200以上の企業が出典しており、 各企業がSnowflakeを活⽤したユースケースを含め、多数のブースを 出展していた 分類 展示数 全体に占める割合 コンサル / SI 41 20.5% データ品質 / ガバナン ス 33 16.5% データ統合 / パイプラ イン 27 13.5% AI / ナレッジ / セマン ティック 27 13.5% マーケ / 業界データ 26 13.0% BI / 分析 19 9.5% 運用 / 最適化 / セキュ リティ 16 8.0% 基盤 / 開発環境 11 5.5% TruestarさんのZenn記事より （https://zenn.dev/truestar/articles/4d026fdd4d39fa） 最もブースを多く展⽰していたのは、コンサル‧SIであった 他⽅で⼤きいブースはBI‧分析ツールなどが多く、Snowflakeとの共存 を図る動きが強いと思われる
11. © 2015 - 2025 Nowcast Inc. 11 ブースサマリー 出展ブースでもAIの進展を受けたコンテンツや、Snowflakeの進化に合わせた利便性の⾼いツール出展が⽬ ⽴った トレンド 企業の動きの例 備考 BI の AI Agent 化 • ThoughtSpot：自然言語で依頼するとダッシュボードを自動 生成、エビデンスもダッシュボード上で確認 • Sigma：Claude Code × MCP で TableauからSigmaへの移 行を5〜10 分で自動化 • BI各社の訴求が「綺麗なダッシュボード」 から「AIで便利に分析可能」という AI Agent機能の訴求 にシフト セマンティックレイ ヤーの主戦場化 • Atlan：複数のセマンティックレイヤーを束ねたカタログを整 理。Snowflakeとシームレスにタグを反映 • Cube：DWHを中継するセマンティックレイヤー専用のサー バー • セマンティックレイヤーに特化したサー ビスを提供する会社も出ており、 Snowflakeとの連携の利便化も進む
12. © 2015 - 2025 Nowcast Inc. 12 ⾦融領域のトレンド_気になった3事例 単なるAI導⼊を超えて、⼤⼿⾦融機関が「データ⺠主化」、「オペレーション最適化」を進めていた。他⽅で 地⽅銀⾏の事例では教科書的な地道なデータ統合を⾏なっている事例も発表されていた トレンド トレンド概要 推進企業の概要 「データ民主化」 昨年まではデータ民主化で BIツールとしての可視化な どを行なっているが、今年は 非エンジニアが自然言語 でデータ分析を行うに至った Verition Fund Managementというヘッジファンドでは、 150 チームがそれぞれが管理する株価、財務、マクロ指標を含め たデータをCoCoに組み込んで稼働を開始。 白紙の状態から 1年で実稼働にこぎつける 「データのオペレー ション最適化」 これまでAI導入やユースケース構築に焦点があった が、AI活用によるインパクトやアウトプット品質向上に 焦点が移動 している Ally Financialという自動車ローン大手では、セマンティックレ イヤーを最適化することで、単なるデータ可視化に止まらな い、オペレーション最適化に寄与する AI Agentを構築 ⼤⼿⾦融機関の最新動向 地⽅銀⾏の地道な改善事例 テーマ テーマ概要 推進企業の概要 「データ基盤構築」 サイロ化したシステムのデータ統合など、これまでのト レンドに沿った内容を地方銀行でも実装されるなど、 裾 野が広がった様子が窺えた Peoples Bankでは、サイロ化したシステムを統合し、コスト を最適化することを地道に行なっていた
13. © 2015 - 2025 Nowcast Inc. 13 事例１：ヘッジファンドのCoCo導⼊ ヘッジファンドでのAI利⽤について、現場が必要とする定番データセット全体に対応することで、150チーム 以上の現場で実際に利⽤されるAI Agentのユースケースが作られた 企業概要と前提 社名：Verition Fund Management | 設⽴：2008年 | 運⽤資産：約142億ドル（2025年末）| 従業員：約750名 | 拠点数：世界9拠点 概要：約150の投資チームが株価‧財務‧マクロ指標から決算説明会トランスクリプト、オルタナティブデータまで多様なデータを活⽤ ポイント ①現場の必要とする定番データセットを揃えた • Bloomberg‧FactSet‧MSCI等、現場でニーズのある定番となる⾦融 データセットを全て使える状態にした →150チームが横断利⽤するに⾄った ②SECコンプライアンス対応のガバナンス • SEC（⽶証券取引委員会）の基準を満たす監査ログを、最初から設計 に組み込み ③⽬的別MCPサーバー設計 • 質問の種類ごとに専⾨窓⼝（MCP）を分離しており、「決算説明会検 索」「コンセンサス検索」「メール検索」のMCPサーバーをたてる 取り組み概要 • CoCoとMCPサーバーを組み合わせ、決算説明会‧コンセンサス予想 ‧メールの3ドメインに分けた検索基盤を構築 • 2024年にゼロからSnowflake基盤構築を開始し、約1年で本番稼働 Claude Desktop カスタムWEB UI Cortex Code（IDE） 決算説明会MCP 説明会、IRイベントなどを ⽂書検索 コンセンサス予想MCP Visible Alphaで、予実等を 企業名で検索 メール検索MCP メール本⽂検索 Cortex Search Cortex AI関数 専⽤MCPウェアハウス データ ソース ユーザー MCPサーバー Snowflake 様々なプリセットのMCP群を使い、予め決めたワークフローを Snowflake活⽤で呼び出している
14. © 2015 - 2025 Nowcast Inc. 14 事例２：海外⾃動⾞ローン⼤⼿のFinOps事例 ⽶国ではFinOpsがトレンドワードになっており、単なるAI導⼊から、AIを活⽤しオペレーション効率化、ひ いてはコスト最適化につながる検証が⾏われている 企業概要と前提 社名：Ally Financial | 設⽴：1919年 | 従業員：約10,000名 | 総資産：1,960億ドル | 概要：⽶国最⼤のデジタル銀⾏と業界トップクラスの⾃動⾞ローン‧保険事業を展開 取り組み概要 Snowflakeのメタデータと事業部⾨コンテキストを統合したFinOpsデータ マートを構築し、その上にAIエージェントを実装。職種を問わず検索可能な エージェント構築 FinOpsとは • エンジニアリング‧財務‧ビジネ スが協調してコストを可視化‧制 御‧最適化し続けること • ⼀般に「Inform（可視化） →Optimize（最適化）→Operate （運⽤）」の3つのライフサイク ルで構成 • ⽶国ではFinOpsという⾔葉が⼀つのトレンドワードに なっており、他のセッションでも使われていた • セマンティックレイヤーへの投資で効率化し、しっかり 効果測定してROI改善まで⾒ることが標準化しつつある ポイント ①データ基盤とセマンティックレイヤーの徹底整備 • カラム説明‧同義語定義を⾏い、よくある質問についてはテストを⾏ うことで、LLMの回答精度を担保 ②コスト効率を意識したAI活⽤の推進 • このままでは⽉10,000$の⽀出になるため、急いで整備している ③ダッシュボードから⾃律的なエージェントへ • ダッシュボード作成ではなく、「コスト急増の理由」「パイプライン の失敗要因」など、オペレーション最適化に向けた質問を中⼼に⾏う
15. © 2015 - 2025 Nowcast Inc. 15 事例３：地銀におけるデータ活⽤事例 地銀ではデータが分散する、低予算などの課題がある中で、地道な活動によってコスト効率がよく使いやすい データ基盤を構築した 企業概要と前提 社名:Peoples Bank | 設⽴年：1902年 | 従業員数:約1,459名 | 総資産:約96億ドル | サービス概要: オハイオ州を中⼼に、ウェストバージニア‧ケンタッキー‧バー ジニア‧ワシントンD.C.‧メリーランドで展開する地銀。預⾦‧融資といった商業∕個⼈向け銀⾏業務に加え、信託‧投資、保険ブローカーなど実施 取り組み概要 断⽚化した約20のコアシステムをSnowflake上のメダリオンアーキテクチャ で統合し、信頼できるデータ基盤を構築 ポイント ①M&Aで膨らんだ約20サイロを統合 • ⽇本でも地銀の再編がテーマであり、複数のシステムが絡むことが多 いが、当⾏の場合も同じ顧客が別IDで散財するなど課題があり、これ らサイロ化した20程度のデータをSnowflakeで統合 ②ソース単位のコスト可視化 • ⼤⼿のような資⾦⼒がない中で、情報ソースごとにコンテナを分けて どのデータがどの程度コストがかかるかを可視化した ③基幹システム、営業システム、融資‧⼝座システムの統合 • 教科書的な内容ではあるが、地道にしっかりデータ統合を⾏うことで データ統合を実現した 基幹システム、営業データ、融資‧⼝座データと、データは3つ のシステムでサイロ化してしまっていた
16. © 2015 - 2025 Nowcast Inc. その他 16 時間余ったら
17. © 2015 - 2025 Nowcast Inc. 17 ラスベガス グランドキャニオン カジノ
18. © 2015 - 2025 Nowcast Inc. 18