リテールメディアを支えるデータ基盤の現在と未来のお話 in Tokyo dbt Meetup #22

Tokyo dbt Meetup #22 の登壇資料です。
https://www.meetup.com/ja-jp/tokyo-dbt-meetup/events/316908519
本資料は公開用の内容であり、実際に登壇する資料とは一部内容の変更があります。予めご了承ください。

Transcript

1. リテールメディアを支えるデータ基盤の 現在と未来のお話 2026-11-11 Tokyo dbt Meetup #22 株式会社フェズ 荒木 和也 @kazuya_araki_jp FEZ Inc. All rights Reserved.
2. 自己紹介
3. 自己紹介 荒木 和也 / Kazuya Araki 株式会社フェズ プラットフォーム開発部 データプラットフォームグループ Data Engineer / Data Architect Lead 略歴 kazuya0araki @kazuya_araki_jp jedi_trickstar • 2007年~ SIer: フロントエンド -> バックエンド -> データベース、バッチ • 2013年 ~ パッケージベンダー: Javaエンジニア -> BI製品のPdM・アーキテクト • 2017年 株式会社ビズリーチ: データ職転向。ビズリーチ分析基盤立ち上げとBIの全社浸透 • 2020年 株式会社エウレカ: BI -> Analytics Engineer。dbtによるデータ基盤刷新 • 2023年 個人事業 開業 • 2024年 株式会社ビズリーチ(再): 全社マスタ(MDM)構築、HRMOSデータ分析基盤 • 2026年3月 現職 著書 動き出すデータドリブン組織のつくりかた (2022) kazuya_araki FEZ Inc. All rights Reserved. 3
4. 会社紹介
5. 会社概要 会社名 株式会社フェズ 代表者 代表取締役 赤尾 雄司 設立 2015年12月3日 社員数 161名（2026年10月現在） 事業内容 リテールメディア事業等 本社所在地 東京都港区西新橋一丁目 2番9号 日比谷セントラルビル 6階 資本金 351百万円（2026年9月末現在） グループ会社 株式会社ファイブシーユー 株式会社ストアギーク トレマ株式会社 会社フェーズ 未上場 事業・組織拡大期 FEZ Inc. All rights Reserved. 5
6. Mission リテール産業に新しい常識をつくる Vision 情報、商品、店頭を科学し 売上に貢献する FEZ Inc. All rights Reserved. 6
7. ビジネスモデル データとテクノロジー （生成 AIなど ） の力で 小売・メーカーのマーケティング課題を解決、売上に貢献 購買データ の提供 データを活用した マーケティング 最適化 小売企業様 課題 膨大な購買データを 活かしきれない プロモーションのター ゲット最適化 一般消費者 複数小売様のデータを 統合 メーカー様 デジタル媒体との接続 統合データを活用した マーケティング最適化 課題 FEZ Inc. All rights Reserved. 正確な消費者像・施策の 購買効果がわからない ニーズに合った 購買の実現 ニーズに 即した プロモーション 7
8. 事業内容 リテールデータプラットフォーム「 Urumo（ウルモ）」を中心に、 広告×販促×店頭ソリューションをワンストップで提供 購買データを元に、 ニーズに最適な広告を届ける 生成 AIの力で専門知識なし で購買データの活用を実現 広告 データ利活用におけるセ キュリティ対策を支援する 統合データ グループ・合弁会社と連携し、 売場にもアプローチ FEZ Inc. All rights Reserved. • 購買データ • 商品データ • 位置情報データ 店頭 販促 アプリ販促支援 8
9. データマーケティングソリューション「 Urumo Ads（ウルモ アズ）」 全国15流通横断の購買データを活用 ドラッグストア・スーパーマーケット・ホームセ ンター各社と連携 広告ID（AAID・IDFA） 国内の主要広告メディアと連携 10〜60代の 90%以上 が利用する ※ メディアに広告配信が可能 1,700 万ID * 第三者提供許諾済みデータ 購買データを活用したターゲティング精度の改善・購買効果の可視化を可能に ※ 総務省情報通信政策研究所「令和3年度情報通信メディアの利用時間と情報行動に関する調査報告書」 主なソーシャルメディア系サービス/アプリ等の利用率 より算出 FEZ Inc. All rights Reserved. 9
10. 購買データ特化型 AI分析ツール「 Urumo BI（ウルモ ビーアイ）」 生成AIを活用した購買データ分析ソリューション【特許取得】 専門知識 /スキルなく、データを活用したマーケティング戦略の策定や業務効率化が可能 FEZ Inc. All rights Reserved. 10
11. その他のソリューション FEZ Inc. All rights Reserved. デジタルコンサル DMP構築支援 Urumo PrivPro. 小売コンサル 11
12. フェズが目指す社会貢献 １．人口減少時代に、データ ×AIで生産性アップを実現 リテールデータとAIを活用した高効率なマーケティング活動によって、本質的に不必要なコストや工数を減らし、 リテール産業の生産性アップを実現する ２．「Urumo」によりマーケティング活動を計測可能な世界へ リテールデータプラットフォーム「Urumo」がすべてのマーケティング活動に使われることで、購買検証（計測）が 当たり前に可能となり、消費者・小売・メーカーすべてにWin-Win-Winな状態へ ３．既存産業から新産業への人材流動化を実現（新たな産業創出） リテールデータとAIの活用を通じたリテールDXの推進により、新たな産業・雇用の創出へ FEZ Inc. All rights Reserved. 12
13. プラットフォーム開発部 体制
14. プラットフォーム開発部 メンバー (2026年11月現在) 部長 部付 リテールインテグレーショングループ データプラットフォームグループ グループマネージャー グループマネージャー 2026-11 New Commer! FEZ Inc. All rights Reserved. 14
15. データプラットフォームグループ 構成 (2026年11月現在) グループマネージャー 小売チーム チームリード FEZ Inc. All rights Reserved. 基盤チーム チームリード 15
16. データプラットフォームグループ コア戦略 Key Goal Indicator (KGI) 今後の事業拡大・接続増加に耐えうる形で、接続・運用・障害対応が標準プロセスで再現可能となり、 品質とスピードを両立できるデータ基盤組織が確立されている状態 Key Success Factors (KSF)    開発・運用基盤 プロセスの標準化 横展開可能な構造 再現性のある開発・運用基盤が 整備されている 開発・運用・接続プロセスが 標準化されている 知識・運用・データ利用が 横展開可能な構造になっている FEZ Inc. All rights Reserved. 16
17. 2026年12⽉3⽇（⽊） 株式会社フェズは「URUMO株式会社」へ
18. We Are Hiring!! Join Us :)  エンジニア積極採用中！！ https://recruitment.fez-inc.jp/engineer FEZ Inc. All rights Reserved.  Tech Blog運営中 https://zenn.dev/p/fez_tech 18
19. Agenda 01 As-Is: Urumoデータ基盤の現在地 02 To-Be: 次期データ基盤構想 03 AI利活用 04 データ組織論・データキャリア論 FEZ Inc. All rights Reserved. 19
20. As-Is: Urumoデータ基盤の現在地
21. As-Is: Urumoデータ基盤の現在地 ここについてお話しします 🙇 FEZ Inc. All rights Reserved. 21
22. As-Is: Urumoデータ基盤の現在地 Urumoデータ基盤 全体像 FEZ Inc. All rights Reserved. 22
23. As-Is: Urumoデータ基盤の現在地 Urumoデータ基盤 全体像 データモデリング データ受領 データ利活用 データ品質管理 FEZ Inc. All rights Reserved. 23
24. As-Is: Urumoデータ基盤の現在地 データ受領 FEZ Inc. All rights Reserved. 24
25. As-Is: Urumoデータ基盤の現在地 データモデリング FEZ Inc. All rights Reserved. 25
26. As-Is: Urumoデータ基盤の現在地 データ品質管理 FEZ Inc. All rights Reserved. 26
27. As-Is: Urumoデータ基盤の現在地 データ利活用 FEZ Inc. All rights Reserved. 27
28. As-Is: Urumoデータ基盤の現在地 主要な技術要素 プログラミング言語 Python SQL バッチ処理 Bash, Zsh HCL Apache Beam データベース BigQuery DuckDB Dataflow Cloud Run Cloud Tasks GitHub Actions, Dependabot Cloud Functions セキュリティ Cloud IAM Secret Manager Workload Identity Federation Apache Airflow Cloud Composer データ品質 Artifact Registry, Cloud Build CI / CD オーケストレーション dbt Core dbt-bigquery 開発支援 uv FEZ Inc. All rights Reserved. Docker ワークフロー ELT / ETL Great Expectations コンテナ管理 unit test pytest pytest-mock pytest-cov dbt test sqlfluff etc… 28
29. As-Is: Urumoデータ基盤の現在地 GitHub: Monolithic Repository FEZ Inc. All rights Reserved. 29
30. As-Is: Urumoデータ基盤の現在地 Agent Skills Agent Skills 内訳 (2026年11月6日時点) 現在 2026年2月 今後 最初のリリース 30 Skills 自動化へ • 2026年2月17日に最初 • 2026年11月6日現在、 のリリースを実施。 合計30種類のAgent • 現在は業務補助が大半 だが、自律的な業務推進 • 主要なAIサービス (ChatGPT / Claude等) への対応を開始。 Skillsが実稼働中。 を目指す。 • 開発現場のニーズに合 • 完全自動化・フルマネー わせて改廃・拡充を推 ジドなデータ基盤運用へ 進。 と進化中。 用途 開発・実装支援 7 テスト 2 Issue / Pull request / Review 6 リリース 4 障害対応 1 権限管理 3 お知らせ 4 計画・評価・見積 3 合計 FEZ Inc. All rights Reserved. 件数 30 30
31. As-Is: Urumoデータ基盤の現在地 Open Knowledge Format (OKF) OKF内訳 (2026年11月6日時点) 2026年6月〜 7月 現在 今後 主な内容 件数 データセット・テーブル定義 391 設計、Design Docs 36 規約 27 の改廃を推進中。 手順、Runbook 16 • AIエージェントや人間が • AIエージェントの自律稼 リファレンス・ガイド 27 知識を共有するオープン 働を見据えたドキュメント な軽量仕様。 整備を継続。 ドメイン情報 (小売) 12 アーキテクチャ 5 未分類(type設定なし ) 77 仕様公開とリリース 591 Docs • Google Cloudが2026年 • 2026年11月6日現在、 6月13日に仕様を公開。 591 OKFが存在。 継続的な改廃・拡充 • 現在進行形で知識・定義 • 2026年7月2日に最初の OKFをリリース。 合計 591 出典: How the Open Knowledge Format can improve data sharing | Google Cloud Blog FEZ Inc. All rights Reserved. 31
32. As-Is: Urumoデータ基盤の現在地 dbt: dbt Core v1 + BigQuery 2022年4月 2022年7月 2026年2月 現在 今後 検討開始 最初のリリース モノレポ化 v1.12.6 💪dbt v2対応💪 2リポジトリをdbtに移行。 AI開発を見据えてモノレ ポ化を実施。 Cloud Run, Dataform からdbtへの導入検討開 始。 FEZ Inc. All rights Reserved. 2026年11月6日現在 dbt v2への移行・運用プ ロセスの検証と対応推 進。 32
33. As-Is: Urumoデータ基盤の現在地 安定稼働はしているものの、解決すべき課題は多い データアーキテクチャは定石の技術選定 リファクタリングの余地の拡大 • Google Cloud, BigQuery, dbt, Airflow, Terraform, … • AI開発が加速した結果、優先度を下げていたリファクタリングが容易に なってきた。 • 公式ドキュメント、ナレッジ、コミュニティが充実しているので、困りは少 ない。 • しかし、現在のデータアーキテクチャが銀の弾丸であるとは捉えてはい ない。 • 一方で、レビュー数は増加傾向。QA項目やリリースアイテムも増加 中。 モダナイゼーションへの挑戦 耐障害性、開発効率の追求 • Open Table Format (OTF), Iceberg, LakeHouse, dbt v2, … • 「データ基盤」はプロダクトであるため、SLA/SLOがある。 • Airflowであるべきか？ • 複雑怪奇なデータパイプライン開発工数を削減したい。 • さらなるデータ環境の拡張性と柔軟性 • dbtに代替可能な機能はまだ残っている。 • など • など FEZ Inc. All rights Reserved. 33
34. As-Is: Urumoデータ基盤の現在地 本章のまとめ : 定石の技術で安定稼働しつつ、 AI前提のデータ基盤 定石の技術構成 AI駆動開発前提の環境 Google Cloud, BigQuery, Cloud Run, dbt Core, Airflow, Terraformなど、定石の技術選定を行っている。 AI駆動開発前提の環境を整備。 人間とAIが同じ知識で開発・運用できる土台となっている。 • GitHubリポジトリモノレポ化 • Agent Skills • Open Knowledge Format (OKF) dbt Core dbt Coreはv1.12.6で運用。 v2への対応は進行中。 FEZ Inc. All rights Reserved. 今後の課題 • モダナイゼーション • 耐障害性と開発効率の改善 34
35. To-Be: 次期データ基盤構想
36. To-Be: 次期データ基盤構想 テクノロジーは常に時流に沿うべき 出典: https://www.docswell.com/s/kazaneya/Z4N7EN-2026-10-09#p61 FEZ Inc. All rights Reserved. 出典: https://www.docswell.com/s/kazaneya/Z4N7EN-2026-10-09#p62 36
37. To-Be: 次期データ基盤構想 Open Table Format (OTF) への挑戦 従来のファイル取得処理で抱えていた課題解消 データ利活用側の環境に依存しない • 遅延データや修正データ、障害対応後のデータを 正しく反映したい。 • 現状はデータ利活用側にBigQueryおよびGoogle Cloudの機能に依存してしまっている。 • 複数環境や別チームで同じデータを共有したい。 • • 監査要件、削除要件(GDPRなどのデータライフサ イクル)の対応を楽にしたい。 同じデータを Spark、Snowflake、BigQuery、 Athena、DuckDB など、環境を選ばずに同じデータ を取得可能にしたい。 • POSデータは、テーブルサイズが大きいデータ特性 があり、全件書き直しコストが致命的であるため、コ スト削減を目指したい。 • データのモノシリック化 (Monolithic Architecture) を目指したい。 FEZ Inc. All rights Reserved. 37
38. To-Be: 次期データ基盤構想 Lakehouseへの転換と拡張 SSoT とデータ共有の容易性の両取りを狙う コスト削減の恩恵が大きい • Open Table Formatの恩恵をそのまま享受できる。 • 一般的にオブジェクトストレージ上のParquetの方 が、データウェアハウスストレージより安価。 • 従来はデータレイクからデータウェアハウスへの読 み込みないし参照が必須で、同じようなデータが二 重に存在することが多かった。 • 大量の履歴データや生データを保持し続けやすく なる。 • 二重に費やしていたデータウェアハウス側のスト レージコストもなくなる。 • Lakehouseでは一箇所のデータを簡単に共有でき る。 FEZ Inc. All rights Reserved. 38
39. To-Be: 次期データ基盤構想 Orchestration: Airflowは銀の弾丸なのか？ Q: 実は dbtとAirflowは相性が悪いのではないか？ DAG Job Lineage dbt dbt dbt dbtはDAGを意識しなくてもデータパイプライ ンを維持できる (ref(), source())。 dbtは自前で実行環境があり、各処理の制御 はコマンドラインで実施できる。 dbtはAssets単位での可視化ができる。 Airflow Airflow AirflowもDAG定義を設定しているので、二 重管理になっている。 Airflowはdbtのように途中のmodelから処 理を再開したり、backfillなどの細かい制御 が難しい。 FEZ Inc. All rights Reserved. Airflow AirflowはDAGの可視化ができるが、dbt Lineageと一致するとは限らない。 39
40. To-Be: 次期データ基盤構想 Orchestration: Airflowは銀の弾丸なのか？ Airflowからの移行候補先 Dagster Kestra • 移行先の第一候補。 • YAMLベースでOrchestration が実現できる。 • Assetsベースの思想なので、 dbtと親和性が高い。 • Pythonを書かなくても良い点 がメリット。 • Airflowと比較して国内事例が 少ない。 FEZ Inc. All rights Reserved. • Dagster以上に国内事例が少 ない。 dbt Platform • dbtの利用シーンの拡張が期 待できれば移行先候補として はあり。 • dbt以外のJobがあるため、完 全移行までの道のりが一番長 い。 40
41. To-Be: 次期データ基盤構想 本章のまとめ : 環境を選ばないデータ基盤を目指したい Open Table Format Lakehouse Orchestration (Iceberg) SSoTとデータ共有の容易さを両 立する。 Airflowとdbtの親和性が課題。 ファイル連携で抱えていた課題を 解消できそう。 利用側の環境に依存しないデータ 共有環境を提供できそう。 FEZ Inc. All rights Reserved. データの二重保持をなくし、スト レージコストを削減する。 他ツール (Dagster, Kestra, dbt Platform) も比較検討中。 41
42. AI利活用
43. AI利活用 チームの業務上、 AIは使っている 使わないと成果が出ない 出典: チームで育てる AI自走環境 _20260409 FEZ Inc. All rights Reserved. 出典: Findy AI+ 43
44. AI利活用 Who / What: 誰が、どんな AIツールを使っているのか？ 人間は全員何かしらのAIコーディングエージェントツールを利用 AIレビューツールも活用し、一部自動化 FEZ Inc. All rights Reserved. 44
45. AI利活用 When / Where / How: いつ、どこでどういった用途で AIを使っているのか？ 計画 要件定義 • プロジェクトIssue発 行 • 計画の壁打ち • 要件定義作成支援 • 事前調査実施 • 基礎集計 開発 テスト レビュー 障害時 QA • Pull Request発行 • レビュータスク実施 • QA手順作成 • 障害時の調査支援 • データモデル実装 • CIレビュー • Hotfix発行 • DAG実装 • 指摘事項の優先度設 定 • 動作検証用クエリ発 行 • テストケース作成 • セルフテスト実施 • など • リリースノート作成 • 指摘箇所反映 • QA実施 • など • など • 再発防止策の提示 • 障害分析 • 脆弱性チェック • など • など FEZ Inc. All rights Reserved. 45
46. AI利活用 How much: どういった効果を AIがもたらしているのか？ Agent Skillsリリース前後の GitHub Issues & Pull Requests 算出期間 : Before: 2025/05/30〜2026/02/16 After: 2026/02/17〜2026/11/06 ＊2026/02/17: Agent Skillsリリース日 計測期間 Issues Pull Requests Before 1,428 件 377 件 After 2,163 件 1,245 件 Before vs After Before 2500 After +51% (1.51x) 2,163 2000 1500 Issues 発行数 Pull Requests 作成数 1.51 倍 3.30 倍 1,428件 → 2,163件 (+51%) 377件 → 1,245件 (+230%) FEZ Inc. All rights Reserved. 1,428 +230% (3.30x) 1,245 1000 500 377 0 Issues Pull Requests 46
47. AI利活用 How much: どういった効果を AIがもたらしているのか？ Pull Request内訳 (作成主体・経由別 ) 算出期間 : Before: 2025/05/30〜2026/02/16 After: 2026/02/17〜2026/11/06 ＊2026/02/17: Agent Skillsリリース日 経由 Pull Request作成者 人間 Claude Code経由 Agent Skills経由 合計 FEZ Inc. All rights Reserved. After 0 AI・Bot生成 Pull Request割合 (After) 380 0 195 377 441 Dependabot 0 188 Devin 0 38 GitHub Actions 0 3 377 1,245 手動(判定不能も含む ) Bot Before 64.8 % (804 / 1,245 件) Claude Code (380) + Agent Skills (195) + Dependabot等 (229) 47
48. AI利活用 プロダクトにも AIを利用中 出典: fez_cloud_next_tokyo2024_ブレイクアウトセッション D1-DA-07.pdf - Speaker Deck FEZ Inc. All rights Reserved. 48
49. AI利活用 本章のまとめ : 大前提、 AIは使っていないと成果は出ない 全員活用 AI活用工程 メンバー全員がAIコーディングエージェントを利用。 一部の業務を自動化。 計画、開発・テスト、レビュー、QA、障害対応 Agent Skillsリリース前後の比較 Issue Pull Request 人間が作成してはいない Pull Request (Claude Code, Agent Skills, Bot) 1.51 倍 3.30 倍 64.8% 今後目指す姿 現状は業務補助が中心。完全自動化・フルマネージドな業務推進を目指している。 FEZ Inc. All rights Reserved. 49
50. データ組織論・データキャリア論
51. データ組織論・データキャリア論 この話をする前に断っておくこと 免責・中立性 主張に関しては登壇者の経験と主観によります。 原則として特定の組織・団体・職種に対しての賞賛、あ るいは批判を意図するものではありません。 また、本章で引用した情報の正確性については一般的 な情報提供を目的としており、可能な限り万全を期して おりますが、その内容の正確性、妥当性、適法性、有 用性および最新性について一切の保証をするものでは ありません。 FEZ Inc. All rights Reserved. 目的と貢献 データ関連職能の方々のキャリアの発展と業界への貢 献の動機を目的としています。 データ関連職能以外の方々には必ずしも当てはまらな い内容があります。 また、データ関連職能の方々に対して敢えて厳しい視 点に立って意見している箇所があります。 予めご了承ください。 51
52. データ組織論・データキャリア論 cf. お前の考える狭いデータエンジニアリングの枠組みを越えてゆけ 出典: Beyond Your Data Engineering 2026 - お前の考える狭いデータエンジニアリングの枠組みを越えてゆけ #data_summit_findy by @Kazaneya_PR | ドクセル FEZ Inc. All rights Reserved. 52
53. データ組織論・データキャリア論 cf. お前の考える狭いデータエンジニアリングの枠組みを越えてゆけ • 本章は2026年10月9日開催のData Engineering Summitにて発表のあった Beyond Your Data Engineering 2026 - お前の考える狭いデータエンジニアリングの枠組みを越えてゆけ #data_summit_findy by @Kazaneya_PRの内容を踏襲した上で、個人の見解を述べています。 • データエンジニアとしてのキャリアを再考するいい機会になると思います。 • 登壇資料を組織、チームで読み合わせ会を開くことをオススメします。 FEZ Inc. All rights Reserved. 53
54. データ組織論・データキャリア論 データ人材に求められるものが多様化している 従来のモデル 多様化・高度化 データサイエンティスト基本 3定義 価値創造・専門性の深化・領域融合など役割とスキルの多角化 出典: 理系注目の活躍フィールド〈データサイエンティスト〉 - 就活ガイド｜理系ナビ：理系のためのインターンシップ・就職情報サイト FEZ Inc. All rights Reserved. 54
55. データ組織論・データキャリア論 データ人材を管理する組織も変革を強く求められる世界線になっている 出典: AI時代を勝ち抜く組織戦略：データ活用と人材育成の鍵 【安野貴博 ×柴沼俊一 ×清水亮×中林紀彦 ×松本恭攝】 FEZ Inc. All rights Reserved. 出典: freee が目指すデータ マネジメント戦略 : AI-Ready 時代を支 える攻めのガバナンスとは 55
56. データ組織論・データキャリア論 データ人材を管理する組織も変革を強く求められる世界線になっている 出典: AI時代にプロダクトマネージャーは必要か FEZ Inc. All rights Reserved. 出典: Snowflake Summit 2026 Opening Keynote With Sridhar Ramaswamy And Daniela Amodei 56
57. データ組織論・データキャリア論 階層組織 v.s. ティール組織の注目再び AIの発展で組織モデルがよりティール (進化型)に近づきつつある Self-Management AIが自己決定できる Wholeness AIと人間の見分けがつかなくなってきている 出典: Want To Revolutionize Your Business In 2026? Forget AI — Try the Teal Organizational Model Evolutionary Purpose AIそのものに存在価値ができている 出典: ティール組織 ――マネジメントの常識を覆す次世代型組織の出現 FEZ Inc. All rights Reserved. 57
58. データ組織論・データキャリア論 ビジネスのコアであるデータと、データを担うデータ組織 データマネジメントはより縮小し、 データアプリケーション開発に向かう FEZ Inc. All rights Reserved. 58
59. データ組織論・データキャリア論 dbtはデータエンジニアリングからよりビジネスへ M&A / Integration Fivetran and dbt are one company now. Here's what that means. Snowflake dbt Labs Named Snowflake Monetization Data Cloud Product Partner of the Year AI Readiness How to assess your organization’s AI readiness FEZ Inc. All rights Reserved. Google Cloud dbt Labs Wins a 2026 Google Cloud Partner of the Year Award AWS dbt Labs Signs Strategic Collaboration Agreement with AWS Recognition dbt Labs Is Named to the 2025 Forbes Cloud 100 59
60. データ組織論・データキャリア論 データインシデントはビジネスを壊す存在まで拡大中 (現在進行形 ) 出典: 国内で相次ぐ不正アクセスに対する注意喚起についてまとめてみた - piyolog 出典: NVD-CVE-2026-72898 出典: https://x.com/takaichi_sanae/status/2113118173818224932?a=idVBQwsd_21NPBCt498&s=20 FEZ Inc. All rights Reserved. 60
61. じゃあどうすればいいんだってばよ
62. データ組織論・データキャリア論 DATA SUPER HERO(S) ~ またの名を二宮 尊徳 ~ 出典: https://www.docswell.com/s/kazaneya/Z4N7EN-2026-10-09#p94 FEZ Inc. All rights Reserved. 62
63. データ組織論・データキャリア論 (主観で見た場合の ) 現在の一般的なデータエンジニア 出典: 交換手 - Wikipedia FEZ Inc. All rights Reserved. 63
64. データ組織論・データキャリア論 (主観で見た場合の ) 現在の一般的なデータエンジニア 1. (20年近く) データエンジニアの業務は変わっていない • データを収集して、データを加工して、データを公開する • いわゆる、ETL / ELT 2. テクノロジーの発展によって、業務は効率化されている • CPU / Memory / Storage の増加 • 便利なツールの勃興 (dbtもここにあたる) 3. 定期的にバズワードが発生しては消えている • Big Data / No SQL / OLAP / Modern Data Stack / Medallion Architecture / Data Mesh … • Semantic Layer / Ontology / One Big Table … • データエンジニアとして本質的にやるべきことは一切変わっていない 電話交換手の画像。 コンピュータ化された電話ダイヤルシステムの開発により、 2026年 現在、電話呼び出しは、第三者の介在なしに、発信者によって自動 的・直接的に実施されるようになった。 結果として電話交換手の業務はなくなり、受付および取り次ぎや モーニングコールのような種類のコンシェルジュ的な業務のみが 残っている。 FEZ Inc. All rights Reserved. 4. 近い将来 (1年から3年以内の短い未来と予想 ) データエンジニアの業務は全て AIで代替可能になる 64
65. データ組織論・データキャリア論 (主観で見た場合の ) シニア v.s. ジュニア (あるいは新卒 ) シニア目線 • 新卒、ジュニア層には正直負ける気はしない。 • 中堅やシニアの間でも、これまで以上に基礎力(学士以上の知見 )と現場経験 に加え、ビジネスドメインからの要求が加速 し、全く勝負にならないシーンもよく見る。 • AI時代に突入し、以上の格差は指数関数的に加速していく。 ジュニア目線 • 不遇の時代 に突入している所感。 • 今まで通りのキャリアパスでは採用にすら至らないケースも散見される。基礎力がないとそもそもデータエンジニア職にすら 就けない時代に。 • AIがシニアとの差を詰めるかは難しい。基礎力ではそもそも勝負にはならないし、年数を重ねて解消する課題でもない。一 線を超えた戦士とのギャップが広がり続けている。 FEZ Inc. All rights Reserved. 65
66. データ組織論・データキャリア論 きっと二宮 尊徳になれない者に告げる あるいは、天才になれなかった全ての人へ 出典: https://www.docswell.com/s/kazaneya/Z4N7EN-2026-10-09#p110 FEZ Inc. All rights Reserved. 66
67. データ組織論・データキャリア論 再掲: DATA SUPER HERO(S) FEZ Inc. All rights Reserved. 67
68. データ組織論・データキャリア論 再掲: DATA SUPER HERO(S) FEZ Inc. All rights Reserved. 68
69. データ組織論・データキャリア論 💡Hint: 共通項は、 ヒト・モノ・カネ FEZ Inc. All rights Reserved. 69
70. データ組織論・データキャリア論 (データ)エンジニアリング以外に興味を持つこと ヒト モノ カネ ピープルマネジメント、採用 技術、ツールの研鑽 所属企業の売上 -> 利益 無形資産 固定資産 流動資産 (人的資本、顧客、知財など ) (設備、建物、プロダクトなど ) (現金、売掛金、在庫など ) • マネージャー以上の役職に就く • 基礎力をこれまで以上に鍛える • 自分がもらっている給料の原資につい てもっと関心を深める • 担当する側から任せる側に • 何か一つでも極める • 選ばれる側から仲間を増やす側に • 総じて、勤勉であれ • 金銭をもらう側から金銭を生み出す側に • 売上、利益をデータで管理する立場へ FEZ Inc. All rights Reserved. 70
71. データ組織論・データキャリア論 (データ)エンジニアリング以外に興味を持つこと ここまでの総括: 基礎力が試されている ビジネスマンの基礎力 「価値貢献」の徹底 対価と成果の再考 ヒト・モノ・カネは本来ビジネスマンとして求め られる能力であり、エンジニアも例外はない。 そのことは決して忘れてはいけない。 データを集める・整理する・見るだけの人から 価値は生まれない。 データエンジニアリングがもたらした成果に 対して、対価を払う意味をもっと考えないとい けない。 出典: https://www.docswell.com/s/kazaneya/Z4N7EN-2026-10-09#p113 出典: https://www.docswell.com/s/kazaneya/Z4N7EN-2026-10-09#p104 FEZ Inc. All rights Reserved. ビジネスの価値貢献が求められる。 出典: https://www.docswell.com/s/kazaneya/Z4N7EN-2026-10-09#p105 71
72. データ組織論・データキャリア論 ヒト: 人を動かす Q: 以下、できていますか？ 人を動かす三原則 人に好かれる六原則 • 批判・非難・苦情を言わない。 • • • • • 率直に、心から認める。 • 相手の欲しいものを考える。 人を説得する十二原則 • • • • • • • • • • • • 議論は勝っても相手の心は変わらないので避ける。 相手の誤りを頭から指摘しない。 自分の誤りを認める。 穏やかに話す。 相手が「イエス」と言えるものを選ぶ。 相手に多く話させる。 結論を相手が自分で思いついたように感じさせる。 相手の立場から考える。 相手の考えや望みに共感する。 人の善意や美しい動機に訴える。 見せ方を工夫する (演出する)。 競争心を刺激する。 相手に心から関心を持つ。笑顔で接する。 名前を覚えて呼ぶ。聞き手に回り、相手に話してもらう。 相手の関心事を話題にする。 相手が自分は重要だと感じられるように接する。 人を変える九原則 • • • • • • 注意する前にまず褒める。遠回しに気づかせる。 自分の失敗を先に話す。命令ではなく質問の形にする。 相手の顔をつぶさない。小さな進歩も褒める。 期待をかけ、それに応えたくなる評判を与える。 励まして、直すのは簡単だと思わせる。 頼みごとを相手が喜んで引き受けられるようにする。 出典: 人を動かす FEZ Inc. All rights Reserved. 72
73. データ組織論・データキャリア論 ヒト Lv.100: 影響力の武器 社会心理学における「 6つの原理」 返報性 好意 コミットメントと一貫性 権威 社会的証明 希少性 6つの原理に対する防衛法 騙されたりしない方法や、6つの原理を悪用した人間の影響を受けたくない際の対処法も科学的に解説さ れている。 出典: 影響力の武器 : なぜ、人は動かされるのか 出典: 影響力の武器 戦略編: 小さな工夫が生み出す大きな効果 FEZ Inc. All rights Reserved. 73
74. データ組織論・データキャリア論 モノ: 技術を極める (技術じゃなくても何をしてもいい ) 何か一つを徹底的に極める 対象 プログラミング言語、OSS、ベンダーツールなど 実践例 dbt・データモデリングを極める • dbt Champions にノミネートされる著名レベルを目指す • dbt Summit や World Tour で登壇要請されるレベルを目指す 次のステップ例 FivetranやSnowflake等の周辺技術、あるいは技術以外のテーマ(英語、歴史、音楽な ど)へ視野を広げる 出典: https://www.docswell.com/s/kazaneya/Z4N7EN-2026-10-09#p111 DATA SUPER HERO(S)は息をする感覚で自然と物事を極めている。 (本人たちの血の滲むような努力は絶対あるが、我々の視点からは決して見えない FEZ Inc. All rights Reserved. ) 74
75. データ組織論・データキャリア論 モノ Lv.100: プロダクトオーナー 技術研鑽がゴールではない。 技術や知識はあくまで手段であり、過程である。 事業開発プロセスの逆転 (FDEの台頭 ) 事業をつくるエンジニアの参考事例 かつては「事業 → サービス → プロダクト」の順だったが、 今は逆向きのプロセスが可能に。 • Data Engineering is Becoming Software Engineering (And that’s a good thing) 能力拡大 → プロダクト創出 → サービス誕生 → 事業創出 • 事業をつくるエンジニア｜MNTSQ株式会社 • Transitioning from Data Analysis to Software Engineering | TokyoDev 昨今注目される FDE (Forward Deployed Engineer) の潮流。 データを「集める/整理する/見るだけ」のエンジニアから、 「事業を作ることができるエンジニア」 へ変革する。 AI時代の事業作りには、データエンジニアもフロントエンドエンジニアもバックエンドエンジニアも関係ない。 FEZ Inc. All rights Reserved. 75
76. データ組織論・データキャリア論 カネ: RevOps 以下の登壇スライドを見て。 出典: RevOpsへ至る道 データ活用による事業革新への挑戦 / path-to-revops - Speaker Deck FEZ Inc. All rights Reserved. 出典: RevOps実践で学んだ俺が最強のデータ基盤になることの重要性 / revops-practice-learned - Speaker Deck 76
77. データ組織論・データキャリア論 カネ Lv.100: SalesOps Q: なぜ、Salesforceは世界で一番成功した SaaSとして現在も君臨しているのか？ 出典: https://s205.q4cdn.com/626266368/files/doc_financials/2027/q2/CRM-Q2-FY27-Quarterly-Investor-Deck.pdf FEZ Inc. All rights Reserved. 77
78. データ組織論・データキャリア論 カネ Lv.100: SalesOps Q: なぜ、Salesforceは世界で一番成功した SaaSとして現在も君臨しているのか？ A: CRMをクラウドで生み出したトッププレイヤーであるから。 CRM (Customer Relationship Management) はヒト・モノ・カネ 全てに対して影響がある。 ヒト・モノ・カネは(今のところ)不変であり、ここにテクノロジーで介入したSalesforceが従来のCRMを淘汰した歴史がある。 資源 ヒト 基幹システム (HCM / ERP) 人事・労務 顧客関係管理 (CRM) 営業活動、商談、担当配置など HCM (Human Capital Management) モノ 在庫・生産・物流 商品、価格表、見積など ERP (Enterprise Resource Planning) カネ 会計・財務 商談金額、発注、売上予測など ERP (Enterprise Resource Planning) FEZ Inc. All rights Reserved. 78
79. データ組織論・データキャリア論 本章のまとめ : エンジニアである前にビジネスパーソンである AI時代の現状 問われる基礎力 データエンジニアの本質的業務は変わっておらず、近い将来 AIで代替される。 AI時代にシニアとジュニアの格差は加速。いま問われているのは基礎力。 ヒト・モノ・カネ ヒト モノ カネ 組織・チームの拡張 プロダクト・事業創出 事業成果・収益直結 人を動かし、任せる側・仲間を増やす側へ軸 足を移す。 何か一つを極め、プロダクトや事業をつくる側 へ。 給料の原資を意識し、売上・利益をデータで 生み出す側へ。 (プロダクトオーナー、 FDE) (RevOps) データエンジニアに限らず、価値貢献こそが求められている。 FEZ Inc. All rights Reserved. 79
80. Thank You