20250710_Stripeのデータと他のデータを掛け合わせてみる〜TROCCOで実現するRevOpsの世界〜_JPStripe_pUG

Transcript

1. Stripeのデータと他のデータを掛け合わせてみる 〜TROCCOで実現するRevOpsの世界〜 2025.07.10 #p_UG x #JP_Stripes ユーザーの実践から学ぶデータ統合で叶えるRevOps最前線 Kenta Yamamoto
2. 2 About me • primeNumber Inc. Co-Founder & CIO ◦ 2015年に創業し、今年で10年に • Director of Professional Services & Data Innovation Office ◦ データ基盤構築と活用の支援プロジェク トをリードしたり ◦ ビッグデータ処理基盤の開発/導入を マネジメントしたり ◦ 最近では生成AIを活用した新規 ソリューションの開発を推進しています • X: @yam_dr 山本 健太 ※会社ページリニューアル時に撮ったバチバチの写真
3. 3 Claude Codeにハマる最近の私
4. 4 今日話すこと • なぜ今RevOpsが必要なのか？ • Stripeデータの真の価値 • デモ • こんなこともできそう Stripe × RevOps な話を、私の知見から。
5. 5 RevOpsとは？
6. 6 RevOps = 収益に関するあらゆるプロセスを最適化 マーケティング/セールス/CS など全プロセスを横断して、個別最適ではなく全社的なデータ活用を 出典: https://primenumber.com/events/01-p-1
7. 7 データサイロからRevOpsへ RevOpsがうまく回っていない組織では何が起きているか → データのサイロ化 営業部門 CRM(商談データ) マーケ部門 MA・広告(リードデータ) CS部門 サポートツール(問い合わせデータ) 財務部門 Stripe(決済データ)
8. 8 データサイロからRevOpsへ RevOpsがうまく回っていない組織では何が起きているか → データのサイロ化 営業部門 CRM(商談データ) マーケ部門 MA・広告(リードデータ) CS部門 サポートツール(問い合わせデータ) 財務部門 Stripe(決済データ) データを統合し、ボトルネックを素早く見つける ↓ 部門間の連携が加速する 全社の目線をあわせ、同じ目標(収益最大化)へ
9. 9 Stripeデータの価値 決済データは「真実の源泉」であり、揺るぎないファクトデータ しかし、単体では見えないものもある • なぜその顧客は解約したのか？ • どの施策が収益に貢献したのか？ • 次にアプローチすべき顧客は誰か？ これらを明らかにするには、他のデータとの掛け合わせが必要
10. 10 どう実現するのか？ 構成図 決済データ 顧客データ 商談データ 問い合わせ履歴 データ加工 BIダッシュボード データ収集
11. 11 デモ
12. 12 実装の流れ
13. 13 ダッシュボードイメージ
14. 14 ダッシュボードイメージ
15. 15 何が嬉しいのか？ マーケティング/セールス/CS の状況を同時に確認できる 　→ ボトルネックを素早く特定し、改善アクションを検討/実施できる！
16. 16 Tips: SQL/BI開発におけるAI Coding活用 • やりたいことを書き出す。しっかり整理 されていなくてもよいので、脳内をdump するイメージで細かく書く。 • いきなり実装させず、設計させる。設計 書を叩きまくって、自分のイメージに近 づけていく。 • 実装を始めたら、常にgit連携させ、軌道 修正が必要なときは容赦なく切り戻せる ようにしておく。try&errorを爆速で。 • 最終的にはクラウドサービスを使う想定 でも、まずはローカルで完結させるとス ムーズ(DWHであればまずduckdbなど) コードで定義できる = AIが容易に操作できる(もちろんSQLも) instruction.md # 概要 RevOpsを実現するための、包括的なダッシュボードを作成してく ださい。 RevOpsというのは、... # 技術スタック * dbt core * duckdb * Evidence * ` ../evidence/sites/docs` のディレクトリ内に、Evidence の技術仕様ドキュメントが配置されています。 # 進め方 まずは設計書を一枚のmarkdownに日本語でまとめてください。 設計書をレビューしながらブラッシュアップしていきます。 設計が完成してレビューokとなるまで、実装に着手しないでくだ さい。 … # 期待する機能の概要 …
17. 17 こんなこともできそう • 「サイロの解消」→「データの民主化」まで考えたときに、非SQLユーザーがデー タ探索できる環境は実は重要 • Text-to-SQLは奥が深いテーマだが、以下いずれかがあれば高精度を実現できる 1. ユースケースが決まっていて、サンプルクエリを生成AIに渡せる 2. セマンティックレイヤーが定義されていて、AIにコンテキストを渡せる • あらゆるダッシュボードの裏には「整備されたデータマート」がいるので、すでに あるテーブルにメタデータを被せるだけで、自然言語とのインターフェースができ てしまう データマートのテーブルを活用して、自然言語でのデータ探索を実現
18. 18 まとめ
19. 19 まとめ • Stripeのダッシュボードだけでもかなり詳細な分析が可能だが、収益に関わるあら ゆる部門のデータを統合することで、異なる部門間でも同じ数字を見ながら共通言 語で会話できるようになる • 統合ダッシュボードのために作ったデータマートは、AIとの接続でさらに活用用途 が拡がる。データの民主化を進めることで、組織のあらゆるレイヤーでデータドリ ブンな文化が醸成できる（もちろん、現実はそこまで単純ではないものの） Stripe × ??? で、全社の目線を一つに
20. 20 最後に • 今回はユーザー会ということで、実装面にフォーカスしてお話をしましたが、 primeNumberではSaaS提供のみならず、BIテンプレート導入やデータ活用コンサル ティングといった包括的な支援も提供しています。 • Stripeデータを活用したRevOps実現のご相談はprimeNumberまで！ 最後に少しだけアピールさせてください
21. Thank you!