部署ごとの着眼点や用途を重視した ID解決の検討

2025-05-20 Snowflake x Salesforce 勉強会 登壇資料

Transcript

1. 2025-05-20 Snowflake x Salesforce 勉強会 部署ごとの着眼点や⽤途を重視した ID解決の検討
2. 株式会社リバネスナレッジ 取締役 平塚 武 Leave a Nest Knowledge Co., Ltd. Board Member, Takeshi Hiratsuka 専⾨分野: データを価値に変換する Salesforce + Data Cloud + Tableau Next Snowflake Squad 2025 DATA Saber Profile 2 𝕏 ： marreta27_jp
3. リバネスナレッジの紹介 3 Salesforce製品活⽤⽀援事業を⾏う組織です。 株式会社リバネスの業務システム部⾨が分社化し設⽴されました。 “ITを使い倒せる組織を増やす”をミッションとして掲げています。 業務システム部門
4. リバネスグループのビジネスシステム導⼊の歴史 2014年 2015年 2016年 2017年 2018年 2019年 2013年 Pardot Standard Experience Cloud Heroku Quip CRM Analytics Account Engagement Advance(Einstein) myTrailhead Advertising Studio Tableau 2020年 2021年 Slack 2022年 2023年 2024年 Sales Cloud Sales Cloud Einstein Enterprise Grid Snowflake DataCloud 構造データ化時代 AI黎明期/BI活⽤期 ⽣成AI⾰命期 UE+ 統合 統合 終売
5. リバネスグループのシステム構成 5 User Staff リバネスグループ⾃⾝でも多くのSalesforce 製品を活⽤しています。
6. 今⽇のテーマ
7. 部署ごとの着眼点や ⽤途を重視した ID解決の検討
8. ID解決とは 8 MDM（マスターデータ管理）における「ID解決（Identity Resolution）」 は、異なるシステムやデータソースに存在する顧客、製品、取引先などの同 ⼀エンティティのレコードを識別‧統合し、⼀貫性のあるマスターデータを 構築するプロセスです。
9. MDM とは 9 https://www.ibm.com/jp-ja/think/topics/master-data-management
10. ID解決の⽬的と重要性 10 企業内では、部⾨やシステムごとに異なる形式でデータが管理されているこ とが⼀般的です。 例えば、営業部⾨とマーケティング部⾨で同⼀の顧客が異なるIDや名称で登 録されている場合、データの重複や不整合が⽣じ、正確な分析や意思決定を 妨げます。 ID解決は、これらの課題を解消し、統⼀されたマスターデータを実現するた めに不可⽋です。
11. ID解決のプロセス 11 データ収集と 正規化 ⼀致ルールの定義 マッチングと統合 統合プロファイルの 作成 各システムからデータ を収集し、フォーマッ トや表記の違いを統⼀ します。例えば、「株 式会社ABC」と 「(株)ABC」を同⼀と認 識できるように正規化 します。 データの⼀致を判断す るルールを設定しま す。厳密⼀致（Exact Match）やあいまい⼀ 致（Fuzzy Match）な どがあり、⽒名、住 所、電話番号などの属 性を基に照合します。 定義したルールに基づ き、同⼀エンティティ と判断されたレコード を統合し、単⼀のマス ターレコードを作成し ます。この際、データ の信頼性や最新性を考 慮して統合⽅法を決定 します。 統合されたデータを基 に、エンティティごと の統合プロファイルを 作成し、各システムで 共有‧活⽤できるよう にします。
12. ID解決のプロセスの弱点
13. 本来の⽬的と異なる着眼点で 収集されたデータや 存在しないデータは解決できない
14. 部署ごとの着眼点や ⽤途を重視した ID解決の検討
16. To Cの例
17. ID解決の例 ~ Mary Smith の場合 17 『データスチュワードシップデータマネジメント＆ガバナンスの実践ガイド』 より
18. ID解決の例 ~ 住宅所有保険情報と会員情報 18 『データスチュワードシップデータマネジメント＆ガバナンスの実践ガイド』 より
19. ID解決 サバイバーシップ 19 『データスチュワードシップデータマネジメント＆ガバナンスの実践ガイド』 より
20. To Bの例
21. 各部⾨のデータ利⽤⽬的と精度要件 21 部署 主な利⽤⽬的 必要なデータ項⽬例 精度要件 営業部⾨ 顧客管理‧営業活動⽀援 取引先名、所在地、業種、営業ランク 中 経理‧財務 部⾨ 請求‧⽀払い処理、会計連携 法⼈正式名、法⼈番号、請求先住所、 銀⾏⼝座情報 ⾮常に⾼い 購買部⾨ 発注‧取引先管理 仕⼊先名、⽀払条件、所在地 ⾼い 法務部⾨ 契約審査‧リスク管理 正式法⼈名、法⼈格、登記住所 ⾮常に⾼い 情報システム 部⾨ マスタ統合‧他システム連携 ⼀意ID、法⼈番号、 正規化された住所‧名称 ⾮常に⾼い BtoBマーケ ティング部⾨ リード創出、ターゲティング、 セグメンテーション 企業名、業種、売上規模、従業員数、 地域、導⼊製品 中
22. データが登録される順番 22 データが登録されるシステムにより精度に強弱がある。 ID解決に利⽤できるもしくはID解決するべきか否か、考えることも重要。 営業部⾨ 法務部⾨ システム部⾨ 経理部⾨
23. Howの話
24. Salesforce を利⽤しているならば Data Cloud 24
25. ID解決における調整ルール 25 最新のデータ、最頻のデータ、信頼できるシステムからのデータの 3つを使い分けて、ID解決で適⽤するデータの優先度を決定できる。
26. Individual 26
27. ID解決後オブジェクト 27
28. Engagementを把握するときに都合がいい 28
29. メールアドレスの標準化 29
30. 電話番号の標準化 30
31. 住所の標準化 31
32. あいまい⼀致 32
33. ただし⾮ラテン⽂字は... 33
34. 34 Zero Copy Partner Network
35. 終わりに
36. 株式会社リバネスナレッジ 取締役 平塚 武 Leave a Nest Knowledge Co., Ltd. Board Member, Takeshi Hiratsuka 専⾨分野: データを価値に変換する Salesforce + Data Cloud + Tableau Next Snowflake Squad 2025 DATA Saber Profile 36 𝕏 ： marreta27_jp 積極採用中
37. 37 Data Cloud eBook 監修