BigQuery でできること、人間がやるべきこと

Cross Data Platforms Meetup #2
2025-10-15 @na0
https://cdpm.connpass.com/event/369459/

Transcript

1. 1 BigQuery でできること、⼈間がやるべきこと Cross Data Platforms Meetup #2 2025-10-15 @na0
2. 2 株式会社メルカリ 
 Japan Business Data > BI Product 
 
 Google Developer Expert (Cloud) 
 @na0

3. 3 はじめに：今⽇話すこと データ基盤 ⼈ データ世界をなめらかに つなぐ仕事 現実世界とデータ世界を つなぐ仕事
4. 4 1~4 を頑張っているはず データ周りの人がやってること ビジネス活動 データ & AI プラットフォーム 組織リソースの管理 1. 記録 3. 最⼤化 4. 最⼩化 2. 繋ぐ
5. 5 Google Cloud が提供するインフラ管理不要なデータ & AI プラットフォーム BigQuery とは何か BigQuery overview | Google Cloud より
6. 6 データプラットフォームができること データ分析 データ管理 知⾒の抽出 データ収集、加⼯、統合
7. 7 Google の提供する AI 関連機能 Gemini in BigQuery Gemini BigQuery ML Conversational Analytics API Google ADK Vertex AI
8. 8 Google が開発したマルチモーダル⽣成 AI Gemini
9. 9 データ加⼯ワークフローを BigQuery パイプラインとして⾃然⾔語から⽣成 Gemini in BigQuery: Data Engineering Agent New agents and AI foundations for data teams | Google Cloud Blog より 定期実⾏クエリ群を 組み⽴てる時に
10. 10 データの探索と説明⽂の⾃動⽣成 Gemini in BigQuery: Generate data insights 60 点のメタデータ を付与する時に
11. 11 データ分析やデータ加⼯などの共同作業 Gemini in BigQuery: Data Science Agent New agents and AI foundations for data teams | Google Cloud Blog より 狭く深く 分析する時に
12. 12 SQL だけで LLM や機械学習モデルを、 BigQuery 上のデータと統合利用 BigQuery ML LLM with Vertex AI only using SQL queries in BigQuery | Google Cloud Blog より 狭く浅く並列分 析する時に
13. 13 BigQuery や Looker、Looker Studio と統合した LLM Agent を簡単開発 Conversational Analytics API Understanding Looker’s Conversational Analytics API | Google Cloud Blog より New agents and AI foundations for data teams | Google Cloud Blog より 広く深く並列分析する時に
14. 14 BigQuery などの Google サービスと連携し、コードで LLM Agent を⾃作 Google ADK (Agent Development Kit) name: sample_agent model: gemini-2.5-flash instruction: You are a helpful assistant. tools: - name: google_search instruction と必要ツールを YAML で記述するだけ
15. 15 Vertex AI 見出し Model Development Agent Builder • LLM Agent やツールを提 供する Agent Garden • LLM Agent をホストする Agent Engine • RAG を簡単につくる RAG Engine • 機械学習の特徴量を管理す る Feature Store • 機械学習の学習プロセスを 管理する Training • オンライン推論のための Endpoints • バッチ推論のための Batch Inference Deploy and use 機械学習モデルや LLM Agent の自作を支援する機能群を提供
16. 16 BigQuery などのデータストアにアクセスするノーコード Agent 開発 Gemini Enterprise
17. 17 if BigQuery 上にデータがない → None if 未加工データがある → Data Engineering Agent if メタデータない → Generate data insights if BigQuery データを分析したい → Data Science Agent Conversational Analytics API if BigQuery データ以外も分析したい if 金ある → Gemini Enterprise else → Google ADK で自作 データ× Google AI 関連機能の選び⽅
18. 18 これらの機能を活⽤すると...？ メルカリにおける Google の AI 機能活⽤事例
19. 19 メルカリ AIエージェント事例：メルカリ Socrates 自然言語インターフェースを用いたデータ可視 化・分析支援ツール メルカリのデータに関する分析を会話形式で実行で きるツールです。SQLやメルカリのデータの専門的知 見がなくとも、データの可視化からトレンドの把握と深 堀り、仮説の導出、分析レポートの作成までを一気通 貫で簡単に実行することができます。 AIエージェントとして実装することで 1ステップの応答 に留まらず、利用者の課題意識から調査を進め、 データを収集、仮説を出して、その仮説を前提にさら なる調査を行うことができます。
20. 20 メルカリ AIエージェント事例： CS Effortless Customer Experience
21. 21 データ & AI プラットフォーマーが多機能展開 前半まとめ ⼈はデータ整備に注⼒できる
22. 22 AI 技術の進歩により仕事の主体が「⼈」から「AI」へ AI ⼈ 技術の進歩に伴い、⾼度 なタスクも実⾏可能に 技術の進歩に追いつかれ たタスクが出てきている
23. 23 既存のワークフローを AIで代替させる場合 ⾜並みを揃えるのが難しい上、想像の範疇を出ない 実装 要件定義 コードレビュー /QA リリース デザイン
24. 24 提供価値に対して必要なフローを引き直す場合 旧来的な直列⼯程でなく、AIが並列補完するシンプルなフローに再設計。 これまでの想像を超える価値提供が可能になる。 実装 要件定義 コードレビュー /QA リリース デザイン
25. 25 ⼈間の残タスク データ整備 ⼿続き再編 AI 最適な仕事環境を⽬ 指し、データとドキュメ ントを整備 AI 最適なワークフロー に仕事を再設計
26. 26 管理主体を減らし、「⼈、ときどき AI」から「AI、ときどき⼈」に再編。 ⼈間の残タスク：⼿続き再編 機能 X つくろう 機能 Y つくろう レビュー済み の X&Y 実装 持ってきたよ 審査待ちだよ A/B テスト悪いか ら⾒直そう 顧客体験を 〜な状態にしよう ⽬標達成？ 未達？ 応答⾼速化した
27. 27 AI やシステムが最適な振る舞いをするために必要な知識の提供を⽬指す ⼈間の残タスク：データ整備 Tools • データ削除 • ドキュメント作成 • 画像編集 Knowledge • 構造化データ • ドキュメント • 画像 • ⽤語集 AI • 広告配信 • 営業電話 • 関連技術調査
28. 28 データ整備の主体はまだまだ「⼈」 データ基盤 ⼈ データの検索や分析など の AI Layer と Tools Layer を担う ビジネスメタデータなど の暗黙知の⾔語化を⽬指 し、Knowledge Layer を担う
29. 29 今日の話がピンと来なかった人 おわりに とにかくやれ!!
30. 30 1, 3, 4 をとにかくやる おわりに： ToDo ビジネス活動 データ & AI プラットフォーム 組織リソースの管理 1. 記録 3. 最⼤化 4. 最⼩化 2. 繋ぐ