AIで「ふとした疑問」を即座に検証する〜定量で圧倒するN1理解〜

by KAKEHASHI

Slide 1

Slide 1 text

©KAKEHASHI inc. AIで「ふとした疑問」を即座に検証する〜定量で圧倒するN1理解〜 2026/02/20 PdMのインサイト探索記株式会社カケハシ梶村直人（@n_kaji_kaji）

Slide 2

Slide 2 text

©KAKEHASHI inc. 株式会社カケハシ Musubi AI在庫管理プロダクトマネージャー梶村直人自己紹介 2 カケハシには2022年に入社。東京大学では自然言語処理の研究新卒の三井物産では新規事業企画を担当。趣味で開発やKaggleを行うなど、 Techと事業の両方が好きで PdMは天職【好きなプロダクト】

Slide 3

Slide 3 text

No content

Slide 4

Slide 4 text

No content

Slide 5

Slide 5 text

©KAKEHASHI inc. プロダクト紹介薬局向けの医薬品の在庫管理・AI発注システム Musubi AI在庫管理 5

Slide 6

Slide 6 text

©KAKEHASHI inc. N1理解での定性と定量 N1の理解では定性と定量の両面での理解が必須 6 本日は定量情報をAIで圧倒的に取得しN1の理解を深める話です！

Slide 7

Slide 7 text

©KAKEHASHI inc. 定量理解のハードルデータチームへの依頼では正確な背景・目的・要件を説明する必要があり高コスト 7 ビジネス価値の示しにくいN1の探索的な調査は依頼しづらい

Slide 8

Slide 8 text

Slide 9

Slide 9 text

©KAKEHASHI inc. AIでの定量データ取得の課題数百のテーブルから自分が求める正確なQueryをAIで出力することは難しいデータのコンテキストを与えても、出力結果のqueryが複雑では正確性を判断できない 9

Slide 10

Slide 10 text

©KAKEHASHI inc. AIでのデータ理解の課題アジャイルデータモデリングでAIでの正確なデータ生成＆出力内容の理解を可能にする。 10

Slide 11

Slide 11 text

©KAKEHASHI inc. データモデリング方法 BEAM（Business Event Analysis & Modeling）業務の流れに沿ったデータを用意する 11

Slide 12

Slide 12 text

©KAKEHASHI inc. データモデリング方法 BEAM（Business Event Analysis & Modeling） AI在庫管理での医薬品の依頼の流れ 12

Slide 13

Slide 13 text

©KAKEHASHI inc. データモデリング方法一連の流れを一つのテーブルにまとめるViewやTableを作成する 13 一行のデータを見るだけで、実際のユーザーの行動を理解できる

Slide 14

Slide 14 text

©KAKEHASHI inc. 例：X薬局の過去1ヶ月の先発品の依頼について、依頼から入庫までにかかる日数の中央値は？データモデリング方法スタースキーマでマスタを増やすことで、必要な情報を組み合わせて分析可能 14 SELECT PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY DATEDIFF(day, 依頼時刻, 入庫時刻)) AS 入庫までの日数の中央値 FROM 依頼 JOIN 店舗マスタ ON 依頼.依頼元店舗ID =店舗マスタ.店舗ID JOIN 医薬品マスタ ON 依頼.医薬品ID =医薬品マスタ.医薬品ID WHERE 店舗マスタ.店舗名 = 'X薬局' AND 依頼時刻 >= CURRENT_DATE - INTERVAL '1 month' 　AND 医薬品の特徴＝先発品シンプルなQueryなのでAIもミスなく生成し、結果を誰でも理解できる

Slide 15

Slide 15 text

©KAKEHASHI inc. データモデリングの活用 BEAMに沿ってViewやTableを用意することでPdM自身での分析が可能に 15 プロダクト開発がコモディティ化する世界で、勝敗を分けるのは「深いインサイトを、いかに早く、継続的に得られるか」データチームへの依頼・分析は「一大プロジェクト」・仮説はリリースしてから検証される・N1分析をしようという気持ちにならない PdM自身での分析・分析は「日常的な問い」・仮説がすぐに検証される・純粋な好奇心がインサイトに繋がる

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

©KAKEHASHI inc. N1を理解する組織 PdMがN1のデータを発信することで、組織としてもN1への関心が高まる 18 N1への関心が低い組織・分析のデータ基盤の整備に関心がない・ヒアリングの設定にCSが消極的・決まったロードマップをこなす N1への関心が高い組織・機能のFBに関心が高い・N1の声を営業・CSが集めてくる・ログを積極的に仕込む・社内の主語がユーザー