TROCCO×dbtで実現する 　　　人にもAIにもやさしいデータ基盤 2025.08.20 #p_UG 東京：夏のデータ活用大共有会 株式会社ニーリー 上田 健太郎 NEALLE 1 

2022年8月にニーリーに入社。 Analyticsチームの1人目のメンバーとなり、 「事業や経営の意思決定を支援するデータ分析結果の創出」をミッションに、 データ基盤構築から分析まで幅広く対応。 2 自己紹介 株式会社ニーリー Analyticsチーム エンジニア 上田 健太郎 

3 プロダクト紹介 

4 今日のお話 ● 分析の属人化防止 (イネーブリング) のために、TROCCO×dbtでデータマートを整備した ● 結果、属人化防止だけでなく、AI活用にも繋がった = 人にもAIにもやさしいデータ基盤 ● 同時に、人 (Analytics Eng.) が注力すべきポイントも見えてきた 

5 なぜTROCCO？ : 2023年10月頃 ● より事業貢献に近い領域 (データマート整備や分析) に注力したかった ● データソース毎にETLを自前実装するのはマンパワー的にも困難 ○ チーム発足当初は1名体制 (現在は5名) ● テーブルやカラムの追加削除も多く、独自実装での検知・追従は非現実的 

6 なぜTROCCO？ : 2023年10月頃 ● より事業貢献に近い領域 (データマート整備や分析) に注力したかった ● データソース毎にETLを自前実装するのはマンパワー的にも困難 ○ チーム発足当初は1名体制 (現在は5名) ● テーブルやカラムの追加削除も多く、独自実装での検知・追従は非現実的 ※ BQに直接転送しているデータソースは省略 (GAなど) 

▼導入効果 ● テーブル・カラム自動追従や豊富なコネクタにより ETLが楽になり、マート整備・分析に注力できた ● サポートが充実しているのも大変ありがたかった 7 なぜTROCCO？ : 2023年10月頃 ● より事業貢献に近い領域 (データマート整備や分析) に注力したかった ● データソース毎にETLを自前実装するのはマンパワー的にも困難 ○ チーム発足当初は1名体制 (現在は5名) ● テーブルやカラムの追加削除も多く、独自実装での検知・追従は非現実的 ※ BQに直接転送しているデータソースは省略 (GAなど) 

8 なぜdbt？: 2025年3月頃 ● 2024年の中盤からデータ分析の依頼が増加し続け、データ活用のイネーブリングが急務に。 同時に分析用に加工済みのデータマートの重要性が増した ● dbtはデータマート定義はもちろん、データカタログの出力も可能 ● TROCCOはdbt連携 (実行) が可能なので、渡りに船だった 

9 なぜdbt？: 2025年3月頃 ● 2024年の中盤からデータ分析の依頼が増加し続け、データ活用のイネーブリングが急務に。 同時に分析用に加工済みのデータマートの重要性が増した ● dbtはデータマート定義はもちろん、データカタログの出力も可能 ● TROCCOはdbt連携 (実行) が可能なので、渡りに船だった 

▼導入効果 ● メンテフリーのdbt実行環境が手に入った ● マート&カタログにより分析クエリ作成に必要な知識が 大幅に低減。Bizメンバーの分析参画が増加 ● dbt testなどの諸機能によりデータの信頼性・整備性が向上 10 なぜdbt？: 2025年3月頃 ● 2024年の中盤からデータ分析の依頼が増加し続け、データ活用のイネーブリングが急務に。 同時に分析用に加工済みのデータマートの重要性が増した ● dbtはデータマート定義はもちろん、データカタログの出力も可能 ● TROCCOはdbt連携 (実行) が可能なので、渡りに船だった 

11 なぜAI？: 2025年7月頃 ● 元々、属人化防止のために分析SQLには丁寧にコメントをつけていた ○ 作成経緯、1行の粒度、CTE単位の処理説明、編集履歴など ● マート&カタログだけでは一部のbizメンバーの分析イネーブリングに留まっていた ● 手元の生成AIにSQLとdbtモデルを読ませると、結構な精度でSQLを作成できることが判明 ● そんな中、社内にAI担当チームも発足。「AI Analytics Chatbot」を作ることに 

12 なぜAI？: 2025年7月頃 ● 元々、属人化防止のために分析SQLには丁寧にコメントをつけていた ○ 作成経緯、1行の粒度、CTE単位の処理説明、編集履歴など ● マート&カタログだけでは一部のbizメンバーの分析イネーブリングに留まっていた ● 手元の生成AIにSQLとdbtモデルを読ませると、結構な精度でSQLを作成できることが判明 ● そんな中、社内にAI担当チームも発足。「AI Analytics Chatbot」を作ることに 

13 なぜAI？: 2025年7月頃 ● 元々、属人化防止のために分析SQLには丁寧にコメントをつけていた ○ 作成経緯、1行の粒度、CTE単位の処理説明、編集履歴など ● マート&カタログだけでは一部のbizメンバーの分析イネーブリングに留まっていた ● 手元の生成AIにSQLとdbtモデルを読ませると、結構な精度でSQLを作成できることが判明 ● そんな中、社内にAI担当チームも発足。「AI Analytics Chatbot」を作ることに ▼導入効果 ● AnalyticsチームのSQL開発は圧倒的に効率化 ● SQLコメントとdbt定義のマート群はAIにも 解釈しやすかったようで、初版で使える精度を実現 ● Bizメンバーへの効果は計測中 (公開後間もないため) 

14 見えてきたポイント: 人にもAIにも優しい基盤を実現するには？ No. ポイント アクション 効果 1 徹底的なドキュメンテーション ・dbtモデルでのdescription記載の強制 ・分析用SQLへのコメント記載の徹底 ・分析の属人化防止 　(イネーブリング) ・AI回答精度の向上 2 分析用データマートの充実化 ・複雑なjoinやcase式、Biz指標の定義を隠蔽 3 利用者とのコミュニケーション ・定期的な分析・マート需要のヒアリング ・実用性の高い 　データマートの企画 4 マネージドな仕組みの活用 ・TROCCO×dbt でETL・データ検証に 　要する時間を削減 ・上記対応の時間の捻出 1~4は同時に、人 (Analytics Eng.) が注力すべきポイント = AIに代替されにくいポイント でもあると思う 

ニーリーではプロダクトエンジニア、 その他のポジションも積極採用中です！ https://jobs.nealle.com/ We are hiring!!!