© Findy Inc. 社内で使われるLooker整備の進め⽅ 1 データソリューションチーム 出相 早織 

© Findy Inc. 2 自己紹介 ● 名前 ○ 出相 早織（であい さおり） ● 経歴 ○ 養豚→Web アプリ開発→ データエンジニア.アナリティクスエンジニア ○ 2025/08 〜 ファインディ株式会社　 　データエンジニア　として参画 ● 趣味 ○ 神社仏閣巡り ○ ピクミンブルーム 

© Findy Inc. こんな事例ありませんか？ 3 

© Findy Inc. 4 🏗 作った瞬間がピーク あるある①：ダッシュボードが使われなくなる 作ることがゴールになってしまう問題 ○ リリース直後はみんな見てくれる ○ 1〜2ヶ月後にはアクセスが激減 ○ 誰のどんな意思決定のためか が曖昧 ○ 「見るだけ」で施策に繋がらない 

© Findy Inc. 5 🤔 そもそもデータ活用の入口が見えない あるある②：事業部側の悩み データは "あるらしい" が、遠い存在 ○ どうやって使えばいいか分からない ○ どこにデータがあるのか分からない ○ 依頼したいけど、何をどう頼めばいいか分からない 

© Findy Inc. 6 📊 頑張りで支えていたレポート あるある③：スプレッドシート運用の限界 ○ 自力で時間をかけて収集 ○ 複雑なスプシ関数 で集計 ○ 担当者が変わると 中身がブラックボックス ○ エラーが出たら数値を見ることを諦める ○ 毎回の作成工数が積み重なる ○ そのうち スプシのデータ上限 に到達するリスク 

© Findy Inc. Findyの Looker は "悩まず使われ続ける場" にしたい 7 

© Findy Inc. 8 📌 定常的に見るダッシュボード ビジョン：Lookerを活用の場に ○ 意思決定にひも付いた数値（KPIなど） 🔍 探索できるデータそのもの ○ ドリルダウンできる ○ Explore で自由に切り口を変えられる ○ 会話分析（Gemini in Looker）でユーザー自身が問いかける 「⾒るだけ」から「探索する」に変える 

© Findy Inc. 9 ただし、最初はハードルが高い ○ Looker を見に行く習慣がない ○ Explore の操作に慣れていない ○ そもそも その場所に行く理由 がない だからこそ、進め⽅の⼯夫 が必要！ 

© Findy Inc. 使われ続けるための4ステップ 10 

© Findy Inc. 11 進め方：4ステップで価値を積み上げる 1. ヒアリング 2. 最初のダッシュボードを素早く提供 3. 共有MTGで使ってもらう & 改善ループ 4. ディメンショナルモデル化 & メタデータ充実 

© Findy Inc. 12 Step 1. ヒアリング ● 現在の課題 ● データを見る上での苦労 ● 欲しいのに無い数値 MTGは、こちらから設定する - 顔⾒知り感を上げ、データ周りのハードルを少しずつ下げる - 話しやすい雰囲気づくり  事業部 → データエンジニア ● 「これ Looker化したら楽になりそう」を提案 ● スプシ運用など、置き換える候補を探す データエンジニア → 事業部 

© Findy Inc. 13 Step 2. 最初のダッシュボードを素早く ● 最低限の機能に絞る ● 複雑な集計は Derived Table で一旦実現 a. 精緻なモデリングは後回しでOK ● とにかく 苦労していたことを解消 する 完璧な設計 ＜ 早い体験提供 🚀 "早く最初の成果 " を提供する 

© Findy Inc. 14 Step 3. 共有MTG & 改善ループ ● リリースして終わり、にしない ● 共有MTGで実際に使ってもらう ● その場で改善点をヒアリング ● 必要なデータを追加 → 次のMTGへ MTGにより、スピーディに使い⽅共有＆課題発掘 🤝 一緒に触る時間をつくる 

© Findy Inc. 15 Step 4. ディメンショナルモデル & メタデータ ● Derived Table → dim / fact テーブル に再設計 ● LookML の label / description を充実化 a. Explore / LookML で 会話分析の精度向上 b. 他ダッシュボードへの 再利用性 が上がる 運⽤で磨かれてから、⼟台を固める 👷 使い込まれてきたタイミングで土台を整える 

© Findy Inc. 実際、必要とされているのか？ 16 

© Findy Inc. 17 Looker利用状況ダッシュボード 活⽤＝Explore利⽤者数でウォッチしている🔍 

© Findy Inc. 18 利用者数の伸び MAU（月間アクティブユーザー） ● 2026年1月: 60名 → 2026年4月途中: 91名 ● 3ヶ月で 約1.5倍 に成長 ● MAUアクティブ率 76%（ライセンス 120名中） 利⽤者が着実に増えている📈 Lookerの会話分析により抽出 WAU（週間アクティブユーザー） ● 1月中旬: 27名 → 4月中旬: 74名 ● 3ヶ月で 約2.6倍 に成長 ● Stickiness（定着度: WAU/MAU）≒ 81% 

© Findy Inc. 19 実践の結果、経営の見方が変わった 📈 ● 「BIなら別に Looker じゃなくてもよくない？」という空気 ● ツールとしての必要性がまだ伝わっていなかった Before Looker 継続稟議に、経営管理部 執行役員 からこんなコメントが： After 全社・各事業のダッシュボードでのモニタリングや深堀において必要不可欠なツール 。 事業拡大に伴い、事業の複線化・各事業の複雑化が起きており、既存のスプレッドシートのみでは限界がある 状況。 BigQuery や Looker を駆使して、DSチーム・各事業・経営企画で過去データ含めたモニタリング を行っていく。 密なコミュニケーション × スピーディな対応 → Looker が "信頼にたるデータソース" として認知されるように 

© Findy Inc. 20 成功のカギ 🗝 初速の勝ちパターンを提供する 1. 「苦労が解消された！」という体験 　 データチームを "遠い存在" にしない 　 → MTGはこちらから設定 して顔見知り感を作る 2. 話しやすい雰囲気 まずは完璧より、回転数 3. スピーディに PDCA を回す 

© Findy Inc. 21 データエンジニアに大切なスキル ● 事業部の課題を 聞き出し理解する 力 ● 技術を 翻訳して伝える 力 ● 信頼を 積み重ねる 動き方 ● 繰り返し 働きかける力 DMBOK を読んで分かった、技術以外で大切な要素 🧩 技術⼒ × 対⼈スキル この掛け算があって初めて、データは "使われる" ものになる 

© Findy Inc. 22 まとめ ● データを見る場と探索する場にする ● 話しやすい空気作り ● 小さく早く出して、一緒に育てる 進め方 ● 継続的に課題を解決して、信頼を積み上げる 

© Findy Inc. ご清聴ありがとうございました！！ 23