「捨てる」を設計する プロダクトデータアナリスト 合田翔平 2026年3月19日 

2 自己紹介 ● 合田翔平（ごうだしょうへい） ● @shohei_trapi ● kubell ← Unipos ● プロダクトデータアナリスト ● 福島県在住 

事業概要 *1 Nielsen NetView Customized Report 2025年7月度調べ月次利用者（MAU:Monthly Active User）調査。 調査対象はChatwork、Microsoft Teams、Slack、LINE WORKSを含む44サービスを株式会社kubellにて選定。 *2 2025年12月末時点。 ● 国内最大級のビジネスチャット「Chatwork」を展開 業界のパイオニアであり国内利用者数No.1*1 導入社数は97.3万社*2を突破 ● 圧倒的な顧客基盤とプラットフォームを背景に、チャット経由で業務を請け負いDXを推進する BPaaSを展開 BPaaS (Business Process as a Service) ビジネスチャット「Chatwork」 業務代行 採用 経理・会計 労務 営業事務 AI・SaaSを徹底活用 3 AIエージェント 経理・総務・事務な ど幅広い業務に対応 人事・労務など専門 性の高い業務に対応 

増え続けるデータ、誰も捨てられない 

5 こんな「あるある」ありませんか？ ● いつまで使われるテーブルなのかわからない ● 関係者が全員退職してて経緯がわからない ● 「念のため残しておこう」が積み重なり管理が大変 捨てたいけど捨てられな い... 

6 なぜ「捨てる」が難しいのか 影響範囲が見えない オーナーが不在 念のため残す文化 → 構造的に捨てられない理由を整理する 

「捨てる」ための仕組みづくり 

8 ● AIを活用することで「作る」スピードは格段に向上した ○ 実際に2024年と2025年の実績を比べると倍以上のリリース数に！ ● 「育てる」と「捨てる」をどう設計するかでライフサイクルの質が決まる AI時代だからこそ「捨てる」を設計することが大事 要件定義 実装 利用 要件再定義 削除 捨てる 育てる 作る 

9 「捨てる」を仕組み化する3つの取り組み 1. dbt exposure の活用 2. 有効期限の導入 3. オーナーの明確化と主体的な引き継ぎ 

10 1. dbt exposure の活用 ● ユースケースごとに exposure を定義 ● 何のデータ（What）だけでなくどういう目的か（Why）も明記 

11 2. 有効期限の導入 ● 短期的な効果測定で扱う限定的なモデルは有効期限を明記 ● exposure への記載も忘れない 

12 3. オーナーの明確化と主体的な引き継ぎ ● 各モデルの yml ファイル上で owner を定義 ● 退職などで引き継ぐ際は、まず捨てられないかを検討 

13 「捨てる」を仕組み化したことで何が起きたか ● モデル削除の意思決定やテストエラー時の対応がしやすくなった！ ○ オーナー不在でも影響範囲の調査が容易になる ● 不要なダッシュボードなどを棚卸しする機会が増えた！ ○ 有効期限が記載されているので遠慮なく消せる ● 新しい人がJOINした時のキャッチアップが捗るようになった！ ○ どういう目的で使われているモデルかがわかる 

まとめ 

15 まとめ ● データマネジメントは「作る」ことだけでなく「捨てる」ことの設計 ● dbt exposure は Why が伝わるように記載 ● モデルの作成時には有効期限を記載できないかを検討 ● モデルのオーナーを明確化し、主体的な行動を促す文化を醸成 ちなみに、、、 今回は「捨てる」にフォーカスしましたが、「育てる」取り組みも絶賛進行中！ → 気になる方は懇親会などでぜひお話ししましょう！！ 

カジュアル面談しませんか？ ● プロダクトデータアナリスト ● データエンジニア ● プロダクトマネージャー 大大大募集中です！！！ 

働くをもっと楽しく、創造的に 17