SaaS事業のデータマネジメント事例

2026/2/27に、RECRUIT TECH CONFERENCE 2026で発表した林田の資料になります。

Transcript

1. RECRUIT TECH CONFERENCE 2026 レバレッジを生み出すデータ戦略 SaaS事業の データマネジメント事例 データ推進室 林田 祐輝
2. 林田 祐輝 ゴルフ・ドライブ 経歴 / Career 趣味 / Hobbies プロダクト開発 データ推進室 ＳａａＳ領域データソリューションユニット ＳａａＳデータソリューション部 ＳａａＳデータマネジメントグループ 2017年にリクルートマーケティングパートナーズ（現リ クルート）へ入社。 『スタディサプリ』にて、データ分析、モニタリング構 築、データマネジメント業務を経験。 2022年よりSaaS領域も担当に加え、決済領域のデータ 活用、データマネジメント業務を担当。 現在は、まなび・SaaS領域のアナリティクスエンジニア のマネジメントを行っている。
3. Agenda 1. SaaS事業の事業構造 2. SaaS事業におけるデータマネジメント 3. 事業戦略に合わせたデータマネジメントの変遷
4. Agenda 1. SaaS事業の事業構造 2. SaaS事業におけるデータマネジメント 3. 事業戦略に合わせたデータマネジメントの変遷
5. SaaS事業構造の特徴 商うを、自由に。
6. SaaS事業構造の特徴
7. SaaS事業構造の特徴 SaaS領域は小さな事業が複数入った総合事業体 戦略 企画 営業 マーケ 開発 データ Airレジ 戦略 企画 営業 マーケ 開発 データ Airリザーブ 戦略 企画 営業 マーケ 開発 データ Airメイト 戦略 企画 営業 マーケ 開発 データ Airシフト 戦略 企画 営業 マーケ 開発 データ Airペイ 戦略 企画 営業 マーケ 開発 データ Air キャッシュ
8. プロダクトによって、収益モデルやどんな事業 体に受け入れやすいか、クライアント獲得への フローが異なる。 それに応じて、定義される指標やKPIも異なる ため、プロダクトごとに算出定義やデータ整備 が必要になる。 共通のID基盤 SaaS事業構造の特徴 プロダクト共通の特徴 ビジネスモデルの違い 「AirID」を軸に、各プロダクトは併用利用で きる基盤になっている。 ex. 飲食店など、『Airレジ』『Airペイ』『Air ウェイト』『Airシフト』などを複数使う。 そのため、併用での利用状況を分析するケース がある。
9. Agenda 1. SaaS事業の事業構造 2. SaaS事業におけるデータマネジメント 3. 事業戦略に合わせたデータマネジメントの変遷
10. プロダクトのビジネスモデルを反映した、デー タ分析環境の提供が必要。 戦略、施策に合わせて、必要なデータマートや モニタリング環境、メタデータなどを提供す る。 併用分析 SaaS事業におけるデータマネジメント データマネジメントのポイント プロダクト最適化 プロダクトを複数利用する加盟店がいるため、 単体利用と複数利用での差を分析するニーズが 発生する。 他のプロダクトでもデータや指標にアクセスで きる環境を提供し、全体最適を図る。
11. プロダクトごとにOne Big Table を用意。 ①属性情報のスナップショット ②トランザクションを日次集計 の2つを使えば、基本的な分析がで きるようにした。 複数プロダクトを担当する人は、別 のプロダクトでも似たようなレイア ウトのデータマートを使うため、認 知負荷を下げることができる。 SaaS事業におけるデータマネジメント 横断利用を想定した施策 プロダクト個別マート データポータルの構築 データ基盤の権限管理 データマート情報、基本的な指標の 定義、サンプルSQLを掲載。 各プロダクトの情報が網羅されてい るため、担当プロダクト以外の情報 にもアクセスが容易。 データ基盤（Google BigQuery） はプロダクトごとにデータセットを 分割。 利用申請時には、利用用途と共に権 限管理を実施。 データによっては各事業の一部の人 しかアクセス出来ないように、デー タセットに更に制限をかけ、データ 組織と事業責任組織でアクセス管理 をしている。
12. Agenda 1. SaaS事業の事業構造 2. SaaS事業におけるデータマネジメント 3. 事業戦略に合わせたデータマネジメントの変遷
13. プロダクト個別に加えて、事業横断での分析 ニーズを加わり、事業からのデータ要求は高度 になり、高いスピードを求められる。 限られたリソースを効率的に活用し、データ組 織がボトルネックとなるのを回避する。 生成AIの出現 事業戦略に合わせたデータマネジメントの変遷 次のテーマ「効率的なデータ活用管理」 要求の高度化 データマート開発におけるSQL構築など、一部 の開発業務においてAIによる開発支援が現実の ものとなった。 生成AIの能力を最大限に引き出すため、データ 基盤に関する知識や事業ドメインの知見といっ た「グラウンディング」の強化が重要となっ た。
14. 分析ニーズを収集し、随時データ マートへの反映を行う。 データマートの拡充が進めば、生成 AIへのインプットとして期待でき る。 事業戦略に合わせたデータマネジメントの変遷 「効率的なデータ活用管理」を支える３つの柱 プロアクティブなデータ基盤開発 開発効率向上 データアクセスへの生成AI活用 データマートの開発機会増加に伴 い、開発効率の向上も必要になる。 dbtなどの開発ツールの活用し、生 成AIを組み込んだ開発フローを導入 することで、開発サイクルを高速に 回していく。 生成AIによるText to SQLでのデー タ抽出アシスタントを提供し、デー タ取得の難易度を下げ、スピード向 上を目指す。 複雑度が低いクエリを中心に、 SQLをある程度理解できる人向け の実装補助として提供。 今後、データマートの拡張と共に対 応範囲を広げていく。
15. まとめ SaaS事業の構造がデータマネジメントのスコープを押し広げる。 • プロダクト単体で完結する事業と違い、SaaSは横断利用される前提で設計されている。 • 責務は「作る → 使う」だけでなく、「迷わず使える・安全に広がる」にまで拡大する。 SaaSのデータマネジメントは、“効率化”と“拡張性”を同時に求められる。 • 標準化・ポータル・権限管理により、効率的に責務を果たす。 • 事業全体でデータ活用を促進するため、AI活用を軸に拡張性を高めていく。