データエンジニアの次の戦場は "プロセスエンジニアリング"

■ イベント
Nagoya Tech Talk #4 〜データ活用のリアル〜
https://sansan.connpass.com/event/405568/

■登壇概要
タイトル：データエンジニアの次の戦場は "プロセスエンジニアリング"
登壇者：CTO室 Data Analyticsグループ 中村 崚

■ 技術本部 採用情報
https://media.sansan-engineering.com

Transcript

1. Sansan技術本部 データエンジニアの次の戦場は "プロセスエンジニアリング" Sansan株式会社 技術本部 CTO室 Data Analyticsグループ 中村 崚
2. 中村 崚（Ryo Nakamura） 技術本部 CTO室 Data Analytics グループ toC向けナビゲーションアプリ提供会社での地点マスタデータや検索エ ンジン開発、⼩売事業会社でのデータ基盤構築などを経験したのちに、 2023年4⽉にSansan株式会社に⼊社。 以降、GCPを中⼼とした全社横断のデータ基盤の開発とデータ活⽤⽀援 に取り組む。 Sansan中部⽀店に所属し、中部⽀店エンジニア組織の拡⼤を牽引中。
3. 会社概要 社名 Sansan株式会社 設⽴ 2007年6⽉11⽇ 従業員数 2,077名（2026年5月31日時点） 上場証券取引所 東京証券取引所 プライム市場 拠点 本社：東京都渋⾕区桜丘町1-1 渋⾕サクラステージ28F 関⻄⽀店、福岡⽀店、中部⽀店 サテライトオフィス グループ会社 Sansan神⼭ラボ、Sansan Innovation Lab、Sansan⻑岡ラボ Sansan Global Pte. Ltd. （シンガポール） Sansan Global Development Center, Inc. （フィリピン） Sansan Global (Thailand) Co., Ltd.（タイ） ナインアウト株式会社 株式会社⾔語理解研究所 Eightキャリア株式会社
4. Sansan株式会社の働き⽅を変えるAXサービス ⽣産性を向上させ、企業のAI活⽤を最⼤化するデータベースとしても貢献できる 「働き⽅を変えるAXサービス」を提供します。 法⼈向け 個⼈向け 名刺データベースが、収益を最⼤化する 契約データベースが、利益を守る 「なくせる」をつくり、全社の働き⽅を変える 営業AXサービス 契約AXサービス 経理AXサービス 名刺アプリ 営業 契約 請求 名刺 管理 データクオリティマネジメント 各サービスの活⽤で変わる働き⽅ 必要な情報を 情報の管理がしやすく 情報を分析‧活⽤しやすく すぐに⾒つけられる すぐに共有できる データに基づいた判断ができる
5. 生成AIでデータエンジニアリングは どう変わっただろうか ?
6. 作る側も使う側も変わった (作る側の話 ) • Extract&Load処理もAPI仕様と要件を渡してほぼ完了 • データモデリング(Transform)もそれなりの精度でできる • (コード管理できるBIなら)ダッシュボード作成もおまかせ • descriptionなどのメタデータ整備もプロダクト側のリポジトリから自動付与 • データ基盤チームへの問い合わせ・集計依頼の一次回答もAIが応答 • エラー対応も生成AIで初期調査
7. 作る側も使う側も変わった (使う側の話 ) • 複雑なSQLを書かないでも、自然言語でSQLを組み立ててもらう • 手作業での抽出&レポート作成もAIにより生成したGASやSkillsで自動化 • 仮説の洗い出しや複雑な分析もAIに依頼 • →データエンジニアがボトルネックにならなくなってきた
8. では、データエンジニアはどこへ向かっていく ? • 新しい技術領域や課題が、日々生まれている AIエージェント開発 ? ハーネスエンジニアリング ? AI-Readyな知識基盤 ? データセキュリティ ? だが、まだ、「 AIでも効率化できてない領域」はどこだろう ?
9. そうだ。プロセスエンジニアリングだ。
10. プロセスエンジニアリングとデータ活用 • データを活用するためには、データが必要(当たり前) • そのデータが生まれる土台には、業務プロセスが存在する • AI前提でのデータ活用を進めるには、業務プロセスにも踏み込むべき
11. 今まで泥臭くデータから向き合ってきたじゃないか • 秘伝のSQL・前処理の解読&リファクタ • 手動の転記運用と半自動化ワークフロー • 「業務」「システム」「データ」を横断で見てきたのは、データエンジニア 複雑に絡み合うシステムと データパイプライン 熟成された SQL
12. データエンジニアからプロセスエンジニアリングへ • プロセスの最適化は(まだ)AIにお任せできない ◦ ◦ • プロセスエンジニアリングのため理解すべきことは山程ある ▪ 業務フローの把握 ▪ 組織と文化 ▪ 暗黙知や過去の歴史的経緯 加えて人も動かす必要がある ▪ 「でも、今リソースがパツパツで、、、」 ▪ 「今のままでも運用回っているし、、、」 データエンジニアリングスキルはプロセスの最適化に一定役立つが、 加えて必要なエッセンスもある ◦ 2書籍「シンプリシティ 」と「他者と働く 」が個人的に参考になった
13. 書籍1: シンプリシティ • 複雑なものに上乗せせず、構造そのものをシンプルにせよ ◦ 「そもそもこれって、なんでやっているんだ?」を考える ◦ 「less is more」の原則 ▪ AI時代、ものづくりが楽になって拡張しがちだけど、シンプルにすることも重要
14. 書籍2: 他者と働く ―「わかりあえなさ」から始める組織論 • • プロセスエンジニアリングは「適応課題」である ◦ =技術的な解決が難しい複雑な課題 ◦ また、「正しいこと」が「実践できること」とは限らない 「組織の越境」が難しいこともある ◦ • 「エンジニアが急に指図してきたんだけど、全然理解していないじゃん !!」 そこで、「準備→観察→解釈→介入」 し、対話を通じて変えていく ◦ そのなかで、双方の価値基準(e.g. 短期的成果とシステム負債、どちらを取るか?)が 見える ◦ 一方的に介入するのではなく、まずは相手を観察し、理解することが重要
15. ということで色々進めています • SalesforceキレイキレイPJ 10年以上、全社の営業管理SaaSとして利用されている ◦ その結果、カスタムオブジェクトやオートメーション、レポート、手動インポート運用が乱立 ◦ ▪ ◦ • そこで、業務フローの把握から入り、情シスや営業マネージャー巻き込み進行中 秘伝のKPI集計フロー最適化PJ ◦ 古来から動いている主要KPI算出システム(C#) ▪ ◦ • 上限数まで達しているカスタムフィールドもある →データ基盤に連携されるデータもかなり複雑に・・・ 自動Salesforceに書き戻しやRIレポートを人力作成しているが、メンテ拡張は不可 ロジックや利用範囲を解き明かし、シンプルかつメンテ可能な状態へ 詳しいお話は懇親会で !!
16. まとめ • AIにより、データエンジニアリングの泥臭い作業は楽になった • 次は、その泥が生まれる業務プロセスの最適化に向き合って行くことがAIには まだ代替できない価値のある領域だと考える ◦ • →業務プロセス自体の改善とデータの発生源からの品質設計 データエンジニアこそ、この領域に向き合えるのではないだろうか
17. Sansan 技術本部 採⽤情報 https://media.sansan-engineering.com/