日経クロステック経営者・リーダーのためのデータ活用実践フォーラム

Copyright © CCC MK HOLDINGS Co.,Ltd. All Rights Reserved. 2025.11.11
過去・現在・未来の取組み 1.3億人のVポイント分析基盤

Copyright - © CCC MK HOLDINGS Co.,Ltd. all rights reserved
2 キャリアと領域・営業→システム運用→開発→分析基盤→IT部門責任者これまでの取組み・CCCグループにおけるクラウド導入プロジェクト・分析基盤のSnowflake統合プロジェクト・今年度 Snowflake Data SuperHeroes 選出世界105人のSnowflakeコミュニティリーダー自己紹介 CCCMKホールディングステクノロジー戦略本部本部長松井太郎

3 本日お話すること 1. Vポイントについて 2. 過去：分析基盤の歴史 3. 現在：データマネジメントへの取り組み 4. 未来：AIへの取り組み

5 Vポイントについて 5 750 万店 16 万店 VISA 提携店 Vポイント提携店従来のTカードモバイルVカード三井住友カード決済Ｗで貯まるダブル＜国内＞＜国内＞ TポイントからVポイントへの進化「決済ポイント」と「ショッピングポイント」の融合統合以前からの主なVポイント提携店 15 万店統合以後にスタートした主なVポイン提携店 1 万店

6 About Vポイントについて 6 ：日本最大級の会員規模年代構成比年間利用V会員数（名寄せ後） V会員数（有効ID数） 1億 3,000 万人 6,310 万人月間利用者数 3,385 万人規模全体利用者の 53.6% 日本総人口の 50.7% ※2024年7月末時点

7 ライフスタイルアンケートの回答情報：年収・既未婚・子どもありなし等志向性（ライフスタイル推計値）衣食住遊働などを中心に多数の項目で実購買履歴からスコアリング会員基本情報：性別、年齢、生年月日、居住地等アクションスポットデータ（活動地）購買履歴と住所情報を掛け合わせた、居住地ではない「活動地」の特定・行動分析生活属性基本属性 1秒単位のTV視聴データ：地デジ、BSのLIVE・録画視聴等。視聴者購買分析も可能マンションデータと連携：賃料平米単価、売買価格、築年数等マンション Yahoo! JAPANとの連携：インターネット上の行動履歴からの推計データ等電話帳電話帳データと連携：個人事業主（美容院、歯医者…等）などの特定が可能 TV視聴 WEB行動最大1.3億人の会員情報属性連携データその他 Value ：多様なライフスタイル情報 Vポイントについて

8 Vポイントについて Solution：Vポイントを活用したカスタマーエンゲージメントサイクルの実現

9 分析基盤について分析業務はビジネスの根幹をなす基幹業務

11 10年前の分析基盤の状態は？

12 分析基盤の課題（15年:私が着任した頃）配信用 Exadata 分析ｻｰﾋﾞｽ用 Exadata 分析用 Exadata 基幹用 Exadata ALL Exadata時代基幹用：Exadata1台から目的別にDBを分離分析用：アナリストの増加により、DB負荷が激増分析ｻｰﾋﾞｽ用：契約企業数の急増によるクエリ性能悪化配信用：容量問題によりDBを追加構築 Tポイント事業の成長により、 Oracle Exadataがパンク統計分析ツール

13 控えめに言ってもITが事業のボトルネック

14 ここからモダン化の旅が始まります

15 分析基盤の課題（15年:私が着任した頃）配信用 Exadata 分析ｻｰﾋﾞｽ用 Exadata 分析用 Exadata 基幹用 Exadata ALL Exadata時代基幹用：Exadata1台から目的別にDBを分離分析用：アナリストの増加により、DB負荷が激増分析ｻｰﾋﾞｽ用：契約企業数の急増によるクエリ性能悪化配信用：容量問題によりDBを追加構築 Tポイント事業の成長により、 Oracle Exadataがパンク統計分析ツール

16 配信用 Exadata 分析ｻｰﾋﾞｽ用 Exadata 分析用 Exadata 基幹用 Exadata 統計分析ツール基幹用 Exadata 配信用 Exadata 分析用2 Exadata 分析用1 Exadata 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール分析用：Vertica移行により、余ったDBを転用分析用DB2台をデータ同期する構成に変更ユーザー分散による負荷分散で性能2倍化分析特化DB(Vertica)採用による余剰DBを分析用へ転用オンプレ拡張時代分析基盤の改善（16～17年:既存環境の改善）分析ｻｰﾋﾞｽ用：分析特化DBのVerticaを採用 PoC検証→本移行で21倍性能向上

17 2年後にハードウェアの更改単純増強するだけのリプレイスで良いのか？

18 クラウドにチャレンジすべきでは？

19 当時まだ、「クラウドってなんだか不安・・」という時代でした

20 クラウド理解を法務・コンプラ・セキュリティ部門と実施一部門ずつ合意形成してクラウド全体の検証を開始分析DBは2種検証し、Azure Synapse Analyticsを採用

21 配信用 Exadata 分析用2 Exadata 分析用1 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツールクラウドリフトの苦しい道のりクラウド移行時代分析用：分析用2台統合後性能が出ず、1年以上延期原因は実運用に則したケースの評価不足 →クエリ対策やDB増強で移行をやり切る配信用：分析用移行後に追加統合し、コスト削減 3DB統合により性能2倍、コスト30%改善ﾃﾞｰﾀ活用：BI（Tableau）導入分析ｻｰﾋﾞｽ用： Verticaの進化が少なく将来性を懸念 20年にハード保守期限を迎える基幹用：分析DBと同時移行は難易度が高く、残置単純リプレイスをやむなく判断分析基盤の改善（17～19年:段階的クラウドリフト）基幹用 Exadata

22 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Snowflake 統計分析ツール真の柔軟性を持つ分析基盤を目指し、Snowflakeを選択次期基盤への布石分析用：ユーザー増やBI活用の浸透により負荷が増加リザーブ契約を増額するも繁忙日は混雑リザーブド前提の構成には真の柔軟性はないより柔軟性の高い基盤の必要性を感じる技術調査の結果、Snowflakeに出会う分析基盤の改革（19～20年:次期基盤PJ①）分析ｻｰﾋﾞｽ用：移行PoCで十分な成果→採用を決断性能同等/柔軟性向上/コスト30%削減分析用 Azure Synapse Analytics 基幹用 Exadata

23 分析ｻｰﾋﾞｽ用 Vertica 統計分析ツール基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Snowflake 統計分析ツール Snowflake移行に向けたダブルPoCとAI基盤導入次期基盤への布石分析基盤の改革（21～22年:次期基盤PJ②）分析用：分析サービスの成功を受けて、PoCを開始アナリスト部門にも協力を要請し、勉強会や選抜メンバーにて性能や移植性検証 PoCで移植性〇、性能の大幅向上を確認 AI活用：データサイエンスやAI開発のための基盤検討 DatabricksをAI開発の基盤に採用リソース制限なく、試行錯誤できる環境提供 1.3億人×数百項目のﾗｲﾌｽﾀｲﾙ推計を実現基幹用：分析サービスの成功を受けて、PoCを開始 Oracleの非互換対応や性能検証を入念に実施分析用 Azure Synapse Analytics 基幹用 Exadata

24 基幹用 Exadata 分析用 Azure Synapse Analytics 基幹用 Exadata 分析ｻｰﾋﾞｽ用 Snowflake Azure SynapseからSnowflakeへの移行分析用DBの統合分析基盤の改革（23～24年:次期基盤PJ④）統計分析ツール基幹用 Exadata 基幹用 Exadata 統合基盤 Snowflake 統計分析ツール分析ｻｰﾋﾞｽ用：統合基盤に再編以後、様々な分析サービスを追加分析用：リザーブ契約終了に合わせ、移行に着手データ移行と基幹からの連携処理を移行アナリストのクエリも全て書き換え PoC通りの性能向上を確認し、移行完了増加を続けるワークロードも吸収性能は2倍以上、コストは40%削減

25 基幹用 Exadata 基幹用 Exadata 統計分析ツール統合基盤 Snowflake 統計分析ツール統合基盤 Snowflake 分析基盤の改革（25年～:次期基盤PJ⑤） Snowflakeを中心とした統合分析基盤の完遂分析基盤の統合基幹用：保守切れに合わせ、脱Exadataを完遂統合基盤へ膨大な集計処理を移行統合基盤：基幹用DBを統合するも性能劣化なし・データ二重持ちを解消・データ更新リードタイムも1日短縮・データ連携開発工数の削減最終的に性能2倍以上、コスト50%削減クエリの99%は数秒～5分以内で完了 1時間を超えるクエリが1日に数件程度迅速な意思決定に貢献できる基盤へ

26 統合基盤 Snowflake 分析基盤の現在データ×AI活用に関するチャレンジの加速統合基盤の拡大データ活用：統計分析ツールをDataikuへ移行(中) AI活用：機械学習を活用したモデル開発が加速ライフスタイル推計による高度な顧客分析スコアリングによる高精度な販促の実現統合基盤 Snowflake 統計分析ツール

27 分析基盤のフェーズと実現したものユーザー数クエリ時間取引先分析約20名数時間、丸１日以上ポイント提携企業ワークロード定期帳票分析40名＋BI数十名数十分~半日ポイント提携企業･メーカー他業界横断分析、BI 分析70名+BI数百名+ﾃﾞｰﾀｻｲｴﾝｽ数秒～数分ﾎﾟｲﾝﾄ･多種多様な企業･自治体多様な分析、BI浸透、AI開発会員数 1億人 15年～17年 17年～20年 21年～25年有効V会員数 1.3億人事業継続性確保のための最適化事業成長のためのクラウドリフトデータ×AI事業実現へのシフト

28 今までの取組みのまとめ 03 コスト負担が少なく、事業と協力して導く移行計画 02 事業成長の半歩先を睨んだ基盤の拡充増え続けるワークロードや必要な基盤機能を模索し、事業の将来を見据えて技術革新をし続ける新技術のリスクを検証しながら挑戦し続けることで、事業-Readyな基盤につながる 01 基幹業務を止めず、モダン化し続けるビジネスの収益源であるデータ分析＝基幹業務それらを止めることなく、段階的に改善し、モダン化を進め、事業を支える基幹業務を支える分析基盤を進化させ続けた 10年に渡る挑戦ハードウェアの保守期限やリザーブ契約の更新時期に合わせた、技術検討→先行導入→本移行計画的な移行により、費用負担を最小化し、かつ事業側と協力して基盤のモダン化を実現する

29 過去10年に渡る挑戦から現在の取組みへ

31 データマネジメントへの取組み DMBOKのフレームワークを参考に優先順位を付けて取り組んできました構成要素説明 ①データガバナンスデータ資産の管理と活用に対する計画・監督・統制の枠組み ②データアーキテクチャ組織のデータニーズを明確にし、データ資産の統合・活用を導く青写真の設計と維持 ③データモデリングとデザインジネス要件の分析からデータ構造の設計・構築・テスト・保守 ④データストレージとオペレーション構造化データの物理的な保存・展開・運用管理 ⑤データセキュリティプライバシー保護と適切なアクセス制御、ネットワークセキュリティの確保 ⑥データ統合と相互運用性データの取得・抽出・変換・移動・配信など、システム間データ統合と相互運用実現 ⑦ドキュメントとコンテンツ管理非構造化データ（文書、画像など）の保存・保護・索引化、構造化データとの統合 ⑧参照データとマスターデータ組織全体で共有される重要データ（顧客、製品など）の信頼できる情報源の確立 ⑨データウェアハウスとBI 意思決定支援のためのデータの収集、分析、可視化 ⑩メタデータ管理データに関するデータ（メタデータ）の収集・分類・維持・統合・管理・提供 ⑪データ品質データが意図された目的に適合していることを定義・監視・維持・改善一般社団法人データマネジメント協会日本支部より引用 https://www.dama-japan.org/Introduction.html

32 データマネジメントへの取組み分析基盤のモダン化と並行して段階的にデータマネジメントを強化構成要素現在の状況 ①データガバナンスデータ利用目的・個人情報管理ルールを定義し、全社での計画・監督体制を確立 ②データアーキテクチャ段階的モダン化を策定し、Snowflake中心の統合アーキテクチャを設計・実行 ③データモデリングとデザインポイント・基幹系の概念/論理/物理モデルを設計し、継続的に保守・最適化 ④データストレージとオペレーション Snowflake上の構造化データを管理し、ライフサイクルに沿った運用を実施 ⑤データセキュリティアクセス制御をSnowflakeで一元管理、プライバシー保護、セキュリティ体制強化 ⑥データ統合と相互運用性 ETL処理を標準化し、Snowflakeをハブとしたデータ統合基盤で相互運用性を実現 ⑦ドキュメントとコンテンツ管理非構造化データ（マニュアル、ドキュメント）の構造化データとの統合を検討中 ⑧参照データとマスターデータ 1.3億人の統一顧客マスタなど、全社共通の信頼できるマスタデータを確立・提供 ⑨データウェアハウスとBI Snowflake/Databricks/Tableauによる分析環境を整備し、意思決定支援を実現 ⑩メタデータ管理数千テーブルのメタデータを収集管理し、データカタログとしてAI活用に向け強化中 ⑪データ品質データ品質基準は定義し、監視を実施。欠損・不備のモニタリング強化が今後の課題本日は一部の事例について紹介させていただきます

33 データマネジメント：セキュリティの向上複雑化していたアクセス制御をDB統合による一元化を実現、透明性と運用性を向上構成要素説明 ⑤データセキュリティプライバシー保護とアクセス制御をSnowflakeで一元管理、セキュリティ体制強化

34 データマネジメント：データ統合 DB統合によりデータ連携の統合を実現し、内製開発にシフト構成要素説明 ⑥データ統合と相互運用性 ETL処理を標準化し、Snowflakeをハブとしたデータ統合基盤で相互運用性を実現

35 データマネジメント：基盤アーキテクチャ分析基盤として必要なコンポーネントを整備し、事業の根幹となる基盤へ構成要素説明 ⑨データウェアハウスとBI Snowflake/Databricks/Tableauによる分析環境を整備し、意思決定支援を実現

36 データマネジメント：データマートの整備構成要素説明 ⑨データウェアハウスとBI Snowflake/Databricks/Tableauによる分析環境を整備し、意思決定支援を実現統一データマートはIT部門が整備、事業KPIや分析レポートは事業部門の分業制

37 データマネジメント：メタデータの管理構成要素説明 ⑩メタデータ管理数千テーブルのメタデータを収集管理し、データカタログとして運用データを価値あるものに変えるため、その意味・目的が分かる状態を実現

38 データマネジメント：メタデータの拡大構成要素説明 ⑩メタデータ管理数千テーブルのメタデータを収集管理し、データカタログとしてAI活用に向け強化中さらに今後はAI活用に向けたデータマネジメントへと領域を拡大

39 現在の取組みのまとめ 03 メタデータの管理がAI-Readyな基盤への最初の第一歩 02 増え続ける利用ケースに対する基盤強化データマートやアクセス制御やデータカタログなど基盤の整備を実施、セキュリティを高めつつ、使いやすい基盤の両立を図る 01 基盤のモダン化と合わせて段階的に向上いきなりハイレベルな取組みは組織が回らない基盤の変化と合わせて、よりモダンなツールでより効率良く段階的にレベルアップしていく事業を成長させるためのデータマネジメントの継続的な取組み地道なメタデータの管理業務が、AI活用を加速させる大事な要素として、ようやく効果を実感し、重要性も認知されるように

40 現在の取組みから未来への取組みへ

42 分析基盤の構築と共にAIへの取組みを並行で進めてきました 01 AI倫理ポリシーと推進室・CCCグループ全体でのAI倫理ポリシーを制定・グループ内の専門家を中心にAI推進室を設立・ AI推進室を中心に全社での適切な活用の推進・社内啓蒙活動（全社員へのE-learning）・社内表彰を今年より実施（AI innovation賞） 03 SECIモデルの実践・企業に散在するナレッジを統合・SECIモデルによるAI導入効果を定性的に明確化・マニュアル集めではなく、AIによる知の統合・形式知を統合し、認知負荷を低減・暗黙知を形式知化に変換 02 AI-Readyな基盤の促進・データマネジメントによるAI-Readyの推進・Databricks/Snowflakeなどのモダンな基盤の導入・スキルに応じたAIプラットフォームの提供 04 AIサービスの開発・社内Chat-GPT、AI基盤の充実・社内AIエージェントによる業務効率化・CCC40周年記念サイトでの「AI増田宗昭」の公開・段階的にAIへの習熟度を上げて顧客価値向上へ挑戦 AIへの取組み

43 AI倫理ポリシーの宣言ホームページでのAI倫理ポリシーの公表とプライバシーセンターでの宣言人間中心の原則のもと、プライバシーに配慮し、安全にセキュアに AIを活用したサービスを提供してまいります

44 AI-Readyな基盤へ分析基盤モダン化とデータマネジメントの推進がAI-Readyな基盤への布石に要素名説明 ⑨データウェアハウスとBI Snowflake／Databricks／Tableauなど分析に必要な基盤レイヤーを段階的に拡充

45 AIによる組織ナレッジの再構築構造化データ中心のデータ基盤非構造化データを含む組織のナレッジデータ基盤へ統合分析基盤 Snowflake BIツール分析ツールファイルサーバ Sharepoint Teams AIエージェント従来のデータ基盤これからのデータ基盤データ分析だけに留まらず、組織の暗黙知・形式知をデータ化し、今まで以上に組織全体の生産性へ貢献するデータ基盤へ業務サポート業務自動化業務高度化ナレッジ統合業務効率化 AI分析統合分析基盤 Snowflake

46 SECIモデルによる組織のナレッジ統合 SECIモデルとは：90年代に日本で提唱された、ナレッジマネジメントのフレームワーク（野中郁次郎・竹内弘高提唱） ① 共同化 ② 表出化 ④ 内面化 ③ 連結化暗黙知形式知暗黙知形式知暗黙知と形式知を組み合わせて、新しい知識を創り出すプロセス ① 共同化（Socialization）：個人の暗黙知を、他者の暗黙知と共有するフェーズ（OJT/ペア） ② 表出化（Externalization）：暗黙知を形式知に変換するフェーズ（マニュアル化・ルール化） ③ 連結化（Combination）：形式知同士を組み合わせて、新たな形式知を創造するフェーズ異なる情報の統合や、複数の報告書の結合などが該当 ④ 内面化（Internalization）：形式知を個人の暗黙知として取り込むフェーズどの企業も②までは実施してきたが、大量のマニュアルの認知負荷が高く、生産性向上が困難 AIエージェントにより③による組織の形式知の統合が実現可能となってきた

47 AIによる業務効率化の実現（内製開発中）コーディネーターAI コールセンターの複雑な顧客対応をAIがサポートし、より良い顧客体験を入会エージェントポイント問合せエージェントキャンペーンエージェント DM エージェントクーポンエージェントライター（整書）エージェントドキュメントテーブルテーブルドキュメントドキュメント・多数のマニュアルを参照して行う業務をAIがサポート（③連結化：Combination）・AIエージェントにより、様々なデータ群を効率良く提供することも可能に入会キャンペーンに関するお問合せですね入会の手続き・～～～～の登録ボタンを押す・～～～～～～を入力してください・～～～～～～キャンペーンの注意事項・～～～～～～画面より申込・~~~~~の3つの特典から1つを選択アプリからの入会キャンペーンの手続きを丁寧に回答したい

48 AIによる仮想人格サービスの実現（提供中） CCC会長である増田宗昭AIを弊社40周年特別サイトで公開中・書籍や社内ブログ、インタビューなどを「ナレッジ」とした仮想人格を内製で構築・アバターと音声モデルは外部企業と協力して構築し、「AI増田宗昭」を一般公開中

49 未来への取組みのまとめ 03 AIによる顧客価値向上 02 データマネジメントの拡大（SECIモデル） AI-Readyな基盤の本質は、データマネジメント。構造化データ（データベース内）＋社内に散在する非構造化データもマネジメント対象に組織の形式知（データ）を統合し、事業生産性にも寄与していくことがこれからのミッション 01 AIの倫理ポリシーと推進体制の強化自分たちのAI活用目的を宣言し、実現するための体制作りが重要データ活用の時と同じように全社で協力してチャレンジしていくデータ×AIによる顧客価値向上への挑戦 AIを活用したより良い顧客体験を生み出すのが真のミッション社内活用を通じて品質を確かめながら、1.3億人のV会員への顧客価値向上を目指していきます

50 分析基盤の過去・現在・未来のまとめ未来新しい顧客体験・顧客価値創出への挑戦現在データマネジメントによる基盤の充実インフラ強化＋データ活用を推進するための様々な取組みデータマートやデータカタログ、アクセス制御など地味に映る業務も多くありますがそれらはAI-readyな基盤へつながる重要なアクション過去分析基盤のモダン化への挑戦基幹業務である分析業務を事業成長の中で、事業を止めずに走り続けた10年の歴史諦めたくなるような大きな課題も、一つ一つ段階的に乗り越えていくことが重要事業成長とモダン化への挑戦からAIによる顧客価値創造への挑戦へ AIの倫理ポリシーや推進体制をしっかりと作り、全社を挙げたAIへの取組みを進めていく事業の効率化や自動化に留まらず、新たな顧客体験や顧客価値創りを目指す

51 最後に未来への投資を認めてくれた経営陣 IT部門と一緒に歩んでくれた事業部門テクノロジーの変更には多くの痛みが伴います。業務の変更や影響を忌避せず、現場への協力を後押ししてくれた事業責任者 DB変更によるクエリ変更などの業務影響を受け入れ、一緒に歩んでくれた事業メンバーテクノロジーへの理解を示してくれたIT部門まだ事例も少ない新しいテクノロジー群へのチャレンジを認めてくれた歴代の上司やCIO 未知の領域に一緒に走ってくれたエンジニアメンバーや外部ベンダーの皆様これはある一人の挑戦ではありませんいずれも大きな投資であったにもかかわらず、その投資価値を理解してくれた財務部門今ではなく、将来への価値を理解し、そのチャレンジを承認してくれた経営陣

52 最後にご視聴いただいたみなさまへ今日の説明では、あえて苦労話もお話させていただきました。 AI活用やデータ活用を実現するには多くの準備と挑戦が必要です。それらは未知の取組みで、長い道のりになることもあるかもしれません。ですが、それらはきっと素晴らしい未来を実現するに違いありません。皆さんの現場のチャレンジもぜひ後押ししてあげてください。

53 まとめご清聴ありがとうございました

日経クロステック 経営者・リーダーのためのデータ活用実践フォーラム

日経クロステック 経営者・リーダーのためのデータ活用実践フォーラム

More Decks by タロウ

Other Decks in Technology

Featured

Transcript

日経クロステック経営者・リーダーのためのデータ活用実践フォーラム

日経クロステック経営者・リーダーのためのデータ活用実践フォーラム