概要
公式より
データ分析の民主化は、データ エンジニアに頼ることなく、ビジネス ユーザー自身がデータを分析し、意思決定に役立てることを可能にするものです。本セッションでは、data canvas、Data insight などの生成 AI をベースとした最新の機能を活用して、ビジネス ユーザーがセルフサービスでデータからインサイトにつなげる基盤を構築する方法について紹介します。
- 01. データ分析の民主化・必要とメリット
- 02. 生成AIと最新機能を活用したセルフサービス分析基盤の構築方法
- 03. データエンジニアが注目すべきポイント
内容
01. データ分析の民主化 必要とメリット
- 日本国内で企業のデータが１年に生んだ価値→17兆円！！！
- より早く、より安全に、より再現性高く→Data を Value に繋げることが重要
- 課題
- メリット
- 分析基盤
02. 生成AIと最新機能を活用したセルフサービス分析基盤の構築方法
- セルフサービス化への道 全体像
- データの発見 → データの確認 → データの加工 → データの活用
- データの発見 → データの確認 → データの加工 → データの活用
- データの探索
- データのパイプライン作成 → BigQuery Omni
- データプライバシーポリシー確認
- データの発見データの起源確認（データリネージ）
- データの正しさ確認 自動データ品質(Auto data quality)
- データの前処理：Gemini
- データのメタデータ作成
- ダッシュボード作成：Looker
- アドホック分析
03. データエンジニアが注目すべきポイント
- 安定した基盤を提供
- データエンジニアは何をするのか？？今後の注力するポイント。
- データガバナンスが必要な理由
- ビジネスユーザー(分析者)を中心に見据える
→人がシステムに合わせるのではなく、システムが人に合わせる
データを集めるのは人ではなく機械的にして、その利用を「人」が使いやすいようにしていくとサービスを作るうえで基本的な心構えを聞いてハッとしました。機械やシステムに合わせて自分がカスタマイズしていかないとですね！！！
- カスタマーセットリンク→データ基盤を使ってもらうことを「マーケティング」と捉え、「マーケティング手法」を用いて、基盤の活用を促す
感想
Google Nextの参加のためにラスベガスに行きましたが、そのときに仕事としてデータエンジニアをしているよ〜という話を
チラチラ聞いていました。海外ではクラウドを使って仕事をするのはデータエンジニアが多いのかもしれないと思っていましたが、データエンジニアはこんな考え方で仕事をしているのだなと勉強になりました。
