Agentforce World Tour Tokyoに出展いたしました！

2-C3-DF：そのデータは信頼できますか？
〜Tableau活用を支える全社の経営分析基盤づくりの実践〜

本セッションでは、データモデリング、CI、データチェック、コンテンツ標準化などの取り組みにより、全社の経営分析基盤における品質と保守性を高めていたと説明されていました。特に、5層のデータモデルの構築や品質品質チェックの自動化を通じて、信頼できるデータを効率的に提供する仕組みを整備していた点が印象的でした。

一方で、システム的な品質を高めるだけでは、利用者から見たデータの信頼性を十分に担保できないことも紹介されていました。データそのものに誤りがなくても、部署間・部門間で業務ロジックや指標定義、運用ルールが異なることで数値の不整合が発生し、利用者の不信感につながるという点は非常に示唆に富む内容でした。

また、登壇者の発言を通じて、利用者が求めているのは、単に正確に処理されたデータではなく、業務横断で整合性が取れ、信頼して意思決定に使えるデータであることを再認識しました。データ基盤の価値は、データを蓄積・可視化することだけではなく、利用者が迷わず必要なデータにたどり着き、納得感を持って活用できる状態をつくることにあると感じました。

今後、生成AIやAIエージェントの活用が進むほど、AIが参照するデータの品質だけでなく、その背景にある業務知識や指標定義、意思決定プロセスを整理する重要性が高まると考えます。部門間の認識差やロジックの揺らぎを整理し、関係者間の共通理解を形成するような領域では、AIを活用して論点整理やすり合わせ案の作成を支援し、業務背景の理解を促進できる可能性があると感じました。

今回学んだ観点を今後の提案や支援活動にも活かし、データ基盤の技術的な整備だけでなく、業務理解や意思決定プロセスの整理まで踏み込んだ価値提供ができるよう、引き続き取り組んでいきたいと思います。

1-C6-WT 顧客の声を力に変える
～創業50周年、にんにく卵黄が選ばれ続ける理由とTableauを用いたデータ活用の実践

本セッションは、多くの企業が直面する「BIツールを導入したものの社内に浸透しない」というリアルな壁をどのように乗り越えたかという、非常に実践的な内容でした。

発表内容を簡単にご紹介すると、その企業ではもともとお客さまの声が各部門に分散して蓄積されており、有効に活かせていないという課題がありました。そこでTableauを導入したものの、現場の業務負担が増えたりニーズとズレたりして、最初は「ツールを入れただけでは何も変わらない」という壁にぶつかったそうです。

転換点となったのは、ツールの使い方ではなく「向き合い方」に課題の本質があると気づいたことでした。外部の伴走支援と社内の人材育成プログラムへの挑戦を両輪で進めることで、徐々にデータ活用が日常の文化へと定着していきました。その結果、データは単に「見るためのもの」から「行動や改善につなげるもの」へと変わり、部署ごとの主観ではなく、共通のデータをもとにお客さまと向き合う「意思決定の判断材料」へと進化したというお話でした。

このセッションを聴講して、私自身が最も深く考えさせられたのは、まさにここからの考察の部分です。Tableauなどのツール導入後に社内浸透が進まないというのは、データ活用の現場で本当によく耳にする定番の課題です。実は私自身、前職の事業会社で社内の活用推進を担当していた時期があり、どうすれば現場に定着するのか手段を模索し続けていました。そのため、スライドに映し出されたリアルな葛藤には激しく共感するばかりでした。

セッションで強調されていた「伴走支援」や「人材育成」が極めて重要なエッセンスであることは間違いありません。ただ、これを実践するにあたって「志のある有志が、本来の通常業務とは別に片手間でやるのか」、それとも「データ活用推進の専門組織を立ち上げるなど、会社としてコミットして進めるのか」によって、成果のスピードや規模はまったく変わってきます。真の文化定着や現場の意識改革を目指すのであれば、やはり経営層を巻き込んだ組織的なアプローチが不可欠だと改めて強く感じました。

さらに、現在のビジネス環境は単なるデータ活用を超えて、「データ活用プラスAI活用」という新たなフェーズに突入しています。私たちデータ活用コンサルタントという立場から見ても、これからの時代は単にデータを可視化する環境を整えるだけの支援では、お客さまの期待に応えることはできません。現場が自走し、AIも含めて高度な意思決定を自ら行えるようになるために、私たちが提供すべき本当の支援内容とはどのようなものなのか、その解像度をさらに引き上げる必要性を痛感させられる、非常に有意義なセッションでした。

2-C6-DF エージェント時代に求められる新たなデータ分析スキルとは
― AIエージェントと共創する次世代のアナリスト像

本セッションは、これからのAI時代において人間がデータとどう向き合うべきか、そのマインドセットの変革から未来のデータ基盤、具体的なAIの活用方法まで網羅された、非常に先進的な内容でした。

発表ではまず、これからは単にダッシュボードを作る役割から、AIが正しく分析できる環境を整える「分析アーキテクト」へのスキルシフトが必要であると提起されました。AIに組織固有のルールや言葉の意味を正しく理解させるための組織の辞書として、ナレッジグラフやセマンティクスモデルを整備することの重要性が具体的に語られました。これらを適切に定義しておくことで、Tableau AgentなどのAIが迷わず正確な回答を出力できるようになります。さらに、AIと各ツールを繋ぐ共通規格であるMCPを活用することで、Tableauからデータを引き出し、Salesforceの顧客情報を確認してSlackに自動投稿するといった、ツールを跨いだタスクの自動実行が普通になる未来が示されました。ダッシュボードの作成自体はAIに任せ、人間はその数字の信頼性を担保することに集中するというのが、これからの分析の真のゴールです。

このセッションを聴講して、データ分析にAIが加わる世界が当たり前になってきている現状を強く再認識しました。これまではダッシュボードなどの可視化された結果から、人間が自分自身の頭で示唆を見出す必要がありましたが、今後はAIがそのプロセスを強力にフォローしてくれる形になります。しかし、ここで重要になるのが、AIの回答を100パーセント鵜呑みにしてはいけないという視点です。AIにはどうしてもハルシネーションのリスクがつきまとうため、それをできるだけ減らすための人間の努力が不可欠になります。その鍵を握るのが、まさにセッションでも語られていたセマンティクスの定義です。データの意味づけをいかにAIが理解しやすい形に作り込めるかが、今後のデータ活用の成否を分けると言っても過言ではありません。

実務的な視点で考えると、Tableau NEXTではセマンティクスを定義するための専用の画面が用意されている一方で、Tableau MCPにおける定義方法は非常に多様です。そのため、ここでこう定義すれば大丈夫という絶対的な正解が見えづらく、ユーザーとしてはどのようにAIの回答精度を上げていけばいいのか分からずに、これからの大きな課題として感じるだろうと思いました。今回、私たちはTableau MCPのデモを展示していたこともあり、ブースでの実践とこのセッションの内容が非常に強くリンクしました。セマンティクス定義の重要性を再確認できたと同時に、今後のデータアナリストにどのような知識やスキルが求められるようになるのかがクリアに整理された、非常に有意義なセッションだったと感じています。