社内で強制的にAIを使うようにする制度は手段と目的が異なるみたいな批判もあるけど、将来的にAI企業になる中での過渡期の進め方としては間違っていない。それくらいAIにベッドしないと今後は生き残れない。

中小企業とかでもニーズがある需要予測。社内にデータサイエンスの知見を持った人がいないとなかなか取りかかれない問題ではあるけど、AIを使って簡単に需要予測ができるとローコストで試すことができる。 news.mynavi.jp/article/202505…

『CodeAgentとMCPで実現するデータ分析エージェント』 ・直接LLMを使って分析結果を返すことはしていない ・事前に開発者が品質担保したものを分析メニューとして出す ・分析メニューの開発にLLMエージェントを活用 ・技術の発展を考慮した技術選定を実施 developers.cyberagent.co.jp/blog/archives/…

メルカリで活用している分析用AIエージェントの『Socrates』。StreamlitベースのUIで単純なSQL生成ではなく対話型で分析ができる。AI Agent Readyな組織を目指してのAIエージェントの自社開発はさすがの判断力と技術力。 speakerdeck.com/na0/merukarini…

データ人材育成の取り組みとして社内でSQL2ヶ月、Tableau2ヶ月のレクチャーを実施して得られた効果。 ・抽出依頼件数の削減（約10~20%程の削減） ・業務作業効率の向上（コミュニケーションコストの大幅な減少） ・データに関する理解度の向上 qiita.com/sugimotory/ite…

Googleが提供する生成AI講座が良さそう。基本的な内容から理解度チェックまでついているため、生成AIの基礎を学びたい人には便利。生成AIについては今後はどの業界でも新卒の研修とかで必須で学ぶことになりそう。 『Introduction to Generative AI - 日本語版』 cloudskillsboost.google/course_templat…

国産RDBの「Tsurugi」がMCPに対応。これによりTsurugiをAI（LLM）を介して自然言語で操作することが可能となる。 1. リアルタイムに更新されているデータを自然言語で参照 2. 自然言語からSQLを実行して結果を出力 3. 口頭でのバッチ処理の依頼が可能 tsurugidb.com/2025/05/230004…

生成AIはある程度知識がある人が使えば効率が上がり良いアウトプットも出せる一方で、全然知識がない人だとうまく使いこなせなくて、できる人とそうでない人の格差が広がってくる。その意味でも学習することの意味は今まで以上に高くなるし、何をどう学習するかの質も需要になる。

2025年に習得すべきスキルTOP10。スキル首位は「分析的思考力」 forbesjapan.com/articles/detai… 1. 分析的思考力 2. レジリエンス（回復力）、柔軟性、敏捷性 3. リーダーシップと社会的影響力 4. 創造的思考力 5. モチベーションと自己認識能力 6. 技術リテラシー 7. 共感力と積極的な傾聴力 8.

今後の日本がデータ活用で世界に追いつくためにはデータインフラの強化が必要。ようやく最近になってデータエンジニアの重要性が広がりつつあるような感覚だけど、今後AIの活用を進めるに当たってはデータエンジニアの役割はより重要になる。 newspicks.com/news/11175992/…

CSVと言いつつ全然CSV形式になっていないデータを見ると残念な気持ちになるが、RDBを扱ったことがある人やSQLを使ったデータ分析に慣れている人であれば無意味な非構造化データを産まないメリットがある。その意味でも活用しやすいデータを作るためにデータに対する基礎知識はとても重要。

おはようございます。本日（6月18日）は『Software Design 2025年7月号』の発売日です。 1特：　Rustの4大機能をマスター 2特：　データ分析のためのSQL講座 特別企画：　祝 MySQL30周年＆ユーザ会25周年記念イベント 新連載：　ネコ、コード、ネコ 新連載：　はじめてのオフェンシブセキュリティ

昨日発売された『Software Design 2025年7月号』の特集『データ分析のためのSQL講座』に執筆した内容が掲載されました！ ・開発と分析におけるSQLの違い ・生成AIとSQLの向き合い方 ・SQLを使った実務的なデータの加工処理 などなど盛りだくさんなのでぜひご覧ください！ amazon.co.jp/o/ASIN/B0F8T47…

ポイントは既にBdash Serverがあって、そこに分析用のSQLが貯められているところかなと感じた。参考となるデータがあればAIを使ってSQLを効率的に書くことができる。 ・AI にデータ分析 SQL を書かせる仕組みを作りました - Bdash Server MCP の紹介 techlife.cookpad.com/entry/2025/06/…

『データの民主化』を目指すなら具体的にそれがどんな状態なのかを定義した上で段階的に進めていかないと言葉だけが先行して結果的に目指すべき状態にならない。言葉の選び方も重要だし伝え方も重要。

データを活用した意思決定は重要だけど、データだけで意思決定ができるとは限らない。『正論で人は動かない』という側面も理解した上でデータはもちろんそれ以外も含めてどうすれば意思決定に貢献できるかを考える必要がある。

ヤマハのデータ分析民主化に向けた活動事例 ・現場に山積する「ビジネスの課題」を研修のテーマとしてデータサイエンス入門の研修を実施 ・年間受講者が4000人以上 ・ヤマハ発動機の国内従業員数である約1万人のうち3割以上が何らかのデータ分析研修を受講 diamond.jp/articles/-/366…

Ubieの生成AIを使ったデータ利活用事例。 ・関連するダッシュボードのURLやその見方を案内 ・データ抽出に必要なデータマートやSQLを提示 ・ドメイン知識の提供（疾患・症状データ） ・定期的な集計レポート ・N1分析 ・データ理解クイズ note.com/okiyuki/n/na52…

生成AI×データ分析はデータ整備で差がでる領域。例えば今まで人がやっていた分析結果も非構造化データとしてマークダウンなどで保存して参照することで分析の精度も高くなるはず。 『リクルートも「AI-Ready」データの整備に注力、業務にひも付く意味あるデータへ』 xtech.nikkei.com/atcl/nxt/colum…

人事×データ分析の良い事例。組織サーベイは単純集計して現状把握して終わりになるケースが多い中で特に注力すべきポイントの見極めや今後の方向性を決めるために因果分析を使って意思決定するのはデータ活用事例としてとても良い。 hrzine.jp/article/detail…