セミナー概要

昨今、生成AIを活用し、自然言語でデータベースに問い合わせる「Text to SQL」への期待が高まっています。
一方で、意図しないクエリが生成される、期待した結果が得られないといった課題に直面する企業も少なくありません。
その背景には、
・指標定義や業務ロジックが統一されていない「業務定義の不一致」
・データの意味や前提が共有されていない「暗黙知」
・データ品質のばらつき
といった課題が存在します。これらは、従来から存在していたデータマネジメント上の課題でしたが、生成AIの活用によって顕在化しています。
「誰でもデータを引ける」状態は実現できても、「正しい意思決定につながる」状態を作ることは簡単ではありません。

本セミナーでは、こうした課題を踏まえ、AIを単なるPoCで終わらせず、業務で継続的に活用できる状態を実現するための
データ分析基盤のあり方を「AI-Ready」という考え方を軸に解説します。
ビジネス視点でのデータの意味を定義する「ビジネスメタデータの整備」と継続的に改善していく運用ループの構築、
さらにそれらを支えるアーキテクチャおよびクラウドデータ基盤の構成パターン、そしてAIの精度を左右するデータ品質管理の考え方まで、
3つのセッションを通じて体系的にご紹介します。

アジェンダ

AI-Readyなデータ分析基盤とは？～AIの導入・利活用でつまずかないために～

セッション概要
生成AIを活用し、自然言語でデータベースに問い合わせる「Text to SQL」への期待が高まる一方、
意図しないクエリが生成される、期待した結果が得られないといった課題に直面する企業は少なくありません。
本セッションでは、その根本原因である
・指標定義や業務ロジックが統一されていない「業務定義の不一致」
・データの意味や前提が共有されていない「暗黙知」
・データ品質のばらつき
による分析の不確実性を解き明かし、データ分析基盤における生成AI活用の壁を越えるアプローチを解説します。
具体的には、
・ビジネス視点でのデータの意味を定義する「ビジネスメタデータの整備」
・メタデータを一元管理するデータカタログを用いた「AIエージェント連携」
・複数システム間でのデータ連携・加工も考慮した「データ品質管理」
による解決策をご紹介します。データ活用を推進するIT部門や、生成AIを業務に活かしたい事業部門の皆様は具体的なヒントを得られる内容です。

講演者
エンタープライズ第三本部 データマネジメントコンサルティング1部 シニアコンサルタント
米谷 典比古

AI-Readyなデータ分析基盤の全体像～実現アーキテクチャとクラウド基盤の構成パターン～

セッション概要
生成AIを業務で活用できる状態にするための「ビジネスメタデータの整備」や継続的な運用改善は、どのように実現すべきなのでしょうか。
本セッションでは、自然言語分析エンジンがメタデータを参照してSQLを生成する仕組みや、利用ログから分析パターンを抽出しセマンティックモデルへ反映する運用ワークフローなど、AI-Readyなデータ分析基盤のアーキテクチャ全体像を開発や運用がイメージできる形でご紹介いたします。
また、Snowflake/Microsoft Fabric/Databricksといった主要なクラウドデータ基盤における構成パターンや、「PoCで動いた」を本番運用へつなげるためにデータ基盤側でどのような準備が必要となるのかについてもお伝えします。

講演者
エンタープライズ第三本部 データマネジメントコンサルティング1部 コンサルタン
中村 大輔

なぜデータ品質がAIの精度を左右するのか？～データ品質から考える精度向上のアプローチ～

セッション概要
自然言語分析やAI活用の精度は、その手前にある「データの品質」に大きく左右されます。
しかし実際には、複数システム間でのデータ連携・加工の過程で値の不整合や欠損が発生し、気づかないまま誤ったデータが分析に使われているケースが少なくありません。本セッションでは、データ品質管理の必要性を解説します。
また、データ品質のチェックルールの定義から自動実行・結果の可視化まで一気通貫で管理できる電通総研オリジナルのデータ品質管理ツール「Dqualitex」をご紹介します。
「Dqualitex」を活用し、データ分析の信頼性向上と運用効率化をどのように実現するか、具体的なユースケースを交えてご紹介します。

講演者
エンタープライズ第三本部 データマネジメントコンサルティング1部 コンサルタント
田靡 太一