データ基盤

クラウドソリューション部の木本です。 以前の記事で、レイクハウスを作成し、テーブルを用意して、レポートを作成するまでの流れを確認しました。 aadojo.alterbooth.com aadojo.alterbooth.com この一連の記事では触れませんでしたが、Power BIのレポートは「セマンティックモデル」を参照して作成されます。 つまり、レイクハウスのテーブルとレポートの間には、セマンティックモデルという層があるという構造です。 「セマンティックモデル」は、もともとPower BIで「データセット」と呼ばれていたものなので、Power BIユーザーには馴染みがあるかもしれません。 …

こんにちは！株式会社データ・ワンでエンジニアをやっている曽根高です。 社内で利用しているダッシュボード基盤のTableauからDatabricks Apps(AppKit)への移行を進めています。きっかけは「Tableau の手作業を AI で減らせないか」という試みです。弊社では、開発の大部分でClaude CodeやCodexといったAIを活用した効率化が進んでいますが、Tableauは手作業が残っており、開発のボトルネックになっていました。結果的に、AIによるTableau作業の効率化は2回失敗して挫折しましたが、Tableauで抱えていたいくつもの課題をDatabricks Appsに…

2026年にパーソルキャリアへ中途入社した大村 弘史。転職先を選ぶうえで重視していたのは、肩書きや完成された開発環境ではなく、「簡単には解けない複雑な課題」が存在することでした。 複数のプロダクトや事業が絡み合う構造、長年にわたって積み重なったレガシーな開発環境、組織を横断して物事を進める難しさ――。一見するとネガティブに捉えられそうな要素を、なぜ大村は「面白そう」と感じたのでしょうか。 大手インターネット企業で、プロダクトや開発組織を横断する課題解決に携わってきた大村に、パーソルキャリアを選んだ理由と、本気で変えようとする組織に見いだした挑戦余地、そして変革の途上ではたらくリアルについて伺い…

クラウドソリューション部の木本です。 DP-600（Fabric Data Engineer Associate）の試験準備を進めていた時に、ある知識チェック問題でふと手が止まりました。 Data Warehouse設計でスタースキーマを使用する主な利点は何ですか？ ・これにより、データが高度に正規化され、storage領域が削減されます ・必要な結合の数を減らすことで、複雑なクエリが簡略化されます ・リアルタイムのデータ処理機能を提供します 私はひとつ目とふたつ目の選択肢で少し考えた末に、「これにより、データが高度に正規化され、storage領域が削減されます」という選択肢を選びました。 し…

こんにちは。開発1部の村上です。 本記事は AIブログリレー 8本目 です。 エブリーではAIエージェントを社内のあらゆる業務で活用していくことを目指しています。そのAIエージェントたちを支えるのがデータ基盤です。そしてこの基盤を、AIにデータを「読ませる」ためのものから、AIエージェントを「動かす」ためのものへ進化させていきたいと考えています。本記事では、そのために必要なステップを整理します。 人のための基盤から、AIエージェントを "動かす" 基盤へ これまでのデータ基盤は、暗黙のうちに「人が使う」前提で設計されてきました。ダッシュボードを見るのも、SQLを書くのも人です。「この売上には手…

クラウドソリューション部の木本です。 前回までは、5回に渡ってMicrosoft Fabricの仕組みについて整理しました。 Microsoft Fabricを始めるにあたって理解しておきたい「データの取り込みから分析までの一連の流れ」をまとめていますので、ぜひ併せてお読みいただけたらと思います。 aadojo.alterbooth.com さて、Microsoft Fabricを学習するにあたって、多くの人が最初に利用するのがFabric Trialではないでしょうか。 Fabric Trialを使うと、LakehouseやNotebook、PipelineなどのFabricの主要機能を一通…

AIは、文章や画像を生成する「生成AI」の時代から、業務を自律的に支援する「AIエージェント」、さらに現実世界で設備やロボットを制御する「フィジカルAI」へと進化し始めています。 フィジカルAIでは、インターネット上のデータだけでは十分ではありません。設備情報や点検履歴、画像、センサー値、作業履歴など、実際の現場で日々生まれるデータがAIの判断材料となります。 これからのAI競争は、優れたAIモデルを導入することではなく、AIで活用できる現場データをどれだけ蓄積できるかが重要になります。 そこで注目されるのが、日本企業が長年蓄積してきた現場データです。