生成AIモデルGeminiとBigQueryで実現！ データ分析の効率と効果を飛躍的に向上させる方法

【13-B-3】Gemini in BigQueryが導く、データ分析の次のステップ：rawデータからインサイト獲得までのAI活用法

　今や企業経営にとって、データに基づいた意思決定は不可欠となっており、データがもたらす価値は20兆円にもなると言われている。そのため多くの企業ではデータ活用に積極的に取り組んでいるが、さまざまな課題にぶつかる。それらの課題を解決する手段はあるのか。グーグル・クラウド・ジャパン データアナリティクス・スペシャリストの山田雄氏が、同社が提供するBigQueryとGeminiを使って解決する方法を紹介した。

生成AIによってデータの民主化は現実的に

　内閣府は2023年8月、日本国内で企業のビッグデータが生んだ価値は、10年から20年の平均で国内総生産（GDP）に換算すると、1年で17兆円になるという推計を発表した。「20年というとまだ生成AIがそれほど活用されていなかった時代。今だとデータの価値は20兆円超になると思われる」（山田氏）

　このようにデータは非常に重要なものだが、データ活用をする上で、さまざまな課題にぶつかる企業も多い。

　「変化の激しいビジネス環境で生き残るには、データに基づいた迅速な意思決定が不可欠だが、従来の専門家依存のデータ分析では時間がかかり過ぎることや、データを見る人が毎回同じだと多角的に見ることが難しい上、分析できる量や種類が限られるという課題があった」（山田氏）

グーグル・クラウド・ジャパン合同会社 データアナリティクス スペシャリスト 山田 雄氏

　このような課題を解決する手段の一つがデータの民主化である。そのために必要になるのがセルフサービスのデータ基盤だ。「生成AIによって、その実現がかなり現実的になってきた」と山田氏は語る。

　このとき、注意したいのはセルフサービスのデータ基盤をモノリシックな形にしないことだ。モノリシックな形だと修正や対応が遅くなってしまうため、マイクロサービスのように「ドメインごとにデータの責任者を配置することが大事」だと山田氏は言う。データ活用の仕組みとしては、データの活用にあたって事故が起きないように上位にガバナンスレイヤーを置き、その下にドメインごとでデータ活用をしていく。「そのようなセルフサービス＋データメッシュアーキテクチャは今後のデータ活用のトレンドになる」と山田氏は語る。

セルフサービスのデータ基盤

　このようなセルフサービスデータ基盤を構築する際に、Google Cloudが提供するBigQueryと、Googleの生成AIモデルGeminiの組み合わせが役立つという。