データ分析の開発を進める中で、アーキテクチャなどの技術面以外でも難しい障壁があります。それは、全社員がデータを活用しやすくするためには、どうすればいいのかという問題です。

どれだけ優れたダッシュボードや分析結果があっても活用されなければ意味がありません。社内からの問い合わせにエンジニアやデータチームがすべて対応していては、人手不足になってしまいます。かといって、データを使用したい社員側も、自力ではどこにどんな情報があるのかわからず、困ってしまうことが多々あります。

そこで、note株式会社のデータ基盤チームは、Slackで該当のデータ分析の結果やダッシュボードを返答してくれる @datainfra-ai というbotを開発しました。

すでにLookerなどを導入しており、全社員がデータを簡単に閲覧できる環境を整えていますが、さらに活用が広がるように自動返答の機能を開発しました。本記事では、@datainfra-aiの機能や利用方法、実際に得られるメリットについて詳しくご紹介します。@datainfra-ai によって、note社員のデータの有効活用がさらに進むはずです。

※ この記事は、note社内で行った登壇の文字起こしです

分析結果をAIが返答する @datainfra-ai の紹介

こんにちは。データ基盤チームです。今日はSlackで活用できる @datainfra-ai について、ご説明させていただければと思います。よろしくお願いします。

データ基盤チームになじみのない方もいらっしゃるかと思いますが、SnowflakeやLookerの運用や導入を行っているチームです。みなさんのデータ活用をサポートしているチームになります。

みなさんがデータを活用しようと思うときに、いろいろ悩むことが多いのではないかと思います。例えば、「知りたい情報がどこにあるのか」「そもそも見つけられない」「存在しているのか」「似たようなクエリを書いてしまった」などです。「データチームが忙しそうだから、なかなか質問していいのか迷ってしまう」というようなこともあるかもしれません。

そこで、まずは既存の資産にアクセスしやすい状態にしたいということで、今回のGPTを用いた @datainfra-ai を作成しました。GPT自体はどんなダッシュボードがあるのかを知らないので、社内に存在するダッシュボードや過去に行われた分析に関する情報を与えてあげて、GPTがその中から適切なダッシュボードなどを皆さんに返すという仕組みになっています。

最初に開発したときは、主にLookerのダッシュボードをうまく見つけられるようにするためのものでした。例えば、質問をするとLookerのURLが返ってくるような形です。

しかし、そこからアップデートがあり、Looker以外の重要な情報も返せるようになっています。noteにはDataPotという様々なデータ分析の情報が載っている資料がありますが、そこのデータも取り込むことにしました。Lookerだけではなく、スプレッドシートなどに記載された情報も返ってくるようになったのです。

現在は、既存のダッシュボードや調査結果をもっと活用することを目標にしていますが、今後はもっとできることを増やしたいと思っています。例えば、欲しい情報があるときにどのテーブルを見ていいかわからないときに、このテーブルだよと教えてくれたり、SQLを書きたいときにある程度自動で生成してくれたり、Lookerの操作サポートなども検証して導入できればと思っています。

不明点やご質問、ご要望があれば、@datainfra-ai 以外にも気軽にデータ基盤チームまでお問い合わせください。より良いものにしていきたいと思っているので、皆さんもぜひ使っていただけると嬉しいです。私からは以上です。ありがとうございました。

▼noteの技術記事が読みたい方はこちら