データ分析の重要性
となりのデータ分析屋さん。この番組は、隣の席に知らないことを気軽に聞けるデータ分析屋さんがいたらいいなぁ
を叶えるポッドキャストチャンネルです。
ワンオンワンスキルも実はAI時代にめちゃめちゃ大事なのかもしれないよ。
ああね、そういう話も結構最近出てきてますよね。ワンオンワンについて語ってる人とか、そういう本とかも多くなってきてるしね。
俺結構、評判いい。
こっからこのキャリアでどうやっていくかわかんないから、ちょっと様子見てあげてみたいな、こうと一緒に動いた時のポジティブ効果は割と高めだっていう評判をいただいてます、私。
リョッチはそうじゃない?絶対。
なんか、どんな人でもポジティブにできる中ありますよね。
なんか意識してるんですか?その仕事になって、そういうちょっとキャリアに迷った後輩とかと話すときに。
ああ。
でも自分がどうやって選んだかみたいな話とかを照らし合わせつつ喋るよね。
ああ、なるほど。自分はこう考えたよみたいなところを参考にしてもらうってこと。
なんか今の仕事楽しいとかはあんま聞かないかもな。
なるほどね。
それは多いかも。なんか今やってる仕事ってやりたいんすか?みたいな話とか。
うんうんうん。
あとなんか5年後とか何やってたいんすか?なんで今うちいるんすか?みたいな話とかをワーってしてて。
ああじゃあ、なんか繋がってるから良さそうですね。とりあえずなんか何ヶ月か大丈夫なんじゃないですか?みたいな話とかをよくする気がする。
その場にいる意味なさそうだったらやめた方がいいじゃん。
うん、もちろんね。
極論ね。なんかその転職ってことにそんなに構えてるタイプじゃないから俺が。
だからなんか喋ってて、先々やりたいことに繋がってそうだったら、それの修練の場として今はありなんかどうかみたいなのとか。
そっち寄りの話をするか。
なるほどね。結構もうフラットに見てあげるというか。
ああそうそうそうそう。
すごい客観的に話してあげるんですね。
そう、なんかいやいやアンハッピーな状態でずっといるのはね、ルーズルーズな感じじゃん。
結構でもその視点大事ですよね。結構会社の中でマネージャーやってるとまあ、その部下と会話するときに100パー客観的に話してあげられるかっていうと、
本音と立て前があると思うんですけど、本音はやっぱり自分のマネージャーとしてのゴールに繋がるようなムーブをしてもらった方がいいと思うから。
そういうちょっと偏ったコメントをしてしまうじゃないのかなと思うけど、そうではなく話してあげられてるのがいいですよね。
会社だしね、良くも悪くもね。
まあまあまあ、でも大事だよな。
いやでもさ、ほら普通に嫌じゃん。そのいやいやの時のパフォーマンスってやっぱさ、低いじゃん。
まあもちろんね。
無理だと思うんだよね。引き上げるって結構。
ああ、そうな。
なんかいる、その場にいる意味が見えてきたら自然とモチベはまあ上がるじゃん。
うんうん。
それじゃんって思うけどね。
まあその経験をちゃんとできてるかもあるのかもしれないね。自分自身がちょっと辛い時とか。
ああまあそれはね。
うん。
もう超追い込まれてたからね。
そうだよね。
いやもう完全に精神的にいってたぐらいのレベルだもんな。
そういう時期経験できてるかも大事な気がする。
白紙号ってそんなに大事だったんかな。
まあ取っといた方が良かったよね。改めて今見て、今考えて思うけど。
いや絶対そうじゃない。
どっちの場合は修士で卒業して社会で働くっていうのとは比べ物にならないぐらい白紙の経験がね。
大きかったっすよね。
それはあるよね。
なんか言われてたもんな。NASAから帰ってきた後つまんなくなったなお前。
お前らに散々バカにされたからな。
人間的にはほんと面白くなくなってしまって。
それはしょうがないよ。1年間英語しか喋ってないんだから。
エピソードトークもできなくなりますわ。
友達としてはもう最悪でしたけど、まあまあ。
マイナスの言葉とかめっちゃさ見えるからさ。なんか白紙号は足の裏についた米みたいな。
知ってる?これ。
どういうこと?それは。
取れるなら取りたいっていう。
あーそういうこと?
謎かけみたいな。
それはそうやん。PHDなんでさ、取れるもんなら取りたいじゃん。
そうだね。
けど、取れなくても造作もないみたいなニュアンスもあるよね。その含まれてるわけよ。その中には。
米粒の中にはね。
し、取ったところで大したこともないみたいな。
そんな言い方があるんだ。
なんかクソみたいな小字成語みたいなさ。誰もハッピーにならないすごい皮肉が入った。
足の裏についた米粒ってみたいな。
結構取りたいだろ、足の裏についた米粒は。
なんか気になるなと思うけど、まあ見てみたら米粒だったんだくらいのものでもあるけどね。
でもすごい日本っぽいですね。まあ日本の人が考えたとしか思えないけど。
すごい日本っぽい白紙の評価のされかけですね。
そうそう。営業の話からそうか。
そうだよ。
営業の話でこんな広がったのか。
そうそう。でも元々今日話したかったことは全然違うことを話そうと思ってましたよね。
AIエージェントの進化
確かに。そうなんだよ。前回の予告でも話してたけど、データ分析をAIに任せやすい時代が超加速してる最近っていう話をめっちゃしたくて。
そうだそうだ。データ分析をAIに任せるって話か。
そう。なんか前回のADKだよね。
違う?違ったっけ?
そう、ADK。GoogleのADKの中のそのエージェントのログを管理するようなツールが出て結構いい感じみたいな。
で、たっちゃんが最近AIエージェント作ってるけど、そういうログまじ欲しかったわみたいな。
うんうん。
そうだ。だからAIエージェントを分析するツールの話をしていて。
分析するというかログの残す仕組みの話かな。
そうだね。
でもなんかそういうログを貯めるのは結構いろんなサービスでもできるし、言ってしまえばGoogleアナリティクスとかもログを貯める仕組みなんだよね。
で、その仕組みがある上でどうやってそれを有効活用していくかみたいなのが結構重要なポイントなわけじゃん。
で、いつだ俺らが就職する前とかにさ、なんかこうビッグデータみたいな言葉がいつだ2010年代前半ぐらいから多分流行ったじゃん。
そうだね。ビッグデータってありましたね。AI、ビッグデータ。
AIよりも5、6年もうちょい前かも。
そうか。
そう。で、なんかデータは宝箱だみたいな。
うんうん。石油だとかね。
そうそうそうそう。その言葉あったよね。
ありますね。
で、なんかデータ分析大事だよねってなって、意思決定にはデータの力を使うべきだってなったところからかなり時間が経ってるわけじゃん。
うんうん。
けど、実際にじゃあみんながデータを使って意思決定ができてるかとかって言われると意外とそうでもないというか。
あれから10年経っても。
全然だよね、多分。
まあまあ。
まだ全然な状態ですと。
まあそれは多分時間が解決する問題でもないわけで、結局はデータ分析むずいじゃんみたいな。
当時から今でも結局はデータの抽出にはSQLを使っていて、SQLなんていうそのなんていうの?
マイクロソフトのマクロとかを組むのの一段ちょいむずの仕組みみたいな、マクロですら俺らは挫折してんだぞみたいな人たちが大半なわけで。
みたいな中でのSQLはやっぱ浸透しなくて。
はい。
だから分析は、分析は結局は専門職みたいになってきちゃったわけだよね。
そうですね、データ人材っていう言葉もあるぐらいで。
そうそうそうそう。
で、それ時代がどう変わっていくかみたいな話をしたかったわけだよ、今日は。
ああ、なるほど。なるほどなるほど。ちょっとメタ的な話でもあるんですね。
そうね、まあでもとりあえずでもLLMの性能がどんどん上がってきて、AIエージェントみたいな動きが強まってきた中で、分析はそろそろやっぱ任せれるような領域になってきてんじゃんみたいなところが本題?
はい、そこめっちゃ気になるなあと思っていて、分析をAIにさせるっていう、なんか本当にAIがAIを作るみたいなところの一歩手前なのかなというか。
そこで今どうなってるんだろうがすごく気になるし、おそらくできるんだろうなとは自分は思っていたからこそ。
そうね。
その中、現在地みたいなところは知りたいなと思いますね。
俺はもうすごい極論みたいな話をすると、データ分析の仕事はマジで一番最初にAIに食われる職業と言ってもいいぐらいのもんだと思ってて、言い切りますか。
いやでも、やってることがむずいな、完全に駆逐されるみたいなことではないよ。
けど置き換えるってなって、一気にハードルもそんなに高くなくAIのパワーを一気に引き出して、まるでAIが人かのように動いているみたいなのを作り出すのにすごい適してる業務内容。
うんうん。やるべきことが決まってるというか。
未来のデータ分析
そうそうそうそう。自分がデータアナリストっていう職業をやっていて、一番思ったし。で実際にいろいろ実践してて、できるじゃんって感覚にもなってるしみたいな。
うんうん。なるほどね。
そういう気はしてて。でなんか、じゃあ実際のその出来事としてどういうことがあったのかみたいな。
で言うと、まあ単純にやっぱ今ってちょっと前のそのLLMになんか聞いたら答えてくれるみたいなところから、やっぱAIエージェントみたいなものがすげえ主流になってきて、
それこそ俺があの授業を持ってるDevynとかもそうだし、クロードコードとかもそうだし、Codexとか出てきてて、みたいな。でそのあたりがやっぱ仕事を任せていく上では結構重要なこれぐらい能力ないときついじゃんみたいな雰囲気は出てきてる状態だよね今。
そうですよね。検索とかQAみたいなところから一気に何かを作ってとかってお願いをして成果物が出てくるみたいなところまで、コード化はされてきてはいますよね。
そうそうそう。
で、そんな中で、例えばクロードコードだったら、エージェントスキルズみたいなものが最近めちゃめちゃ話題じゃん。
そうですね。
すごいもんXのタイムラインとかAI系のタイムラインはもうだいたい国内はエージェントスキルズばっかりだね。
確かによく見るなスキルズ10戦これみたいなやつとかありますね。
英語の方に切り替えたときにそんなに出ないから、ちょっとDefiの流れを感じるんだけど。とはいえめちゃめちゃ有力というか優秀なツールなわけじゃん。
あれはさ、具体的にどういうものなのかまだ使ったことがないからわかんないんだけど。
あ、そうなんだ。
あれは何なの?
まあなんか今までのさ、AIのカスタムってさ、ゆえてなんかシステムプロンプと変えるとかさ、なんかそういったレベルのものが多かったところから、
より実務の中のそのワークフローとかを任せられるような仕組みみたいなのがこのエージェントスキルズだったり、エージェントスキルズと一緒に、なんか最近よく言葉として出てくるのはサブエージェント。
はいはい。
これもクロード。基本的にはアンソロピックからの、あの、が提供しているクロードの新機能だよね。
うんうん。
で、エージェントスキルズに関しては、まあその特定の簡単なシステムプロンプトだけじゃなくて、もうちょっとなんか具体的なこうスキルセットとかっていうのを、まあAIエージェントに持たせて専用エージェントにするみたいな。
例えば、メールを作るエージェントにするとか。
あ、そういうイメージそういうイメージ。
スライド作成に特化させるとか。
あ、そういうことそういうこと。
口の数というか種類みたいなところ、手札をたくさん持てるようになったっていう、そんなイメージ。
あ、そんな感じそうな感じ。
で、まあほら、こう任せるツール、任せるタスクが明確な方が、AIの走る方向性も決まりやすいし、能力も引き上げやすい。
で、だから簡単なシステムプロンプトより、よりなんかこう、ペルソナ的な役割をしっかりと担わせて、
お前の業務範囲はこれだぜ、みたいなのをやらすもの。
だからなんかこう、いろいろね、サブエージェントも出てくるし、でここでまたMCPとの違いみたいな、違いというか役割の違いみたいなのが語られてくるんだけど、
MCPはもうなんかさ、どっちかというとAPIをAIがこねくり回しやすくしたバージョンみたいな感じじゃん。
ざっくり言うと。だから特定、本当に特定のタスクに対してパワーを発揮するAIの能力だよね。
に対してエージェントスキル図の方がもうちょっとなんか抽象的な、だからMCPたくさんを抱えつつ、なんかどういう仕事。
例えば、なんだろうな、まあそういうことさっきのメールとか、今回の話の分析とかっていうふうになったときに、
ビッグクエリーとかGoogleアナリティクスに接続する口も持っていれば、なんか世の中から情報を抽出してきて推論をするための能力。
で、このときになんかMCP外の情報ツールにアクセスできるとか、まあなんかそういったのを使いこなせる、なんかもう一段階上の概念みたいなのがエージェントスキル図。
なるほどね。だからAIのできる領域がどんどん拡張されていってるみたいなそんなイメージ。
そうそうそうそう。この仕事をさせるツールっていう感じではなくて、この領域の仕事を任せるAIみたいなのがエージェントスキル図になっていて、
で、プラスこいつがパワーを発揮するときにサブエージェントっていう機能がまた輝いてきて、サブエージェントっていうのがこっちはどっちかというとワークフローに近い。
AIエージェントの具体的な機能
ワークフローを作るみたいなツールに近くって、そのAIをとあるペルソナに染め上げて、一領域の仕事を任せるエージェントスキル図みたいなものがありながら、
定型化されたものは一つの流れでやっていきましょうよ。こういうふうにできるよねっていう手順書が書かれているスキル図、サブエージェントって言われるものがあってみたいな。
だいぶ複雑化してきてますね。
まあそうね。まあ一個ずつだからそのクロードを使っている人にこういうAIの使い方あるよねっていう多分ステップとしてどんどん用意してくれてるんだろうね。
そういうことですね。
でこれが今めちゃめちゃマスクアクトの2025年末、今12月30日に撮ってるけど、まあそのそれが今めっちゃ主流というか大流行りしてるわけだ。
でここで見えてくるのはやっぱそれこれにじゃあデータアナリストっていう、このペルソナを与えたときに結構能力発揮してくれるじゃんみたいなのがもう実例としていくつか出てたりするんだよね。
あ、そうなんだ。
まあデータ分析できるようになります。であの2025年末とかに、あのじゃあビッグクエリーにmcpでつなげるようになりますよねみたいなのも出てきて、
まあもうすでにあの純公式みたいなmcpは用意されてたからビッグクエリーにも簡単にアクセスできるようになってるし、別にGクラウドのログインでもできるじゃん。
そこらへんサービスアカウント持ってればいけますみたいな。っていうのになっていた状態があったところに、
じゃああなたはうちのチームの分析者としてこういうナレッジがあるよっていう、これまでAI運用で出てきたそのナレッジをラグみたいな感じでエージェントスキルズにこうどんどんどんどん食わせて、
でペルソナを明確にしていって、でそうしたらこれまでこんな分析やったことあるんだっていうのは能力と知識として渡されてるから、
じゃあなんか1回やった分析はもうエージェントスキルズに聞けば誰でも引き出せるようになってるみたいな状態が実現できるようになるわけ。
確かに今話を聞くとそれができるなーっていうのは思いつつ、なんか難しいなと思ったのはその今までやってきた分析の方法とか、
各個人の作業をしていた内容っていうのをちゃんと構造的なのかわかんないけど、AIに伝えるっていうところが簡単じゃないんじゃないかなと。
そこさえできれば確かにAIが理解をして作業はしてくれるんだけれども、組織や個人の持っているノウハウをどう見える化するかというか抽出するかみたいなところ。
それは、それ何かいつだっけ、新卒の子をめっちゃAIネイティブに育てましたみたいなさ、話をさ、どっかでしたじゃん。
ああ、まあしましたね。
あの時みたいな感じで、最初はやっぱ手でドキュメント書くみたいな話からチームの当たり前の状態を作っていって、
で、その手で書くことすらAIに任せられるよねっていう感覚に持っていって、ドキュメンテーションをAIにやらせてっていうような状態。
なるほどね。
で、プラスその後は、それこそクロードコードとかGitHubコパイロットとかカーサーとかのルールファイルの中に、
やった作業を基本的にはGitHubにしっかりと格納するように、勝手にプルリク定期的に投げてね、みたいなのを入れておいて、
自動で収集するようにして、で、そこからナレッジと呼ばれるようなものをAIに勝手に抽出させるみたいな。
そういうことか。
そこの準備というか環境ができている前提で、今回紹介してくれたようなスキルとかサブエージェントみたいなところが機能するというか、
うまく働ける状態がすでにできているみたいなことでようやく能力を発揮していくんですね。
まあそれもあるし、けど世の中の一般的な分析ってそのさ、外向きの分析と内向きの分析みたいなのがあって、
内向きはその自分たちのプロダクトとかウェブサービスとかが生み出していくログを分析して、
事業の意思決定に生かすっていうパターンと、どっちかっていうとこうリサーチャーみたいな感じで、
外の情報を自分たちの欲しい流度にレポートとしてまとめてもらってまとめたいみたいなっていうような感じのものがあって、
外向きのものは実際独自のナレッジがそこまで必要ないからちょっとマニュアルを整備してこれまで作ったレポートとか食わせたら、
結構もうそのスキル図で外向きの調査とかはやっぱ一定できるようになる。
まあそうか。あんまりドメイン知識とかが必要なかったりするのか。
そうそうそうそう。
そっかそっか。
でなんかその抽出したものと最後レビューしたもの、レビューしてなんかデータをより洗練されたものに切り替えた時のその差分とかでまたAIに学習とかさせられるわけじゃん。
はい。
ってなってくるから、なんか意外とその蓄積するっていうところにハードルは、まあ今から始めるって人はやっぱ感じるかもしれないけど感じる必要がないぐらいのものじゃないかなとは思う。
今すぐ始めると思ったら始められる部分もあるよと。
そうそうそう。
ほう、なるほどね。
でAIエージェント系の中でもやっぱその分析結構いけるじゃんっていう温度感はやっぱ出てきてて。
うーん、部長になりましたって話をした次とかのエピソードでデビンの話するのもあれなんだけど、デビンの中にも、デビンってまあソフトウェアのコーディングエージェントみたいなので世の中にAIエージェントとしてパッと出てきたわけじゃん。
はい。
で注目を引き続き集めつつやっていて、でその中で、いつだっけな、11月の末かにリリースされたのがデータアナリティクスエージェントっていう本当にそのアナリティクスっていう特定の業務をさせるためのデビンのモードができたのね。
へー、アナリティクス、どういうアナリティクスなんですか?
デビンのアナリティクスエージェントの機能
それはもうSQL書いて、どっちかっていうとデータサイエンティストがやるような分析、ビッグデータ与えてSQL書かせて、で抽出してきたデータをフローとしたPythonにぶち込んでSeabornで可視化しまくって、与えた情報も含めて考察まで書いてくれるみたいな。
なるほどね。一般的なAIアナリストとかがやってるような仕事の内容そのものだ。
そうそう、それをデビンの中で、デビンの中もさっきのクロードコードの話と似てるものがあって、自分でワークフローというか定型作業を登録しておくプレイブックっていう機能があって、そういったプレイブックを登録できるものもあれば、ナレッジもGitHubじゃなくてデビンの中に蓄積できるのね。
しかもデビン使ってる中で出てきた、こいつ毎回チャットでこの修正するなとか、出てくると2回目とかでデビンがそのセッションの中身を自分で分析して、同じような修正とかコモンなものっていうのをデビンのAIが勝手にナレッジとして蓄積してくれるのね。
それめっちゃありがたいですね。
そうそうそう。っていうのがあって、で、アナリティクスエージェントっていうのはデビンの中でのこういうステップを踏んでったらこういう分析にたどり着くじゃんっていうのをワークフローとしてデビンのエージェントを使って動くワークフローとして運営側がそのペルソナパッケージみたいなのを作ってデビンの中に機能として導入入れてくれてるの。アナリティクスエージェントっていうものを。
なるほどね。そうするとSQLのお作法はもう分かってるし、で可視化するときにほらCボーン使うんだ、俺だったらへーってなるけど、あれ何か可視化するときってどういうツールあるんだろうって悩む人とかがたくさんいたところで、いやもう別にCボーンでこれだけできるからって言ってもうデビンが勝手にツールは決めといて、
むしろツールはもうこっちで固めてあるからあなたにやりたいことを教えてみたいな感じで動いていくみたいな。そいつもMCPありきで動くのね。ビッグクエリのMCPとか。っていうのありきで進んでいく。分析のエージェント。
じゃあもう人はそのデビンとチャットしながら最終可視化まで行ってしまうってこと?
あ、そうそうそうそう。そうなんだ。でデビンはしかもスラックとかでスラックのインテグレーション機能があるんで、スラックからそのアットデビンってやったら呼び出せるからこのみんなのチャンネルの中で例えばそういう分析の人がいるチャンネルとして決まってたらそのチャンネルの中で
隣の人がデビンに何をお願いしてるかもスラック上で全部見れるみたいな。で12月にTeamsも対応したから日本のでかいエンタープライズとかはTeamsの方が多いって話をGitHubの回でしたじゃん。
そうっていうような感じでマイクロソフト環境にもなじみつつあるみたいな。っていう感じで、だからデビン側もデータ分析簡単に置き換えれるじゃんって思ってるから一番最初のエージェントのこのペルソナ的な機能として役割を与える能力の一つとしてデータアナリティクスエージェントっていうのをリリースしてるんだよね。
そうなんだ。いや確かにそこまで行くとある程度の業務というか大体できますね。
これが結構この間お便りでもさデータアナリスト目指したいっすって言った時に俺がどうなんってちょっと言ってた理由の一つでもある。
あーなるほど。だからそこの需要というか人は不要になってくるっていう最初言ってたところはこういうことなんですね。
そうそうそうそう。でこれはどういう使い方が推奨されるかみたいなところがまたポイントになってきて、これデータアナリストが使うためのエージェントじゃないなポイントは。
特にデビンの方はそういうふうに言われてるし、俺もクロードコードの方もそうやって使われるのがいいと思ってるのがあって、それはデータスペシャルスキルを持ってるデータアナリストが使うんじゃなくて、
データアナリストにその仕事の依頼をしてたりして、で外部委託とかしてるみたいなのをして、事業を動かしてその事業の意思決定をしてる人たちがそれを使う。
あーなるほどね。
でデータアナリストとかデータサイエンティストの仕事は、そいつらが相対するエージェントを裏で管理するのがアナリストとかデータサイエンティストの仕事だよねっていう定義の使い方がされてるのね。
なるほど。エージェントを管理する。
そう。だから3体、3チーム向けのエージェントを1人が運用するっていう体制になったら、1チームに対して1人アナリスト張ってたのを、人間1人でAIエージェント3体で今までやってたタスクっていうのを引き継げるわけよ。
ってなってくると、まあ必要人員3分の1じゃん。AIツールの値段使っても2人分の人件費には絶対ならないから。
じゃあそのアナリストがエージェントを管理するっていうところをもう少しちょっと深掘りたいんですけど。
新しいデータ分析の役割
隣のデータ分析屋さん、今回も面白いと思ったらフォローレビューよろしくお願いします。
番組の感想や質問はハッシュタグ隣の分析屋、隣のがひらがなで分析屋は漢字でお願いします。
また概要欄に貼ってあるお手紙フォームからコメントを寄せてください。
ではまた。バイバイ。
