AI ネイティブなデータ分析基盤を作った話

AI 以前のボトルネックは、Insight と Narrative の生成が一部の人に依存していたことです。データに強いだけでなく、BI などのツールへの習熟も要るからです。AI 以後の最大の変化は、この Insight 層の民主化です。全員が AI を介して Insight へ到達できるようになります。 そのために不可欠なのが Information 層、つまり指標定義の一元管理です。AI にテーブルの生の列名を渡しても意味はありません。「この列は売上で、前年比はこう計算する」という定義が一箇所に整備されていて初めて、AI は正確な示唆を出せます。セマンティックレイヤーは、AI 時代にはむしろ重要度が上がる層です。 一方で、AI がデータへのアクセスを広げることはリスクでもあります。層ごとにガードレールが要ります。Data 層では見せてよいデータだけを AI に渡す。Insight 層で

[s-feng]

>この構造を DIKW モデル（Data→Information → Knowledge → Wisdom）で整理。ただ Wisdom は経験や倫理に依存するもので、プラットフォーム化できない。そこで Wisdom を Insight と Narrative に分解し、最後に Action を置いた 6 層に。

[ookitasaburou]

“この記事の要点”

[misshiki]

PKSHAがAIネイティブ分析基盤Laplaceを1人＋Claude Codeで約1か月構築。BigQuery/dbt/Lightdash/MCPで自然言語分析、PII制御も実装。2か月で29人・32ダッシュボード・4,500閲覧超。

[nguyen-oi]

dbtとLightdashでセマンティックレイヤー固めてLLMに叩かせるの、モダン構成の極みって感じで参考になる。あとは利用者のプロンプト力次第か