著書『データ分析力を高める ビジネスパーソンのためのSQL入門』 amzn.asia/d/erlRGPH | 外資系コンサルシニアマネージャー ◀︎ ebookjapanでデータサイエンス組織の部長 ◀︎ Yahoo! JAPANでWebエンジニア | 複業でマーケティング・データ分析・コーチングなど
Joined July 2010
- Tweets 16,237
- Following 491
- Followers 3,309
- Likes 3,467
547 Photos and videos
Pinned Tweet
15 Mar 2023
ついに本日SQLの入門書が発売になりました！
自分自身が過去にSQL勉強会として実施した内容を体系化して1冊の本にまとめました。
240ページとコンパクトにまとめたので、
SQLを学んでデータ分析力を高めたい人が読む最初の1冊としておすすめです！
amazon.co.jp/dp/4297134438/
1
16
110
16,804
FindyによるFDE求人特集。最近の日本市場での広がりも見えて参考になる。
・年収レンジは500万〜2,500万円と幅広い
・技術スタックはPython/TypeScript/LLM/RAG実装が共通している
・SIer/コンサル経験歓迎の求人あり
findy-code.io/pick-up/articl…
3
339
LayerXが2025年7月にFDE採用を開始してから半年の振り返り記事。「突然生まれた職種ではなく原型はCTOが顧客先に足繁く通っていた頃まで遡る」という言葉が印象的。Palantirモデルを日本で本格実践した先行事例として参考になる。
tech.layerx.co.jp/entry/fde-…
7
26
3,668
AIで仕事が奪われると言われているけど、FDEのように数年前には存在しなかった職種が急速に立ち上がっているのを見ると、トータルで仕事が減る方向にはならない気がしている。技術が高度になるほど「現場で文脈を読み・関係を作り・判断する」人間の価値が上がる構造は過去の産業革命と似ている。
2
290
FDEに求められるのはPython・LLM実装・AIエージェント設計・顧客折衝とは幅広い。ただ本質は「業務文脈の深い理解なしに精度が出ない」という一文に集約されていると思う。業務を深く理解する姿勢と習慣はそれ自体がFDEの核心だと感じている。
exawizards.com/column/articl…
3
19
2,066
セマンティック概論資料。セマンティックレイヤー・オントロジー・ナレッジグラフ・グラフDBの関係が整理されていてとても参考になる。データ分析においてコンテキストが重要であるという具体例も交えて説明があるのはわかりやすい。
speakerdeck.com/kazaneya/202…
10
124
8,529
データ基盤をボトムアップに伸ばしても事業をAgenticに動かすアーキテクチャには届かない、という内容がとても重要。データエンジニアに求められる役割が「データを整える人」から「事業の価値の流れをAIが動かせる形に設計する人」へシフトしている。これはまさにFDE的な動きでもある。
今語るのがめっちゃ怖いのですが、私は俺らが向き合いたかったことにようやく社会が気づき始めているAI時代だからこそデータエンジニアがちゃんとオントロジーとは？に向き合って正面から語っていくべきだと信じています。
zenn.dev/dely_jp/articles/da…
6
53
8,661
電通がPDCAにSimulation（仮説検証）を加えた「PSDCA」を提唱。これまでDo（実行）後にしかできなかった生活者の反応検証が、AIマーケットツインによって実行前にできるようになる。「失敗のコストを下げる」という方向へのAI活用として事例として参考になる。
dime.jp/genre/2122717/
1
6
781
AIエージェントのPoCは動くが本番で使われない原因を「scatter-gather問題」として整理した記事。ナレッジグラフに関係性ごとデータを事前統合しておくことでレイテンシ・トークン消費・精度劣化の3つを改善する設計が参考になる。
zenn.dev/knowledge_graph/art…
2
23
218
14,843
SQLiteの全文検索とベクトル検索を組み合わせた軽量RAGの実装事例。別途検索サーバを立てずにハイブリッド検索を実現できる点がポイント。固有名詞や業界略称を含む日本語クエリでの正答率は段階式検索が100%と、Amazon S3 Vectors（78.6%）を大きく上回ったは凄い。
acro-engineer.hatenablog.com…
6
80
6,045
DWH上にグラフ関係を重ね合わせる「仮想グラフ」が相次いで提供され始めているが、「オントロジーやGraphRAGのトレンドに無条件で飛びつくべきではない」という指摘がとても重要。まずRDBで確実に成果を出す領域に専念するという現実的な視点が参考になる。
zenn.dev/yohei/articles/2026…
9
116
5,877
「構造化とは情報を整理する行為である」という前提を疑い、「実は情報を捨てる行為でもある」という視点がとても参考になる。赤いフォントの数字が「暫定値」を意味していたりなど、AI-Readyなデータ整備を進める際に自覚しておくべき問いだと感じる。
note.com/bizposan/n/n4b63ea5…
1
15
1,552
オントロジーとセマンティックレイヤーの違いを整理した記事。どちらが優れているかではなく、両者は補完関係でどちらも必要で役割が異なるという整理がとても参考になる。
atlan.com/know/ontology-vs-s…
・セマンティックレイヤーは「測り方」の統一
・オントロジーは「意味と関係性」の定義
7
67
2,951
オントロジーとデータモデルは似て非なるもの、という整理記事。オントロジーはドメインの意味・関係・ルールを形式論理で記述しAIが推論できる状態にするもの。「構造的には強いが意味的に弱い」システムに留まるか否かの分岐点がここにある気がする。
linkedin.com/pulse/ontology-…
4
44
3,101
2009年の人工知能学会でのセマンティックWebとオントロジーの概観論文。オントロジーとは「概念化の形式的な仕様」であり、当時すでに研究されていた。今AIエージェント時代に再注目されているオントロジーの基本的な考え方が、15年以上前から議論されていたことがわかる。
ai-gakkai.or.jp/jsai2009/web…
1
886
AI Readyなデータ基盤の整理記事。「AIがSQLを書けること」と「AIがビジネスの問いに正しく答えること」は別の話という指摘がとても重要。
qiita.com/ayumito/items/746f…
データの形を整えるメダリオンアーキテクチャと、意味・関係・業務ルールをAIに渡すセマンティック層／オントロジーの2軸が揃って初めてAI Readyと言える。
17
243
19,042
リコーによるナレッジグラフとオントロジーの関係を整理した解説。構造の理解として参考になる。 promo.digital.ricoh.com/ai-f…
①クラス：データの中に存在するすべての物事の項目を指す。例えば、「人」や「会社」などがクラスに該当。
②関係：1つまたは複数のクラス間の関係を提供。例えば、「人」が「会社」に所属しているという関係がこれにあたる。
③属性：個々のクラスを記述するために使用されるプロパティを定義。例えば、「人」の属性として「名前」や「年齢」など。
13
149
8,783
PalantirをPythonで再現した実装デモが参考になる。通常のDB定義が「データの持ち方」を定義するのに対し、オントロジーでは「ビジネス上の意味（型）」を定義する。なぜオントロジーが「現場で強い」のかが体感できる設計になっている。
zenn.dev/channnnsm/articles/…
30
253
19,542
JFEテクノリサーチが提供するオントロジー技術による知識の体系化サービス。製造現場の課題をオントロジーで解決するアプローチ。社内用語の共通辞書を作成して言葉の解釈ズレを排除する取り組みは、AIが正確に機能するための前処理として重要な気がする。
jfe-tec.co.jp/cae/data_scien…
1
2
487
AIエージェントの精度議論で「モデルが賢くなれば解決する」という話をよく聞くが、現場で感じるのは違う。「この数値はどの定義に基づくか」といった業務知識がLLMに渡っていないケースが圧倒的に多い。オントロジーやセマンティックレイヤーで整備すべきは「意味のインフラ」だと感じている。
1
4
466
Agentic AI時代のセキュリティリスクとガバナンス実装を解説した資料。実際に起きたヒヤリハット（社内情報がインターネットに公開状態で作業など）が生々しくて参考になる。AIの活用推進とガバナンス整備を並走させる体制設計のアプローチがとても重要。
speakerdeck.com/naoichihara/…
1
8
511