年間分析総括レポート
今年の実測KPIと需給ギャップ
意思決定の詰まりは、分析の需要と供給の差で可視化できます。需要側は「見られて、使われて、刺さったか」。供給側は「新鮮で、速く、壊れないか」。今年の実測から、意思決定に使える基準値を更新します。
需要側KPIの再定義
ダッシュボードDAU/全社比は22％→27％と改善しつつ、アクション率（ダッシュボード閲覧後24時間以内にチケット/発注/キャンペーン起票）が9％で頭打ちでした。検索ヒット率（探した指標が見つかった割合）は71％。半減期（ダッシュボードが意思決定に使われなくなるまでの期間）は84日→63日に短縮。来期は以下に振り切ります。
- アクション率12％をSLO化（各事業で上位12本の「コア指標」だけに絞る）
- 半減期60日以下の非コアはアーカイブし、検索ノイズを20％削減
- メトリクス辞書は定義・粒度・担当・更新頻度を必須化し、検索ヒット率80％を目標
供給側KPIの底上げ
ETLの新鮮度（95パーセンタイル）は75分→58分、失敗率は1.9％→0.8％、インシデントMTTRは96分→41分。モデルから本番ダッシュボード反映までのリードタイム中央値は19時間。来期は「60分新鮮度・1％失敗率・MTTR30分・リードタイム12時間」をSLOに固定し、違反時は自動で「原因と改善PR」を義務化します。
成果を出すための性能・コスト最適化（決め切る数値）
コストは「1意思決定あたり単価」で評価します。今年は可視化ツール閲覧1回あたり5.8円→3.9円。達成のために、曖昧だった線引きを数値化しました。
- ストレージ:コンピュート比は6:4を上限。90日非参照テーブルは自動隔離→30日後削除
- 日付パーティション＋2列クラスタでスキャン量を35％削減。ZSTD圧縮を標準化
- 上位10クエリはマテビュー化、再計算は15分間隔。キャッシュヒット率70％未満は調整対象
- 増分ロードはunique_keyで重複除去、MERGEは小分割バッチ化でロック競合45％低減
- 予約リソースは平日10–17時の利用率70％超で購入、それ以外はオンデマンドに切替
開発生産性では、CopilotでELTスクリプトのレビュー工数を27％圧縮。SQLの実行計画は週次で自動収集し、コスト悪化上位5件は必ず「インデックス/クラスタ鍵/ジョイン順序」まで掘り下げて修正しました。なおPIIはカラムレベルでマスク、検証は疑似データで回します。
身近な企業活用例：地域スーパーのリピート率を救った基盤の使い方
地域スーパーの事例。ID-POSとアプリの購買/来店データを持ちながら、全店一律の10％クーポンを乱発し、粗利が年初比で1.2ポイント悪化。失敗の原因は「全体最適の誤解」と「指標の未定義」でした。来期に先んじて、以下を実装して立て直しました。
- メトリクス辞書に「リピート率（30日内再来店）」「カテゴリ粗利」「在庫回転」の定義と粒度を登録
- 特徴量を共通化（来店間隔、価格感度、時間帯嗜好、カテゴリ親和）。特徴量ストアで再利用率を70％に
- キャンペーンはupliftモデリングで配布対象を選定。閾値は「期待粗利＋0.3％未満は不配布」
- ETL新鮮度は30分。朝9時/夕方4時にマテビュー更新、在庫連動で品切れ候補を除外
結果、リピート率は+4.8ポイント、粗利は+0.6ポイント回復、クーポン原価は28％削減。現場支援ではChatGPTとClaudeを連携し、店舗スタッフが自然言語で「今日の夕方に効く惣菜クーポンは？」と尋ねると、辞書とRAGで定義を参照しつつ推奨を返す仕組みに。誤回答は週次でオフライン評価（トップK再現率0.85未満はプロンプト/メトリクス定義を要修正）。分析チームはCopilotでSQL差分のレビュー速度を上げ、Geminiで棚割りレポートのドラフト生成を自動化しました。
失敗から学んだ運用ルール
「在庫未反映で推奨」問題が初月に発生。ダッシュボードは正しかったが、クーポンAPIへの伝播が15分遅延。対策は「指標の鮮度SLOをAPI契約に内包」「在庫0は強制フィルタ」「SLO違反時はキャンペーン自動停止」。これで現場の信頼度（NPS換算）は+12上昇しました。
来期に向けた設計原則とロードマップ
来期は「削る→磨く→広げる」を四半期で回します。削る：メトリクスとダッシュボードを3割減らし、コア指標を全社で統一。磨く：SLOとコスト警報を自動化し、インシデントの「検知から暫定対応」までを10分に。広げる：分析をプロダクト化し、意思決定API（定義と鮮度を契約化した推奨API）を各事業に提供します。
- Q1：メトリクス辞書の完全移行、検索ヒット率80％、非コアアーカイブ完了
- Q2：新鮮度60分・失敗率1％SLOを達成、予約リソース最適化でコンピュート単価15％削減
- Q3：意思決定APIを2ドメインで本番化、アクション率12％に到達
- Q4：生成AIアシスタントのオフライン評価を常設化（指標一致率0.9/逸脱時ロールバック）
数字に寄せ切る理由は単純で、分析は「読まれて終わり」だと価値が薄いからです。定義・鮮度・コスト・活用率をSLOで固定し、失敗時の自動是正まで含めて初めて、現場で効く「事業オペレーションの一部」になります。データ解析プラットフォーム事業として、来期もこの運用設計を土台に、分析を意思決定の標準装備へ地続きで押し上げます。
