AIとdbt platformで実現する「AI-readyなデータ基盤」

運用工数を実質ゼロ化し、リソースを事業成長と AIエージェント開発に集中投資

読了時間の目安 5分

会社名: 株式会社テレシー
事業: 運用型テレビCMを軸とした統合的なマーケティングコミュニケーション施策の企画・実行

AIのガードレールとしてdbtのYAMLファイルを活用し、AIアシスタントとの協働によってデータモデル開発を高速化

数十分かかっていたエラー対応やデバッグが、dbtのオーケストレーション機能により2〜5分で完結

週3〜4時間を費やしていた自前CI/CDのメンテナンスやインフラ管理を実質「ゼロ」へ

少人数のチームでも高いデータ品質と開発スピードを両立を可能に

Challenge

事業成長と運用体制の間に生まれたギャップ

当初、Snowflakeとdbt Coreを組み合わせてデータ基盤を運用していましたが、事業の急速な成長に伴い、よりスピーディかつ堅牢なデータ開発体制が求められるようになりました。

開発スピードと品質保証の両立という課題: 少人数体制の中、CI/CDの整備やモデルの依存関係に基づく自動テストの仕組みづくりに十分なリソースを割くことが難しく、リリース品質と開発速度を両立する仕組みの強化が必要でした。
自前運用によるリソース圧迫: GitHub Actionsで構築したCI/CDの維持に、エンジニアが本来の開発業務とは別に週3〜4時間を費やしており、より付加価値の高い開発業務にリソースを振り向ける余地を生み出す必要がありました。
スケールに見合う体制構築の必要性: 同等の品質を自前で維持し続けるには、少なくとも1〜2名の専任データエンジニアの追加採用が必要。事業スピードに見合った形で、いかに早く堅牢な体制を構築するかが論点となっていました。

Solution

SaaSへの移行と「AI-ready」なデータ基盤設計

「事業開発のスピード加速」を最優先とし、開発環境やCI/CDが標準で揃ったdbt platformへ移行。単なる効率化に留まらず、AI時代を見据えた基盤へと踏み込みました。

圧倒的な費用対効果: 1〜2名のデータエンジニアを追加採用するコスト・時間と比較し、SaaSとして提供されるdbt platformの方がスピーディーかつ低コストで同等以上の体制を構築可能と判断。
AI-readyなデータモデリング: dbtのYAMLファイルでメタデータ・テスト・依存関係を厳格に管理することで、データ開発にガバナンスと、自動テストが効く状態を担保。さらに、このYAML定義はAIにモデル生成を任せる際の強力なガードレールとしても機能します。AIが生成したSQLやモデルが、組織のルールから逸脱しないことを自動で検証できる土台となっています。
データ仕様の共通言語化: dbt Docsによって、データモデルの依存関係や定義を開発者・利用者・AIエージェントが同じ視点で参照可能に。社内のデータ利活用とAI活用の双方を支える基盤になっています。

今年はコードを1行も書かないと宣言しました。dbtのYAMLファイルをAIに読み込ませることで、AIが生成したモデルに対する強力なガードレールになります。AIと壁打ちしながら、より高度な実装に集中できています

欧陽氏株式会社テレシー

Impact

運用工数「ゼロ」と、20倍の生産性向上

dbt platformへの移行は、開発スピードとデータ品質の両面に劇的な変化をもたらしました。

開発スピードの飛躍的な向上: AIとdbtを組み合わせた開発スタイルにより、月8本のペースでデータモデルの新規開発ができる体制に。以前と比較して、生産性は20倍以上に向上したと実感しています。
運用工数の実質ゼロ化:自前CI/CDのメンテナンスから解放され、週3~4時間を費やしていた運用工数が実質ゼロに。
トラブルシューティングの高速化:以前は数十分かかっていたエラー対応やデバッグが、dbt platformのジョブ実行ログとアラート機能により、5分以内に短縮されました。

こうしたスピード面での効果に加え、dbtのテスト機能は、上流の「汚いデータ」に起因する異常を即座に検知し、誤った意思決定を防ぐ防波堤としても機能しています。

私たちの事業はデータセントリック。間違ったデータで意思決定をすることは、クライアント企業様のビジネスに致命的な悪影響を及ぼします。AIが推論するデータが信頼できるものであることが、すべての前提となります。dbtは、正確で高品質なデータを届けるための非常に重要な役割を果たしています。

吉濱氏株式会社テレシー

What’s Next

「1人1台のAIエージェント」が活躍する世界線へ

現在、マーケティング課題にAIを掛け合わせたライトニングシリーズの開発を進めており、データ基盤のさらに先の活用に向けた挑戦も始まっています。

データ開発を加速するAgentOpsの実現: ユーザーインターフェースを通じて、裏側でデータモデルのビルドやテストが自動で回り、要件に沿ったマートが自動生成される「Agenticな世界」へ挑戦していきます。
AIエージェントへの高品質データ供給: 営業1人ひとりに専属のAIエージェントがつく未来に向け、会話型アナリティクスを支えるための独自の分析モデルと、正確で高品質なデータを供給し続ける基盤を強化していきます。

データが絶対に信頼できるものでなければ、AIは真価を発揮できません。dbtとSnowflakeで整えた土台があるからこそ、私たちは次の「世界戦」でビジネスを楽しむことができるのです。

吉濱氏株式会社テレシー

dbtの導入効果を今すぐ体験しませんか？

dbtのエキスパートが、dbt platformがどのように機能するのか、どのようにデータ分析戦略に貢献できるかをご説明します。