支援例
AI活用を見据えたデータ連携再設計支援
業種: Data Integration
背景
AI活用に必要なデータを安定的に集約するため、既存のデータ連携方式を見直す必要がありました。HULFT Squareとデータ基盤をつなぎ、AI利用を見据えたデータフローを設計しました。
課題
AI活用に必要なデータを継続的に集約するため、既存連携方式の見直しが必要でした。
想定スコープ
- AI活用に必要な業務データ、連携頻度、品質、権限、データ基盤接続を対象に設定。
- HULFT Square、Databricks、既存業務システム間のデータ流通を整理。
- AIアプリが利用しやすいデータ提供層まで含める。
支援内容
データ基盤との接続、連携頻度、データ品質、AI利用に向けた提供方式を整理しました。
技術ポイント
- 業務システム、ファイル連携、データ基盤、AIアプリの間で必要なデータ流通を整理しました。
- 連携頻度、データ品質、メタデータ、エラー時の再処理をAI利用前提で設計しました。
- Databricksなどのデータ基盤へ接続しやすい形で、データ提供層を整理しました。
進め方
- AI活用テーマごとに必要なデータ、鮮度、品質、権限を確認しました。
- 既存連携を棚卸しし、HULFT Squareで再設計する候補フローを整理しました。
- データ基盤への接続方式、監視、運用担当の責務を設計しました。
成果物
- AI向けデータフロー設計図。
- 連携対象データ、品質チェック、メタデータ、監視項目一覧。
- HULFT Squareからデータ基盤への接続方式案。
リスクと対策
- AI利用に不要な個人情報や機密項目が流れないよう、データ分類とマスキングを検討。
- データ鮮度不足でAI回答が古くならないよう、連携頻度と更新確認を設計。
- 連携失敗時にAI側が誤った判断をしないよう、データ到着確認と例外処理を定義。
使用技術
成果
AI活用に接続しやすいデータ連携の設計方針を明確にしました。
- AI活用に必要なデータを継続的に届けるための連携方針が明確になりました。
- データ品質と運用監視を含めた連携基盤の改善ポイントを整理できました。
- 業務システムとAI基盤をつなぐ現実的なデータフローを設計できました。
次フェーズ
- 代表ユースケースでデータ連携を検証。
- データ品質監視とAI評価を接続。
- 対象データとAIユースケースを段階拡大。