Roman StanekのGoodData、BIをAI-native analyticsへ転換した道のり

Roman Stanekは、クラウド上でanalyticsを誰もが使える形にする構想からGoodDataを始めた。

公式の会社紹介では、StanekはGoodDataのFounder & CEOであり、NetBeansとSystinetを経た起業家として紹介されている。出典

分析を「見る」から「届ける」へ

GoodDataはdashboardを置くだけでなく、SaaSや業務プロダクトが顧客へanalyticsを届けるためのplatformを目指した。

Insights-as-a-Serviceの発表では、Stanekは従来のBIが分析ごとに知識を蓄積できない問題を指摘し、「Network of Insights」を掲げている。出典

複雑さをsemantic layerへ閉じ込める

顧客データが複雑になるほど、同じ指標が部署や製品ごとに別の意味になる。

GoodDataはlogical data model、metrics、multi-tenant運用を重ね、analyticsを再利用できる形へ寄せた。

Roman Stanekは公式発表でmany-to-manyのcustomer data問題を解決したと説明している。出典

AI-native analyticsへの転換

現在のGoodDataはAI AssistantやAgent Builderを前面に置く。

しかし転換の核はAI機能の追加だけではない。

既存のsemantic modelとgovernanceを、agentが安全に参照できるcontextへ変えることにある。出典

いま残る課題

analyticsの価値は導入先のデータ品質と業務定義に依存する。

AI時代でもこの問題は消えず、むしろ誤ったmetricsを自動化するリスクが増す。

GoodDataの道のりは、BIからAIへ移るときに、過去の基盤を捨てず意味づけを磨く重要性を示している。

SaaSや業務プロダクトに、顧客向けanalyticsを短期間で組み込みたいチームに刺さる。

単なる社内BIではなく、multi-tenant、権限、metrics再利用をまとめて扱えるため、各顧客向けdashboardを個別開発する負担を減らせる。出典

AI機能の価値も、既存のsemantic layerとgovernanceがあることで初めて業務文脈に接続できる。

GoodDataはAIを単独のchat機能ではなく、analytics infrastructureの上に置いている。出典

metrics、semantic model、multi-tenant権限、analytics-as-codeを一体で運用する知識が蓄積されるほど、単純なdashboard製品との差が広がる。

顧客の業務指標を安全に再利用する実装知が参入障壁になる。出典

強いconsumer network effectではないが、複数顧客のanalytics実装から得たベストプラクティスを製品へ戻せる学習効果がある。

公式発表はNetwork of Insightsとしてこの方向を説明している。出典

顧客向けanalyticsを自社SaaSへ埋め込むproduct manager、data engineer、platform engineerが中心。

単発の可視化より、metricsの一貫性、権限、再利用を重要視する組織に向く。出典

長期的に蓄積したmetricsとsemantic modelを、embedded analyticsとAIの両方へ再利用できる点が強い。

developer docs、customer stories、resourcesを揃え、技術検証と導入判断を分けずに進められる。出典

BIはデータ定義と権限設計が複雑で、AIを足しても入力データの品質問題は消えない。

商談型の導入では、顧客ごとの実装支援と価値検証が必要になる。

公開情報だけではARR、顧客単価、解約率は要確認である。出典

embedded analyticsを必要とするB2B SaaSを入口に、developer documentationとcustomer storiesで技術導入を促す。

既存BIの置換だけでなく、顧客向けanalytics、semantic layer、AI agentへ拡張して一社あたりの利用範囲を広げる。出典

主要チャネル: content, developerDocs, customerStories, github, events

既存BIをAI化するなら、chat UIより先にmetricsとsemantic modelを整えるべきだ。

長年のデータ定義を負債ではなくAIのcontext layerへ変換できれば、旧カテゴリの資産が新しい成長軸になる。出典

日本では、SaaSベンダーや業務パッケージが顧客向けanalyticsを標準機能にする用途から始めるとよい。

業界用語、個人情報、テナント分離をsemantic layerに落とし込む導入支援が、単なる海外BI導入との差別化になる。