Databricks 上の共同分析

はじめに

以前のブログ記事「Databricks でビジネスユーザーを支援する」では、会話型アナリティクス、ガバナンスされたデータアクセス、AI搭載アプリケーションといった機能が、ビジネスユーザーがデータと直接対話できるようにする方法について説明しました。しかし、支援だけでは十分ではありません。

ほとんどの金融機関にとっての真の課題は、個々のユーザーを支援することだけではなく、チーム間のコラボレーションを可能にすることです。クライアント、ポートフォリオマネージャー、オペレーションスペシャリスト、財務チームはすべて、同じ基盤となるデータに依存しています。しかし、それらはしばしば別々のシステムで、ワークフローは断片化され、手動での引き継ぎが行われています。インサイトの伝達は遅くなります。データ定義はずれます。そしてリーダーは、よくある質問をすることになります。

「私たちは皆、同じ数字を見ているのだろうか？」

Databricks Data Intelligence Platform は、データ、アナリティクス、AI、オペレーショナルワークフローのための統合プラットフォームで、この質問に答えます。これにより、組織全体のビジネスユーザーが、同じガバナンスされたデータ上で共同作業できるようになります。これが実際にどのように機能するかを見るために、Databricks SQL、UC Metric Views、および Databricks 上の Lakebase を活用した、現実的なワークフローを順を追って見ていきましょう。

コアとなる緊張関係：同じデータ、異なる世界

同じ投資ポートフォリオに関する質問に、それぞれ全く異なる視点から答えようとする 4 人の専門家を想像してみてください。

• サラ（アクチュアリー）は、負債のキャッシュフローが資産のデュレーションと一致しているかを知りたいと考えています。
• ダン（ポートフォリオマネージャー）は、クライアントのポートフォリオが委託方針に従っているかを確認し、現在のリターンと予想リターンを理解する必要があります。
• ジョン（オペレーション担当）は、IBOR と ABOR の記録を照合し、最大のポジションブレークを追跡しています。
• ベン（財務担当）は、元帳エントリを生成し、調整によって帳簿が正しく閉じられるかどうかを検証する必要があります。

それぞれが異なる質問をします。それぞれが異なるデータアクセスニーズを持っています。それぞれが異なるツールを使用します。しかし、彼らは皆、ポートフォリオ、ポジション、負債、トランザクションという、同じ基盤となるデータに依存しています。

従来、組織はこの課題に対して、アクチュアリーツール、ポートフォリオプラットフォーム、照合ソフトウェア、ERPシステムといったサイロ化されたシステムで対応してきました。Databricks は、この断片化されたモデルを、すべてのチームに統一されたセマンティクスを持つ、単一のガバナンスされたデータプラットフォームに置き換えます。

ビジネスコラボレーションのための Databricks 機能スタック

技術チームにとっては、統一されたツールのセットが約束です。ビジネスユーザーにとっては、手動での引き継ぎが減り、データ操作ではなく意思決定に費やす時間が増えることが約束です。

スタックがその約束にどのように対応するかは次のとおりです。

• Genie（会話型アナリティクス）で、データに話しかけましょう。 ビジネスユーザーは、通常の英語で質問し、検証済みのガバナンスされたデータに基づいた回答を得ることができます。SQL は不要です。データチームへのチケットも不要です。そして、One Chat によるインテリジェントルーティングにより、ユーザーはどの Genie スペースがどのドメインを処理するかを知る必要がありません！システムが自動的にクエリを正しいコンテキストにルーティングします。
• Databricks Apps によるシームレスな引き継ぎインターフェイス。 ビジネスユーザーに、レポートを確認するだけでなく、アクションを実行できる、リッチでインタラクティブなインターフェイスを提供します。注釈の追加、調整の承認、下流ワークフローのトリガーなどを、すべてガバナンスされたアプリケーションレイヤー内で行えます。
• Lakebase による低遅延サービングレイヤー。 トランザクションおよびオペレーショナルデータバックボーンとして機能し、ミドルオフィスおよびバックオフィスワークフローが要求する照合チェック、残高検証、リアルタイム書き込みをサポートします。分析インサイトとオペレーショナルアクションの間の橋渡しとなります。
• Lakeflow Designer によるドラッグ＆ドロップ。 ビジュアルでローコードのインターフェイスを通じて、Lakeflow Pipelines のデータエンリッチメントと変換を可能にします。これにより、サラのチームのようなチームは、エンジニアリングサイクルを待たずに、生の資産および負債データをエンリッチできます。
• Unity Catalog による強力なデータガバナンス。 行レベルセキュリティ、列マスキング、RBAC および ABAC ポリシーを使用した分離境界を提供し、サラの負債データへのアクセスとベンが元帳エントリにアクセスする際に、同じ基盤となるテーブルをクエリしていても、それぞれ独立してガバナンスされることを保証します。
• Unity Catalog の Business Semantics による一貫した用語定義。 同じデータ、適切なアクセス、そして組織全体で同じ用語を使用できます。

そして、AI モデルのイノベーションのペースは衰えることがないため、Databricks のモデルに依存しないアーキテクチャにより、新しいモデルへの切り替え、マルチモーダル機能の採用、マルチクラウド環境への対応を、データプラットフォームを再構築することなく迅速に適応させることができます。

意図からインパクトへ：クローズドループのビジネスワークフロー

これを具体的に見ていきましょう。次のシナリオは、アクチュアリーの分析からバックオフィスの最終的な元帳エントリまで、ポートフォリオデュレーションの調整要求という単一のビジネスインテントを追跡します。

ステップ 1：戦略はビジネス（クライアント）から始まる

アクチュアリーのサラは、戦略的資産配分を担当しています。彼女の仕事は、「資産は、適切なデュレーションで、適切な割合で負債をカバーしているのだろうか？」という質問から始まります。

彼女は Databricks 上のGenie を開き、通常の言語で「資産キャッシュフローは、マッチング分析のために負債のタイミングと一致していますか？」と尋ねます。Genie は負債と資産のテーブルをクエリし、デュレーションの不一致を表面化させ、インタラクティブなダッシュボードに表示します。サラはLakeflow Designer Pipelines を使用して生データをエンリッチし、目標デュレーションを変更する必要があると結論付けます。彼女は、委託変更の正式な要求を提出します。

ここでのメッセージ：戦略は初日からデータ駆動型です。アクチュアリーの推奨は、先週のエクスポートされたスプレッドシートに基づいているのではなく、組織の他のメンバーが使用するのと同じライブでガバナンスされたデータに基づいています。

ステップ 2：フロントオフィスが戦略を行動に変換する（ポートフォリオ管理）

ポートフォリオマネージャーのダンは、Databricks App を通じてサラからの要求を受け取ります。彼は、プラットフォームを離れることなく、コンテキスト、基盤となる分析、デュレーションギャップ、および提案された調整を確認できます。

そこから、AI エージェントが作業を開始します。それらは、外部 MCP サーバーを通じて最新の市場データを取得し、シナリオモデルを実行してデュレーションシフトのリターンとセクターへの影響を理解し、トレードオフ分析をダンのワークフローに直接表面化させます。ダンは出力をレビューし、パラメータを調整し、「X 年間デュレーションをシフトする」という高レベルの意図を、具体的なポートフォリオ変更（特定のセクターエクスポージャーの調整、リターン目標、および実行レイヤーに伝えられるポジションの変更）に変換します。

ステップ 3：ミドルオフィスがオペレーションの整合性を確保する（オペレーション / 評価）

ポートフォリオの変更がキューに入れられると、オペレーション担当のジョンが引き継ぎます。彼の仕事は、投資元帳（IBOR）と会計元帳（ABOR）が照合されていることを確認することです。

ジョンは、Databricks Apps を介した AI 搭載の照合を使用して、IBOR/ABOR レコードを並べてレビューします。システムは不一致をフラグ付けし、タイミングの違い、決済の失敗、データマッピングの問題など、根本原因を表面化させ、修正調整を提案します。これらの調整は、ガバナンスされたLakebase テーブルに直接書き込まれ、すべての修正の監査可能でタイムスタンプ付きの記録を作成します。

ステップ 4：バックオフィスがループを閉じる（投資オフィス / 財務）

Benはバックオフィスで、Johnのチームが準備した調整エントリを確認します。Databricks AppsとLakebaseを使用して、彼は修正を承認し、対応する総勘定元帳エントリを生成し、AI/BIダッシュボードを通じて最終的なリスクレビューを実行し、ポートフォリオ全体のリスクプロファイルが委任変更後に許容範囲内であることを確認します。

Benが見るすべてのもの、ポートフォリオのポジション、照合調整、リスクメトリクスは、Sarahがこのワークフローの最初にクエリしたのと同じガバナンスされたデータプラットフォームにたどります。システムが1つしかないため、システム間の照合は不要です。

ここでのメッセージ：レポート、リスク、会計は同じ真実の情報源で運用されます。バックオフィスはフロントオフィスに追いついているのではなく、同じループを、同じデータで、リアルタイムで完了しています。

エグゼクティブのテイクアウェイ

金融サービスリーダーにとって、このパターンは4つの重要な利点をもたらします。

1. ビジネス全体で1つのプラットフォームにより、サイロ化されたツールの連携に伴う統合コストが不要になります。
2. AIはデータサイエンスにサイロ化されるのではなく、ビジネスワークフローに組み込まれます。AIは、信頼できる同僚のように、日々の意思決定を行う人々を支援します。
3. Unity Catalogによる意思決定から元帳までのガバナンスされたリアルタイムデータにより、アクセス、トレーサビリティ、コンプライアンスが後回しになることはありません。
4. あらゆるステップでの人間とAIのコラボレーションにより、人間の判断と説明責任を維持しながら、インサイトからアクションまでの時間を劇的に短縮します。

この話はツールに関するものではありません。戦略から実行までのサイクルを圧縮しながら、コントロールを強化することです。それは単なるテクノロジーストーリーではありません。それはビジネスをより良く運営する方法です。

ループを閉じる準備はできましたか？

アクチュアリーからファイナンスまで、すべての意思決定は、同じガバナンスされたリアルタイムの真実の情報源に値します。前進する方法は次のとおりです。

• 試してみてください：今すぐ無料のDatabricksトライアルを開始してください
• 実際に見てみましょう：Lakeflow、Unity Catalog、AI/BIなどをカバーする製品ツアー、ビデオ、ハンズオンチュートリアルについては、デモセンターをご覧ください。
• 基本を学ぶ：無料のAcademyトレーニングで始めましょう
• ダウンロード：Business Intelligence meets AI eBook

お話しする準備はできましたか？Databricksアカウントチームに連絡して、Databricksがビジネスユーザーの日常のワークフローをどのように変革できるかをご確認ください。

(このブログ記事はAI翻訳ツールを使用して翻訳されています) 原文記事