はじめに こんにちは、株式会社バンダイナムコネクサスの忠です。 この記事では、Vertex AI Search for Commerce のSearch機能をプロダクトへ導入した際の知見をTips形式でご紹介します。「筆者が実装を始めた当初に、これほどまとまった情報があったなら、どれだけ助かっただろうか」という想いを込めて、これまでの知見を詰め込みました。導入を検討されている方の参考になれば幸いです。 前提 Vertex AI Search for Commerce とは Eコマース（小売業）のウェブサイトやアプリに、Google品質のAIを活用した検索・閲覧・レコメンデ

はじめに こんにちは、株式会社バンダイナムコネクサスの山野です。 昨今のECサイトや動画プラットフォームにおいて、レコメンドや検索はユーザ体験を向上させるうえで今や欠かせない機能となっています。 しかし、高精度な検索システムを最初からフルスペックで実装しようとすると、膨大な開発コストと時間がかかります。意味検索、パーソナライズ、スペル補正、同義語辞書の整備、Google Knowledge Graphのような外部知識ベースとの統合など、考慮すべき要素は多岐にわたり、リソースが限られる中ですべてを実現するのは現実的ではありません。 そこで重要になるのが、少ない工数で段階的に導入し、継続

1. はじめに こんにちは、株式会社バンダイナムコネクサスの山野です。 昨今のECサイトにおいて、商品レコメンドや検索はユーザ体験を向上させるうえで今や欠かせない機能となっています。しかし、高精度なレコメンドシステムを最初からフルスペックで実装しようとすると、膨大な開発コストと時間がかかります。ユーザー行動のモデリング、リアルタイム処理基盤、A/Bテスト環境、多言語対応など、考慮すべき要素は多岐にわたり、リソースが限られる中ですべてを実現するのは現実的ではありません。 そこで重要になるのが、少ない工数で段階的に導入し、継続的に改善していくアプローチです。まずは基本的なレコメンド機能を

はじめに こんにちは、株式会社バンダイナムコネクサスの山野です。 本記事はこちらの記事の後編です。前編では、次のような課題感を共有しました。 PoCで得られたモデルのビジネス効果は見込めているが、いざシステム化しようとすると工数やコストが膨大になり、プロジェクトが止まってしまう（機械学習チームの悲劇） AI/MLシステムは完成しても運用フェーズでアップデートが必要になりがちで、ウォーターフォール的に一度作って終わりにはできない（なんなら開発中にも、精度改善のため・また本番アーキテクチャを踏まえた継続的なモデルアップデートが必要） データサイエンティストとエンジニアとの連携不足から、

記事を開いていただきありがとうございます。 今回は「遊び方を教えてくれるAIチャットボット開発」をテーマに「用例」と「システム構成」を簡単にご紹介させていただきます。 開発したAIチャットボットの紹介 ワンピースカードゲームでは、お客様に向けてルールを公開していましたが、網羅的にルールを記載しているため、お客様が確認したいルールを探すのが難しいという状況でした。 今回のチャットボットではRAGという仕組みを使い、AIチャットボットがユーザーからの入力に合せて適切にルールを回答するということを実現しました。 例えば、ワンピースカードゲームには「起動メイン」という効果があるのですが、自然

こんにちは、データ戦略部 データプロダクト課の永野です。 技術者コミュニティでは日々技術に関する情報を共有するイベントが開催されており、登壇してみたいけど…というハードルを高く感じている方も多いのではないでしょうか。 私自身も今回初めての登壇でしたので、初登壇について振り返りたいと思います。 イベントレポート 白金鉱業Meetupについて 今回、ブレインパッドさんが主催されている白金鉱業Meetupというイベントに招待いただきました。 白金鉱業 Meetup Vol.17@六本木（データマネジメント） (2025/02/20 19:00〜) まずは、自分を含めた登壇者が話していた

はじめに 2024年、バンダイナムコネクサスはエンタープライズ規模のデータ基盤開発から、AIを活用した新たな開発手法まで、私たちの取り組みをTechBlogを通じて発信してきました。 この記事では、これまでリリースした主要な記事を振り返り、当社の技術的な取り組みを紹介します。 データ基盤開発プロジェクト 広告出稿のKPI最大化のためのデータ基盤開発 ～第1章 プロジェクト発足～ 広告出稿のKPI最大化を目指したデータ基盤開発プロジェクトについて、プロジェクト開始当初の課題を踏まえて、取組やシステムの概要・定めたルール、利用者との期待値のすり合わせなどを解説しています。 広告出稿の

こんにちは！バンダイナムコネクサス データ戦略部の吉村です。 データプロダクト課というデータ基盤、機械学習システムを構築しているチームのマネージャーをやっています。 本記事ではマネージャーを行う上で心がけていることを紹介します。 1.リーダーシップ型とフォロワーシップ型マネジメントの使い分け エンジニアリングマネージャーとしての役割を果たす上で実践していることの一つに、リーダーシップとフォロワーシップの使い分けがあります。 ラインマネジメント、プロジェクトマネジメントという他領域のマネジメント業務に対応するためには、状況に応じてこれらを柔軟に切り替えることが重要だと感じています。

こんにちは、データ戦略部 データプロダクト課の鈴木です。 最近LLMやチャットボットなどが流行りに流行っていますが、実際に業務で活用しようとするとコスト問題や情報漏洩リスクなど、様々な要因でハードルが高いと感じる方も多いのではないでしょうか。 本記事ではGoogleのAIモデル Gemini ProとLooker Studioを利用することで、情報漏洩リスクが低いチャットボットを、初期コストゼロで、さらに1時間で簡単に作成する方法をご紹介します。 1. 今回作成するチャットボットの概念図 今回作成するチャットボットの概念図は下記のようになります。 ユーザがLooker Studio

背景・経緯 MLチームの紹介 こんにちは、株式会社バンダイナムコネクサスのデータ戦略部でML（機械学習）チームに所属している山野です。弊社データ戦略部は、グループ最大のデータ戦略部門です。MLチームはMLプロダクト/プロジェクトマネジメント、モデリング、およびMLシステムの開発/運用にスペシャリティを持つメンバーで構成されています。私たちMLチームはこれまで、MLプロダクト開発を一気通貫で担当してきました。過去の案件事例の一つはこちら（レコメンドシステム導入事例）です。 MLチームのスコープ 青背景部分がMLチームのスコープであり、今回はその中の赤枠で示された部分の役割とし

概要 こんにちは、バンダイナムコネクサスの小林です。今回は過去のブログでも取り上げた、ゲームタイトル横断分析ダッシュボードのアーキテクチャを見直したプロジェクトについてご紹介します。 2021年にローンチされたこの横断分析ダッシュボードは社内でも非常に好評で、利用者の拡大とともに出てくる様々な要望を取り込み、機能追加を行いながら運用を続けていました。 一方で、このダッシュボードを支えるデータパイプラインを運用するメンバーはごく少数であったため、限られたリソースは機能追加などのリクエスト対応に割かれることが多く、保守性やコストまで意識したアーキテクチャの改修は後回しになっていました。

はじめに こんにちは！ バンダイナムコネクサスのデータ戦略部でリードデータサイエンティストをしている原です。 データ戦略部ではグループ内事業の意思決定に貢献するために、様々な分析PJTを進めています。今回はその中から、マーケティング・ミックス・モデリング（以下、MMM） を活用しているPJTをご紹介します。 モチベーション 2022年度において、バンダイナムコグループは売上高の5.7%にあたる(1)、約570億円を広告宣伝のために投資しています。投資効果を最大化するため、多数存在する広告宣伝施策に対し、予算配分を最適化することは非常に重要な課題です。 今回のPJTでは、あるスマホ

Cloud Workstations・Gemini Code Assistを活用した開発環境構築 はじめに こんにちは。バンダイナムネクサス データ戦略部の山野です。 今回は、Google Cloudのサービスを活用してエンジニア向けの開発環境を刷新した事例をご紹介します。私たちの課題と、それをどう解決したかについて、具体的なポイントを深掘りしていきます。 経緯と背景 エンジニア向けの開発環境を、ユーザーと管理者の両方にとってより使いやすく、効率的にしたいという要望がありました。そのため、以下の点に注目して改善を試みました。 マネージドサービスを活用した運用の効率化：

こんにちは。バンダイナムコネクサス 上田です。 前回に引き続き、広告出稿のKPI最大化のためのデータ基盤開発について紹介します。 対象読者はデータ基盤新規開発プロジェクト立ち上げに将来携わるエンジニア、PM、ビジネスサイドのメンバー全員を想定し、これから広告関連のデータを触る予定のエンジニアやPMはもちろん、広告関連のデータに関わりのない方、非エンジニアの方にとっても有益な情報となることを願います。 記事に書いてあること 前回までの記事 前回の第2章では 「1. 出稿している広告のデータを毎日収集し、利用しやすく整える」 「2. 出稿している広告の実績レポートを自動で作成し、広告

こんにちは。バンダイナムコネクサス 上田です。 前回に引き続き、広告出稿のKPI最大化のためのデータ基盤開発について紹介します。 対象読者はデータ基盤新規開発に将来携わるエンジニアを想定し、これから広告関連のデータを触る予定の方、Airflowで開発予定の方々にとって有益な情報となることを願います。 記事に書いてあること 前回までの記事 第3章ではAirflowコードをできる限り型化して広告データパイプラインを開発したことを紹介しました。 今回の記事 今回は、第3章で触れた「Airflowコードを型化した」件についてをエンジニア向けにより深く、サンプルコードを含め今後エンジニ

こんにちは。バンダイナムコネクサス 上田です。 前回に引き続き、広告出稿のKPI最大化のためのデータ基盤開発について紹介します。 第1章のプロジェクト発足ではプロジェクト発足に至った背景やプロジェクト運営上の工夫についてご紹介しました。 第2章の今回は出稿している広告のデータを毎日収集し、利用しやすく整えるために行なったデータパイプライン開発を紹介していきます。 対象読者はデータ基盤新規開発プロジェクト立ち上げに将来携わるエンジニア、PM、ビジネスサイドのメンバー全員を想定し、これから広告関連のデータを触る予定のエンジニアやPMはもちろん、広告関連のデータに関わりのない方、非エンジニアの

こんにちは。バンダイナムコネクサス データエンジニアの上田です。 今回は題目のとおり、広告出稿のKPI最大化のためのデータ基盤開発について紹介します。 今回はプロジェクト発足に至った背景やプロジェクト運営上の工夫を紹介していき、次回以降詳細な技術的な内容などをご紹介していきたいと思います。 対象読者はデータ基盤新規開発プロジェクト立ち上げに将来携わるエンジニア、PM、ビジネスサイドのメンバー全員を想定し、これから広告関連のデータを触る予定のエンジニアやPMはもちろん、広告関連のデータに関わりのない方、非エンジニアの方にとっても有益な情報となることを願います。 記事に書いてあること

こんにちは！バンダイナムコネクサス データ戦略部の吉村です。 今回は、わたくしデータマネージャーが、高品質のデータ基盤を構築するための進めかたと意識しているポイントをご紹介します。 高品質のデータ基盤とは プロジェクトの流れを説明する前に高品質のデータ基盤とはどのようなものを意図しているのかをご説明させていただきます。 データマネジメントの聖典であるDMBOKのデータ品質の章にはこのように書かれています。 高品質なデータとは何を意味するのかを定義できる人は少ない。あるいはそれを非常に曖昧な言葉、つまり「データは正しいものでなければならない」、「正確なデータが必要である」などと表現す

こんにちは。バンダイナムコネクサス データ戦略部の藤井です。 今回は題目のとおり、Google Workspaceの1つの機能であるGoogleグループを使った権限管理を最適化した取り組みについて紹介します。 課題 バンダイナムコネクサスでは業務ツールとしてGoogle Workspaceを導入していることに加えて、バンダイナムコグループでグループ共通の業務システム（業務システム）としてMicrosoft 365を導入しています。 この2つのツールを併用して利用している背景としては、前回の記事で紹介したとおりデータレイクとしてGoogle Cloudを利用していたり、バンダイナムコネ

データ戦略部 データプロダクト課 データインフラストラテジーセクションに所属しているデータエンジニアの藤井です。 データインフラストラテジーセクションはネクサスの必需品である「データ」という必需品の基盤を支えるセクションです。 今回は、データインフラストラテジーセクションがグループ会社向けに構築しているデータ基盤について紹介したいと思います。 アーキテクチャ アーキテクチャは以下のようになっています。よくあるデータ基盤構成になっているかと思いますが、今回はグループ企業、規模の大きい会社ならではのことを記述しつつ構成について詳細に紹介したいと思います。 技術スタックと採用基準 弊