【イベント参加レポート】現場で使える「データの出口」とは｜Squadbase Community Meetup #0 1. はじめに データ基盤やBIを整備し、ダッシュボードまで用意したのに、現場ではCSVをダウンロードして手元で加工している。データ活用を推進している方にとって、何度も向き合ってきた課題ではないでしょうか。 最近は生成AIによって、データを分析したり、ダッシュボードの画面を作ったりするハードルが大きく下がりました。一方で、「現場で使われない」という課題までは、それだけで解消されるわけではありません。 2026年9月30日に開催された「Squadbase Commu

はじめに こんにちは、2026年4月入社の新人エンジニア、yasunoriです。 9月10日（木）・11日（金）に開催されたSNOWFLAKE WORLD TOUR TOKYO 2026に参加してきました！ 私は現在、データパイプラインの開発を担当しており、主にデータの取り込みや加工を通じてSnowflakeを学んでいます。新入社員ということもあり、業務に携わるまではSnowflakeについて全く知りませんでしたが、今回のイベントはSnowflakeへの理解を広げるよい機会になりました。 参加前は「初心者の自分でも内容についていけるだろうか」と少し不安もありましたが、基礎から学べるセ

はじめに Salesforce社のInformatica（インフォマティカ）が提供するクラウドデータマネジメントプラットフォーム「Intelligent Data Management Cloud」（※1、以下IDMC）では、マスタデータ管理（MDM：Master Data Management）ソリューションがSaaSとして提供されています。 ※1. Intelligent Data Management Cloud 略称はIDMC。旧称はIICS。クラウドデータマネジメントプラットフォーム。 MDMとは、企業内に散在する顧客・製品・取引先などのマスタデータを統合・管理し、全社で

はじめに こんにちは！NTTデータにて1GPUにおけるトークン処理量を向上させるべく、日々GPUリソース最適化の検証を行っているエンジニアの居倉です。 2026年9月8日、Nutanixのイベント「.NEXT On Tour Tokyo 2026」に参加してきました。今回は3人でイベントに参加し、それぞれが聴講したセッションを記事にすることになりました。第1回となる本記事では、私が参加したAI基盤の配置とAI利用の管理に関する2つのセッションを紹介します。 こんな方に読んでいただきたい記事です AI基盤の企画・設計・運用に関わっている方 GPUや生成AI基盤のリソース最適化に興味が

1. はじめに マネージドなエージェント実行基盤を業務に入れる前には、「どのモデルを使わせるかを IAM で縛れるか」「誰が何をしたかを後から追えるか」を確認しておく必要があります。エージェントはモデル呼び出しとコマンド実行を自律的に繰り返すため、ここが曖昧なままだと、利用範囲の制御も監査も運用設計に落とせません。 AWS（Amazon Web Services）は 2026/09/29 に、Amazon Bedrock Managed Agents（powered by OpenAI、以下 BMA）をPublic Previewとして発表しました。提供リージョンは US East

1. はじめに 動画を検索や分析に使うには、「どこで何が起きたか」を開始・終了時刻つきのデータにする必要があります。従来の動画言語モデルでも、プロンプトでタイムスタンプを求めればそれらしい答えは返ります。ただ、その時刻がどれだけ正確なのかは、正解が分かっている動画で測らないと判断できません。 TwelveLabs の Pegasus 1.5 は、Amazon Bedrock のモデルカード上の提供開始日が 2026/10/08（2026/10/13 確認）の動画理解モデルです。Pegasus 1.2 からの主な追加点は analysis_mode: "time_based_metad

はじめに NTT DATAの加藤です。私たちは、仮想化基盤を管理・運用するサービス「Prossione Virtualization（以下、PV）」を開発しています。 この記事は「Prossione Virtualizationを理解する・使ってみる」シリーズ Vol.2 です。 前回の「【PV連載 Vol.1】仮想化とは？ハイパーバイザーとVM・コンテナの違い」では、仮想化の仕組みと、それを継続して運用する難しさを紹介しました。今回は実際に手を動かし、Linux上に仮想マシンを1台作ります。 コマンドを打ちながら、仮想マシンに用いるイメージの準備から、仮想マシンの作成、接続、停止、

はじめに こんにちは、データエンジニアをしているMaruです。 最近、LLMを用いた検索システムだけでなく、「情報同士がどのような関係にあるのか」を踏まえた検索への活用も注目されています。その手段の一つがナレッジグラフです。 一方で、ナレッジグラフを一から人手で構築するには大きなコストがかかります。そこで、LLMを利用して文章からエンティティやリレーションを抽出し、ナレッジグラフを自動構築するアプローチがあります。 本記事では、Neo4j GraphRAG for PythonのSimpleKGPipelineを利用し、スキーマを指定しないFREE、LLMがスキーマを推定するEXTR

この記事の対象者 System One Model(本記事ではLaya)を用いたテーブルデータの分類問題に興味がある方 Layaの実装に興味がある方 はじめに 2026年9月にリリースされたJevと呼ばれるモデルが話題になっています。 このモデルは通常の生成AIと異なり、文章を一切生成せず、高速な「判断」と確率・確信度のみを出力する、TypeSafe AIが開発した「System One Model」と呼ばれる新しいカテゴリのモデルです。 System Oneとは、心理学者ダニエル・カーネマンの著書『ファスト＆スロー』で紹介されている、人間の素早く直感的な思考「システム1（速

Databricksへの移行を支援するツールを試してみた 1. はじめに NTTデータの丹羽です。Databricks Championとしても活動しています。 近年、既存のデータウェアハウス（DWH）からDatabricksへのマイグレーションを検討する機会が増えています。 Databricksでは、Teradataなどの既存DWHからDatabricksへの移行を支援するツールとして、Lakebridgeが提供されています。 本記事では、Databricks CLIおよびLakebridgeをセットアップし、TeradataのソースコードをDatabricks向けに変換するま

TeradataからDatabricksへの移行検証で判明した課題・対策を紹介します。 1. はじめに NTTデータの丹羽です。Databricks Championとしても活動しています。 Databricksが提供するマイグレーション支援ツール Lakebridge を利用し、TeradataからDatabricksへの移行を検証しました。 本記事では、Lakebridgeの機能紹介ではなく、TeradataからDatabricksへの移行検証を通じて分かった効果・課題・適用範囲と、その対策について紹介します。 ! 本記事は検証結果に基づくものであり、製品の性能・結果を保証す

1. はじめに AI コーディングエージェントを、操作ごとの承認なしで動かす運用が増えています。そうした運用で問題になるのは、「どこまで触れるか」だけではありません。「触れてよいものに対して何をしてよいか」も決めておく必要があります。コンテナや microVM はアクセス範囲に境界を引けます。一方で「機密ファイルを読んだあとは特定の宛先への送信を禁止する」「Slack への投稿は10分に3回まで」のような、過去の操作履歴に応じたルールは別の仕組みで持つ必要があります。 2026/10/07 に、AWS（Amazon Web Services）が Strands Box を devel

1. はじめに 推論モデルをチャット UI や業務アプリに組み込むと、回答が出るまでの数秒をどう埋めるか、モデルがどのようなアプローチを取ったかをどう説明するかが課題になります。推論トークンは output トークンとして計上されますが、GPT-5.x / GPT-6.x などのクローズドウェイトのモデルでは、生の推論内容は API で公開されません。会話継続用には、暗号化された推論情報が返される場合があります。 AWS（Amazon Web Services）は 2026/10/09（米国時間）に、Amazon Bedrock の Responses API で OpenAI モデ

はじめに 企業の業務改革やシステム刷新についてお客様と会話していると、次のようなテーマで MDM（Master Data Management：マスタデータ管理） の導入が検討されるケースが多いように感じます。 取引先管理業務の改革 顧客管理業務の改革 社員管理業務の改革 製品管理業務の改革 商品管理業務の改革 原材料管理業務の改革 いずれも「取引先」「顧客」「社員」「製品」「商品」「原材料」といった、企業にとって重要なデータを扱う業務です。 そのため、 顧客管理を高度化したいので、顧客MDMを導入する あるいは、 商品管理業務を統合したいので、商品MDMを構築する とい

1. はじめに 2026年9月に、AWS Certified Generative AI Developer - Professional（AIP-C01、以下AIP）を受験し、817点で合格しました！ 学習を始める前は、AWS Certified Solutions Architect - Professional（以下SAP）を取得していたものの、Amazon Bedrockを使った経験はありませんでした。 この記事では、受験前の前提知識、実際に使った教材と勉強方法、そして学習を通して得られたことを紹介します。 2. 前提知識 筆者の前提知識は、以下のとおりです。 AWS認

NTTデータ2年目社員の湯川と、1年目社員の喜田(@kidatakeru)と齋藤(@maaya)です。 クラウドインフラ領域に携わる若手エンジニア3名で、2026年7月30日・31日に東京ビッグサイトで開催された Google Cloud Next Tokyo 2026に参加しました。 本記事では、参加したセッションや展示から、クラウドインフラやSREの業務とのつながりを感じた内容を紹介します。 DAY 2のレポートでは、AIエージェントを支えるインフラ、実行基盤、データ、セキュリティについて紹介しています。 https://zenn.dev/nttdata_tech/articles

NTTデータ3年目社員の栫と、1年目社員の喜田（@kidatakeru）、齋藤（@maaya）です。 2026年7月30日・31日に東京ビッグサイトで開催されたGoogle Cloud Next Tokyo 26のDAY 2レポートです。 DAY 2で特に印象に残ったのは、運用に関する話題の多さです。 基調講演ではAIエージェントを動かし続けるための基盤が紹介され、各セッションでもデータベース移行に伴うチューニング、ハイブリッドクラウド運用、障害対応、オブザーバビリティなど、システムを継続的に運用するための工夫が語られていました。 新機能そのものよりも、「作った後にどう運用するか」に焦点

World Robot Conference 2026 現地レポート 本レポートでは、WRC2026で見えた技術トレンドと、中国ロボット産業の動向、そしてNTT DATAにとっての示唆について紹介したい。 中国が牽引する「Physical AI」の現在地と、その先に見えるロボット社会 2026年8月19日から23日にかけて、中国・北京市で開催された「World Robot Conference 2026（WRC2026）」に参加した。300社超、2,000点超の展示が集まる本イベントは、世界最大級のロボット展示会として、現在のロボティクス業界の方向性を知るうえで非常に重要な場と

Sigmaの紹介: 業務部門が自分でデータ分析できるBIツール 目次 はじめに Sigmaの機能まとめ 特徴1 Excelに近い操作感でデータ分析できる 特徴2 ドラッグアンドドロップでも可視化できる 特徴3 Workbook上で分析からダッシュボード作成まで進められる 特徴4 ダッシュボードだけでなくWebアプリのような画面も作成できる 特徴5 Input TableとWritebackでSnowflakeへ書き戻せる 導入検討時に見るべきポイント 観点1 業務部門が自分で分析したい領域はどこか 観点2 SnowflakeなどのクラウドDWHとの役割分担 観点3 書き戻し

SAP Analytics Cloudの非対称レイアウトを試してみた はじめに SAP Analytics Cloud（SAC）では、2026 Q2のアップデートでテーブルの非対称レイアウト（Asymmetric Reporting） が利用できるようになりました。 Asymmetric Reporting Layout 月次レポートでは、「4月までは実績、5月以降は予測」のように、実績と予測を1つの表で連続して見せたいケースがよくあります。 従来のテーブルでは、ActualとForecastを並べても、その内側に配置した月ディメンションは共通です。そのため、実績が4月までしかな