---
title: "データ"
updated: "2026-11-16"
url: "https://www.etheon.com/ja/services/data"
---

# データエンジニアリングと分析

パイプラインからBIまで、データエンジニアリングを手がけます。お客様の分析とAIを支えるパイプライン、プラットフォーム、ガバナンスを構築します。

注文 1042

### 01 データソース

データソース。

すべての注文は、それを受けたシステムのエクスポートの一行から始まります。

```
orders export
1042,C-88,49.00,EUR,2026-11-12 09:14
```

- 分析者には顧客名をマスキング
- リネージ raw.orders → stg\_orders → fct\_orders
- 24か月保持した後に削除

### 02 取り込み

取り込み。

その一行は、届いたままの形で各フィールドに名前を付けて、rawレイヤーに格納されます。

```
raw.orders
order_id     1042
customer_id  C-88
amount       49.00
currency     EUR
ordered_at   2026-11-12 09:14
```

- 分析者には顧客名をマスキング
- リネージ raw.orders → stg\_orders → fct\_orders
- 24か月保持した後に削除

### 03 クリーニングとチェック

クリーニングとチェック。

型とタイムゾーンを修正し、次に進む前にすべてのフィールドをチェックします。

```
stg_orders
order_id     1042                  unique
customer_id  C-88                  not empty
amount       49.00 EUR             positive
ordered_at   2026-11-12 09:14 UTC  in range
```

- 分析者には顧客名をマスキング
- リネージ raw.orders → stg\_orders → fct\_orders
- 24か月保持した後に削除

### 04 モデリング

モデリング。

お客様の規模、コスト、アクセスルールに合わせて構築するデータウェアハウスとレイクハウス。

- お客様の技術スタックに合うプラットフォーム
- 把握できるコスト
- ロールに応じたアクセス

```
fct_orders
order_id     1042
customer_id  C-88
amount       49.00 EUR
ordered_at   2026-11-12 09:14 UTC
segment      SMB   from customers
region       EU    from accounts
```

- 分析者には顧客名をマスキング
- リネージ raw.orders → stg\_orders → fct\_orders
- 24か月保持した後に削除

### 05 提供

提供。

その注文は、レポートが使う指標と、モデルが読む特徴量に集計されます。

```
metrics, features
metric   weekly_active_customers  counted
feature  orders_last_7_days       3
```

- 分析者には顧客名をマスキング
- リネージ raw.orders → stg\_orders → fct\_orders
- 24か月保持した後に削除

### 06 意思決定

意思決定。

人はレポートで指標を読み、モデルは特徴量を多くの入力の一つとして読みます。

```
report, model
report  Weekly active customers
model   churn risk, one input of many
```

- 分析者には顧客名をマスキング
- リネージ raw.orders → stg\_orders → fct\_orders
- 24か月保持した後に削除

### パイプライン。 データをソースから移し、途中でクリーニングとチェックを行います。

#### 概要

データパイプラインは、データが生まれる場所から使われる場所へデータを移し、その途中でチェックします。当社はお客様のソースを接続し、スケジュールに沿って、または発生と同時にデータを読み込み、レポートやモデルが読む前に各レコードをクリーニングしてテストします。

#### 提供内容

- ソースの接続。
- スケジュールに沿った、または発生と同時のデータ取り込み。
- 途中でのクリーニングとチェック。

#### 実施方法

1. 接続する: お客様のソースを、それぞれ担当者を決めて接続します。
2. 読み込んでチェックする: スケジュールに沿って、または発生と同時にデータを読み込み、途中でチェックします。

#### 成果物

- お客様のリポジトリにあるパイプライン
- 読み込みのたびに実行されるデータチェック
- すべてのソースとその担当者のマップ

#### 技術スタックとツール

- Data integration
- Workflow orchestration
- Data quality checks
- Streaming

#### 関連

- [データプラットフォーム](https://www.etheon.com/ja/services/data?detail=platforms#platforms)

### データプラットフォーム。 お客様の規模、コスト、アクセスルールに合わせて構築するデータウェアハウスとレイクハウス。

#### 概要

データプラットフォームとは、会社のデータを保存し、モデル化し、クエリする場所です。当社は、お客様の技術スタック、規模、アクセスルールに合うデータウェアハウスとレイクハウスを構築し、コストを見える化することで、成長しても無理のない費用に保ちます。

#### 提供内容

- お客様の技術スタックに合うプラットフォーム。
- 把握できるコスト。
- ロールに応じたアクセス。

#### 実施方法

1. 選ぶ: お客様の技術スタック、規模、コストに合うプラットフォーム。
2. 構築する: ストレージ、モデル、アクセスルールを、コードとして記述します。

#### 成果物

- コードとして構築したデータウェアハウスまたはレイクハウス
- ロールごとのアクセスルール
- コストレポート

#### 技術スタックとツール

- Data warehouses
- Lakehouses
- Infrastructure as code
- Cost monitoring

#### 関連

- [DevOpsとSRE](https://www.etheon.com/ja/services/cloud?detail=devops#devops)

### MLデータ。 モデルが学習するデータセットを、ラベル付けし、モデルとともにバージョン管理します。

#### 概要

MLデータとは、モデルが学習し、テストされるデータです。当社はモデルのタスクに合わせてデータセットにラベルを付け、ラベル付けの前に個人データをマスキングし、各データセットを学習させるモデルとともにバージョン管理します。これにより、どの結果もそのデータまでさかのぼれます。

#### 提供内容

- モデルのタスクに合わせてラベル付けしたデータセット。
- すべてのデータセットを、そのモデルとともにバージョン管理。
- ラベル付けの前に個人データをマスキング。

#### 実施方法

1. ラベル付けする: モデルのタスクに合わせてデータセットにラベルを付けます。個人データは先にマスキングします。
2. バージョン管理する: 各データセットを、学習させるモデルとともにバージョン管理します。

#### 成果物

- ラベル付きデータセット
- 各モデルに紐づいたバージョン
- 各データセットの作成方法の記録

#### 技術スタックとツール

- Labelling tools
- Dataset versioning
- Data quality checks
- Redaction tools

#### 関連

- [MLOps](https://www.etheon.com/ja/services/ai?detail=mlops#mlops)

### 分析とBI。 すべての指標に、一つの定義、担当者、テストを。

#### 概要

分析とBIは、データをチームが合意できる数字に変えます。当社はすべての指標に一つの定義、担当者、更新のたびに実行されるテストを用意し、チームが読むレポートとダッシュボードを構築します。

#### 提供内容

- すべての指標に一つの定義。
- すべての指標に担当者。
- 更新のたびに実行されるテスト。

#### 実施方法

1. 定義する: すべての指標に、一つの定義と一人の担当者を。
2. テスト: 誰かが数字を読む前に、更新のたびに実行されるテスト。

#### 成果物

- このページで示している形式での指標の定義。

#### 技術スタックとツール

- Data transformation
- BI dashboards
- Metric definitions
- Data quality checks

### ガバナンス。 ロールに応じたアクセスと、お客様が選んだリージョンでのデータ保管。

#### 概要

データガバナンスは、誰がどのデータを見られるか、どこに、どのくらいの期間保管するかを決めます。当社はロールに応じてアクセスを設定し、お客様が選んだリージョンにデータを保管し、不要な箇所では個人データをマスキングし、スケジュールに沿って削除し、すべてのアクセスを記録します。

#### 提供内容

- お客様が選んだリージョンでのデータ保管。
- ロールに応じたアクセス。
- 不要な箇所での個人データのマスキング。
- スケジュールに沿った保持と削除。
- すべてのアクセスを記録。

#### 実施方法

1. 把握する: 各データセット、それを必要とする人、とどめるべき場所。
2. 適用する: ロール、マスキング、削除をプラットフォームで設定し、すべてのアクセスを記録します。

#### よくある質問

**自社のデータはどこに保存されますか？**

お客様が選んだリージョンです。データとそのバックアップは、そのリージョンにとどまります。

**自社のデータに誰がアクセスできますか？**

お客様が承認したロールだけです。アクセスはロールごとに付与され、各ロールに必要な範囲に限られ、すべてのアクセスが記録されます。

#### 成果物

- ロールごとのアクセスマップ
- 保持と削除のルール
- 監査担当者が読めるアクセスログ

#### 関連

- [Etheonでのお客様のデータ](https://www.etheon.com/ja/company/trust#your-data)
- [データ処理契約](https://www.etheon.com/legal/dpa)

## お客様の手元に残るもの。

すべての指標とすべてのデータセットには、その定義が付いています。

### 週間アクティブ顧客数。

指標 · 分析とBI

その週に一件以上の注文があった顧客。各顧客を一回だけ数えます。

- 担当: 財務
- ソース: fct\_orders
- 更新: 毎日、始業前
- テスト: 空でないこと、週ごとに一行

形式を示すイメージであり、クライアントの数値ではありません。

### ラベル付きのサポートチケット。

データセット · MLデータ

アシスタントの学習と評価に使うデータセット。モデルとともにバージョン管理します。

- ラベル: 意図（チケットごとに一つのラベル）
- バージョン: v7 · モデルv7と対応
- 鮮度: 毎週
- 個人データ: ラベル付けの前にマスキング

形式を示すイメージであり、クライアントのデータではありません。

## 誰が何を見るか。

ロールに応じたアクセスと、お客様が選んだリージョンでのデータ保管。

EU: データとバックアップは、EUのリージョンにとどまります。

米国: データとバックアップは、米国のリージョンにとどまります。

| ロール | 顧客の身元 | 注文 | サポートチケット | イベント | 集計値 |
| --- | --- | --- | --- | --- | --- |
| アナリスト | マスキング | すべて | マスキング | すべて | すべて |
| データエンジニア | マスキング | すべて | すべて | すべて | すべて |
| サポート担当者 | マスキング | すべて | すべて | なし | なし |
| MLモデル | なし | すべて | マスキング | すべて | なし |
| 経営ダッシュボード | なし | なし | なし | なし | すべて |

アナリスト。 注文、イベント、集計値をすべて閲覧できます。顧客の身元とチケットの本文はマスキングされます。

データエンジニア。 パイプラインの構築と修正のため、すべてのデータセットを閲覧できます。顧客の身元はマスキングされます。

サポート担当者。 顧客に回答するため、注文とチケットを閲覧できます。名前とメールアドレスはマスキングされ、すべての照会が記録されます。

MLモデル。 学習のため、注文とイベントを読み込みます。チケットの本文はマスキングされ、顧客の身元は含まれません。

経営ダッシュボード。 集計値のみを表示します。合計と傾向だけで、個々の顧客のレコードは含みません。

- [AI](https://www.etheon.com/ja/services/ai): エージェント、モデル、MLOps
- [クラウド](https://www.etheon.com/ja/services/cloud): クラウド、DevOps、SRE