著書『データ分析力を高める ビジネスパーソンのためのSQL入門』 https://nitter.cf/t.co/3Nj9rSawJX | 外資系コンサルシニアマネージャー ◀︎ ebookjapanでデータサイエンス組織の部長 ◀︎ Yahoo! JAPANでWebエンジニア | 複業でマーケティング・データ分析・コーチングなど
Joined July 2010
- Tweets16.4K
- Following491
- Followers3.7K
- Likes3.5K
Pinned Tweet
ついに本日SQLの入門書が発売になりました！
自分自身が過去にSQL勉強会として実施した内容を体系化して1冊の本にまとめました。
240ページとコンパクトにまとめたので、
SQLを学んでデータ分析力を高めたい人が読む最初の1冊としておすすめです！
amazon.co.jp/dp/4297134438/
日程調整スキルを題材にAgent Skillsの設計方法を8つのコツで解説した記事。AIの出来を分けるのは性能ではなく、業務手順と暗黙知を渡しているかどうか。「業務手順書＝スキル」という整理が分かりやすく、小さく始めるという進め方もとても参考になる。
techblog.kazaneya.com/202610…
AIに業務の意味を伝えるのにオントロジーとデータモデルのどちらが必要かを問う記事。オントロジー熱が高まる中、データモデルと用語を定義したメタデータがあれば十分ではないかという問題提起。データモデルは作り方が確立していて、人がレビューしやすい点も大きい。
metafind.jp/2026/10/29/ontol…
オントロジーを、データ基盤・オントロジー・アクセス基盤の3層で整理した解説。生データを蓄える層、意味とルールを定義する層、AIが権限の範囲で使う層という切り分けが分かりやすい。オントロジーだけでなく、その下と上にも整備が必要なことが伝わる。
pro-one-cloud.com/column/ont…
日本オラクルの方が、オントロジーでデータをつなぎ、NL2SQL・RAG・ナレッジグラフを組み合わせた検証を公開。
qiita.com/shirok/items/28168…
・最初に「答えたい問い」と合格条件を決めてから設計
・同じロットでも故障を断定しないという限界まで定義
・通常のJOINと結果が一致するかまで検証
オントロジーとセマンティクス、データモデル標準化の基礎調査。調査報告に加えて48枚の初心者向け説明ペーパーまでついている。CWMやRDF Data Cubeなど過去の共通化の試みと今回の違いを整理しているのが参考になる。
dobachi.github.io/ontology-s…
生命科学分野のRDF講習会資料「RDF入門」。オントロジーのクラスを「集合」、インスタンスを「集合の要素」として説明していて、基本を押さえるのに分かりやすい。生命科学は日本でもオントロジー活用が最も進んだ分野の一つなので、企業が参考にできる蓄積は多い気がする。
wiki.lifesciencedb.jp/mw/ima…
日本のセマンティックWebの定番「ウェブのオントロジー言語OWL」の解説。「子孫」は推移的、「夫婦」は対称的、「ISBN」は値から主語が特定できる、といった例で関係の性質を説明している。OWLの具体的な記述例があるので理解の参考になる。
kanzaki.com/docs/sw/webont-o…
IPAが公開しているOWLの解説資料。行政のデータ整備の文脈で、オントロジー言語を日本語で体系的に学べる数少ない資料だと思う。製品ごとの「オントロジー」を比べる前に、標準としてのOWLを一度押さえておくと理解が速い。
ipa.go.jp/digital/data/nq6ep…
知識グラフとオントロジーを使ったAIシステム開発を、日本の研究者が解説した論文。法造の開発者が書いているので、オントロジーが知識表現を統一する役割についての説明に説得力がある。製品の話題が多い中で、学術的な土台を日本語で押さえられるのは貴重。
jstage.jst.go.jp/article/ess…
オントロジーの推論をPythonのOwlready2で実際に動かした記事。「事実＋ルール→新しい事実」という再現性のある導出は、LLMの推論とは全くの別物。確率的なLLMと決定論的な推論を組み合わせる方向性を理解する入口として参考になる。
zenn.dev/aws_japan/articles/…
AIエージェントを「動かす」データ基盤を3ステップで整理。
tech.every.tv/entry/2026/07/…
①参照できる：メダリオンアーキテクチャで品質保証されたGold層だけをAIに見せる
②解釈を間違えない：セマンティックレイヤーで指標の計算式を一元定義
③行動できる：オントロジーで業務の関係を可読にする
DatabricksのGenieが分析アシスタントから「AI Coworker」へ大きく変化。対話で依頼した定型業務をそのままエージェント化できる流れと、その精度を支えるGenie Ontologyの位置づけが分かる。オントロジーが製品の裏側の部品として組み込まれていく流れが注目。
zenn.dev/nttdata_tech/articl…
Microsoft Fabricのオントロジー機能を解説した記事。StoreやSaleEventといった業務用語をエンティティ型として定義し、データと結びつける。「オントロジーはAIのための特別な仕組みというより、説明できるデータ基盤の延長線」という捉え方が良い。
zenn.dev/headwaters/articles…
オントロジーによって「データ」ではなく「意思決定」をモデル化する動きが注目。Palantirは概念（名詞）だけでなくロジック・アクション（動詞）・権限まで一体で扱い、AIが読むだけでなく承認や更新まで安全に実行できる土台として設計している。
product.hiway.app/blog/ontol…
「オントロジーとは何か」の整理。オントロジーをAIエージェントにとっての3つの役割に整理しているのが分かりやすい。
zenn.dev/komlock_lab/article…
①認識：AIエージェントが世界を見るための地図
②行動：権限と承認フロー込みのAPIカタログ
③組織：AIと人間が共通言語で動くための「業務OS」
オントロジーの定義から効果の実証データを整理した記事。
fd-x.co.jp/insights/41-what-…
・同じデータ/LLMでもSQL直接だと正答率16.7%、ナレッジグラフ化で54.2%、オントロジーで72%まで伸びる
・2026年の最新モデルでも、セマンティックレイヤー経由は98〜100%、SQLを書かせる方式は84〜90%と差が残る
Salesforceによるオントロジーの解説。「データはつながっても意味はつながらない」という一言が分かりやすい。タクソノミーは「分類」、ナレッジグラフは「実データの地図」、オントロジーは「意味と関係の設計図」という整理も分かりやすい。
salesforce.com/jp/blog/jp-wh…
セマンティックWebがなぜ推論できる仕組みにならなかったかを分析した論文。事実を「主語・述語・目的語」だけで表すと、いつ・どの条件で・どの根拠で成り立つかが抜け落ちてしまうという指摘は、企業のオントロジー設計でもそのまま当てはまる気がする
arxiv.org/abs/2609.14121
A/Bテストで「有意差が出るまで待つ」ことの代償を論じた記事。問いを「統計的に有意か」から「どの選択肢が最悪の機会損失を最小化するか」に変え、推定効果が導入コストを上回れば実施するというAMMRの考え方がとても参考になる。
dhbr.diamond.jp/articles/-/1…
