20260911_SnowflakeWorldTourTokyo2026_DataScience_DataEngineering_Community

DATA SCIENCE & DATA ENGINEERING 知見を共有し、 次の実践を一緒につくるコミュニティ これまでの活動 | コミュニティの特徴 | これからの企画会議 SnowVillage MeetUp Co-creation 本セッションは、紹介だけでなく参加型で進めます 1

01 COMMUNITY どんなコミュニティ？ データサイエンスとデータエンジニアリングの「間」を、カジュアルにつなぐ場 01 領域を越える 分析・AI・MLと、基盤・ETL・ 運用を同じ場で共有。 03 現場に持ち帰る デモ、事例、設計判断など 「明日すぐ試せる知見」を重視。 02 敷居を下げる 初心者から実務経験者まで、 気軽に参加できるMeetUp。 04 つながりを育てる LT後の交流を通じて、相談・登壇・ 共同企画の入口をつくる。 「聞く人」から「次に話す人」へ SnowVillage | DataScience & DataEngineering COMMUNITY SESSION 2

02 JOURNEY 2回のMeetUpで見えてきた、コミュニティの成長 オフライン中心の第1回から、ハイブリッドへ広がった第2回 2025.11.17 2026.05.18 MeetUp #1 MeetUp #2 オフライン開催 42名参加 6つのLT + 交流 会場 + オンライン 112名参加 配信画面も工夫 NEXT 2026.11で調整中 MeetUp #3 参加者と一緒に 形式・テーマ・日程を この場でデザイン 誰でも参加できるコミュニティとして、規模を成長させてきた SnowVillage | DataScience & DataEngineering COMMUNITY SESSION 3

03 ACTIVITIES これまで共有してきたテーマ 「分析」と「基盤」を往復しながら、AI・開発・業務適用までカバー 生成AI・Agentic AI データ基盤・ETL 分析・機械学習 LLM × Streamlit / Cortex Code / Data Science Agent 財務ETL / dbt / Terragrunt / マルチテナント 数理最適化 / ML改善サイクル / 表形式モデ ル 業務への適用 性能と実装 導入・活用戦略 営業通話分析 / 非エンジニア向けデータ活 用 PandasからSnowpark DataFrameへの移行 オンプレからの第一歩 / Snowflake活用拡大 共通点：機能紹介よりも、現場での「使い方・設計判断・試行錯誤」を持ち寄る SnowVillage | DataScience & DataEngineering COMMUNITY SESSION 4

04 EXPERIENCE 学びだけで終わらない、イベント体験 登壇・配信・交流まで含めて「参加してよかった」を設計 LT・デモ ハイブリッド ネットワーキング 具体的な実践知 会場外にも参加の入口 次の相談・登壇につながる SnowVillage | DataScience & DataEngineering COMMUNITY SESSION 5

05 SNOW VILLAGE COMPASS まずは、Snow Villageを見つける診断アプリ 8問・約2分で、データ活用スタイルとコミュニティへの入口を提案 8問の診断 データ活用スタイルを判定 16タイプ デジタルカードとして表示 人との接点 同じ・近いタイプのNeighbors 次の行動 コミュニティとSnowflake機能 診断を「面白かった」で終わらせず、次の参加につなげる SnowVillage | DataScience & DataEngineering

06 16 TYPES 回答から、16タイプのデータパーソナリティを判定 4軸の組み合わせでスタイルの違いを表現 診断内容 タイプ名（4軸で評価） 同じ・近いタイプのNeighbors 参加しやすいコミュニティ スタイルに合うSnowflake機能 SnowVillage | DataScience & DataEngineering

07 THE REVEAL 推薦部分で機械学習を使いました 22名のメンバーの回答から、おすすめコミュニティとSnowflake機能をランキング 入力 4軸の診断タイプ 例：ESCI / ETCI / BSCI 機械学習 似たタイプの選択を強く反映 距離加重k-NN + IDF補正 出力 コミュニティ Top 5 Snowflake機能 Top 3 SnowVillage | DataScience & DataEngineering

08 TRAINING DATA 22名の活動データを「推薦の根拠」に変換 診断結果・参加コミュニティ・好きなSnowflake機能を統合 1 2 3 4 アンケート データ統合 コード変換 One-hot化 Neighbors / Mayors 22名 result + master sheet 日本語タイプ名 → 4文字 16グループ / 23サービス 特徴量：MBTI風の4軸を4ビットにエンコー ド E/B S/T C/Z I/O Explorer / Builder Solo / Team Technical / Business Innovator / Optimizer ETCI → (0, 1, 0, 0) SnowVillage | DataScience & DataEngineering BSZO → (1, 0, 1, 1) COMMUNITY SESSION 9

09 MODEL 少量データに合わせた、説明しやすい推薦モデル 距離加重k-NN × IDF補正を、外部依存なしの純Pythonで実装 Hamming距離 IDF補正 最終スコア 4軸のうち 異なる軸の数 全員が選ぶ項目を抑え、 タイプ固有の特徴を浮上 Σ 距離重み × IDF 同タイプ 距離 0 重み 1.00 1軸違い 距離 1 重み 0.50 2軸違い 距離 2 重み 0.33 4軸違い 距離 4 重み 0.20 SnowVillage | DataScience & DataEngineering IDF(item) = log((N+1)/(df+1)) + 1 コミュニティ Top 5 機能 Top 3 Neighbors Top 3 例：SnowVillage本会の 過度な上位集中を緩和 COMMUNITY SESSION 10

10 INTEGRATION 予測結果をアプリへ組み込む MLランキングを優先しつつ、既存ロジックをフォールバックとして維持 Pythonモデル app.js types.json neighbors.json GitHub Pages 22名の学習データ 16タイプを事前計算 コミュニティ ランキングを埋め込み おすすめ機能 上位3件に更新 12名のcode不一致を修 正 静的Webアプリとして 公開 MLデータがない場合 既存のタグベース推薦へフォールバック SnowVillage | DataScience & DataEngineering 苦労ポイント コード不一致の修正は、推薦精度の前提となる COMMUNITY SESSION 11

11 SNOWFLAKE ML この仕組みをSnowflakeで実現 データ準備・学習・モデル管理・推論・可視化を同じデータ基盤上でつなげる 蓄積 特徴量 学習 管理 活用 回答・行動・結果をテ ーブルへ Snowpark DataFrame で加工 Snowpark MLでモデル 構築 Model Registryで版管 理 SQL / Python推論・ Streamlit 最初から高度なモデルでなくてよい データを貯める → 小さく学習 → 利用結果をまた貯める SnowVillage | DataScience & DataEngineering

11 SNOWFLAKE ML Cortex Codeでデータから公開までを一気通貫 前処理・モデル・検証・突合・アプリ改修・ローカル確認をCoCo Desktop上で実施 01 02 Excelパース・前処理 03 k-NN + IDF実装 16タイプ予測・ 目視検証 04 ExcelとJSON の突合 05 アプリ修正・ 動作確認 学び 1 少量データでも 始められる 2 22名・16タイプでも、説明可能なモデル で推薦を改善。 データ品質が重要 モデル以前に、コード不一致の検出と修正 が効いた。 3 次はSnowflakeへ 回答データ蓄積、Snowpark ML、Dynamic Tables、Streamlitへ。 Compassを「診断アプリ」から、コミュニティ活動を育てる推薦基盤へ SnowVillage | DataScience & DataEngineering COMMUNITY SESSION 13

12 YOUR USE CASE あなたの業務データなら、何を予測できる？ Compassの「タイプ → おすすめ」を、身近な課題に置き換えてみる 顧客 × 商品 設備 × センサー 案件 × 行動 おすすめ商品・コンテンツ 故障・異常の予兆 成約・離脱の兆候 購買・閲覧・属性から 次に関心を持つ候補を提示 温度・振動・履歴から 点検優先度を予測 活動履歴から フォロー対象を絞り込む 在庫 × 需要 問い合わせ × 文脈 社員 × 学習履歴 数量・需要予測 分類・担当振り分け 次の学習コンテンツ 過去実績・季節・地域から 必要量を見積もる 内容・履歴から カテゴリや対応先を推薦 スキル・閲覧・受講から おすすめ教材を提示 最初の一歩：手元のデータで「誰に / 何を / いつ」を1つだけ予測してみる SnowVillage | DataScience & DataEngineering COMMUNITY SESSION 14

13 NEXT IDEAS 今後、どんな企画が考えられる？ MeetUpを軸に、参加者の「やりたい」で決めたい A テーマLT大会 B 5〜10分の短い発表を多数。初登壇の入口にも。 C 事例深掘り Snowflake / AI / dbtなどを、その場で一緒に動かす。 D 1テーマを30〜45分。設計・失敗・意思決定まで聞く。 E オンライン勉強会 小さく高頻度に。数理最適化・機械学習などを継続。 SnowVillage | DataScience & DataEngineering ハンズオン 相談クリニック 参加者の課題を持ち寄り、会場でアイデアを出す。 F コラボ企画 他支部・他コミュニティとテーマ横断で開催。 COMMUNITY SESSION 15

14 LIVE POLL この場で聞きたいこと ① 開催スタイル Q1 参加しやすい曜日・時間 Q2 平日夜 / 土日昼 / 土日夜 / その他 Q3 参加形式 毎月 / 2〜3か月 / 半年 / テーマ次第 Q4 会場のみ / オンラインのみ / ハイブリッド 開催頻度 オンラインの見え方 シンプル画面 / 前回の配信風 / YouTube等も検討 ポイント：オンライン有無だけでなく、「画面品にどこまで力を入れるか」ｎ SnowVillage | DataScience & DataEngineering COMMUNITY SESSION 16

14 LIVE POLL この場で聞きたいこと ② 参加のしかた どんな企画に参加したい？ 自分もやってみたい？ □ LT中心 5分LTなら話せる 発表資料づくりを手伝って ほしい ハンズオン講師に興味 運営・配信を手伝いたい テーマ提案をしたい 会場・コラボ先を紹介でき る □ ハンズオン □ 長めの事例紹介 □ 相談・ディスカッション □ もくもく会 SnowVillage | DataScience & DataEngineering COMMUNITY SESSION 17

次のMeetUpを、 一緒につくりませんか？ 今日決めたい3つ 1 開催時期・頻度 2 会場 / オンライン / ハイブリッド 3 LT / ハンズオン / 深掘り / 交流 話してみたいテーマ・やってみたい役割を、ぜひ教えてくだ さい 18

SnowVillage | DataScience & DataEngineering COMMUNITY SESSION