株式会社アルベナ・テラは、ERP導入コンサルティングを主軸としながら、インベストメント事業を新たな柱として展開しています。特にインベストメント事業では、約4000社の上場企業を対象に、日次の株価情報や適時開示情報など膨大なデータを取得・機械学習で分析し、投資対象をスコアリングするという高度なデータ活用を行っています。

Codatumは、このインベストメント事業におけるデータ分析の基盤として採用されました。データサイエンスのプロフェッショナルとの協働を円滑にし、経営者が自らデータに触れて意思決定の質と速度を向上させるためにCodatumがどのように貢献しているのか、お話を伺いました。

自分の見たいタイミングでデータを見られないことが課題

――まず、御社の事業内容と、仲林さまのご担当領域についてお聞かせいただけますか。

仲林さん：まず私の会社でやっているのは、ERPのシステム導入コンサルティングです。SAPやOdooといったパッケージの導入支援がメインで、大手から中堅中小企業まで幅広くご支援しております。現在の会社は2025年に立ち上げたばかりなのですが、労働集約型のコンサルティング事業だけではなく、他社と差別化する目的で、資本集約型である投資系の事業も始めています。

将来的には不動産投資などのストック型への投資や、VCのような形で小さい会社に投資していくことも見据えながら、足元では株式の情報を機械学習で分析・スコアリングして株式投資をしています。ERPの導入については会社の財務・会計を理解する必要があり、ERPコンサルをしているからこそ投資対象について深く理解できることもあります。

現在実際に行っている分析の具体的な内容としては、目的変数をつけて、それに対しテクニカルおよびファンダメンタルにおける300ほどのパラメータを機械学習モデルに渡しています。それにより約4000社の上場企業をスコアリングし、スコアリング上位の中からチャート形や事業内容およびその他の定量・定性情報を見て投資判断をしています。

仲林さん：データ分析に主に携わっているのは、10年以上データサイエンスのコンサルティングをやっているメンバーです。投資のプロトコルの設計は私がやっていますが、データの加工、機械学習やバックテストなどは、データサイエンティストに任せています。

――Codatum導入前は、どのような体制でデータ分析を行っていましたか。

仲林さん：データサイエンティストのメンバーが、自身のローカル環境で行った分析結果をJupyter Notebookで見ていたのですが、やはり自分の見たいタイミングでリアルタイムで見られないことが課題でした。データ自体はBigQueryに溜まっていますが、私がBigQueryを直接見ても、分析結果を把握することが難しかったです。

元々データサイエンティストが使っていたJupyter Notebookは、ノートブック形式でわかりやすいですが、どちらかというとローカルで活用するものなので、もう少し使い勝手のよいBIツールを探しているところでした。

仮説をすぐ検証できるのが魅力。自らデータに触れ気づきを得る

――Codatumを知ったきっかけは、どういった経緯だったのでしょうか。

仲林さん：会社の規模が小さいので、ハイスペックで高価格なプロダクトは投資対効果が見合わず、かといってQuerybookなどのOSS系も実行環境を作り、運用するのが手間だと考えていました。そのような中、CodatumをSNSで見かけて知りました。

実際に使ってみると、数字を見せるだけではなくコメントを書いたり履歴をつくれるなど、ノートブック形式のUIが使いやすいと感じました。これはExcelや他社ツールを利用していたときに、まさにこういう使い方をしたいと思っていたんですよね。

また、OSS系はサーバーを立てる手間もあったため、SaaSとして利用できる点も重要でした。Codatumは、全体的に機能面と価格帯が納得できるバランスだと感じ、導入を決めました。

――導入時に、データサイエンティストの方々とはどのように議論されましたか。

仲林さん：データサイエンティストが普段使っている他社BIツール・分析ツールと比較・評価を行いました。結果、価格面も含めCodatumの優位性を感じ、最終的には経営者である私自身が使いやすいツールでであることが決め手となりました。私自身もSQLはある程度書けるので、AIのサポートも得ながら、データサイエンティストに頼らずともアイデアをその場で試して分析できるのは非常に便利だと感じました。

導入にあたっては、まず私がひたすら使いこなして、自分自身で見たいダッシュボードを作り込み、メンバーに共有して定着化させていきました。

――Codatum導入後の具体的な活用状況について教えてください。

仲林さん：定型化しているダッシュボードはものによって週次・日次など定期的に見ており、他にはアドホックな分析も行っています。例えば、株価変動に対して「過去に起きた事象に対して、特定の状態や相関があったのでは」という仮説が思い浮かんだときに、それを検証しています。

また、スコアリング上位企業の一部に投資するため、選ばなかった銘柄がどうだったか、うまくいってないのであれば投資判断やスコアリングのロジックで見直すところはどこかなど、振り返りにも利用しています。

――Codatumの導入効果として、データサイエンティストとの共有や連携はどのように変わりましたか。

仲林さん：他のメンバーと、数字やデータを共有しやすくなりました。例えば、書いたSQLが間違っていたときに、データサイエンティストが「ここの部分が間違っている」と指摘・修正し、その場で結果を確認できるので、コミュニケーションをしながらデータ活用ができることがとても便利だなと思います。

動き方としては、定例用のノートブックは私が作成し、データサイエンティストには分析の改善や、モデルの作り込み、足りないデータを取ってくるなど、裏側の作業をしてもらっています。データ分析において複雑なSQLは内容を汲み取りづらいところもありますが、SQLブロック機能を利用すると、複雑なSQLを分割・構造化してわかりやすく共有できるところも助かっています。

分析業務の偏りを解消。データサイエンティストとの協業の形を模索

――Codatumは、どのようなところに役立っていますか。

仲林さん：経営判断のPDCAをうまく回す上でとても役立っています。BIツールは見るだけで終わってしまうことが多いですが、Codatumは「なぜこれが起きたんだっけ」という疑問を持ったときにすぐ手を動かして、「次はこういうアクションをしよう」「こういうデータを取ろう」と次のアクションまで議論できています。投資したタイミングや銘柄ごとにノートブックを管理できるのも、良い振り返りにつながっています。

――データサイエンティストの方がローカルで利用されているJupyter Notebookと、Codatumとの使い分けは明確にされているのですね。

仲林さん：Jupyter Notebookでは、機械学習用にクエリを回してPythonの処理を含めて実行するという使い方をしていて、これはローカルで行っています。その結果だけをBigQueryに戻しCodatumで見る、という形にしています。データサイエンティストも、Codatumはデータの共有という観点でライトに使えて非常に便利だと言っていますね。

――Codatumを導入したことで、定量的、あるいは定性的な変化はありましたか。

仲林さん：データサイエンティストに頼むことを減らせたのが一番大きいです。特定のメンバーに分析業務が偏っていたのを、一部私や他のメンバーが巻き取れたので、別の所に工数を割けるようになりました。特に私自身が分析に参加することで意思決定までの時間が短くなったり、コミュニケーションロスが減ったり、自分のアイデアをそのままアウトプットできたり、様々なコスト削減につながっています。

また、自分で手を動かしているからこそ、「ここがおかしい」「ここは外れ値だ」という気付きがあります。Codatumは経営者自身が自分でデータに触れて気づきを得られる最高のツールと感じています。

これからは経営層も数字を読み取るスキルが重要

――Codatumを一言で紹介するとしたら、どのようなツールになりますか。

仲林さん：Codatumは「データの民主化を後押しする、アドホックな分析ができるツール」だと思います。静的な情報を見るツールはいくらでもありますが、アドホックな分析がしやすいツールは限られます。特にこれからの時代は、経営層やマネジメント層が数字を見て意思決定することや、数字の裏側にある背景を読み取るスキルがとても重要だと考えています。

その点、AIでサポートしてくれるCodatumはデータ分析に取組みやすいツールなのかなと思います。

――今後のCodatumに期待する点はありますか。

仲林さん：今後リリースされるデータ分析の示唆をAIがサポートしてくれる機能に期待しています。また、他社のユーザーが利用したクエリを共有できるような仕組みがあったらとても便利ですし、SaaSの良さも活かせておもしろいなと感じています。

――Codatumの導入を検討しているお客様へメッセージをお願いします。

仲林さん：使っていただくことで良さがすぐわかります。トライアルもあるので、検討に時間をかけずにとにかくまず触ってみることをおすすめしたいです。

――本日は貴重なお話をありがとうございました！