1.
なぜモノタロウでデータマネジメン
トが必要になったのか
株式会社MonotaRO IT部門データ基盤グループ長 香川和哉
1
2022.12.16
© 2020 MonotaRO Co., Ltd. All Rights Reserved.

2.
2
● IT部門データ基盤グループマネージャー
● 2016年中途入社
● 入社後、マーケティングシステムの運用を
行いながら、データ基盤の構築/運用をす
すめた。現在はデータ管理と基幹システム
のモダナイゼーションに取り組んでいる。
香川和哉

3.
3
● 2000年 10月設立
● BtoB を対象に、自ら間接資材の
在庫を持ち、自らオンラインで売る
EC 企業
● コールセンター、商品採用、物流、
マーケティング、データサイエンス、
IT など多くの業務とシステムを
自社開発、自社運用している
● 商品数 ：1,900 万点
市場規模：5～10 兆円
MonotaROについて

4.
● 現在のモノタロウのデータ基盤とデータマネジ
メントの取り組み
● 現在に至るまでの歴史
○ → モノタロウでデータマネジメントがなぜ
必要になったのか
● データマネジメントをすすめる上でのポイント
4
今日話すこと

5.
モノタロウのデータ基盤
5

6.
6
自動連携
個別の同期システム
(個別の組織で管理)
Log パイプライン
Real-Time DB
Pipeline
個別の同期システム
6
BigQuery
基幹, ECサイト RDB
受発注, 顧客, 商品, 在庫, …
Google Analytics
その他システムデータ
顧客行動ログ収集,
検索システム …
その他パッケージ
システムデータ
WMS, カスタマーサポート …
Log
CDN, WebServer, Application
Data Lake
DWH
Data Mart
プロジェクト個別
マーケター
データ
サイエンティスト
商品採用
Apps Script
Sheets
Data Portal
SQL
Python など
その他 ツール
エンジニア
その他 全部門
レポーティング
SQL による分析
ML での最適化や予測
業務オペレーション
大規模データ処理
他システムとの連携
などなど
データソース 統合 データ管理 利用ツール 利用者 ユースケース

7.
7
現在のモノタロウでのデータマネジメントの取り組み例
● データマートの構築
○ 業務部門メンバーと協力しながら Looker を利用してデータマートを構築
○ SQLなどのスキルに関わらずデータを活用できる環境の実現を目指す
● 並行して、DWH を構築
○ もともと存在していた他部門の既存の独自DWHを分解して再構成
○ dbt (ツール) によって BigQuery でのDWH構築処理を管理
Looker (データマート)
BigQuery
Data Lake DWH
データモデル
(LookML)
ダッシュボード
dbt

8.
● Innovators Hive at Next ’22に登壇しBigQueryの学び方や社内での利用促
進、データ管理について話しました - MonotaRO Tech Blog
● データ管理に役立つメタデータに関する勉強会を社内外で開催しました -
MonotaRO Tech Blog
● MonotaROのデータ基盤10年史（後編）
● MonotaROのデータ基盤10年史（前編）
● SQLを使った監視でデータ基盤の品質を向上させる - MonotaRO Tech Blog
● 分析者や予算承認者の視点に立ちつつ、BigQuery Flex Slotsの適切なスロッ
ト数を定量的に決定する方法を紹介します - MonotaRO Tech Blog
8
その他の事例

9.
モノタロウのデータ基盤の歴史
9

10.
10
販促基盤とDWH (2010 ~ 2015)
システム
● 基幹, ECサイトのシステムからデータを集約して 販促
用DWH を構築 (同期は 日次, 100テーブル程度)
● 機械学習を用いたレコメンドなど高度なマーケティン
グが可能になった
● また SQL Server Analysis Service を用いたBIを構
築。 KPI ベースでの施策立案がより簡単に可能に。
データ利用者
● データ分析スキルをもつ従業員はマーケティング
部門に集中しており全社のデータ活用をマーケ
ティング部門がサポート
マーケ用
MySQL
Campaign
Managment
その他DB
その他DB
基幹/EC
DB
ML
BI
SQLによる分析
MLによる予測
BIレポート マーケティング部門
の一部のメンバー
日次でのデータ同期
(100テーブル程度)
DWH として機能

11.
11
データ分析人材の展開 - 2016年頃
マーケティング部門
● 組織拡大と事業規模の拡大に合わせて新規部門を設立
● マーケティング部門に所属していたデータ分析人材は新部門や別部門に異動することでデー
タ分析の機能を全部門に展開
● それまでの販促基盤ではなく全社レベルでのデータ基盤が必要に
A部門
B部門
C部門
分析依頼
データ
マーケティング部門
A部門
B部門
C部門
新メンバーの入社
分析スキルをもつメ
ンバーの他部門への
展開

12.
12
12
Engineer/Scientist
(100人 ~ )
Users (100人 ~
)
基幹システム &
EC アプリケーション
DWH & DataMart
BigQuery
Application
Cloud
Storage
Apps Script
Sheets
Data Portal
マーチャンダイ
ザー
マーケター
カスタマサ
ポート
物流
Application
Database
Database
リアルタイム データパイプライン by (遅延:3分, テーブル:1,000～)
ITエンジニア
SQL
データ
サイエンティスト
● 基幹システム, ECサイトのDB(MySQL)からニアリアルタイムにBigQueryにデータを同期
○ MySQL の Binary log を利用しており、任意の時点のデータを再現可能
● BigQueryによってデータ量や処理量などオンプレ時代と比較して圧倒的なスケーラビリティを得
ることができた。
● SQLや Looker Studio (旧データポータル) の勉強会なども開催。
● 分析に限らず業務における様々なユースケースで利用されるようになった。
● 利用ユーザも大幅に増加し、全部門で利用されるようになった。
BigQueryの導入と展開 - 2016 ~ 2019

13.
13
新たなデータ活用の課題 - 2020
● データ管理や活用の局所最適化
○ 個別部署内の独自管理がすすんでいる
○ 業務/組織等を横断した共有や活用が困難
■ 指標の定義の違いによるコミュニケーションの齟齬も
● データの使い方がわからない
○ データに関する情報が散在し、アクセスできない
○ SQLの知識がなければ集計・分析できない
■ 関数の利用や複雑なJoin

14.
14
(再掲) 現在のモノタロウでのデータマネジメントの取り組み例
● 業務部門と協力しながら Looker/LookML(モデル定義言語) を利用して全社統一された
データマート を構築し更にBIとしても活用しSQLなどの分析スキルに関わらずデータを活
用できる環境の実現を目標として実施。現在継続中。
● 並行して、DWH を構築
○ 他部門の既存の独自DWHを分解して再構成
○ dbt (ツール) によって BigQuery でのDWH構築処理を管理
Looker (データマート)
BigQuery
Data Lake DWH
データモデル
(LookML)
ダッシュボード
Looker上ではモデルの定義のみ存在。
動的にBigQueryに対してクエリを実行
しデータモデルを元にデータを作る。
dbt

15.
15
なぜモノタロウでデータマネジメントが必要になったのか
~ 2010
基幹システムか
らの抽出と
Excel
2010 ~ 2015
販促基盤
2016 ~ 2017
BigQuery
導入
2020~2021
データ管理導入
Looker導入
DWH構築
2018 ~ 2019
BigQuery展開
2022 ~
データ管理展開
Looker展開
DWH展開
特定の人だけ
使える
特定の部署だ
け使える
自由に
使える
より多くの人がより
自由に使える
自由, 安心, 安全, 簡
単に使える
自由に使えるが
簡単ではない
● 利用にはSQLやデータ仕様の理解が必要な状態は継続しており自
由ではあるが簡単とは言い難い
● 各部署でデータや指標管理が独自で行われ、統制がとれておらず、
さらなるデータ活用は困難になってきた
データ分析人材が
全社に展開

16.
まとめ
16

17.
● データマネジメントは一見地味で経営層や利用者に必要性が
伝わりにくい。
● 課題に対するソリューションとしてデータマネジメントに取
り組んでいることを明確にする必要がある。
● そのためにはデータ活用のボトルネックを順に解決して、
データマネジメントが必要な状況に至る必要がある。
17
データマネジメントをすすめる上でのポイント

18.
18
© 2020 MonotaRO Co., Ltd. All Rights Reserved.