SNOWFLAKE WORLD TOUR TOKYO シアタータイムテーブル

Snowflake Marketplaceは、世界800社以上のプロバイダーが提供する3,400件以上のデータ製品・アプリケーションにワンクリックでアクセスできるデータ流通プラットフォームです。データを物理的にコピーせず「ゼロコピー共有」でリアルタイムに外部データを取得でき、気象・人口統計・金融・ESGなど多様なデータを自社データと即座に組み合わせた分析が可能です。本セッションでは初心者向けに、データ取得の仕組み・ネイティブアプリの活用・AIとの連携までわかりやすく解説します。

生成AIの普及により、自社で業務アプリを開発しやすい時代になりました。
Snowflakeには先日リリースされたSnowflake App Runtimeに加え、StreamlitやSPCSといったアプリ機能があります。
本セッションでは、Snowflake上で業務アプリを開発するメリットと、各機能の特徴や使い分けを解説します。
また、実践的な開発手順やTipsを具体例を交えて紹介します。

LLM を組み込んだアプリケーションでは、
「期待どおりの回答が返らない」
「レスポンスが急に遅くなった」
「原因が分からず改善できない」
といった、従来のシステムとは異なる品質課題が発生します。
本セッションでは、AI アプリの品質を継続的に維持・改善するために、LLM Observability が果たす役割を解説します。
Datadog を活用しながら、LLM の振る舞いを可視化し、性能や品質の変化を把握し、問題の原因を迅速に切り分ける方法を、実際の運用を意識した視点で紹介します。
AI を「動けばよい」から「安心して運用できる」へ。信頼できる AI アプリを実現するための実践的なアプローチをお届けします。

Snowflake導入後、「利用者が増えない」「業務活用が定着しない」「AI活用へ進めない」といった課題に直面していませんか。CTCテクノロジーでは社内横断プロジェクトを通じて、半年で15名のSnowflake活用人材を育成しました。本セッションでは、実践を通じて確立した育成モデルと、データ活用からAI活用までを加速するアプローチをご紹介します。

ELTツールを導入し専任エンジニアを配置する，という定石が少人数の情報システム部門では取れません．ERP刷新に伴うSnowflakeでのデータ基盤再構築では，各部門からの同時多発的な依頼に対しシステムIFの構築が最大のボトルネックになりました．そこでOpenflowを活用してBronze層までを各システム担当が担える体制に切り替え，空いた工数をデータ定義とガバナンスへ振り向けました．

多くの企業がSnowflake Cortexを活用した自律的なデータ民主化に挑んでいます。
しかし、AIが「企業の文脈（ビジネス定義や正しい制約）」を理解していなければ、実務に耐えない誤回答（ハルシネーション）を招きます。
本セッションでは、データカタログによりデータの背景や意味といった「メタデータ」を正しくAIにインプットすることで、AIの自動化の魅力を活かしつつ、実務・経営判断レベルで100%信頼できるAIデータ活用を実現するアプローチをご紹介します。

Adaptive Warehouse はサイズ指定・マルチクラスター設定が不要な新しいタイプのウェアハウスです。
本講演では、導入して実現した2つの実績を交えながら、この機能がいかに強力であるか、その理由を解説します。
（1）BI のウェアハウスコストを約 1/10 に削減
（2）ELT のバッチ処理時間を 1/2〜1/3 に短縮
また、導入にあたり実施した検証をもとに、導入判断のポイントをお伝えします。

情報子会社の立場から、事業部門へSnowflakeCoWorkを小規模導入した実践事例を紹介します。
購買部門のデータ活用課題に対し、現場と対話しながらセマンティックビューを設計しています。
導入過程で、管理職層が自発的にマーケティング・営業部門への横展開を推進し始めた"巻き込み"の過程をお伝えします。
大規模PJに頼らず、小さな成功体験から他部門展開へつなげるアプローチをお話しします。

データ基盤やAIを導入しても、「何に使うべきか分からない」「活用が広がらない」といった課題を抱える企業は少なくありません。
本セッションでは、Snowflakeを活用したデータ・AI活用をテーマに、業務活用と企業実装の両面から、全社展開を実現するための考え方をご紹介します。
ユースケース創出から業務アプリ化、データ統合・ガバナンスまで、実践的なアプローチをお伝えします。

データ活用基盤の進化と全社への定着化をどのように実現するのか。日立ソリューションズのSnowflakeを活用したAI-Readyな基盤整備とデータ活用推進の取り組み事例をもとに、AI時代に向けたデータ基盤づくりのヒントをお届けします。

事業の拡大、利用部門の広がり、AI Agentの台頭により、LayerXのデータ基盤にはきめ細かなガバナンスが必要になりました。本セッションでは、dbt Coreによるモデル参照の検査、Row Access Policyによる行の制御、Dynamic Maskingによる列の制御、restricted領域からの限定公開という多層的な仕組みを、Snowflakeの機能の解説とあわせて紹介します。

AI活用とデータ連携が進むほど、重要になるのは、データがあることではなく、安心して使えることです。本セッションでは、OneTrustとSnowflakeを組み合わせ、同意を起点に、データクリーンルームとAI活用を信頼できる形で進めるアプローチをご紹介します。

Snowflakeに蓄積されたデータとAIを、いかに現場の意思決定や具体的なアクションにつなげるか。本セッションでは、Snowflake Cortex CodeとDomoを組み合わせ、Snowflake上のデータを起点とした分析・AI活用から、Domoによる可視化、AIによる示唆、さらにアプリケーションや業務フローを通じたアクションまでを一気通貫でご紹介します。Snowflakeのセキュアでガバナンスされたデータ・AI基盤を活かしながら、AIを「分析するための技術」で終わらせず、「実際の業務を動かす仕組み」へ。Snowflake Cortex CodeとDomoを組み合わせた具体的なアプローチをデモを交えてご覧いただきます。

Gitは怖い？そんな方に向けて、共有ワークスペースから始めるSnowflakeのチーム開発を紹介します。個人に眠る秘蔵SQLをチーム資産へ変え、AIを使ったSQL作成・改善・再利用のデモを交えながら、Gitに不慣れな人でも実践できる安全なナレッジ活用を解説します。

NTTドコモでは多彩な事業領域のデータから顧客の理解を促進する機械学習エンジン「docomo Sense」を推進しています。複雑化・高コスト化した特徴量パイプラインについて、Snowflake CoCoをフル活用することで短期での移行を実現した事例についてご紹介いたします。

Qlik MCP Serverは、QlikのすべてをAIエージェントに解放する仕組みです。Snowflake Native Appを通じて、CoWorkやCortex Agentsから自然言語でのアプリ探索やダッシュボード操作、Declarative PipelinesではSnowflakeへのパイプライン構築を実現します。
分析とデータエンジニアリングを1つのAIの入り口でつなぐ新しい形を紹介します。

プロスポーツのデータをSnowflakeで閲覧可能に？！
プロスポーツデータのリアルタイム配信を行うデータスタジアム様の提供データを用い、データスタジアム様からは本職のスポーツアナリスト、エクスチュアからはSnowflake Data Superheroes、そしてスポーツオタク 兼 DATA Saberでもある可視化のスペシャリスト3名がスポーツデータを分析・独自の視点で分析アイデアやスポーツデータ活用の可能性を語ります！

コロナ禍以降の急成長の裏側で、シャトレーゼは「必要な情報がどこにあるかわからない」、[スピーディーに必要な情報が入手できない」という、多くの企業が抱える情報サイロの課題に直面しました。私たちは Snowflake を中核としたデータ基盤を構築し、社内に散在する情報を一元化。経営判断のスピード向上と現場業務の効率化を目指しています。本セッションでは、成長企業ならではの課題、データ基盤構築の舞台裏、そして BI・受注予測・生成AIへ広がるデータ活用の未来についてお話しします。

SQLが書けない人事担当者でも、SnowflakeのCortexシリーズを使えば人事データ分析や帳票作成ができる時代に。WorkspacesのCoCoでノーコード分析、Cortex SearchやAnalystも驚くほど簡単に構築できました。資料作成はCoworkにお任せ。非エンジニア人事だからこそ気づいたうれしいポイントを、実際のデモを交えてリアルにお話しします。

Snowflakeとdbt Coreを活用し、データ基盤の一機能としてMLOpsを実現するアーキテクチャを紹介します。Feature Store、モデル学習、推論、監視までをどのように統合し、データパイプラインとMLパイプラインを一元管理しているかを解説します。さらに生成AI（CoCo）による開発効率化にも触れ、Snowflakeを中心とした統合MLOps基盤の実践例を共有します。

金曜17時、品証に「異音」の不具合票が1枚。だが治具変更（生技）、納期遅延（調達）、同部品を使う別製品の出荷（営業）は各部門に散り、突き合わせは月曜の会議である。集約しても関係は生まれず、検索が辿れるのは語の一致と近傍まで。部門を跨ぐ多段の因果を追うには、意味の関係を定義した地図＝オントロジーが要る。不具合票1枚から他製品の出荷まで辿るデモを示し、その地図が他業務へ再利用される理由にも触れる。

Snowflake AI Data Cloud の最新機能を活用し、データ統合から CoWorkによる要因分析までを直結させる次世代の製造DXを解説します。営業・工場・倉庫のデータを自動集約・加工し、需要予測と生産ボトルネックを即座に検知。データ加工・可視化・AIのツール分断を解消し、Snowflakeでデータに裏打ちされた意思決定を迅速に実行するシナリオを提示します。

顧客との接点は面談・電話・チャット・メールなど多岐にわたり、その記録は散在しがちです。AI不動産投資「RENOSY」を展開する株式会社GA technologiesでは、これらをSnowflakeに集約し、SnowflakeのLLM・Embeddingモデル・SiS等を用いて、VoCの抽出・分析・可視化までを一貫して構築し、社内の改善活動に活かしています。その内容を再現しやすい形でご紹介します。

Snowflake Coworkの概要から、企業データにAIをつなぐ具体的な活用イメージ、導入を進めるポイントを解説致します。
以下のようなSnowflake Coworkの活用を検討中のお客様を対象としたセッションです。
- Snowflake Coworkで何ができるのか、具体的なイメージをつかみたい
- データ基盤に生成AI・AIエージェントを組み込む進め方を知りたい
- Snowflake導入済みだが、AI活用まで進められていない

企業におけるSnowflake活用は様々な機能により、高速に実現できるようになってきました。ですが、利用者や扱うデータ、AIの利用などSnowflakeを中心とした利用によってデータマネジメントやデータガバナンスの観点から遅れをとることも多々あり、利活用が進まない原因にもなります。ここではSnowflakeが提唱しているSnowflake Well-Architected FrameworkとDMBOKと呼ばれるデータマネジメントに関する国際的なガイドラインに触れながら、どのように構想、計画を行い、それをSnowflakeに適用していくかなどの内容に触れながら、「Snowflakeでデータ・AIを活用する」という大きな命題の一助になる指針を示します。

Snowflakeはこの数年、加速度的に機能を増やし続けています。

そこで生まれる3つのジレンマに、弊社は困っておりました。
・機能が多すぎて、何をどう使えば良いかわからない
・キャッチアップしなければいけないことが多すぎる
・いろいろできすぎて、逆にUIが使いにくい

本セッションではSnowflakeの公式ドキュメントがまとまっているデータ製品を活用し、独自のAIエージェントを開発することで、この課題に立ち向かった弊社の取り組みについてお話しさせていただきます。

企業でのAI利用が検証段階を過ぎ実業務での活用が進むにつれて、AIの使い過ぎによる利用料金の急増や増え続けるAI機能の使い分けといった新たな課題が見えてきました。また企業の競争力の源泉はAIそのものではなく結局は自社のデータであるという結論に至る企業も多いと聞きます。本セッションでは、SnowflakeでのAI活用を効率的に行うための広い意味でのアーキテクチャを改めて考えてみたいと思います。

Snowflakeにデータを集めただけではAIは使えなかった――。
SCSKの実践事例から、AIの回答精度を高めるために必要なAI-Readyデータの作り方をご紹介します。

Sharing機能はSnowflakeの強力な機能の1つであり、活用することで自社のデータ基盤をより強固なものにすることが出来ます。
本セッションでは最近リリースされたResharingとAgent Sharingという2つの機能について、それぞれの機能の特徴や活用シーンを整理し、自社のデータ基盤をさらに強化するための活用術を具体例とともに紹介します。

SAPやメインフレームなど複雑な基幹システムからのCDCによるリアルタイム統合、ノーコードでのデータ品質・変換ルール適用、AI SQL Assistantによるクエリ生成、Trust Scoreとリネージで裏付けられた信頼できるAI-Readyなデータ基盤構築をデモでご紹介します。加えて、Icebergレイクハウスが実現する大量データの抽出におけるコストの最適化、2.5倍のデータ鮮度、Snowflakeへのゼロコピー連携もご紹介。コスト常識を塗り替えます。

当セッションでは、QUICKの独自データである投信データを題材に「セマンティックビュー（意味づけ）があると、AIエージェント（Snowflake Coco）に依頼するだけでより精度の高いダッシュボードが作れる」ことを実演します。

Snowflakeとdbt Coreのパイプラインが作るデータの質問回答エージェントをCortex Agentで構築します。鍵はコンテキストです。定義書はGoogle Docs、dbt CoreのSQLはGitHubからMCPで取得できるように MCP Connector の設定を行います。MCP Gateway の重要性についても考察します。また S3上のmanifest.jsonやAirflowログの連携も検討します。

インテージでは、マーケティングリサーチの基盤となる商品マスタのデータ整備を日々行っています。
発生する大量の購買データからのカテゴリ付与や商品の名寄せは人手による確認で対応していますが、普段扱っているデータの外にも整備したい商品データが数多く存在します。

本セッションでは、商品名を手がかりとしたカテゴリ付与と名寄せを対象にルールベース・機械学習・Cortex AIを組み合わせたハイブリッド構成での推論と、人手ラベル付き検証データとLLM-as-a-Judgeによる精度評価、その結果をもとにSnowflake CoCoがルールもモデルもプロンプトも自ら書き換えていく自律的な改善ループの実装についてご紹介します。

Snowflakeが推論するセマンティックモデルを実業務で使い倒す鍵は、メタデータの「品質保証」にあります。
本講演では、データカタログ（Quollio Data Intelligence Cloud）を活用して「一貫性のある高品質なメタデータ」を維持する方法を解説します。
セマンティックモデル構築における実務上の課題と実践的な解決策を交え、AIエンジンに統制された正しいメタデータを供給する仕組みをお届けします。

Snowflake Summit 2026では、Semantic Viewの作成・改善・活用を支えるさまざまな機能や実例が紹介されました。本セッションでは、Summitで紹介された事例と現在利用できる機能、新機能を整理し、Semantic Viewを継続的に改善・運用していくためのライフサイクルを紹介します。

FC東京とMIXIが取り組む、チーム向けデータ基盤構築を紹介します。トップチームや育成選手のコンディション情報、試合データ、GPSデータ、スカウトデータなどをSnowflakeへ集約し、現場の意思決定を補完するデータ分析支援の現在地と今後の展望をお話しします。

Snowflake CoCoとdbt Coreを活用し、AI駆動開発の効果を検証した事例を紹介します。仕様理解、モデル実装、TASK作成、テストケース生成までを対象に、従来開発との工数差や品質面の気づき、実案件適用に向けた課題を共有します。