財務部門がAlteryxに求めたのは“説明できる処理”

Alteryxは、データの取り込みから加工、分析までをノーコードで行える分析プラットフォームである。処理ブロックをドラッグ＆ドロップでつなぐことで分析フローを構築でき、プログラミングの知識がない業務ユーザーでも扱いやすい。

FP&Aチームが重視した要件は、大きく4つあった。

第1は、大量のデータを一度にロードし、加工できること。第2に、仕訳計算の過程をホワイトボックス化し、数字の正しさを説明できること。第3に、すべての作業が同一のマスタを参照し、更新漏れやマスタ間不一致を防げること。そして第4は、加工後のデータの正確性をフローの中で検証できることだ。

これらの要件を満たすツールとして、チームはAlteryxの導入が効果的だと判断した。高橋は、その決め手を次のように語る。

「大きかったのは、Alteryxはコードを書いたことがない財務人材でも習得しやすいことです。処理の流れがブロックのつながりとして画面に見えますし、処理の前後でデータがどう変わったのかも、その場ですぐ確認することができます」（高橋）

財務部門にとって重要なのは、処理の速さだけではない。数字がどのような過程で作られたのかを説明できること、変更があった際にすぐメンテナンスできることも不可欠である。Alteryxは、その両方を満たす選択肢だった。

SSoTを“使える情報源”にするための設計

現在、FP&Aチームが運用するAlteryxフローは約20本。複数のメンバーが作成・運用しているが、どのフローにも共通のルールを設けている。データを取り込み、必要に応じて仕訳計算を行い、マスタによって共通言語化し、整合性チェックを経て、最終的にデータベースとして出力する流れだ。

フローの要所には、一意性と網羅性を確認するチェックプロセスを組み込んだ。データの結合やマスタによる組み替えでは、意図せずデータが増減することがあるためだ。また、会計ルールの変更が起こりやすい仕訳計算は、フロー内で明確に別出しし、モジュール化した。これにより、変更が発生しても対象箇所を素早く把握できる。

図1：Alteryx実装の全体像

こうしたフローが毎月生み出すデータ群こそ、全社業績の参照元「SSoT」となる。ただし、この基盤は最初から現在の形だったわけではない。当初は、あらゆる情報を一つの巨大なテーブルに集約していた。

「結果として、新しい情報が増えるたびにファイルは際限なく膨らみ、更新にも時間がかかっていました。データは一つのテーブルにまとまっているものの、作る側にも使う側にも煩雑な『巨大な倉庫』になってしまっていたのです」（高橋）

そこでチームは、SSoTのあり方を見直した。経営層の視点から「全社を横断的に分析するには、どのような切り口と階層が必要か」を定義し、既存データをマッピングし直した。月初にまず見るべき全社のハイライトをまとめた「Main Stream」と、深掘り分析するための詳細データである「Sub Stream」に分け、マスタを索引として結びつける構造へ再設計したのである。マスタは全社で一つ。Alteryxのフローも、その先のPower BIも、同じマスタを参照する。

「小説がページをめくるごとに違う言語で書かれていたら、全体像がつかめませんよね。連結全社の業績をストーリーとして語るには、辞書で通訳する必要があります。その役割がマスタなのです」（高橋）

図2：“巨大な倉庫”から“探しやすい図書館”へと見直したSSoTデータモデル

この構造は、Power BIの表示速度も向上させた。階層構造をマスタ側に持たせることでデータテーブル自体を軽くし、月次更新の範囲も最小限にできる。こうして、巨大な倉庫だったSSoTは、必要な情報を探しやすい図書館となった。

月60時間の削減で生まれた、業績と向き合う時間

Alteryxによるフロー化の成果は、工数にも表れている。従来は1フローあたり約3時間かかっていた作業が圧縮され、月に約60時間の稼働を削減した。空いた時間は、業績を読み解き、経営に資する示唆を導き出すという本来の仕事に充てられている。

「目的は自動化ではありません。あるべき姿から逆算したとき、調整・加工業務がボトルネックになっていました。そして、それを解決する手段がAlteryxだったのです」（高橋）

数字を集め、揃え、整える作業に追われていた状態から、共通言語化されたデータをもとに業績を語る状態へ。FP&Aチームの役割は、データ処理の担当者から、経営判断を支える分析者へと進化しつつある。

ポイントは「AIが活用できる業務知識」の整備

共通言語化されたデータ基盤は、次の挑戦の土台になっている。現在、同社では「人間のアナリスト」「組織化されたAIエージェント」「SSoTデータモデル」の3要素を前提に、FP&A業務の一部を再構築する取り組みを進めている。

改革を推進する井上 貴史は、AIエージェントの可能性と課題をこう語る。

「大量の作業を一挙にこなすのは、間違いなくAIの方が得意です。一方で、AIは静かに嘘をつきます。こうした特性をふまえた仕組みづくりを重ねています。もちろん、最終的な説明責任は、人間が負うことが大前提です」（井上）

また、FP&Aチームの取り組みを支援し、顧客のAI活用支援も行っている伊藤 早紀は、Alteryxの新たな価値を見据えている。多くの企業で、判断基準や例外対応のノウハウといった業務知識が、担当者の頭の中や部門ごとのファイルに埋もれており、AIが活用できる形で整理・共有されていない。それがAI活用の壁になっているという。

「これからの差別化要因は、『AIが活用できる業務知識をどれだけ形式知化し、再利用可能な資産として蓄積できているか』です。Alteryxなら、業務を一番よく知る現場自ら、その知識をデータ化していけます。人もAIも参照できるプラットフォームとして、さらに価値を発揮していくことでしょう」（伊藤）

Alteryxは、「業務を最もよく知る現場が」「自ら業務ロジックを見える化」し、「再利用可能な形で管理できる」プラットフォームでもある。AIに何を任せるか。その前に、何を基準に判断させるか……判断基準となる業務知識を整えることが欠かせない。

数字を揃えるだけで消耗していた財務業務を、業績を語り、経営判断を支えるものへ変えていく。NTTデータグループ財務本部の取り組みは、AI時代の経営管理において、足元で問われるのは「誰もが同じ意味で使えるデータ」という地道な土台づくりだ。AIに任せる前に、まず言葉を揃える。NTTデータグループの実践は、その最初の一歩を示している。