先日（2026年4月15日）、TDX 2026 のセッションで「Data 360 による Tableau Analytics の統合」というテーマで登壇してきました。本記事は、そのセッションのスライドを引用しながら、note 読者向けに再構成したものです。

この記事は、そうした感覚を持っている カンファレンスで登壇したことがない人 に向けて書いています。経験年数や役職は関係ありません。コミュニティイベントや社内勉強会で人前に立った経験がまだない、あるいは一度きりで止まっている。そんな状態の人を想定しています。

記事を読んだ後に気になったことがあります。この「CRM に文脈がない」という問題は、昨今のシステムアーキテクチャ論ではどのように議論されているのか。調べてみると、2025年末から2026年にかけて、複数のベンチャーキャピタルやスタートアップが驚くほど似た構造でこの問題を論じていることがわかりました。

海外のカンファレンスに参加する予定がある方へ。セッションを聴いたり、ブースを回ったりするだけでも十分に価値はあります。しかし、せっかく海外に足を運ぶのであれば、現地で出会った人々とつながり、長期的なネットワークを築くことにもぜひ挑戦してほしいと思っています。

たった一言の要望。しかし、その裏側では ── ダッシュボードを開き、データソースにフィールドを追加し、ビジュアルを整え、再度パブリッシュする。担当者が他の業務を中断して対応しなければ、この一言に応えることすらできません。

本記事の内容は、David Plotkin 著『データスチュワードシップ データマネジメント＆ガバナンスの実践ガイド』（Metafindコンサルティング訳、日経BP、2024年）で示されているデータスチュワードシップの考え方を参考にしています。同書は、データマネジメントの現場で40年以上の実践経験を持つ Plotkin 氏が、データの品質管理やガバナンスにおけるスチュワードの役割を体系的に解説した一冊です。ID Resolution を設計する際に不可欠な「データの出自と品質を理解する」という視点は、まさにデータスチュワードシップの中核をなす考え方です。

2026年1月、SalesforceはAgentforceにおいて「A2A（Agent-to-Agent Protocol）」と「MCP（Model Context Protocol）」という2つのオープン標準への対応、そして「Agent Registry」という新機能を発表しました。これにより、ノーコードでエージェント間連携の設定が可能になります。

さあ、次はどうしましょう？

カンファレンス参加の目的

少し試した程度ですが、私はこのCoworkは多くの人が「やらなきゃ」と思いながら後回しにしてきた課題である、「ローカルファイルの整理とクラウド移行」を大きく前進させる可能性があるなと感じました。

2025年は私にとって、多くのエキサイティングな機会をいただけた1年でした。世界最大級のテックカンファレンスで登壇し、製品チームと直接対話する——そんな機会をいただけるとは、数年前の自分には想像もできませんでした。

はじめに

「Human in the Loop（人間がループにいること）」という言葉を、OpenAIのオフィス訪問時に聞いたとき、妙に心に残りました。技術の世界では、AIが自動で判断するプロセスの中に、人間の知見や判断を意図的に組み込む設計のことをこう呼ぶそうです。AIの精度を高めるだけでなく、誤りを防ぎ、最終的な判断に“人間の責任”を残すための考え方でもあります。

データを活用して組織を変えていきたい。そんな想いを持つ仲間が集まるコミュニティがあります。それが、Tableauユーザーが有志で運営する認定制度「DATA Saber」です。

Salesforce Data Cloud には『KQ （キー項目修飾子）』という項目があります（KQの概要は以下のヘルプに記載されているため省略します）。
ヘルプ記事: Salesforce ヘルプ > ドキュメント > Data Cloud完全修飾キーを使用したデータ解釈

データドリブンマーケティングの世界では、これまで「個人」を中心にセグメンテーションを行うことが主流でした。しかし、実際の購買意思決定の多くは世帯単位で行われます。

始まりは「研究者の課題解決」。リバネスグループの挑戦

Salesforceが2025年4月に発表したTableau Nextは、従来のBIツールの概念を覆す「agentic analytics（エージェント型分析）」を提唱しています。一方で、Anthropicが開発したModel Context Protocol（MCP）という新たな標準、そしてそれを活用したTableau MCPという機能も、AIとデータソースを接続する新たなアプローチとして注目を集めています。
どちらも生成AIを活用したデータ分析という同じ領域をターゲットにしており、企業のデータ活用担当者は今後「どちらを、どのように使い分けるべきか」という課題に直面することになるだろうな、と感じています。本記事では、両者の特性を整理しながら、企業における現実的な活用戦略を提案します。

要は『Sample Superstore を利用して Tableau Next のために Data Cloud 上にデータセットを作成』します。

Box社の事例: Tableau Pulseによる業務変革

SalesforceからSnowflakeへのデータ連携を実現した理由