データ統合
データが分断したままでは、AIは動かない
基幹システム、EC、外部SaaS。
散らばったデータをメルカートDWHに集約し、AIが分析できる状態にします。
EC DWH（データウェアハウス）とは、基幹システム・ECプラットフォーム・外部SaaSに分散したデータを1か所へ集約し、分析に使える形で保管する基盤のことです。
データの統合はETL（Extract：抽出／Transform：変換／Load：格納）の3工程で行います。抽出したデータを分析しやすい統一フォーマットに変換し、クレンジングと正規化で品質を高めたうえでDWHへ書き込みます。
メルカートのDWHはAIエージェントと一体で設計されているため、統合したデータをそのまま自然言語で分析できます。DWH構築のための大規模プロジェクトを別途立ち上げる必要がありません。
EC データ統合
DWH（データウェアハウス）とは何か
ECサイトの事業が伸びるほど、基幹システム・マーケティングツール・実店舗のPOSレジにデータが散らばっていきます。売上を伸ばす打ち手がデータに依存するようになった今、この一元化は先送りできない課題になりました。
DWH（Data Warehouse）とは、複数のシステムから集めたデータを、分析に使える形へ整理して蓄積する基盤のことです。日々の受注や在庫引き当てを処理する業務システムとは役割が分かれており、過去の取引と行動ログを時系列で保管します。
メルカートは、ECカートシステムとして日本初※1、分析・提案・実行の全工程をAIが支援する「AIエージェント一体型DWH基盤」を構築しました。独自開発のメルカートインテリジェンスエンジンAIとDWHが直結しており、担当者が自然言語で問いかけるだけで、売上課題の特定から施策の提案、管理画面内での実行までをAIが引き受けます。
このページでは、DWHの基礎知識と、AIを使った実践的なデータ連携の仕組みを順に説明します。
AIエージェント一体型DWHが もたらすもの
システムごとに分かれていたデータが1か所に集まると、EC事業は「データを集める段階」から「AIの助けで利益を生む段階」に移ります。
AIエージェントの自動化
自然言語の対話で、
分析・提案・実行までをAIがアシストする
- 日常の言葉で問いかける
- 「最近売上が落ちている理由は？」と聞くだけで、DWHに集まったデータをAIが分析し、課題の特定から施策の提案までを返します。データ抽出のための命令文や、複雑なコードの入力は要りません。
- 提案の実行まで続く
- 「提案された離脱層の会員グループを作成して」と指示すれば、管理画面の中でセグメントの作成まで進みます。分析の結果を別の画面へ持ち込み直す手間が発生しません。
オペレーション効率化
CSVをダウンロードして
Excelで結合する作業がなくなる
- 属人化が解ける
- 各システムから手でCSVを落とし、Excelで結合・加工する作業は、特定の担当者しかできない状態を生みます。ETLを自動化すると、その人がいないと止まる、という状態がなくなります。
- 人為的なミスが減る
- 結合と加工を人が繰り返すほど、列の取り違えや期間のずれが混ざります。同じ処理を毎回同じ手順で通せるようになり、数字を疑う時間が減ります。
OMO・リアルタイム統合
店舗での買い物が、その場でECに反映される
- ポイントと履歴がすぐ揃う
- 実店舗で会員証を提示して買った直後に、EC側の保有ポイントと購買履歴が同期されます。顧客から見て、店とサイトで話が食い違いません。
- 全チャネルの在庫を一元で持つ
- 店舗の欠品による取り逃がしを防ぎ、オンラインからの取り置きや店舗受取（BOPIS）といった運用に広げられます。在庫を全社の資産として扱えるようになります。
AIによるLTV最大化
次に何を買うかの予測から、
配信のタイミングを決める
- 行動のパターンから予測する
- 購買履歴とサイト上の行動をAIが学習し、予測モデルを作ります。「商品Aを買い、特定のページを長く見た人は、3か月以内に商品Bを買う確率が高い（または離脱する確率が高い）」といった見立てが出せます。
- 予測にもとづいて自動で動かす
- その見立てに合わせて、レコメンドやクーポンの配信を最適なタイミングで自動実行できます。リピート率の押し上げがそのまま売上に返ります。
DX戦略の前提
データサイロを防ぐことが、 DX戦略の前提になる
ECサイトの役割は、販売チャネルから「顧客体験（CX）のハブ」へ移りつつあります。店舗・アプリ・問い合わせ窓口で起きたことが、すべてECの顧客データに返ってくる前提で設計する必要があります。
そのためには、システムごとに分かれた情報を横断して使える基盤が要ります。オンラインとオフラインをまたいだ購買行動の分析や、精度の高い需要予測は、データが1か所に揃っていないと成立しません。
ただし、集めれば足りるわけではありません。「ゴミを入れればゴミが出てくる（Garbage In, Garbage Out）」と言われるとおり、入ってくるデータの品質と安全性を担保する仕組み——データガバナンス——が先に必要です。収集・保存・利用のルールと責任の所在を決め、データの可用性と完全性を保つ取り組みを指します。
ECは購買履歴や決済情報といった機密性の高い個人情報を扱います。アクセス権限の設定と通信の暗号化は、法令とコンプライアンスの両面から求められます。
まず押さえる言葉
データ統合の基礎
ECサイトの規模が大きくなるにつれて、扱うデータの種類と量は増え続けます。データ統合がなぜ必要になるのか、その中核を担うDWHが何をする場所なのかを、3つの言葉から押さえます。
データサイロ
データサイロとは、顧客情報・購買履歴・在庫・キャンペーンの反応が、ECカート・基幹システム・CRM・MAツールに分かれたまま突き合わせられない状態のことです。サイトの規模が大きくなるほど、扱うデータの種類と量が増え、分断も深くなります。
- 顧客ひとりを通して見られないため、正確なLTV（顧客生涯価値）が算出できません。
- セグメントを切るたびに、システムをまたいだ名寄せの作業が発生します。
- AIに渡すデータが揃わないため、予測の精度が頭打ちになります。
- 同じ顧客が別人として数えられ、施策の効果測定そのものがずれます。
DWH（データウェアハウス）
DWH（Data Warehouse）とは直訳すると「データの倉庫」で、複数のシステムから集めたデータを目的別に整理して蓄積する統合データベースを指します。日々の処理に使う業務システムとは切り離して置くのが前提です。
- 過去の取引データと顧客の行動ログを、時系列で安全に保管します。
- 業務システムに負荷をかけずに、重い分析を高速に回せます。
- 単なる保存場所ではなく、メルカートインテリジェンスエンジンAIと直結しています。
- DWH・データレイク・データベースの違いは、上の「3つの論点」に書いています。
ETLプロセス
ETLとは、DWHへデータを供給する3つの工程の頭文字です。この流れを自動化し、常に最新で正確なデータをDWHへ送り続けられるかどうかが、AI活用とマーケティング自動化の前提条件になります。
- Extract（抽出）：基幹システム・ECプラットフォーム・外部SaaSから必要なデータを取り出します。
- Transform（変換）：分析しやすい統一フォーマットに直し、クレンジングと正規化で品質を高めます。
- Load（格納）：整えたクリーンなデータをDWHへ書き込みます。
- ここを手作業で回すと、担当者が替わった時点で止まります。
データ基盤で押さえるべき 3つの論点
AIによる予測やパーソナライズを実現するには、データを1か所に集めるだけでは足りません。集めたものを正しく管理・運用する体制が要ります。検討の段階で混同されやすい3点を整理します。
DWH・データレイク・データベースの違い
用途が違います。データベースは日々の処理のため、データレイクは加工前のものをそのまま貯めるため、DWHは分析のために整理して保管するための場所です。同じ「データを置く場所」でも、置き方と取り出し方が別物です。
- データベース：注文や会員など、日々の処理のために使う
- データレイク：形式を問わず、加工前のまま貯める
- DWH：分析に使える形へ整えてから保管する
MDM（マスタデータ管理）
顧客と商品のマスタを一元化していないと、統合しても同じ人・同じ商品として扱えません。集めたあとに名寄せで詰まるのは、ここが揃っていないためです。
- 顧客マスタ：チャネルをまたいだ同一人物を1人として扱う
- 商品マスタ：表記の揺れをなくし、同じ商品を同じものとして数える
- メルカートID：各サービスのデータを同じ顧客に束ねる鍵になる
データガバナンスとセキュリティ
AIを使うほど、誰がどのデータに触れられるかの設計が先に要ります。メルカートのDWHは自社専用のプライベート環境で動きます。
- 氏名や詳細な住所は除外し、都道府県のレベルまで匿名化する
- 会員IDやエリアの特性は残すので、行動の分析には使える
- 外部の公開AIモデルに、入力したデータが渡ることはない
なぜカートにDWHか
なぜ、ECカートにDWHが入っている必要があるのか
メルカートは単なるショッピングカートではなく、顧客データ・商品データ・注文データをつなぎ、成果に結びつける「データ統合 × AIエージェント」を標準搭載した国産のクラウドECです。
日本の複雑なポイント制度やBtoB特有の商習慣に標準で対応できる「国産」の強みと、常に最新の機能が自動で反映される「クラウドEC」の利点を、どちらも持っています。DWHを別に立てる道もありますが、同じ基盤に入っていることで変わるのは、つなぐ手間と、始められる規模です。
つぎはぎにならない
ECプラットフォームそのものにDWHとAIエージェントが内包されています。外部ツールをつないだ場合に起きるデータの時間差や、連携の取りこぼしが発生しません。分析の結果を別の場所へ持ち込み直す工程も要りません。
既存のシステムから移せる
手軽さやデザイン性に寄せた安価なSaaS型カートや外資系のプラットフォームでは、事業が伸びたときに高度なデータ統合や独自のカスタマイズで限界にぶつかることがあります。メルカートは最初から拡張を前提にAPIと連携機能を備えており、基幹システム（ERP）・CRM・MAツールからのデータ連携と移行に対応します。これまで貯めてきたデータ資産を捨てずに、新しいAI基盤へ引き継げます。
小さく始めて、大きくできる
「高度なデータ統合やAI活用は大規模EC向けで、費用が高いのでは」という懸念はよく聞きます。メルカートはクラウドECの作りなので、事業規模と予算に合わせて小さく始められます。トラフィックの急増やオムニチャネル化といった機能追加にも広げられるため、数年ごとにシステムを入れ替える前提になりません。フルスクラッチ開発と比べたとき、初期費用と保守運用コストを含めた総額（TCO）に差が出ます。大規模なカスタマイズが要る場合はパッケージ型が適することもあり、そこは規模に応じてご提案します。
データ統合と移行を、 どこから始めるか
いま何がどのシステムに入っているかによって、手をつける順番が変わります。基幹システムやMAツールの構成をうかがったうえで、移行のすじ道をご提案します。
動画で見る
仕組みを動画で見る
よくある質問
DWHの構築には大きなプロジェクトが必要ですか？
必要ありません。一般的なデータ統合では、まずDWHを構築するプロジェクトを立ち上げ、そこに年単位の時間と費用がかかります。メルカートは最初から統合データ基盤として設計されているため、この工程を挟まずに済みます。ETL（抽出・変換・格納）の処理も基盤側で自動化されており、常に最新のデータが分析に使える状態で揃います。
既存の基幹システムやMAツールから移行できますか？
できます。基幹システム（ERP）・CRM・MAツールからのデータ連携と移行に、APIと連携機能で対応します。これまで蓄積してきたデータ資産を捨てることなく、新しいAI基盤へ引き継げます。どこまでを標準の範囲で接続でき、どこに個別の対応が要るかは、いまお使いの構成によって変わります。
小規模なECでも使えますか？
使えます。メルカートはクラウドECの構成なので、事業規模と予算に合わせて小さく始められます。トラフィックの急増やオムニチャネル化といった機能追加にも広げられるため、数年ごとにシステムを入れ替える前提になりません。フルスクラッチ開発と比べると、初期費用と保守運用コストを含めた総額（TCO）で差が出ます。大規模なカスタマイズが必要な場合はパッケージ型が適することもあり、そこは規模に応じてご提案します。
データサイロとは何ですか？どうすれば解消できますか？
データサイロとは、ECカート・基幹システム・CRM・MAツールなどにデータが別々に溜まり、突き合わせられなくなっている状態のことです。この状態では、顧客ひとりを通して見た分析ができず、正確なLTVの算出もパーソナライズの実行もできません。メルカートは各システムのデータを統合してDWHに蓄積するため、顧客ごとの分析と、施策の自動実行に使える形になります。
入力したデータが外部のAIに渡ることはありませんか？
ありません。メルカートのDWHは自社専用のプライベート環境で動作します。氏名や詳細な住所といった機密情報は除外し、都道府県のレベルまで匿名化したうえで分析に使います。会員IDやエリアの特性は保持するため、行動分析の精度には影響しません。注文・アクセスログ・会員属性・マニュアル記事までを安全な範囲で学習させており、外部の公開AIモデルに入力データが渡ることはありません。
次の一歩
自社の構成で何ができるか、ご説明します
現在お使いのシステムをお聞きしたうえで、実現できる範囲と進め方をお伝えします。