<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
<channel>
  <title><![CDATA[StreamShift Lab Wave]]></title>
  <link>https://streamshiftlabwave.com/</link>
  <description><![CDATA[StreamShift Lab Waveは東京・神田を拠点とするデータコンサルティングファームです。中小企業とスタートアップのデータ基盤設計・分析ダッシュボード構築を専門とします。]]></description>
  <language>ja</language>
  <atom:link href="https://streamshiftlabwave.com/feed.xml" rel="self" type="application/rss+xml" />
  <item>
    <title><![CDATA[夏季の相談予約について（7月・8月）]]></title>
    <link>https://streamshiftlabwave.com/</link>
    <description><![CDATA[7月と8月は社内研修と既存プロジェクトの集中期間のため、新規相談の受付枠を月4件に絞っています。ご検討中の方はお早めにご連絡ください。9月以降は通常枠に戻ります。]]></description>
    <pubDate>2026-07-01</pubDate>
  </item>
  <item>
    <title><![CDATA[物流スタートアップのデータ基盤設計プロジェクトが完了しました]]></title>
    <link>https://streamshiftlabwave.com/</link>
    <description><![CDATA[埼玉県を拠点とする物流スタートアップのデータパイプライン設計・構築プロジェクトが8週間で完了しました。配送遅延の予兆検知ダッシュボードが本番稼働しています。]]></description>
    <pubDate>2026-06-10</pubDate>
  </item>
  <item>
    <title><![CDATA[データ品質監査の新しい進め方について]]></title>
    <link>https://streamshiftlabwave.com/</link>
    <description><![CDATA[2026年春から、データ品質監査の進め方を一部見直しました。初週に実施するヒアリングの構造を変え、現場担当者への負担を減らしながら根本原因の特定を早める工夫を加えています。]]></description>
    <pubDate>2026-05-20</pubDate>
  </item>
  <item>
    <title><![CDATA[データ基盤を作る前に整理すべき3つのこと]]></title>
    <link>https://streamshiftlabwave.com/notes/data-kiban-mae-ni-suru-koto.html</link>
    <guid>https://streamshiftlabwave.com/notes/data-kiban-mae-ni-suru-koto.html</guid>
    <description><![CDATA[あるプロジェクトが始まったのは、十月の終わりだった。クライアントの担当者——東京・恵比寿にオフィスを構える中堅EC企業のデータ推進室長——は、会議室のホワイトボードにBigQueryのアーキテクチャ図を描きながら、こう言った。「まず基盤を作って、そこにデータを流し込めばいいんですよね」。その言葉を聞いたとき、筆者は静かに椅子を引いた。なぜなら、その問いかけ自体が、データ基盤プロジェクトが失敗する最もありふれたパターンの入り口だと知っていたからだ。ツールは手段であり、構造ではない。現場の業務フローとデータの発生源を把握しないまま器だけを作っても、それは空の倉庫を建てるに等しい。この記事では、BigQueryやSnowflakeといったクラウドデータウェアハウスを導入する前に、必ず整理しておくべき三つのことを、実際のプロジェクト経験をもとに丁寧に解説していく。]]></description>
    <pubDate>2026-05-27</pubDate>
  </item>
  <item>
    <title><![CDATA[「数字が合わない」問題の根本原因を探る方法]]></title>
    <link>https://streamshiftlabwave.com/notes/suji-awanai-genin-sagashi.html</link>
    <guid>https://streamshiftlabwave.com/notes/suji-awanai-genin-sagashi.html</guid>
    <description><![CDATA[月曜日の朝、会議室に三枚のスライドが並んでいる。営業部が出した先月の売上は1億2千万円、経営企画が提出した同じ期間の数字は1億1千5百万円、そしてシステム部門が自動生成したダッシュボードには1億3百万円と表示されている。誰も嘘をついていない。それなのに、数字は三つある。この種の混乱は、多くの組織で静かに、しかし確実に進行している。問題の本質はデータそのものの品質ではなく、「何を売上と呼ぶか」という定義と、「いつの時点で集計するか」というタイミングの、二重の不統一にある。本稿では、その根本原因を特定するための具体的な調査手順を、現場で実際に役立つ形で書き記す。]]></description>
    <pubDate>2026-02-25</pubDate>
  </item>
  <item>
    <title><![CDATA[中小企業がBIダッシュボードを導入して失敗する理由]]></title>
    <link>https://streamshiftlabwave.com/notes/chusho-bi-dashboard-shippai-riyuu.html</link>
    <guid>https://streamshiftlabwave.com/notes/chusho-bi-dashboard-shippai-riyuu.html</guid>
    <description><![CDATA[社内のデータを可視化したい——その動機は純粋で、正しい。しかし、導入から半年も経つと、誰もそのダッシュボードを開かなくなっている、という光景は珍しくない。ツールが悪いわけではない。データが足りないわけでもない。問題は、「見せる」ことと「使う」ことを混同したまま設計が始まる、その出発点にある。本稿では、中小企業のBI導入がなぜ空洞化するのか、その構造的なパターンを丁寧に解きほぐし、使われ続けるダッシュボードをどう考え、どう設計するかを実践的な視点から論じる。派手な機能や最新ツールの話ではない——問われているのは、組織の意思決定という営みをどこまで誠実に理解しようとしているか、という問いだ。]]></description>
    <pubDate>2026-04-11</pubDate>
  </item>
  <item>
    <title><![CDATA[LookerStudioとTableauはどちらを選ぶべきか]]></title>
    <link>https://streamshiftlabwave.com/notes/lookerstudio-vs-tableau-sentaku.html</link>
    <guid>https://streamshiftlabwave.com/notes/lookerstudio-vs-tableau-sentaku.html</guid>
    <description><![CDATA[データを「見る」ことと、データを「読む」ことのあいだには、思いのほか深い溝がある。多くの企業がBIツールの導入を検討するとき、最初に突き当たるのがLooker StudioとTableauという二つの名前だ。一方は無料で始められるGoogleのサービスであり、もう一方はエンタープライズ市場で長年にわたって地位を築いてきた有償プラットフォームである。価格だけを見れば選択は容易に思えるが、実際の現場では「無料だから導入したLooker Studioが、結局誰も使わなくなった」という声と、「Tableauを契約したものの、コストに見合った活用ができていない」という声が同じくらいの頻度で聞こえてくる。この記事では、どちらが「優れているか」という問いを一度脇に置き、あなたの組織の規模、データリテラシーの水準、そして本当に解きたい問いに照らして、どちらを選ぶべきかを考える材料を丁寧に整理していく。]]></description>
    <pubDate>2025-12-21</pubDate>
  </item>
  <item>
    <title><![CDATA[データ活用を社内に定着させるための引き継ぎ設計]]></title>
    <link>https://streamshiftlabwave.com/notes/data-katsuyo-hikitsugi-sekkei.html</link>
    <guid>https://streamshiftlabwave.com/notes/data-katsuyo-hikitsugi-sekkei.html</guid>
    <description><![CDATA[プロジェクト終了の翌朝、ダッシュボードは昨日と同じ画面を映している。しかし操作する手が違う。外部コンサルタントが去り、社内のチームだけが残された月曜日——その静寂の中でデータ活用は、音もなく止まりはじめる。原因はツールではない。スキルでもない。「なぜそう読むのか」という文脈が、人とともに去ってしまうからだ。このエッセイでは、StreamShift Lab Waveが複数の企業プロジェクトを通じて蓄積してきた引き継ぎ設計の思想と、実際に機能したドキュメント・研修の構造を丁寧に書き起こす。数字を社内に根付かせることは、ツールの導入よりもずっと地味で、ずっと重要な仕事だ。]]></description>
    <pubDate>2025-01-22</pubDate>
  </item>
</channel>
</rss>
