01 / 製品詳細

問いを、Data MCP、Data Agent、Data App として運用に残す。

Name: Lanikaia
Availability: InStock

Lanikaia は、データ基盤の上に置く「問いの実行レイヤー」です。経営や現場の問いを受け取り、必要なデータ、定義、生成コード、承認、出力を 1 つの仕事として残します。CDO / Head of Data が評価すべき点は、どの成果物が生まれ、誰が点検でき、どこまで再利用できるかです。

02 / 成果物

Lanikaia が作るものは 3 つです。

01
Data MCP
データを使うための統制された接続面
dataset、function、metric、policy、lineage を MCP tool として公開します。Agent や社内 tool は、許可されたデータと定義だけを呼び出せます。
評価観点: 既存の metric、dbt asset、policy を MCP tool として安全に呼び出せるか。
02
Data Agent
問いを実行可能な仕事へ進めるエージェント
自然言語の Ask を、参照データ、生成コード、中間テーブル、レビュー、承認が揃った作業単位に変えます。チャットではなく、再実行できる分析の履歴です。
評価観点: 同じ問いを別チーム、別期間、別データ snapshot で再実行できるか。
03
Data App
検証済みの発見を業務で使う出力面
検証された結果を workflow、approval、operational view、API、MCP、BI、Excel output として業務へ出します。分析結果を報告で終わらせません。
評価観点: 役員会、週次レビュー、業務オペレーションのどこに接続できるか。

03 / 製品内の流れ

01
Ask
利用者が業務の言葉で問いを投げます。例: 主要顧客の解約率が上がった理由を知りたい。
02
Context
Lanikaia が metric、policy、catalog grant、関連する履歴を集め、実行前に読める範囲と使う定義を確定します。
03
Execute
Agent が SQL / Python / workflow を生成し、Iceberg snapshot と semantic asset に紐づけて実行します。
04
Review
アナリスト、ドメイン専門家、データ責任者が、答え、生成コード、参照元、承認状態を同じ場所で点検します。
05
Promote
価値がある仕事だけを Data MCP、Data Agent、Data App に昇格し、次回以降の再利用対象にします。

04 / 評価する人

05 / 次のステップ