AIエージェントをエンタープライズデータに安全につなぐための検討ポイントをまとめた記事はこちら👇 jp.cdata.com/blog/securely-…
日本語
CData Software Japan
15.3K posts
CData Software Japan
@CDataJapan
データ連携ならおまかせください💪 BI、ETL、ノーコードツールや開発言語から300+のSaaS/DBに接続できるコネクタ、ETL/ELTツールCData Sync、 DBからREST APIを自動生成するAPI Server など、多様なデータ連携製品であなたのデータ活用をサポートします。
宮城 仙台市 가입일 Mart 2016
864 팔로잉968 팔로워
「AIエージェントを入れたのに、結局 #Salesforce の案件データもERPの在庫情報も参照できなくて、現場が使ってくれない」こんな現状ありませんか？
実は、42%の企業が8つ以上のデータソースへの接続を必要としていて、62%の実務者がセキュリティ懸念をAIエージェント採用の最大障壁と答えているそうです。AIエージェントの課題は「賢さ」ではなく「データへの安全なアクセス」にあります。
従来のアプローチだと、AIエージェントを1つのコアシステムにつなぐだけで数週間から数ヶ月。しかも接続先が増えるたびに個別開発が必要で、86%以上の企業がテックスタックのアップグレードが必要と回答しています。
CData Connect AIのようなマネージドMCPプラットフォームなら、データレプリケーション不要でリアルタイムにライブデータへアクセスでき、接続構築も数時間から数日に短縮できます。ChatGPT、Copilot、Claudeなど主要なAIツールとノーコードで接続可能です。
日本語
CData Software Japan 리트윗함
記事ではSalesforceのカスタムオブジェクトを例に、5つのメリットを詳しく解説しています👇 jp.cdata.com/blog/why-use-c…
日本語
CData Code Assist MCPを使うと、AIコーディングツールが開発中にスキーマを直接探索できるようになります。カスタムオブジェクト(__c)の自動検出、外部キーメタデータからの正確なJOIN生成、PickList値の事前検証まで、「推測 -> 失敗 -> 修正」のループが「探索 -> 検証 -> 生成」に変わります。
しかも設計時に検証したクエリはそのままCData Driver(JDBC/ADO.NET/Python)経由で本番コードに反映されるので、本番環境にMCPやLLMへの依存が残りません。350+データソース対応、無償で使えます。
日本語
CursorやClaude Codeで #Salesforce のクエリを生成させたら、自社orgに存在しないCustomer_Segment__cを参照して、Stageの値も「Evaluation」と「Evaluating」を間違えて、JOINのキーも推測。コードは一瞬で出てくるのに、結局デバッグで時間を溶かしていませんか？
これ、AIに渡しているコンテキストの問題かもしれません。
日本語
350以上のデータソースに対応していて、日本法人は2016年に仙台で設立。グローバルで10,000社以上に使われています。
よく「生成AIでコネクタのコード書けばよくない？」と聞かれますが、記事では「作るコストより維持するコストの方が大きい」という視点も紹介しています。API仕様変更への継続対応って、地味だけど本当に大変ですよね。
皆さんの現場では、データソース間の連携どうされていますか？
日本語
メンバーが改めて「CDataってどういう企業なの？」を説明する記事を書いてくれました！
Salesforceは Salesforce語、kintoneは kintone語、SAPは SAP語。社内のデータが「方言だらけ」で、ツール同士が会話できない......。実はこれ、多くの企業が抱えている「データはあるのに使えない」問題の正体です。
CDataはこの「方言」をSQLという共通言語に翻訳する、いわば「データの通訳者」です。続く↓
日本語
記事ではキャッシング、バッチ処理、並列実行、サーキットブレーカー、コネクションプールなど、インフラ寄りの最適化を体系的に整理しています。CData Connect AIは350以上のデータソースに対して、これらの最適化（キャッシング、コネクションプール、クエリプッシュダウン、リトライロジック）をインフラレベルで提供しているので、自前で実装する必要がありません。
皆さんのMCP環境では、どのあたりがパフォーマンスのボトルネックになっていますか？
日本語
MCPサーバーを本番運用し始めると、モデルの推論速度よりも「モデルとデータの間のレイヤー」がボトルネックになるケースが増えてきます。ツール呼び出しのたびにコネクション確立、スキーマ取得、レスポンス待ち...積み重なると体感速度に大きく響きます。
そこで、MCPパフォーマンス最適化テクニック10選を記事にまとめました。たとえばグローバルモデルキャッシングだけで繰り返し呼び出しが約41倍高速化した事例も紹介しています。
日本語
CData Power BI Connector for Snowflakeは、最適化されたSQLプッシュダウンやOAuth / キーペア認証に対応しており、ネイティブコネクタでは対応しきれないケースの選択肢になります。記事はこちら👇
jp.cdata.com/blog/snowflake…
日本語
記事では、接続モードの選び方（インポート / DirectQuery / 複合モデル）、SQLプッシュダウンによるクエリ最適化、BI専用ウェアハウスの分離によるコスト管理、増分更新の設定、そしてSnowflake RBAC + Power BI行レベルセキュリティの組み合わせまで、実運用で押さえておくべきポイントを体系的にまとめています。
皆さんの環境では、Power BIからSnowflakeへの接続はDirectQueryとインポートどちらをメインで使っていますか？
日本語
Snowflakeにデータを集約したのに、Power BIのレポートが「遅い」「コストがかさむ」「DirectQueryとインポートどっちにすべきか分からない」。
Snowflake + Power BIの構成でこういった課題を抱えている方、少なくないと思います。接続方法やデータモデリングの設計次第で、パフォーマンスもSnowflakeのクレジットコストも大きく変わります。
日本語
【3/25(水)】AI × 業務データ活用を実現する「CData Connect AI」のウェビナーが新設🎉AI が業務データにリアルタイムでアクセスしてデータを取得・分析する様子をライブデモでお見せします✨AI × データ活用に関心をお持ちの方、ぜひご参加ください！
申込みはこちらから👇
jp.cdata.com/resources/conn…
日本語
CData Software Japan 리트윗함
自分が言いたいことを年末に書いてくれている方がいらっしゃる
AIもAIエージェントも、どこまで行ってもユーザーが使うツールでアプリケーションですよね。内部のロジックがLLM叩いて動的に変化するアプリケーション
jp.cdata.com/blog/agents-as…
日本語
CData のロゴ、変わったことにお気づきでしょうか。実は10年以上使ってきたブランドをゼロから作り直しました。
旧ロゴの小文字「cdata」は「edata? Adata?」と読み間違えられることがあり、「C」に埋め込まれた矢印も後ろ向きで、会社の方向性を正しく伝えられていませんでした。
コネクティビティツールの会社から AI データインフラの会社へ。事業が変わったのにブランドが追いついていなかった、というのが正直なところです。
新しいロゴ、カラーパレット、タグライン "Built for AI that has to be right." に込めた意図を Creative Director の Andre Thompson が語っています。デザイン判断の裏側が率直に書かれていて、ブランディングに関心のある方にも読み応えのある記事だと思います。
日本語