PHAIDE · PITCH DECK / 2026
11 SLIDES · CONFIDENTIAL v0.1
Phaide
Pitch Deck · 2026
Signals, decoded 意思決定に活きる、新しいBI
0111
01 / PROBLEM

既存BIの3つの課題Why current BI breaks at scale

Root-cause analysis
P · 01

"データの定義"は
共有できない

KPIの定義が、レポートを作った人ごとに微妙に食い違う。経営陣が指標を変えても、 dbt・スプレッドシート・ダッシュボードのすべてには反映されない。

  • "アクティブユーザー" の定義が部署ごとにずれる
  • KPI変更が全資産に伝播しない
P · 02

データチームが
ボトルネックになる

分析スキルのない現場は、毎回データチームへ問い合わせるか、勘で判断するしかない。 セルフBIでは複数ソースをまたぐ分析は実質不可能。

  • 非分析職は問い合わせか勘に依存
  • セルフBIはデータソースをまたげない
P · 03

AI分析の
ハルシネーション

後付けのLLMはビジネス文脈を知らないため、もっともらしい嘘を返す。汎用AIをDBに直結すれば、権限管理や安全性の面でエンタープライズ要件を満たせない。

  • LLMがビジネス文脈を理解していない
  • つまずきやデータの癖が蓄積されない
  • 汎用AI × DB 直結は権限管理上 危険
0211
PROBLEM · 01 / 03

"データの定義"は
共有できない。

The definition of a metric silently diverges across dashboards, notebooks, and spreadsheets.
KPI Change 経営陣更新 dbt model Active = L7D login Spreadsheet Active = L30D usage Dashboard Active = paying only
· 観測される症状

経営陣が KPI 定義を変えても、全ての資産に反映されない。各チームの "アクティブユーザー" が、別のビジネスを語り始める。

01 · a

レポート作成者ごとの微妙なズレ

同じ "アクティブユーザー" でも、定義者の思想や目的によってクエリ条件が少しずつ変わる。各ダッシュボードは独立した島になり、会話がかみ合わなくなる。

01 · b

変更が全資産に伝播しない

経営陣が KPI を見直しても、dbt モデル、スプレッドシート、Looker、Excel のすべてを手動で追従させる必要がある。反映漏れが発生し、ある会議では旧定義の数字が議論の中心になる。

01 · c

"共通言語" の不在

セマンティックレイヤーが存在しないため、組織内に 共有された意味の核 がない。AI に渡しても、何を計算すべきかを判断する材料がそもそも欠けている。

0311
PROBLEM · 02 / 03

データチームが
意思決定のボトルネック
になっている。

Non-analytical roles are either stuck in a request queue or forced to decide on intuition.
PM Sales CS REQUEST QUEUE 順番待ち Data Team データチーム 2-5 BUSINESS DAYS 勘で判断
· 観測される症状

データチームに問い合わせれば 数日〜数週間待ち。待てない人は 勘で判断 する。分析の質は組織内で大きくばらつく。

02 · a

データリテラシーのある社員の数は限定的

現場の多くは SQL も書けず、dbt モデルの構造も知らない。自分でデータを取りに行く術がないため、毎回データチームに依頼を出すか、勘で動く かの二択になる。

02 · b

データチームの時間は有限

アドホック依頼がデータチームの工数を食いつぶし、本来やるべき モデリング、データ品質、戦略的分析 に時間を使えない。組織のデータ投資の ROI が下がる。

0411
PROBLEM · 03 / 03

AI分析が
ハルシネーションを
起こす。

Bolt-on LLMs without a shared semantic layer produce confidently wrong answers.
USER Q 質問 LLM (bolt-on) 後付けAI NO BUSINESS CTX HALLUCINATION それっぽい嘘 NO MEMORY 知見が残らない
· 観測される症状

LLM はビジネス文脈を持たず、もっともらしい嘘 を返す。つまずきやデータの癖も蓄積されず、毎回ゼロから再発見する羽目になる。

03 · a

LLMはビジネス文脈を知らない

後付けの LLM は、組織固有の KPI 定義、データモデル、過去の判断理由を知らない。プロンプトで都度補うしかなく、ハルシネーション が構造的に発生する。

03 · b

インサイトが蓄積されない

分析でつまずいたポイント、データの欠損、カラムの意味、過去の仮説検証の結果——こうした 基礎情報 がどこにも残らない。毎回ゼロから同じ落とし穴を踏みに行くことになる。

03 · c

汎用AIをDBに直結するのは危険

Claude Code などの汎用 AI をデータベースに直接つなげると、機密データへの 無制限アクセス を AI に与えてしまう。権限管理・監査・安全性の面で、エンタープライズ要件を満たせない。

0511
02 / SOLUTION

Phaide AISemantic-first analytics platform

3 core capabilities
A · CORE
layer/semantic

· Semantic Layer セマンティックレイヤー

KPI の定義、ディメンション、ビジネス文脈を一元管理し、全ユーザー・全AIエージェントで共有。一度蓄積された知見は、次回以降の分析に自動で引き継がれていく。

Warehouse SaaS APIs Events Semantic Layer KPI · ディメンション ビジネス文脈 · 蓄積知 AI agent Dashboard Embed / API
B · SURFACE
layer/dashboard

· Chat-editable Dashboard チャットで編集可能な
ダッシュボード

現場が自分で触れる、AIネイティブなダッシュボード。自然言語で指示するだけで、グラフの追加・指標の絞り込みがリアルタイムに反映される。

Chat-editable dashboard
C · CONTEXT
layer/context

· Business Context & Insights ビジネス文脈のインポート・
インサイトの蓄積

社内ドキュメントや過去の判断理由をインポートし、AI の出力を組織固有の文脈で正しくグラウンディング。得られたインサイトは自動で蓄積される。

Analytical chat with business context
0611
02 / SOLUTION

エンタープライズ機能群Built-in enterprise capabilities

1 hero · 3 built-in
· CAPABILITY · 01Scale

· Agent Swarm Agent Swarm による
大規模データの分析

Agent Swarm analysis graph
· CAPABILITY · 02Privacy

· Field Masking 機密フィールドのマスキング

· CAPABILITY · 03Governance

· Row-level Access Control ユーザーごとのデータアクセス制限管理

· CAPABILITY · 04Channel

· Slack Integration Slack からの直接分析依頼

0711
03 / TRACTION

US企業の成功事例Category validated by two category leaders

Omni · Hex — benchmark outcomes
omni.co
· Valuation
$650MMar 2025
· Stage
Series B$69M · ICONIQ Growth
· Total raised
$116MFounded 2022 · SF
· Case studies Customer outcomes
Rose Rocket
Logistics SaaS · US

現場が自力でデータを引き出せるようになり、データチームへの問い合わせが劇的に減少。

−80%
データチーム問い合わせ
Aviatrix
Cloud networking · US

Tableau・Looker・Excel を Omni に統一し、全社の BI 利用率が倍増。

2×
BI 利用率
hex.tech
· Valuation
~$500M–1BMay 2025 (推定)
· Stage
Series C$70M · Avra
· Total raised
$172MFounded 2019 · SF
· Case studies Customer outcomes
Whatnot
Live commerce · US

分析から意思決定、プロダクト実装までのリードタイムが数倍速に。

4–8×
本番投入サイクル
ClickUp
Productivity SaaS · US

チャーン分析データアプリが、100万ドル超の解約防止に直接貢献。

$1M+
解約防止に寄与
0811
04 / MARKET

市場規模A large, growing, M&A-hungry market

Global · Japan · M&A
· MARKET · SIZE GLOBAL + JAPAN
Global · BI & Data Analytics
· 2025 $37BYEAR 2025
→CAGR ≈ 15%
· 2033 $116BYEAR 2033
日本 · ビジネス・アナリティクス市場 JP DOMESTIC
Global: $37B → $116B (2025→2033, CAGR ≈ 15%) · Japan: ¥7,830億 → ¥8,960億 (FY24→FY25, +13%) 以降 年平均 +14.8% の成長予測。 SOURCE · Straits Research / デロイト トーマツ ミック経済研究所
· RECENT · M&A CATEGORY · HOT
BI カテゴリは過去数年、巨額買収が相次いだ戦略的に重要な領域。
Looker by Google · 2019
$2.6B
Tableau by Salesforce · 2019
$15.7B
Mode Analytics by ThoughtSpot · 2023
$200M
大手プラットフォーマーが、データレイヤーの勝者を抑えにかかっている。 日本でも国内BIベンダーのM&Aが本格化する前夜と見る。
0911
05 / GTM

GTM戦略Enter via embedded analytics for Japanese SaaS

Wedge · land & expand
· WEDGE

既存SaaSの
"分析機能" として入る。

日本市場では、Tableau / Looker 等の代替として未成熟なBIツールが エンタープライズに採用される可能性は低い。 ゆえに、まずは 既存 BtoB SaaS の裏側 に Phaide を組み込み、エンドユーザー向けの 分析機能として展開する。

HOST SAAS (例: HR / 会計 / CRM) 顧客ダッシュボード / 顧客別カスタムフィールド Phaide · Embedded セマンティックレイヤー付き
BtoB SaaS 企業が直面する「自社プロダクトに分析機能をどう載せるか」 という課題を、内製より速く、BIより柔軟に 解決する。
· SAAS PAIN (US precedents) 解かれている課題
WorkRampLMS · via Omni
カスタム分析を内製してきたが、毎四半期新しいレポート要件が発生し、エンジニアがコア機能から引き剥がされていた。
Build cost
Standard MetricsFin SaaS · via Omni
顧客のカスタマイズ要望のたびにエンジニア工数を投じるため、コア開発の速度が落ちた。
Eng drag
BrevoMarTech · via Omni
Looker を埋め込んでいたが、エンタープライズ顧客ごとのカスタム指標の維持が持続不可能になり CSM が疲弊。
CSM burn
· JP TARGETS · 想定顧客 BtoB SaaS · 国内
SmartHR
HR / 労務
freee
会計 / 経理
Sansan
営業DB
カミナシ
現場DX
b→dash
MarTech
1011
06 / TEAM

チームSpeed × deep technical capability

Founding members
Shintaro Morimoto
· FOUNDER / CEO
Shintaro Morimoto
Naota Ishikawa
· DEV LEAD
Naota Ishikawa
Manaki Ito
· INFRASTRUCTURE
Manaki Ito
· TRACK RECORD · 実績
2025/12〜 quelmap.com を開発。国立研究機関 NIMS・農研機構向けにカスタマイズ販売し、 OSS 版は GitHub で世界20カ国以上でダウンロード。 スピードと高い技術力を併せ持つ実行チーム。
¥8M· 売上実績
· Customers
NIMS · 農研機構
国立研究開発法人 2機関への
カスタマイズ販売実績
· Distribution
OSS · GitHub
世界 20カ国以上で
ダウンロード実績
· Capability
高い技術力
AI × データ基盤を
最小チームで構築
1111