Apache Ossieでも数字は揃わない|共通形式を選定条件にするか

「BIを入れ替えるたびに、売上や商談化率の定義を作り直している。次に選ぶ製品は、定義を持ち出せるかどうかで決めたい」「社内のAIエージェントにも数字を答えさせたいが、BIの中にある定義をAIに読ませる方法がない」——データ基盤を複数の部門で使い始めた会社の分析担当と情報システム部門から、2026年に入って増えている声です。こうした声に応えるものとして名前が挙がるのが、指標の定義を製品の外に書き出すための共通の仕様、Apache Ossie(旧称の略は OSI)です。ただし、共通の形式で定義を書いても、それだけでどのツールでも同じ数字が出るわけではありません。共通形式が運べるのは「定義の文面」であって、データの正しさや計算の方言の違いまでは運べないからです。この記事では、Apache Ossie が何をする仕様で、2026年11月時点でどこまで成熟しているのかを公式の情報で確かめたうえで、共通形式への対応を製品選定の条件にするか、今採るか待つかを、分析・マーケ担当と情シスが比べるための材料を整理します。
カメ先生指標の定義を共通の形式で書いておけば、どのBIでもAIでも同じ数字が出る、と思われがちなんだ。でも本当は、形式がそろっても、元のデータと計算のしかたが違えば数字はずれるんだよ。
カメ子定義を持ち運べることと、数字が合うことは別の話、ということですか。
カメ先生そう。それに、この仕様は2026年6月に育成段階に入ったばかりで、版もまだ0.1系なんだ。だから、全面的に乗るか、選定の条件の一つにとどめるかを分けて考える必要がある。
カメ子囲い込まれる怖さと、標準がまだ若い怖さを、同じ物差しで比べるんですね。
- Apache Ossie は指標・軸・関係をベンダー中立の形式で書く仕様。2026年1月に初版を公開し、2026年6月22日に Apache の育成段階(Incubator)に入った。正式な事業になったわけではない
- 共通形式が運ぶのは定義の文面まで。元データの品質、計算の方言、権限は運ばない。AIエージェントに定義ファイルを読ませても、数字の正しさは別に確かめる
- 今すぐ全面採用より、「書き出せること」を選定の条件に入れ、自社の主要指標で往復の検算をしてから広げるのが現実的
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
「共通形式で書けば、どのツールでも同じ数字」は誤り
指標の定義が製品ごとに閉じていることの弊害は、分析の現場では長く知られてきました。BIの中で「商談化率」を定義し、データ基盤の変換処理でも同じ名前の列を作り、表計算でも別の担当が集計する。同じ名前の数字が三つあり、会議のたびにどれが正しいかの確認から始まる、という光景です。共通の仕様に定義を書けば、この問題が片付くように見えます。ところが、仕様が決めるのは「指標の名前、式、どの表のどの列から、どの軸で切れるか」を書く入れ物の形です。入れ物がそろっても、中身の式が正しいか、元のデータが欠けていないかは、相変わらず人が確かめる仕事として残ります。
もう一つの見落としが、計算の方言です。指標の式は最終的にSQLとして実行されますが、データの倉庫ごとにSQLの細かな書き方は違います。後で述べるとおり、Apache Ossie では式に方言の印を付けて書く形をとっており、取り込む側が対応していない方言の式は使えません。「定義を持ち運べる」は「どこでも同じ結果で動く」と同じ意味ではないという前提を置いたうえで、それでも共通形式に価値があるのはどこか、を見ていくのがこの記事の筋道です。
Apache Ossieとは:指標・軸・関係をベンダー中立の形式で書く仕様
Apache Ossie は、業務で使う指標と、それを切る軸(地域・製品・期間など)、表どうしの関係を、特定の製品に依存しない形式で書き表すための公開仕様です。2026年1月の公式ブログでは、扱う要素としてデータセット、指標、軸、関係、文脈の五つが挙げられています。書式は人が読み書きできるテキストの設定ファイルと JSON に対応し、GitHub の公開リポジトリには、中核の仕様書、機械で検査するためのスキーマ、意味の体系(オントロジー)の仕様、小売の分析で使われる公開のベンチマーク(TPC-DS)を題材にした例のモデル、互換性を採点する道具、Python から読み書きするための部品などが置かれています。
ここで押さえておきたいのは、Apache Ossie は製品ではなく仕様だという点です。単体で数字を計算したり、画面に表示したりはしません。仕様に沿って書かれた定義を、BIやデータの倉庫、AIエージェントがそれぞれ読み込んで使う、という分担です。そのため「Apache Ossie を導入する」という言い方は正確ではなく、実際に決めるのは「定義をこの形式で書き出せる・読み込める製品を選ぶか」「社内の定義の正本をこの形式で持つか」の二つの判断になります。ライセンスは Apache 2.0 で、仕様と参照の実装は誰でも無償で使えます。
沿革:2025年秋の発足からApacheの育成段階まで
この仕様は、もともと別の名前(略称 OSI)で、Snowflake が呼びかけ役となって2025年9月に始まった業界の取り組みです。Apache への移管提案書によると、2025年11月にリポジトリが公開され、2026年1月に初版(0.1)が公開されました。発足時は17社だった参加者は、提案書の時点で50を超える組織に広がったとされています。その後、中立の財団で運営する方針に沿って Apache ソフトウェア財団への移管が提案され、2026年6月22日に育成段階に入りました。2026年7月10日の公式サイトの告知で、略称が他の団体と紛らわしいという理由から名前を Apache Ossie に改めたことが説明されています。
- 2025年9月:旧称(略称 OSI)の取り組みとして発足(17社)
- 2025年11月:仕様のリポジトリを公開
- 2026年1月27日:仕様の初版を Apache 2.0 で公開。Databricks・Qlik・Lightdash・AtScale などが新たに参加
- 2026年6月22日:Apache の育成段階(Incubator)に入る(Apache の状況ページで確認)
- 2026年7月10日:名称を Apache Ossie に変更。仕様・形式・コミュニティは変わらず、既存の利用者は何も変える必要がないと告知
今後の方向も、公式の告知で確かめておきます。作業部会は、指標の言語、カタログ、意味の体系(オントロジー)の三つが動いているとされ、公開のロードマップには、期間をずらして集計する計算や複雑な関係を書ける式の言語、問い合わせそのものの標準、データの目録(Apache Polaris)から定義を探せるようにする統合などが並びます。ただし告知は、ロードマップのどれも決まったものではなく、コミュニティの議論と投票を通すと書いています。今の版で書けない複雑な指標が多い会社は、将来の版に期待して採用を前倒しするのではなく、書けるようになってから広げる順番が安全です。
名称の変更について、公式の告知は「仕様もコミュニティも書式も変わらない」と明言しています。旧称の OSI で書かれた製品の説明書や記事もまだ多いため、製品を調べるときは「OSI」と「Ossie」の両方の名前で対応状況を確かめる必要があります。社内の資料に書くときも、旧称と新称を併記しておくと、後から読む人が迷いません。
育成段階とは何か:正式な事業になったわけではない
見出しの言葉で誤解されやすいのが「Apache の」という部分です。Apache ソフトウェア財団では、外から持ち込まれた事業はまず育成段階に入り、運営のしかた、貢献者の広がり、権利関係の整理などを満たしたと判断されてから、正式な事業に昇格します。Apache Ossie は2026年11月時点でこの育成段階にあり、名称にも「育成中」を示す表記が付いています。Apache の状況ページを確かめた範囲では、育成段階に入ってからの正式なリリースや、定期の状況報告はまだ掲載されていません。
育成段階に入ったことの意味は、二つに分けて読むのが妥当です。一つは、特定の一社の持ち物ではなく、財団の手続き(公開の議論と投票)で仕様を変える枠組みに移ったという点で、これは囲い込みを心配する側にとって前向きな材料です。もう一つは、育成段階は「卒業が保証された状態」ではないという点です。財団の育成段階に入った事業が、貢献者が集まらずに途中で止まる例もあります。社内の稟議で「Apache の標準」と書くなら、「育成段階の仕様」と正確に書いておくべきです。
提案書が挙げた理由:AIエージェントに業務の意味を推測させない
移管の提案書は、この仕様が必要な理由の一つとして、AIエージェントと大規模言語モデルを正面から挙げています。たとえば「解約」「解約_確定」「離脱者」のように似た名前の表が並んでいると、AIはどれを使えばよいか分からず推測するしかない。提案書はこれを「意味の標準がなければ、AIは推測を強いられ、業務ロジックの幻覚につながる」と表現し、指標の式と意図をメタデータとして持たせれば、どのモデルでも答えがそろいやすくなる、と主張しています。
この理由づけは、社内でAIに数字を答えさせようとしている会社には分かりやすいものです。ただし、これは提案した側の主張であって、効果が測られた結果ではありません。定義を渡せば推測の余地は狭まりますが、どの定義を使うべき質問かをAIが取り違える余地は残りますし、定義そのものが古ければ古い答えを自信を持って返します。AIに渡す定義の範囲をどう決めるかについては、データの目録の製品で持つか自前で持つかという別の論点もありますが、この記事では「共通形式で書くかどうか」の判断に絞ります。
仕様が運ぶもの、運ばないもの
共通形式への期待を正しく持つには、仕様が運べるものと運べないものを分けておくのが近道です。公式の説明とリポジトリの構成から読み取れる範囲を、表にまとめます。
| 区分 | 共通形式で運べるもの | 運べない・別に確かめるもの |
|---|---|---|
| 指標 | 名前・説明・式・集計のしかた | 式が業務の意図に合っているか(人の承認) |
| 軸と関係 | どの表のどの列で切れるか、表どうしのつなぎ方 | 元の表の重複・欠けがないか |
| 計算 | 方言の印を付けた式(標準のSQLなど) | 取り込む製品がその方言に対応しているか |
| 文脈 | AI向けの指示や説明を書く欄 | AIがその指示どおりに答えるか |
| 権限 | (仕様の主な対象外) | 誰がどの数字を見てよいか。各製品で設定 |
| 鮮度 | (仕様の主な対象外) | データがいつ更新されたか。基盤の側で管理 |
表の右の列が、共通形式を採っても社内に残る仕事です。特に権限は見落とされやすく、定義ファイルをどの製品に読み込ませても、「誰がどの数字を見てよいか」は読み込んだ先の製品で改めて設定することになります。公式の例のモデルには、AIに向けた指示を書く欄が設けられていますが、この欄に「部外秘の数字は答えない」と書いても、それは依頼であって権限の境界にはなりません。
比べる対象は3つ:製品の中の定義・自前の定義書・共通形式
共通形式を選定の条件にするかどうかは、今の定義の持ち方と比べて決めます。多くの会社の選択肢は次の三つです。一つ目は、BIやデータ基盤の製品の中に定義を持つ方法。二つ目は、表計算や社内ウィキで定義書を持ち、製品の設定は人が手で合わせる方法。三つ目が、共通形式で定義の正本を持ち、各製品に読み込ませる方法です。
| 観点 | 製品の中に持つ | 自前の定義書 | 共通形式で持つ |
|---|---|---|---|
| 始めやすさ | すぐ始められる | すぐ始められる | 対応製品と書き手が要る |
| 製品の入れ替え | 定義を作り直す | 定義書は残るが設定はやり直し | 対応製品なら読み込める見込み |
| AIへの渡し方 | その製品のAIだけ | 文書として渡す(解釈はAI任せ) | 機械で読める形で渡せる |
| 食い違いの起き方 | 製品ごとに増える | 手作業の転記でずれる | 方言・未対応の項目でずれる |
| 成熟度の不安 | 小さい | 小さい | 仕様が若く、版が変わる |
表から分かるとおり、共通形式は「入れ替え」と「AIへの渡し方」で優位に立ちますが、始めやすさと成熟度では劣ります。三つは排他ではなく、自前の定義書を正本にしたまま、対応製品には共通形式で書き出すという中間の取り方もできます。実際には、定義の承認と更新の手続きは自前の定義書で回し、製品とAIへの受け渡しにだけ共通形式を使う形が、2026年秋の時点では無理が少ないと考えます。
中間の取り方を考えるうえで手がかりになるのが、すでに変換器がある組み合わせです。提案書によると、dbt の意味の層とは相互に変換でき、dbt の指標の計算部品は共通形式のモデルを直接読み込めるとされています。データの変換に dbt を使っている会社は、既存の定義から共通形式への書き出しを比較的少ない手間で試せる立場にあります。逆に、定義が表計算やBIの画面の中にしかない会社は、まず定義を機械で読める場所に移す作業が要り、共通形式の採否以前の準備の量が大きく違います。
囲い込みのコストをどう見積もるか
共通形式を条件にする理由の中心は、ベンダーの囲い込みを避けることです。ただ「囲い込みは悪い」という一般論のままでは、選定の会議で重みを付けられません。見積もるべきは、製品を入れ替えるときに定義の作り直しにかかる工数と、その間に数字が二重化する期間の損失です。主要な指標が数十本ある会社なら、定義の洗い出し、式の移植、新旧の数字の突き合わせ、ダッシュボードの作り直しで、分析担当の数か月分の手間になることも珍しくありません。
この工数を、過去の入れ替えの実績から見積もっておくと判断が具体的になります。前回BIを替えたとき、何本の指標を作り直し、新旧の数字が合うまでに何週間かかったか。記録がなければ、主要な指標を10本選び、今の製品から定義を書き出すのに何時間かかるかを試すだけでも目安になります。入れ替えの見込みが低い会社ほど、共通形式の優先度は下がるのも事実で、たとえば同じBIを長く使い続ける方針が固まっている会社が、成熟前の仕様に急いで合わせる理由は強くありません。
標準の成熟度をどう測るか:5つの物差し
囲い込みの反対側に置くのが、標準そのものの成熟度です。2026年11月時点の Apache Ossie を、次の物差しで見ておくと判断がぶれません。いずれも公式の情報で確かめられる項目なので、半年ごとに見直すと変化が追えます。
育成段階か、正式な事業に昇格したか。現在は2026年6月に入った育成段階。昇格すれば、運営の持続性について財団の審査を通ったことになる。
公式の案内では、公開済みの仕様は0.1系で、次の版は草案の段階とされる。0.x の間は書式が変わる可能性を前提にする。GitHub のリリースの欄には、記事執筆時点で正式なリリースの表示は見当たらない。
提案書自身が、貢献者が3組織に偏っていることを課題として挙げ、多様化を育成段階の重要な目標としている。特定の数社が手を引いたときに続くかどうかの目安になる。
dbt の意味の層との相互変換、Apache Polaris の変換器が取り込み済みで、Spark の変換器はレビュー中と提案書は記載している。自社が使う製品の変換器があるかが実務の分かれ目。
参加企業の一覧に名前があることと、製品が実際に読み書きできることは別。各製品の公式の説明書で、どの項目に対応し、どの項目を読み飛ばすかを確かめる。
このうち、選定に直接効くのは最後の二つです。仕様が立派でも、自社のBIとデータの倉庫が読み書きできなければ、共通形式で定義を書いても置き場所が増えるだけです。逆に、使っている製品がすでに対応しているなら、仕様が若くても書き出しの経路を一本持っておく価値はあります。
参加している会社と、名前の見当たらない会社をどう読むか
2026年1月の公式ブログには、参加企業として Snowflake、Databricks、Salesforce、Qlik、Lightdash、AtScale のほか、dbt の開発元、データの目録やBIの各社、金融や小売の利用企業も並んでいます。データの倉庫を提供する大手が並んでいることは、共通形式が特定の一社の陣営の規格で終わりにくい材料です。2026年7月の告知では、貢献者の所属として Snowflake、Salesforce、Databricks、dbt の開発元などが挙がっています。
一方で、同じ1月の一覧で確かめた範囲では、Google と Microsoft の名前は見当たりませんでした。国内で利用の多いBIの中には、この二社の製品も含まれます。その後の参加状況は公式の名簿で確かめる必要がありますが、自社の主力のBIの提供元が参加していない場合、共通形式は「書き出せても読み込めない」状態になりうることは押さえておくべきです。参加企業の数の多さより、自社が今使っている製品と、次に候補にする製品の提供元が入っているかを見ます。
AIエージェントに定義ファイルを読ませるときの限界
社内のAIエージェントやチャットのAIに、共通形式の定義ファイルを読ませて数字を答えさせる使い方は、この仕様が最も期待されている場面の一つです。定義が機械で読める形になっていれば、AIは「商談化率」の式と元の表を推測せずに引けます。ただし、ここには三つの限界があります。一つ目は、AIが質問に合う指標を選び間違える余地です。「今期の商談化率」と聞かれて、マーケ起点の定義と営業起点の定義のどちらを使うかは、定義ファイルがあってもAIの判断に委ねられます。
二つ目は、定義が正しくてもデータが正しいとは限らないことです。元の表に重複や取り込みの遅れがあれば、AIは正しい式で誤った数字を返します。三つ目は、AIへの指示の欄が依頼にすぎない点で、前に述べたとおり権限の代わりにはなりません。AIには指標の選択を判断させず、使った定義の名前と版、元の表と集計期間を答えに必ず添えさせる運用にしておけば、人があとから根拠をたどれます。経営会議や予算の判断に使う数字は、AIの答えをそのまま転記せず、分析担当がBIの側で同じ数字が出るかを確かめる範囲として先に決めておきます。
- 定義ファイルを渡したので、AIの答えは検算なしで会議資料に使ってよいとする
- AIへの指示の欄に「人事の数字は答えない」と書き、権限の設定を省く
- 似た名前の指標が複数あるまま、どれを使うかをAIの判断に任せる
- 育成段階の仕様を「Apache の標準」とだけ書いて稟議を通す
今すぐ採る・条件付きで採る・待つの分かれ目
ここまでの材料を、判断の分かれ目に整理します。今すぐ共通形式で定義の正本を持つ方向に動いてよいのは、使っているデータの倉庫とBIの両方がすでに読み書きに対応しており、近く製品の入れ替えや追加を予定している会社です。この場合、入れ替えの前に主要な指標を共通形式で書き出しておけば、移行の作業そのものを検証の場にできます。
条件付きで採るのが向くのは、片方の製品だけが対応している会社や、AIエージェントに数字を答えさせる試行を始めたい会社です。定義の正本は今の定義書に置いたまま、AI向けの受け渡しにだけ共通形式を試すと、仕様の版が変わっても影響が限られます。待つのが妥当なのは、主力の製品がどれも対応していない会社と、そもそも主要な指標の定義書がまだない会社です。後者は、形式を選ぶ前に定義をそろえる作業が先で、共通形式はその後でも遅くありません。
選定の条件に書くなら:ベンダーへの確かめ方
製品の選定表に「共通形式への対応」を一行入れるだけでは、どの製品も「対応予定」と答えて差が付きません。条件にするなら、確かめる中身を具体的にしておきます。まず、書き出しと読み込みの両方に対応しているか。片方だけなら、囲い込みを避ける効果は半分です。次に、どの項目に対応し、どの項目を読み飛ばすか。公開されている説明には、標準のSQLか自社の方言の式を持たない指標は取り込みで読み飛ばす、と書いている製品の例もあります。
さらに、仕様の版が上がったときの追随の方針と、製品独自の拡張をどこまで使うかも聞いておきます。仕様には方言や製品ごとの拡張を登録する仕組みがありますが、独自の拡張に頼るほど、共通形式で書いても他の製品には持ち出せない部分が増えます。最後に、自社の主要な指標を3本ほど渡し、書き出して別の製品で読み込み、同じ数字が出るかを試させてもらうのが最も確実です。説明資料の「対応」の文字より、往復の検算の結果を選定の根拠にします。
検算の道具も、公開のリポジトリにそろい始めています。仕様のリポジトリには、定義が他の製品に持ち出せる書き方になっているかを採点する道具と、BIが実際に発行する問い合わせの形を集めた試験用の例が置かれています。ベンダーに「この採点の道具で、御社が書き出した定義は何点になるか」と聞けば、説明資料より具体的な答えが返ってきます。社内で試すなら、まず公開の例のモデルを自社の製品に読み込ませ、どの項目が落ちるかを見るところから始めると、自社の定義を渡す前に相性を確かめられます。
分析・マーケ担当と情シスの持ち分
共通形式を採るかどうかの判断は、分析・マーケ担当と情シスで見ている危険が違うため、持ち分を分けておくと話が早く進みます。分析・マーケ担当が持つのは、どの指標を共通形式で書くか、式が業務の意図に合っているか、AIに答えさせる指標をどこまでにするか、という中身の判断です。商談化率やリードの定義のように、部門ごとに意味がずれやすい指標ほど、書き出す前に意味をそろえる作業が要ります。
情シスが持つのは、定義ファイルの置き場所と版の管理、どの製品とAIに読み込ませるか、読み込んだ先の権限の設定、仕様の版が上がったときの影響の確認です。定義ファイルは社内の業務ロジックそのものであり、価格の計算や与信の基準が書かれることもあります。外部のAIの提供元に送る範囲や、公開のリポジトリに誤って置かない運用も、情シスの側で決めておきます。どちらの持ち分でも、AIに判断させず、人が承認した定義だけを書き出す、という線は共通です。
採用を決める前の確認リスト
選定の会議や稟議の前に、次の項目を埋めておくと、共通形式を「流行の標準だから」ではなく自社の事情で判断できます。項目の多くは、公式の情報と自社の過去の記録で埋まります。
- 主力のデータの倉庫とBIが、共通形式の書き出しと読み込みの両方に公式に対応しているか
- 読み込みで読み飛ばされる項目(方言の式・独自の拡張)を製品の説明書で確かめたか
- 前回の製品の入れ替えで、定義の作り直しにかかった工数を把握しているか
- 主要な指標の定義書があり、部門ごとの意味のずれが片付いているか
- 主要な指標3本で、書き出し・読み込み・数字の一致の往復の検算をしたか
- AIに答えさせる指標の範囲と、答えに添えさせる根拠(定義の名前・版・元の表・期間)を決めたか
- 読み込んだ先の製品とAIで、見てよい人の権限を設定したか
- 社内の資料に「育成段階の仕様」と正確に書き、半年ごとに統治の段階と版を見直す担当を決めたか
八つのうち、最初の二つが埋まらない会社は、まだ共通形式を条件にする段階ではありません。その場合も、定義書を整え、往復の検算に使う指標を選んでおくことは、どの道を選んでも無駄になりません。
まとめ
Apache Ossie は、指標・軸・関係をベンダー中立の形式で書く仕様として、2026年1月に初版が公開され、6月に Apache の育成段階に入りました。BIの入れ替えのたびに定義を作り直す負担や、AIエージェントが業務の意味を推測する問題に対して、筋のよい答えを示しています。ただし、共通形式が運ぶのは定義の文面までで、データの正しさ、計算の方言、権限は運びません。「書き出せること」を選定の条件に入れ、自社の主要な指標で往復の検算をしてから広げるのが、仕様の若さと囲い込みの怖さを両方見た現実的な線です。AIに数字を答えさせる場合も、指標の選択はAIに判断させず、根拠となる定義と元の表を必ず添えさせ、人が確かめる範囲を先に決めてから始めてください。
※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。
うちの業務、AIで何が自動化できる?
「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。
