これまでの「mixi」におけるソーシャルグラフ分析は、メンバーごとのプロフィールやリンクをリレーショナル・データベースに蓄え、これをダンプし、非正規化した上でKVS（Key-Value Store）に落とし、それを高速に回してデータを生成するというのが一般的だった。

　しかし、ホップ数を増やしてリンク先の細かい属性を分析しようとすると、いろいろなグラフを解析しなければならず、DBの数も無制限に増え、解析スピード、スケーラビリティの点でも問題が生じるようになる。そこで近年の「mixi」研究開発Gで注目しているのが、グラフ専用データベースのGraphDBである。

　JILSの講演では、このGraphDBを用いる意義と、その新しいインプリメンテーションの一つである、Neo4jの活用が主題となった。特にNeo4jの優れたアベイラビリティとスケーラビリティ、豊富な機能、高速処理については強調されたところである。実例として、スタンフォード大学に用意されているデータセットをNeo4jに格納して、「R」などを用いてビジュアル化するプレゼンテーションも行われた。

「Centrality（中心性）」「クラスター係数」といった複雑ネットワーク系の数学モデルにおける専門用語が頻出する講演は、筆者にも十全に理解できたとは言えないが、刺激あふれるものであったことは確かだ。とはいえ、最近のSNS系企業の技術セミナーで大規模データ処理技術がテーマになると、よく聞くのが、Hadoop、MongoDB、Tokyo Cabinetといった新しいツール類の活用事例だ。そうした最新のテクノロジー志向のムーブメントのなかで、あえて水面下に注目を集めているGraphDBを持ち出したことが、講演のミソでもあった。
「ここでGraphDBを紹介したので、おっと思われた人も多かったのではないでしょうか。最近Hadoopなどの高性能で汎用的なDBやフレームワークが出てきて、多くの分野で活用されています。しかし、ドメインに適した最適のアーキテクチャやツールがあるはずだし、それを見つけ出して活用することの面白さを訴えたかったんです」

　もとより、木村氏自身がHadoopを敬遠しているわけではない。日頃からデータ処理に活用しているし、ミクシィ社内の技術者にも最新技術志向の強い人は多い。ただ、エンジニアには常によりよいアーキテクチャを模索する必要性があることを示したことに、今回のプレゼンテーションの意味があった。

「流行をキャッチアップし、さらに別の道を模索することにエンジニアの楽しみがあると思います。僕らは流行をキャッチアップするだけでなく、常に流行をつくっていけるチームになっていきたいという思いは強いですね」
　その取り組みの姿勢に、木村氏の一種のスタイル、ひいてはミクシィ・エンジニアのこだわりを感じたりするのである。

「mixi」のソーシャルグラフ分析から見えてきたことがある。
「年齢、年代によって『mixi』の使い方が違う。それがグラフの形の違いにも表れてきます。高校生はつながりをすごく求めている人が多い。とにかく友達を増やしたい。大学生ともなると、友達を選びながら、コミュニケーションするようになる。社会人では、その限定度がさらに強くなります。『mixi』はほかのSNSに比べてリアルライフの友達関係がネットワークにも強く表れます。年齢や社会体験が深まるとともに、友人の選び方が変わってくるという社会的事実が、ネットにも反映されていると言えると思います」

　ただそれだけなら、従来の社会科学、社会心理学やコミュニケーション論の知見でも十分説明ができることだ。
「僕らも社会科学の知見を無視するつもりはありません。ただ、社会科学が対象にしているデータと、僕らが対象とするソーシャルグラフのデータは量的にケタが違う。これだけ大規模なデータベースを用いて、人々の属性ごとのコミュニケーションを分析した研究というのはまだあまりないと思います。『mixi』のデータをそのまま外部に提供するわけにはいかないけれど、僕らが得た知見を何らかの形で、社会科学系の研究にも活かすことができるといいなと思います」
　詳細は明らかにされなかったが、ソーシャルグラフ分析に関して、すでに社会科学系研究者と木村氏らの共同研究は始まっているという。

　日々生成・変化するソーシャルグラフの膨大な生データを前に、さまざまな方向からその特性を分析する。これは一般には、データマイニング技術と呼ばれる領域だ。アプリケーション開発ほどの華やかさはそこにはない。データが膨大であればあるほど、アーキテクチャの設計が重要になり、そこがうまくいかないと、解析そのものが不可能になるリスクもある。

「できるはずだと思ったことが、できない。なぜできないのか。頭を壁にぶつけるような、苦闘の連続だ」と、木村氏も言う。
たとえデータが分析できても、それが研究にとって、あるいは事業にとって、どう役立つのかはすぐにわからないこともある。地味でニッチで、息の長い研究分野であることはたしかだ。

　とはいえ、データマイニングを「今まで知られていなかったが、役立つ可能性があり、かつ、自明でない情報をデータから抽出すること」あるいは「データの巨大集合やデータベースから有用な情報を抽出する技術体系」と定義づければ、そこにエンジニアがのめり込む要素は十分にある。ミクシィで、木村氏と共にデータマイニングを担当するエンジニアは、「ミクシィだからこそ、それができる、それをやりたい」と勢い込んで入社してきた人ばかりだという。

「顧客データを活用してサービスをよくしよう、売り上げを高めようというのは、昔からどんなビジネスにもある動機です。ITの世界でも、ERPソフトや会計管理システムなどがデータマイニングの知識を活用してきたし、最近で言えば、WebのログデータからWebマーケティングへの展開ということは、どの企業も考えるようになっています。いわば、データマイニングの需要がこれほど明確になっている時代はない。ただ、落とし穴もあります。もし、Webログ解析が売り上げ向上にダイレクトに貢献するということが実証されないと、一種のブームに終わって、後は急速に需要が萎んでしまうということにもなりかねない。僕らのソーシャルグラフ分析も、常にそうしたリスクと隣り合わせなのです」

　SNSがネット世界の人々に、「心地よい関係性」をもたらし、それがビジネスとしても成功するために、データマイニングによるソーシャルグラフ分析が重要であることはわかった。後は、それを実証できるかどうか。まさに今は、その岐路に立っているのだ。

「mixi」であれ、「Twitter」であれ、「Facebook」であれ、いまやそれにアクセスしないと一日が明けないほど、不可欠のコミュニケーションツールとなっている人は増えている。「mixi」でないと連絡できない友人が、筆者にも存在する。SNSはこれからも進化し、多様なサービスがあふれ、そしてふと気づくと、かつての電話と同様に、現代人のコミュニケーション基盤となっていることだろう。

　もちろんSNSが多様化すればするほど、ユーザーは選択をするようになる。なぜ自分は他のサービスではなく、このサービスを使い続けるのか。今はその理由が単に「それが流行っているから」なのかもしれないが、いずれSNSが成熟化するにつれて、「自分にはこのサービスが合っているから」というテイストの相性が重要になってくるはずだ。便利で心地よいと人が思うのは、それがその人のテイスト、つまり感性に合致するからだ。

　かくして、ソーシャルグラフ分析技術は、人間の感性や官能の領域にまで分け入ることになる。
「これが受け入れられそうだと直感だけでサービスを付け加えたら、それが当たったということは実際あると思います。ただ、直感だけだと永続性がないとも思う。僕らは、成功するサービスの理由を、やはり数値的に示したい。それができる力が、僕らエンジニアにはあると思っているんです」
　木村氏は、ソーシャルグラフ分析の新しい課題をこのように語るのだった。