BigQuery データ キャンバスのご紹介: AI 中心のエクスペリエンスでデータ分析を刷新

※この投稿は米国時間 2024 年 4 月 11 日に、Google Cloud blog に投稿されたものの抄訳です。

データから分析情報を導出するのは、複雑なプロセスであり、大変な労力を要することがあります。データの専門家は、データソースの取捨選択に貴重な時間を費やし、新しい質問が発生するたびに一からやり直しています。複数のツールを駆使し、コーディング言語を次々と切り替え、組織内のさまざまなチームと連携もしています。こうした断片的なアプローチにはボトルネックが多く、アナリストが分析情報を生成し、影響の大きい業務を素早く行うことの妨げとなっています。

Google は昨日の Google Cloud Next ‘24 で、データ専門家のデータ活用方法の刷新につながる BigQuery データ キャンバスを発表しました。この新しいユーザー エクスペリエンスにより、ユーザーは視覚的なデータ ワークフローをイメージどおりに作成できるほか、AI イノベーションにより、データと分析情報の検出、準備、分析、可視化、共有を加速させることができます。

BigQuery データ キャンバスの概要については、こちらの動画をご覧ください。

BigQuery データ キャンバス: 自然言語を処理できる分析エクスペリエンス

BigQuery データ キャンバスは、自然言語を処理できる統合エクスペリエンスにより、データの検出、準備、クエリ、可視化を 1 か所で行えるようにし、データの分析をより迅速かつ容易にします。データ キャンバスを使用すれば、複数のツールを切り替えることなく、ビジネスにとって最も重要な分析情報に集中できます。データ キャンバスは、次の 2 つの領域で従来のデータ分析ワークフローの課題に対処します。

• 自然言語中心のエクスペリエンス: コードを書くのではなく、データに直接語りかけることができます。質問をしたり、タスクを指示したり、AI にさまざまな分析タスクを案内してもらうことができます。

• ユーザー エクスペリエンスの刷新: データ キャンバスでは、ノートブックのコンセプトが見直されています。広範なキャンバス ワークスペースにより、イテレーションを促進し、共同作業を容易にできるため、作業を洗練させ、結果を関連付け、ワークスペースを同僚と共有できます。

たとえば、BigQuery データ キャンバスで最近のマーケティング キャンペーンを分析する場合、自然言語によるプロンプトを使用してキャンペーンのデータソースを検出し、既存の顧客データと統合して分析情報を導き出し、チームメートと連携して、視覚表現を使ったレポートを経営幹部と共有できます。これらすべてを、キャンバス 1 か所で行えます。

BigQuery データ キャンバスをさらに活用する 

BigQuery は、アナリストが分析タスクを加速させるのに役立つさまざまな機能を提供しています。

• 検索と検出: ユーザーが必要とする特定のデータアセットの可視化したテーブルまたはビューを簡単に見つけることができます。また、特に関連性の高いデータアセットを検索することもできます。データ キャンバスは、BigQuery で管理できるあらゆるデータに対応し、BigQuery マネージド ストレージ、BigLake、Google Cloud Storage オブジェクト、BigQuery Omni テーブルなどが含まれます。たとえば、以下のいずれの入力を使用しても、データ キャンバスでデータを pull できます。

• 特定のテーブル: project_name.dataset_name.table_name

• 検索: 「お客様のトランザクション データ」または「projectid:my-project-name 冬物ジャケット セール アトランタ」

• データアセットの探索: テーブル スキーマを確認して、その詳細を調べたり、データをプレビューして並べて比較したりできます。

• SQL クエリの生成: 自然言語による入力を繰り返し、目の前の分析タスクを成し遂げるために必要な SQL クエリを正確に生成します。生成した SQL は実行前に編集することもできます。

• 結果の結合: 自然言語による指示で結合を定義し、必要に応じて生成された SQL を調整します。次のようなプロンプトを使用して、クエリの結果をさらなる分析の出発点として活用します。「このデータを、注文 ID を対応させた状態で顧客の属性と結合する」

• 可視化: 自然言語によるプロンプトを使用して、データを可視化するためのチャートとグラフを簡単に作成し、カスタマイズできます。たとえば、「グラデーションを使用した棒グラフを作成する」というプロンプトを入力します。その後、結果を Looker Studio や Google スプレッドシートにエクスポートすることで、シームレスに情報を共有できます。

• 自動インサイト: データ キャンバスは、クエリの結果やグラフのデータを解釈して、自動インサイトを生成します。たとえば、営業取引の規模に関するクエリ結果を調べて、「取引規模の中央値は 73,500 ドル」という分析情報を自動的に提供します。

• 共同作業のための共有: 多くの場合、データ分析のプロジェクトにはチームで取り組みます。自分のキャンバスを保存し、リンクを使用して他のメンバーに共有できます。

一般的なユースケース

BigQuery データ キャンバスはさまざまな分析タスクを加速させることができますが、以下において特に役立ちます。

• アドホック分析: 厳しい締め切りに追われている場合でも、データ キャンバスによって、さまざまなソースから簡単にデータを pull できます。

• 探索的データ分析（EDA）: データ分析のプロセスで重要なこの最初のステップでは、多くの場合、データセットの主な特徴を視覚的に要約することに焦点を合わせます。データ キャンバスは、データソースを見つけやすくし、結果を視覚的に表示します。

• 共同作業: データ キャンバスは、分析プロジェクトを複数のユーザーと共有しやすくします。

お客様の声 

BigQuery データ キャンバスを日常的な分析タスクに活用する大小さまざまな企業から、非常に好意的なフィードバックをいただいています。

顧客との 1 対 1 のやり取りを支えるパフォーマンス マーケティング チャネルの Wunderkind は、同社の分析チーム全体で BigQuery データ キャンバスを数週間使用したところ、大幅な時間の節約につながりました。

「複数のクエリを必要とするようなどんな調査や探索においても、データ キャンバスに勝るものはありません。データ キャンバスはチームの時間を節約し、心にゆとりを持たせてくれます。」- Wunderkind、データおよび分析担当バイス プレジデント Scott Schaen 氏

米国の 50 以上の拠点で事業を展開するマイクロ モビリティ企業である Veo は、データ キャンバスの AI 機能からすぐにメリットが得られると実感しています。

「アイデアを自然言語から SQL に変換して分析を導き出せるという点が、非常に優れていると思います。そして何より優れているのが、変換されたクエリを、実行する前に確認して編集できることです。これは非常にスマートで信頼できる設計です。クエリを確認し、正確さと信頼性を確保するための余地が得られます。」 - Veo、分析担当責任者 Tim Velasquez 氏

BigQuery データ キャンバスを試してみる

詳細については、こちらの動画とドキュメントをご覧ください。BigQuery データ キャンバスは現在、プレビュー版としてリリースされており、4 月 15 日からすべてのユーザーにロールアウトされる予定です。早期アクセスをご希望の場合は、こちらのフォームを送信してください。

バグの報告やフィードバックについては、プロダクト エンジニアリング チーム（datacanvas-feedback@google.com）までご連絡ください。新しいデータ キャンバスの活用方法について、皆様のご意見をお待ちしております。

- Google Cloud、プロダクト マネージャー Abhinav Khushraj
-Google Cloud、エンジニアリング リード Mike Romano