はじめに：BIツールの新時代が到来
2025年11月、GoogleはLookerの「Conversational Analytics（会話型分析）」を一般提供（GA）として正式リリースしました。これは、自然言語でデータに質問するだけで、AIがデータを分析し、グラフや洞察を自動生成してくれる革新的な機能です。
従来のBIツールでは、SQLの知識やダッシュボードの操作方法を習得する必要がありましたが、Conversational Analyticsを使えば「先月の売上トップ10商品を教えて」と話しかけるだけで、瞬時に回答が得られます。
本記事では、この機能の概要から具体的な活用方法、導入手順までを詳しく解説します。
Looker Conversational Analyticsとは？
基本概念
Conversational Analyticsは、Google CloudのGemini AIを基盤とした「データとチャットする」機能です。ユーザーは自然言語で質問を投げかけ、AIがLookerのセマンティックレイヤー（LookML）を活用して正確なクエリを生成し、結果を可視化します。
主な特徴
| 特徴 | 詳細 |
|---|---|
| 自然言語クエリ | SQLや専門知識不要で、日常会話のように質問可能 |
| マルチターン対話 | 前の質問を踏まえた深堀り質問が可能 |
| 透明性の確保 | 「How was this calculated?」で計算ロジックを確認可能 |
| 複数Explore対応 | 最大5つのLooker Exploreを横断した分析が可能 |
| Data Agent機能 | カスタマイズしたAIエージェントを作成・共有可能 |
| Code Interpreter | Pythonによる高度な分析（予測、コホート分析等）が可能 |
利用可能なプラットフォーム
Conversational Analyticsは以下のプラットフォームで利用できます。
- Looker（Google Cloud core）：GCPネイティブのLookerインスタンス
- Looker（original）：従来型のLookerインスタンス（バージョン25.2以上）
- Looker Studio Pro：Looker Studioの有料版サブスクリプション
Conversational Analyticsの主要機能
1. 自然言語によるデータ探索
従来のBIツールでは、ダッシュボードを探し、フィルターを設定し、適切な指標を選択する必要がありました。Conversational Analyticsでは、以下のような質問を自然言語で投げかけるだけです。
質問例：
- 「先四半期のトップ10商品を教えて」
- 「過去6ヶ月のウェブサイトトラフィックの推移を見せて」
- 「カリフォルニア地域でフィルターして、月次売上をグラフで表示して」
- 「支払い方法別の内訳をエリアチャートで表示して」
2. マルチターン対話
一度の質問で終わりではなく、会話を続けることでより深い分析が可能です。
対話の流れ例：
ユーザー：「2024年の月次売上を教えて」
AI：[折れ線グラフを生成]
ユーザー：「これを商品カテゴリ別に分けて」
AI：[カテゴリ別の積み上げグラフを生成]
ユーザー：「売上が最も高かった月はいつ？」
AI：「2024年12月が最高で、売上は○○円でした」3. 透明性機能（How was this calculated?）
AIが出した回答の根拠を確認できます。使用されたフィールド、適用されたフィルター、計算ロジックがすべて明示されるため、データの信頼性を担保できます。
4. Data Agent（データエージェント）
特定のユースケースに特化したカスタムエージェントを作成できます。
エージェント設定例：
エージェント名：売上分析エージェント
説明：営業チーム向けの売上データ分析
データソース：Sales Explore
手順（Instructions）：
- 会計年度は1月〜12月で切り替わります
- 「ロイヤルカスタマー」とは年間購入額100万円以上の顧客を指します
- 売上は常に税抜きで表示してくださいこのようにビジネスルールを定義することで、誰が使っても一貫した回答が得られます。
5. Code Interpreter（プレビュー機能）
標準のSQL分析を超えた高度な分析が必要な場合、Code Interpreterを使用します。この機能は、自然言語の質問をPythonコードに変換して実行します。
Code Interpreterで可能な分析：
- 時系列予測
- コホート分析
- 期間比較（前年同月比など）
- 統計分析
- 機械学習を用いた分析
対応Pythonライブラリ： pandas、numpy、scikit-learn、tensorflowなど
ビジネスでの有効活用シナリオ
シナリオ1：営業チームの日常業務効率化
課題： 営業担当者が顧客データを確認するたびにデータアナリストに依頼している
解決策： 営業チーム専用のData Agentを作成
活用例：
- 「今月のパイプライン状況を教えて」
- 「A社の過去1年間の購入履歴を見せて」
- 「商談成約率が高い業種TOP5は？」
効果： データアナリストへの問い合わせ件数を大幅削減、営業担当者の意思決定スピード向上
シナリオ2：経営層向けのセルフサービスBI
課題： 経営会議のたびにダッシュボード作成依頼が発生
解決策： 経営指標専用エージェントの設定
活用例：
- 「今期のKPI達成状況をサマリーで教えて」
- 「前年同期と比較して成長率が高い事業部は？」
- 「来四半期の売上予測をして」（Code Interpreter使用）
シナリオ3：マーケティングチームのキャンペーン分析
課題： キャンペーン効果測定に時間がかかる
解決策： マーケティングデータに特化したエージェント
活用例：
- 「先週のメールキャンペーンのコンバージョン率は？」
- 「チャネル別の顧客獲得コストを比較して」
- 「高LTV顧客の共通属性を分析して」（Code Interpreter使用）
シナリオ4：カスタマーサポートの問い合わせ対応
課題： 顧客情報の確認に時間がかかり、対応が遅れる
解決策： Conversational Analytics APIを活用し、サポートツールに組み込み
活用例：
- サポートチケット画面の横にチャットパネルを埋め込み
- 顧客IDを入力すると関連データを即座に表示
- 「この顧客の過去の問い合わせ傾向は？」
導入・設定手順
Looker（original）での設定
前提条件：
- Lookerインスタンスがバージョン25.2以上
- Data Agent機能を使用する場合は25.18.9以上
設定手順：
- Gemini in Lookerの有効化
- Admin → Gemini in Looker メニューを開く
- 「Enable Gemini in Looker」をオンにする
- Trusted Tester機能の有効化（オプション）
- Code Interpreterを使用する場合は必須
- 「Enable Trusted Tester Features」をオンにする
- ユーザー権限の付与
- Gemini roleまたはgemini_in_looker権限をユーザーに付与
- 対象モデルへのアクセス権限を設定
- 利用開始
- Lookerホーム画面の「Conversations」メニューから開始
- または任意のExploreから「Start a conversation」を選択
Looker Studio Proでの設定
前提条件：
- Looker Studio Proサブスクリプション
設定手順：
- Proサブスクリプションの有効化
- 設定 → Proサブスクリプションを選択
- 適用するGCPプロジェクトを選択して購入
- Gemini in Lookerの有効化
- 設定 → 「Looker内Gemini」を選択
- すべての設定を有効化
- 利用開始
- 左メニューの「会話分析」から開始
- データソース（BigQuery、Looker Explore等）を選択
Looker（Google Cloud core）での設定
- Google Cloud Consoleでインスタンス設定を開く
- Gemini in Lookerを有効化
- ユーザーにGemini roleを付与
導入のベストプラクティス
フェーズ1：準備と限定展開
推奨アクション：
- 小規模なユーザーグループ（データに精通したメンバー）でテスト
- 1〜2個の整備されたExploreから開始
- LookMLの品質を確認（適切なラベル、説明、同義語の設定）
フェーズ2：最適化と拡大
推奨アクション：
- ユーザーからのフィードバックを収集
- Data Agentにビジネスルールを追加
- 対象Exploreを段階的に拡大
- 部門ごとの専用エージェントを作成
フェーズ3：全社展開
推奨アクション：
- 全社員への教育・トレーニング
- 利用ガイドラインの策定
- 成功事例の共有
- 継続的な改善サイクルの確立
LookMLの最適化ポイント
Conversational Analyticsの精度を高めるために、LookMLを最適化することが重要です。
推奨設定
- descriptionの充実
- 各フィールドに分かりやすい説明を追加
- ビジネス用語での説明を含める
- synonyms（同義語）の設定
- 「売上」「Revenue」「売上高」など、同じ意味の用語を登録
- ユーザーがどの言葉で質問しても正しくマッピング
- labelの明確化
- 技術的な名前ではなくビジネス名を使用
- 「order_total_usd」→「注文合計（USD）」
- 不要フィールドの非表示
- 分析に不要なフィールドは非表示設定
- AIの混乱を防ぎ、精度向上
料金体系
Lookerでの利用
Conversational Analyticsは、Gemini in Lookerの一部として提供されます。料金の詳細はGoogle Cloudの公式ドキュメントで確認してください。
Looker Studio Proでの利用
Looker Studio Proのサブスクリプションに含まれます。Proライセンスの料金が適用されます。
注意点と制限事項
現在の制限
- クエリあたり最大5,000行まで
- 地図可視化はCode Interpreterでは未対応
- BigQueryデータソースは1テーブルずつの会話
- FedRAMP High/Mediumの認証境界には未対応
AIの特性に関する注意
Gemini for Google Cloudは発展途上の技術であり、事実と異なる出力を生成する可能性があります。重要な意思決定には、出力結果を必ず検証することを推奨します。
まとめ：データ民主化の新時代へ
Looker Conversational Analyticsは、BIツールの使い方を根本から変える機能です。
主なメリット：
- SQLやBIツールの専門知識が不要
- データアナリストの負荷軽減
- 全社員がデータドリブンな意思決定を実現
- 分析のスピードが劇的に向上
導入を検討すべき企業：
- データ活用を全社に広げたい企業
- アドホックなデータ依頼が多い組織
- セルフサービスBIを推進したい企業
- Google Cloud / BigQueryを活用している企業
データとの対話が当たり前になる時代が、いよいよ到来しました。まずは小規模なチームでの試験導入から始めて、データ民主化の第一歩を踏み出してみてください。
本記事は2025年11月時点の情報に基づいています。最新の機能や料金については、Google Cloudの公式ドキュメントをご確認ください。
