truestarテックブログPublicationへの投稿
🐶

Sigmaで作る、AIサマリー付きダッシュボード──一人ひとりに"自分だけの概況"を届ける

k.fukada
に公開
AI
BI
sigma
Sigma Computing
ai×bi
tech

はじめに

BI × AI、という言葉をよく聞くようになって久しいです。

「ダッシュボードにAIを組み込みたい」「数字を見るだけじゃなく、AIに解釈してほしい」──そういうニーズを持っているBIユーザーは多いと思います。しかし、想像しているようないい感じのBI × AIを体現してくれる製品の選択肢はまだあまり多くありません。

そんな中で今回紹介したいのが、SigmaのAI Queryです。

Sigmaは、SnowflakeなどのクラウドデータウェアハウスをバックエンドにしたBIツールで、スプレッドシートライクなUIが特徴です。そのSigmaに、AI機能として搭載されているのがAI Queryです。

この記事では、AI Queryを使ってダッシュボード上でAIによる概況分析を表示する方法と、さらに一歩進んで「アクセスしているユーザー自身にパーソナライズされたAIサマリ」を出す方法まで紹介します。

1. AI Queryとは

SigmaにおけるAI Queryの概要

AI QueryはSigmaのワークブック上で使えるAI機能です。一言でいうと、

テーブルやビジュアルのデータをもとに、AIがテキストで分析・要約を生成してくれる機能

です。

グラフの下に「今月の売上は先月比で15%増加しており、特にXXカテゴリの伸びが顕著です」みたいな文章が自動で生成されて表示されたら、嬉しくないですか？嬉しいですよね？
数字を読むのが苦手なメンバーにとっては、ダッシュボードの読解コストが大幅に下がります。

裏側の仕組み：DWHのAI機能をそのまま呼ぶ

仕組みとしては、DWHが持っているAI関数をそのままSigmaから呼び出してダッシュボード上で使います。
つまり、AI処理はSigmaの外ではなく、接続しているデータウェアハウスの中で完結します。

対応しているDWHはSnowflake・Databricks・BigQuery・Amazon Redshiftの4つ。たとえばSnowflakeならSNOWFLAKE.CORTEX.COMPLETE、DatabricksならAI関数（ai_classifyなど）をそのまま呼び出せます。

Sigmaのワークブック上での記述はこんな形になります。

CallText("SNOWFLAKE.CORTEX.COMPLETE", "llama2-70b-chat", "売上データを日本語で3文以内にまとめて" & [売上メモ])

CallTextはパススルー関数と呼ばれるものの一つで、DWHにリクエストを投げてその結果をSigmaに返すという役割を担っています。

データをSigmaの外に持ち出さず、SnowflakeやDatabricksの中でAIが動くので、セキュリティやガバナンスの管理がDWH側で一元化できるのは、企業にとって地味にうれしいポイントです。

ただ正直、上記のような関数を毎回書くのは面倒くさすぎるちょっとハードルが高いですよね。そこで登場するのがカスタムファンクションです。

カスタムファンクションとは何か・なぜ必要か

カスタムファンクションとは、パススルー関数の複雑な記述を「簡単な関数名」にラップして、面倒な記述を省く辞書登録のような仕組みです。

管理者がカスタムファンクションを登録しておけば、他のメンバーはAI_SUMMARY([売上列])のように書くだけでAIサマリが出てくる環境が整います。

組織にとっての嬉しさはここです。

  • プロンプトを毎回書かなくていい
  • 組織内で同じAI体験を統一できる
  • BI担当者がカスタムファンクションを整備すれば、他のメンバーは難しいことを知らずに使える

カスタムファンクションの作り方

カスタムファンクションの作成はSigmaの管理画面から行います。

手順：

  1. Sigmaの管理画面（Administration）を開く
  2. 「Account」メニューをグーっと下の方に行くとあります
  3. 「Add Custom Function」をクリック
  4. 以下の項目を設定する
項目 設定内容
Name 関数名（例：AIQuery）
Description 関数の説明
Arguments 関数に渡す引数（名前・型・説明を定義）
Formula パススルー関数を使った実際の式

設定例（Snowflake Cortex使用の場合）：

Argumentsは以下の2つを定義します。（ここは数・内容ともに自由に変更可能）

Name Type Description
prompt Text Apply any natural language manipulation of the data.
data Text The column that you wish the prompt to process.

Formulaにはパススルー関数CallTextを使って以下のように記述します。

CallText("SNOWFLAKE.CORTEX.COMPLETE", "snowflake-llama-3.3-70b", [prompt] & ": " & [data])

このように設定することで、実際の画面では以下のように書くだけで簡単にCORTEX COMPLETE関数が使えます。

AIQuery（"売上データを日本語で3文以内にまとめて" , [売上メモ]）

[prompt] と [data] がArgumentsで定義した引数で、実際のプロンプト(売上データを...)
と、参照するデータ（[売上メモ]）が入って来ます。

内部ではCallText（パススルー関数）を使ってSnowflakeのCortex AIに処理を投げており、結果がSigmaの列にテキストとして返ってきます。

詳細な設定方法はSigma公式ドキュメント（Custom Functions）を参照してください。

組織で共有することのメリット

カスタムファンクションはSigmaのOrganizationレベルで管理されるため、一度登録すれば組織内の全メンバーが使えます。

先ほどの例ではプロンプトも引数にしてユーザーに入力させる形でしたが、プロンプトを引数にせずfomula欄に固定で入力してしまえば、「AI使いたいけどプロンプトの書き方がわからない」というメンバーでも、AI_SUMMARY(data_column)と書くだけでAIサマリが出てくる環境が整います。

BI担当者が"いいプロンプト"を探して磨いておけば、その恩恵が全員に届く。これがカスタムファンクションの一番の強みだと思います。
BI担当者の腕の見せ所ということです。 気張っていきましょう。

2. ダッシュボードへの組み込み方

カスタムファンクションが登録できたら、あとはワークブックで使うだけです。
Sigmaの良いところはExcelライクなUIなので、Excelみたいに計算フィールドに関数を書くだけで使えます。

手順：

  1. Sigmaでワークブックを開く
  2. 分析したいテーブルまたは集計データを用意する
  3. テーブルに新しいカラムを追加し、カスタムファンクションを呼び出す数式を入力する
  4. 生成されたテキストカラムをUI要素として配置する

まずは実際に使っているところをお見せしましょう。
架空のVtuberの配信データを読み込ませてAIに分析をさせてみます。

数式の記述例：

AIQuery("次のデータはVtuberと配信したゲームと視聴者数である。Vtuber毎に分析を出して", [Vtuber＆ゲーム＆視聴者数])

とまあこんな感じで、ダッシュボード上でAI関数（裏側はCORTEX AI SQL）が使えます。

渡す引数は、集計済みのテキスト形式のデータが理想的です。たとえばCONCATでデータをまとめた文字列を作り、それをListAgg関数で1行にまとめて、AI Queryに渡すのが一般的なパターンです。

何を言っているか分からないと思いますので、簡単に実例をご紹介します。

今回AIに渡したデータはこちらです。

ご覧いただいてわかる通り、全てを一つにまとめています。
SigmaのAIQueryに渡すデータは、このような形で一行にまとまっている必要があります。

ではこのデータはどのように作っているかというと、

このように

  1. まずVtuber名/配信ゲーム/視聴者数を行単位でまとめます
  2. それをVtuber単位で更に1行にまとめます（ここで使われるのがListAgg関数）
  3. 最後に、全部を1行にまとめます（ここでもListAgg関数）
  4. （段階的に分けてますが、ListAgg関数の中にCONCAT関数とか入れれば一発でできます）

そして次に、出力結果をダッシュボード上のテキストブロックやUIコントロールとして表示すれば、グラフや数字の隣にAIの解釈テキストが並ぶダッシュボードの完成です。

3. 実例：こんな分析テキストが出せる

実際にどんな出力になるか、イメージを共有します。

たとえばVtuber管理ダッシュボードの場合、こんな感じのテキストが生成されます。

「六條ひろな藤咲トワの視聴者数の分析を以下に示します。
六條ひろな - 最人気ゲーム：Phasmophobia（64.69 万人）・・・
藤咲トワ - 1番人気ゲーム：Phasmophobia（145.25 万人）・・・
全 体 - 人気が高いゲーム：Phasmophobia・・・
提 言 - 人気が高いゲームを中心に配信する - 新しいゲームに挑戦する - コミュニケーションを重視したゲームを選ぶ - ファンの要望に応えることで、視聴者数を増やすことができる。」

数字を読んで自分で解釈する必要がなく、パッと状況が把握できます。

また、以下のようなユースケースにも対応できます。

  • KPIダッシュボード：主要指標の増減をまとめて解釈
  • 営業レポート：担当者ごとの活動状況をテキストで要約
  • 在庫・オペレーション：異常値やアラートを自然言語で通知

プロンプトをカスタムファンクション側で調整することで、出力のトーンや粒度もコントロールできます。「箇条書きで出す」「3文以内にまとめる」「課題点だけフォーカスする」など、用途に合わせて使い分けができます。

4. 応用：ログインユーザー別のパーソナライズサマリ

ここからが本番です。

AIサマリを「全員が同じ内容を見る」のではなく、「ダッシュボードにアクセスしているユーザーに合った内容が出てくる」ようにしてみます。

データをアクセスユーザーでフィルターする仕組み

SigmaにはCurrentUserEmail()という組み込み関数があります。これは、現在ダッシュボードにアクセスしているユーザーのメールアドレスを返します。
同じようにCurrentFullName()などもあります。

これをフィルター条件として使うことで、「自分のデータだけ」を絞り込んだビューを作れます。

例えばここにいい感じのSalesデータがあります。

このデータに担当者のメールアドレスとCurrentUserEmail()を追加して

[担当者メール] = CurrentUserEmail()

この条件をtrueでテーブルのフィルターに設定すると、鈴木さんがアクセスすれば鈴木さんの担当データだけ、佐藤さんがアクセスすれば佐藤さんの担当データだけが表示されます。

パーソナライズされたAIサマリが生成されるまでの流れ

仕組みをまとめるとこうなります。

ユーザーがダッシュボードにアクセス
       ↓
CurrentUserEmail() でログインユーザーを特定
       ↓
そのユーザーに紐づくデータのみフィルタリング
       ↓
フィルター済みデータをAI Queryに渡す
       ↓
「あなたの担当案件の概況」が生成される

結果として、同じダッシュボードURLにアクセスしても、人によって表示されるAIサマリの内容が変わります。

鈴木さんには「今月の担当案件は全体的に順調です。ただしA社案件が停滞気味で、フォローが必要そうです」と出て、佐藤さんには「今月は新規案件の獲得が好調です。B社との商談が特に有望です」と出る、というイメージです。

まとめ

SigmaのAI Queryでできることを整理するとこうなります。

やりたいこと 実現方法
ダッシュボードにAIサマリを表示したい AI Query ＋ カスタムファンクション
組織で統一したAI体験を提供したい カスタムファンクションで共有
ユーザーごとにパーソナライズしたい CurrentUserEmail() でフィルター ＋ AI Query

「BI × AI」を実現しようとすると、カスタム開発が必要だったり、データをどこかに持ち出す必要があったり、セキュリティ面で難しい判断が出てきたりすることが多いです。

SigmaのAI Queryは、Snowflake / Databricks上のAI機能をそのまま活かしながら、ダッシュボードに自然な形でAIを組み込める点で、現時点では実用性の高い選択肢の一つだと思っています。

特にパーソナライズサマリは、「全員が同じダッシュボードを見て、自分に関係ある部分だけをAIが解説してくれる」という体験を、ほぼノーコードで作れるのがかなり面白いところです。

興味のある方はぜひ試してみてください。

掲載の記事に関して、またはSigmaを中心としたデータ分析のお問い合わせに関しては
お問い合わせ | 株式会社truestar までよろしくお願い致します。

truestarテックブログ
truestarテックブログPublication

株式会社truestar のメンバーが発信するテックブログです。 技術的な活動やイベント登壇などを発信していきます。

Discussion