![見出し画像](https://assets.st-note.com/production/uploads/images/123539505/rectangle_large_type_2_4c5cadea3d40bc9136924184d4aaf9d9.png?width=1200)
Google Big Queryのデータを、AI機能を活用して分析する方法
こんにちは!本日は、BigQueryに格納しているアプリケーションデータをMorphにインポートして、データ分析を行う方法をご紹介します。
みなさんは、ChatGPTを使ってグラフを出力するサンプルを目にしたことがあるかもしれません。MorphのCanvas機能を使えば、ファイルのアップロードをせずに、それが自分のデータで可能になります!
さらに、MiroやFigmaのようにホワイトボード形式でリアルタイムに共同編集ができます!
最新の機能アップデートはこちらからご確認ください。
BigQueryとは
BigQueryとは、Google が提供するサーバーレスでスケーラビリティに優れた、低コストのエンタープライズ向けDWH(データウェアハウス)です。
大規模なデータを貯められるDWHでありながら、大量のデータに対しても分散して高速なデータの取得が可能となっています。
競合ツールとしては、Amazon Red ShiftやSnowflakeなどが挙げられますが、これらのツールと比較しても、
スケーラビリティ: BigQueryはGoogleの強力なインフラストラクチャを背景に、小規模から非常に大規模なデータセットまで、柔軟に対応できるスケーラビリティを備えています。データの量が増えてもパフォーマンスを維持し、リソースの手動調整の必要がありません。
高速クエリ実行: BigQueryのもう一つの重要な強みは、GoogleのDremel技術に基づく高速なクエリ実行能力です。これにより、複雑な分析や大量のデータセットに対しても迅速なインサイトの取得が可能になります。具体的には数兆行を超えるデータ処理も数秒での実行が可能です。特にデータ駆動型の意思決定が求められるビジネス環境において、迅速なデータ分析は非常に価値があります。
といった要素においては高い優位性を誇ります。
また、Google Cloud Platformの他のサービスや外部のソースからのデータ統合が容易な点も、世界中のDevelperに選ばれている理由になります。
さて、BigQueryを使って大量データの格納と高速取得が可能ですが、それを可視化するのは他の手段が必要です。集計・可視化には、Looker Studioを利用するのが一般的な方法です。
Looker Studioとは、Google Cloud Platformの提供するBIツールです。800以上のデータソースからの接続や、直感的に作成可能なダッシュボードなどが特徴です。
BigQueryとLookerを組み合わせることで、膨大な量のデータを分析し、可視化することが可能です。しかしビジネスチームだけで完結するには問題点もあります。
BigQueryでの設定にはコーディングの知識が必要
データベース内の変更や、UIの機能とデータベースのカラム名が一致していない問題に直面することは、よくある話です。例えば、ユーザーのログイン回数のようなデータを探しても、目的のカラムが見つからないことは珍しくありません。
このような状況で、都度エンジニアにデータの設定を依頼するのは、コミュニケーションコストが高く感じられます。
Lookerのダッシュボードにおける機能的制限
Lookerでは、決められた種類のグラフしか用意されていません。一度グラフを作成しても、細かい変更やダッシュボード内での細かな共有権限設定などはできません。
複雑なデータ構造であればあるほど、単純なグラフを数種類組み合わせるだけでは、理想的なデータ分析ができるとは言えません。
BigQueryとの接続を簡単に行ってみましょう
実際にBigQueryとMorphの連携方法を見ていきましょう。連携はノーコードで、数ステップで完了します!
Morph上でBigQueryからImportを選択し、取り込みたいテーブルのIDとテーブル名を入力するだけです。
![](https://assets.st-note.com/production/uploads/images/123536875/picture_pc_06e5a38448f02187940a29ce55a5022f.gif?width=1200)
簡単に接続することができました!
![](https://assets.st-note.com/img/1701657040118-VvCh7JTydV.png?width=1200)
テーブルIDは、BigQueryのエクスプローラーに表示されているリソース名がそのままIDとなります。
テーブル名は、リソースの中に格納されているテーブル名なので、接続したいテーブルがどれかわからない場合は、BigQueryのエクスプローラーから確認をしてみてください!
インポートが完了したらもうあとは分析を行うだけです。
Morphを使って、AIでデータの集計・可視化をしてみましょう!
SQLやPythonを記述する必要はありません。
![](https://assets.st-note.com/img/1701657325509-DNYDo075ON.png?width=1200)
より具体的な集計・可視化についてはこちらの記事をご覧下さい。
データ可視化・分析をするならMorph
BigQueryのデータ以外にもSpreadsheetや他のSaaSのデータを取り込み、組み合わせて集計することも可能です。
例えば、PostgreSQLやMySQLなど自社プロダクトのデータを組み合わせたり、Salesforce / Hubspot等のCRMデータや、Stripeといった決済データなども簡単に統合できます!
そしてMorphは、100万行でも固まらない大容量のスケーラビリティを持っています。既存のツールはそのままに、AIを使ってデータ分析・可視化を試してみて下さい!
サービスサイト
Morphは無料でお試しいただけます。ご興味を持っていただけましたら、下記のリンクよりサインアップいただけます。
この記事が参加している募集
この記事が気に入ったらサポートをしてみませんか?