BigQueryに会話型分析機能（Conversational Analytics）が登場。詳細な分析レポート生成、将来予測や非構造化データの分析も可能に Google Cloudは、同社の大規模データベースであるBigQueryの新機能として、自然言語を使ってデータを分析できる会話型分析機能（Conversational Analytics）のプレビュー公開を発表しました。 この会話型分析機能は単に自然言語をSQLに変換するものではなく、同社のAIモデルであるGeminiにより、BigQuery上のスキーマやメタデータ、カスタムコマンドなどを用いたビジネスコンテキストを理解した上でSQLを生成し、データ分析やデータの可視化を実現するのが特徴です。 これにより技術者だけでなくビジネスユーザーも、BigQueryの最新データを基盤にしたデータ分析のAIエージェントを構築、展開できるようになり

はじめに お客様と話す際に、生成AIを用いて自然言語でデータ分析をしたいと相談をいただくことが多くなりました。 選択肢の一つとして Google Cloud の Conversational Analytics API を使った場合にどのような形で分析できるのかをご紹介します。 Conversational Analytics API: データ エージェントを構築し、データを使ってチャットするの記事にも紹介されている通り、様々な実行方法があります。 本記事ではその中でもStreamlit クイックスタート アプリをCloud Shell上で実行、動作確認を行った内容をご紹介します。 リリース状況について Conversational Analytics API は2025年11月6日現在pre-GAのサービスになります。 現在のリリース状況につきましてはサービスのリリースノートを参照くださ

はじめに こんにちは、クラウドエースの木村です。 近年、AI エージェント技術は目覚ましい進化を遂げています。単一の指示に応答する従来のチャットボットとは異なり、自律的に思考し、計画を立て、複雑なタスクを実行する能力を持つようになりました。 この先進的なエージェント開発を支援するため、Google は、Google Cloud NEXT'25 にて Agent Development Kit (ADK) を発表しました。 本記事では、ADK をこれから利用する開発者の方を対象に、公式サンプルの中からデータ分析に特化した data-science エージェントを取り上げ、その環境構築から実際の動作までを解説します。 対象読者 Google の Agent Development Kit (ADK) の利用を検討している開発者の方 AI エージェント、特に、マルチエージェントシステムの構築に関

Redefining enterprise data with agents and AI-native foundations The world is not just changing; it’s being re-engineered in real-time by data and AI. The way we interact with data is undergoing a fundamental transformation, moving beyond human-led analysis to a collaborative partnership with intelligent agents. This is the agentic shift, a new era where specialized AI agents work autonomously and

Google Cloud、自然言語からデータ分析用のPythonコードを生成し実行する「Code Interpreter」をプレビュー公開 Google Cloudは、ビジネスユーザーからの自然言語による質問を基にデータ分析用のPythonコードを生成し実行する新機能「Code Interpreter」をプレビュー公開しました。 SQLよりも複雑なデータ分析やグラフを用いての可視化が可能です。 下記はGoogle Cloudが公開しているデモ動画をキャプチャしたもの。画面上の表は「please show monthly total sales since 2024」（2024年からの月次の売り上げを見せて）の実行結果、画面下のグラフは「Iwant a line chart of monthly total sales since 2024」（2024年からの月次売り上げを折れ線グラフで見た

技術カンファレンス「Google Cloud Next Tokyo '25」の発表資料です。 掲載内容は収録時点の情報にもとづきます。 https://kazaneya.com/23870d0c5ac880248ef3e939e1c85156 YouTubeに10分のプレゼンテーション動画をア…

オウンドメディア戦略ラボ by はてな > 記事 > サイト分析 > Looker Studioで追加できる表・グラフの使い方を実例で解説。用途に合わせデータを可視化しよう こんにちは、はてなビジネスブログ編集部の原川です。はてなでは企業オウンドメディアのコンテンツ企画・制作ほか、はてなビジネスブログの運用を担当しています。 オウンドメディアの成果を分析・改善するうえで、Google Analytics 4（GA4）やGoogle Search Console（Search Console）のデータを日々チェックしたり、スプレッドシートなどに情報をまとめたりしている方は多いのではないでしょうか。 一方で、見るべき箇所が多くなると管理も猥雑になってしまいがちです。これらのデータを視覚的にわかりやすく整理し、関係者にも共有しやすいレポートを作成できるツールが、Looker Studio（旧Go

はじめに こんにちは。データシステム部推薦基盤ブロックの佐藤（@rayuron）と住安（@kosuke_sumiyasu）です。私たちはZOZOTOWNのパーソナライズを実現する推薦システムを開発・運用しています。 ZOZOTOWNでは、様々な改善施策の効果を検証するためにA/Bテストを実施していますが、そのプロセスには多くの工程があり、効率化の余地がありました。本記事では、A/Bテストの工程を自動化・標準化し、効率化を図った取り組みについてご紹介します。 はじめに 背景 課題 1. A/Bテスト設計書のテンプレートがない 2. A/Bテストの開催期間が決め打ち 3. 有意差検定をするために手動運用が必要 4. チーム間で集計定義とダッシュボードが複数存在している 5. 施策ごとに新しいダッシュボードを作り直す必要がある 6. システム改修漏れが発生する 解決策 1. A/Bテスト設計書の

これはエムスリーAdvent Calendar 2023 の10日目の記事です。 こんにちは、エンジニアリンググループの石塚です。最近は年明けに控えている結婚式という大イベントに向けてダイエット中でスポーツジムへ通い、有酸素運動するのと並行して食事制限をして追い込んでいる毎日です。2ヶ月ほどで6kg弱の減量を目標に地道に日々目標をスプレッドシートにまとめながら追い込んでます。(今の所良いペースです。) 今回は、弊社で利用しているLookerというBIツールを利用しているなかで発生したつらみの共有と対策について共有します。少しニッチな内容ですが、自分自身が調べているときに同事象で苦しんでいるようなブログ記事が見当たらなかったこともあり、ニッチな人を対象に有益な内容になれば幸いです。 11/6からの体重減少とランニング累計の記録をグラフにしました。 Lookerとは？ デプロイに成功したのに想

はじめまして。デジタル庁ファクト＆データユニット所属、データエンジニアの長谷川です。 本記事ではデジタル庁内でデータ活用を推進するための組織と分析基盤についてご紹介します。 これまでのデジタル庁noteと比べると、技術寄りの話題が多い記事となりますが、庁内のデータ活用に興味のある方はぜひご覧ください。 デジタル庁のデータ活用組織「ファクト＆データユニット」ファクト＆データユニットとはデジタル庁の特徴の一つに、デジタル分野において各種の専門性をもつ「民間専門人材」が多く所属していることが挙げられます。 民間の専門人材は、デザイン、プロダクトマネジメント、エンジニアリングなど、領域ごとに「ユニット」と呼ばれる組織を構成しており（参考：デジタル庁 - 組織情報）、必要に応じてさまざまなプロジェクトにアサインされて業務を遂行する、人材プールのような役割を果たしています。 ファクト＆データユニットも