Use Cases6 min read

データアナリスト向け ModelMonkey

自然言語でデータベースをクエリしてデータを分析 — SQLは不要

概要

ModelMonkeyは、自然言語によるセルフサービスのデータアクセスを実現し、データアナリストの働き方を変革します。SQLクエリを記述したり、データエンジニアリングチームのサポートを待ったりする代わりに、必要なデータを平易な言葉で説明するだけで済みます。

このガイドでは、データアナリストに特に関連するModelMonkeyの機能を紹介します：

接続されたデータベースへのクエリ — SQLの記述不要
ビジネスユーザーがデータリクエストをセルフサービスで処理できるよう支援
スプレッドシートのデータと外部データベースを結合してデータソースを統合
可視化とサマリーをスプレッドシート上で直接作成

Tip

ModelMonkeyは自然言語によるリクエストをバックグラウンドで最適化されたSQLクエリに変換します。これにより、SQLの構文を意識することなく、SQLの強力な機能をご利用いただけます。

データソースへの接続

外部データをクエリするには、まずデータベースへの接続を設定する必要があります。ModelMonkeyは以下をサポートしています：

PostgreSQL
Amazon RDS、Google Cloud SQL、Azure Database for PostgreSQL、セルフホストインスタンスを含む、あらゆるPostgreSQLデータベースに接続できます。

Google BigQuery
大規模なアナリティクスワークロード向けに、サービスアカウントを使用してBigQueryデータセットに接続できます。

接続後は、リクエスト内でこれらのデータソースを名前で参照できます。たとえば、接続名を「Sales Database」とした場合、「Sales Databaseからカスタマーデータを取得して」と指示できます。

詳細なセットアップ手順については、外部データ接続をご参照ください。

自然言語でデータベースをクエリ

データソースに接続したら、平易な言葉でクエリを実行できます。ModelMonkeyはリクエストをSQLに変換し、結果を返します。

リクエスト例

「PostgreSQLデータベースから先月の地域別売上を表示して」
「BigQueryから売上上位10社の顧客を見つけて」
「過去7日間の全注文を取得してスプレッドシートに追加して」
「国別のアクティブユーザー数は？」
「商品カテゴリ別の平均注文金額は？」

仕組み

必要なデータを自然言語で説明する
ModelMonkeyが適切なSQLクエリを生成する
クエリが接続されたデータベースに対して実行される
結果がスプレッドシートに返されるか、レビュー用に表示される

フォローアップの質問でクエリを絞り込むこともできます：「今度は売上が100万円を超える地域のみに絞り込んで。」

Tip

クエリ対象のデータベースや接続を明確に指定してください。特に複数のデータソースがある場合は重要です。たとえば、「Analytics databaseから」と指定することで、ModelMonkeyがリクエストを正しくルーティングできます。

データの分析と可視化

スプレッドシートにデータが揃ったら、ModelMonkeyを使って分析と可視化ができます：

グラフの作成

「地域別売上を示す棒グラフを作成して」
「月次売上トレンドの折れ線グラフを作って」
「商品別市場シェアの円グラフを追加して」

データのサマリー

「各列の合計と平均を計算して」
「このデータをカテゴリ別にまとめて」
「このデータセットの主要なインサイトは何？」

計算の追加

「前月比の変化率を計算する列を追加して」
「各商品の前年比成長率を計算して」
「累計合計の列を追加して」

書式設定とハイライト

「平均を超えるセルをハイライトして」
「トップパフォーマーを緑で表示する条件付き書式を適用して」
「売上列を通貨形式にして」

複数のデータソースの統合

ModelMonkeyの最も強力な機能の一つは、単一のリクエストで異なるソースのデータを結合できる点です：

スプレッドシートデータとデータベースの結合

「スプレッドシートの顧客IDをPostgreSQLデータベースの顧客テーブルと照合して」
「CRMデータベースのメールアドレスでこのリストを補完して」
「BigQueryの企業規模データを見込み客リストに追加して」

ドキュメントとの相互参照
PDFレポートをアップロードしてデータベースのデータと比較：

「このPDFの四半期数値をデータベースの実績と比較して」
「これらの請求書の合計を注文テーブルと照合して」

ソースをまたいだ集計

「BigQueryのウェブ解析データとPostgreSQLの売上データを統合して」
「複数のデータベースから顧客データの統合ビューを作成して」

これにより、手動でのデータエクスポートやコピー＆ペーストの作業がなくなり、スプレッドシートを唯一の信頼できる情報源として活用できます。

Tip

ModelMonkeyにデータベースデータとの相互参照を依頼する前に、File Uploads機能を使って関連ドキュメントをアップロードしてください。

データアナリストのベストプラクティス

わかりやすい接続名を使用する
データベース接続には明確な名前を付けてください（例：「Production Analytics」「Marketing Data Warehouse」）。リクエスト内で簡単に参照できます。

小さく始めて、徐々に拡張する
まず簡単なクエリから始めて正しいデータが取得できているか確認し、その後フィルターや集計を追加します。これにより問題を早期に発見できます。

期間を明示する
時系列データを扱う際は、リクエストに必ず日付範囲を含めてください：「最近の売上」より「過去30日間の売上」の方が正確です。

よく使うクエリを保存する
頻繁に使うデータ取得には、コピーして変更できるプロンプト例を参照シートに保存しておきましょう。

ファイルアップロードと組み合わせる
データベースのデータと外部情報を相互参照する必要がある場合は、PDFレポートやドキュメントをアップロードしてください。差異分析や照合作業に特に有効です。

重要な数値を検証する
重要なビジネス上の意思決定には、いくつかのデータポイントをソースシステムと比較してスポットチェックを行ってください。

次のステップ

さらに詳しく探求しましょう。関連機能をご覧ください：

外部データ接続 — PostgreSQLとBigQueryの接続設定
SQLクエリ — 高度なユースケース向けのカスタムSQL作成
ファイルのアップロード — 相互参照のためのPDFアップロード
スプレッドシート編集 — スプレッドシート操作の全機能を学ぶ

特定のデータベース設定や高度なクエリパターンに関するご質問は、上記のリンク先の詳細ドキュメントページをご確認ください。