【Looker x 生成AI】Query Insights によるデータ解釈の効率化

Looker Query Insights Extension とは

Query Insights を利用すると、ユーザーが Explore で取得したデータに関する洞察を簡単に生成することができます。

これにより、複雑なクエリの結果を直感的に理解し、データの分析と可視化を効率化することが可能になります。結果として、ユーザーは迅速かつ正確な意思決定を行えるようになります。

Looker とは

Looker は、Google Cloud が提供する「データプラットフォーム」です。

データの集計や可視化だけでなく、データの事前定義、外部ツールと連携することで分析したデータによる具体的なアクションまでの一連のプロセスをカバーします。データの民主化を促進し、より迅速で正確な意思決定の支援、データの利活用まで促進するツールです。

LookML によるモデリング機能については、以前のデータプラットフォーム「Looker」 の機能紹介記事を参照してください。

Looker Query Insights Extension の使い方

今回は、小売業者のユースケースを想定したダミーデータを使用します。ダミーの購入情報や店舗・顧客情報を含むこのデータセットについては、以前の記事「Looker でダッシュボードを作成してみた！機能と実装方法を紹介」をご参照ください。

Looker Query Insights Extension を実装すると、Looker の Explore 上でビジュアライゼーションのタイプとして Query Insights を選択できるようになります。

Query Insightsには以下の2つの主要機能があります:

• Summary : データ分析内容の要約や洞察が得られます
  
• Sentiment : テキストデータの感情分析を行います

Summary （要約）機能

フィールドを選択し実行すると、データ分析内容に基づいた洞察が得られます。
Display タブからタイトルやカラーの変更が可能です。

＜出力結果＞

The data shows sales figures for various stores across Japan. The store in 浜松 had the highest number of orders (111,830) and the highest total sales (¥11,731,198,838). The store in 新宿 had the second highest sales (¥11,739,469,549), but a slightly lower number of orders (111,665). The stores in 札幌, 川崎, 横浜, 京都, 広島, 渋谷, 立川, 神戸, 仙台, 那覇, 福岡, 松山, 大阪, and 名古屋 all had significantly lower sales and order numbers compared to the top two stores.

LLM タブでは Temperature の指定や追加指示の入力ができます。

例えば、日本語で出力されるように指示を追加し、Temperature を 1.0 に変更すると以下のような結果が得られます。

Sentiment （感情分析）機能

感情分析機能を使用するため、BigQuery の一般公開データセットの中から IMDb のレビュー データセットを使用しました。

例として、「Star Wars: Episode VI - Return of the Jedi」に対するレビューの感情分析を行います。LLM タブで Sentiment を選択し実行すると、レビュー内容が肯定的・否定的かを分析した結果が得られます。

＜出力結果＞

この映画に対する感情は、圧倒的に肯定的です。多くの人が、この映画がスターウォーズ・シリーズの最高の映画だと考えています。特に、ダース・ベイダーのストーリーラインの結末、ルークとダース・ベイダーの決闘、そしてエンダーの戦いのシーンが称賛されています。一方で、一部の人々は、イウォークの登場や、映画の全体的なトーンが子供っぽすぎることを批判しています。しかし、全体的には、この映画は非常に人気があり、多くのファンから愛されています。

Looker Query Insights Extension の活用アイデア

Looker Query Insights Extension はオープンソースプロジェクトなので、プロンプトを直接カスタマイズすることが可能です。例として、今月の売上達成状況を可視化するダッシュボードのサンプルを作成しました。

実行した Query Insights をダッシュボードに保存することで、リアルタイムの分析結果に基づいた要約やメッセージをダッシュボード上に表現することができます。

プロンプトのカスタマイズにより、ダッシュボード左下の売上推移の内容を基に、見出しを生成したり分析結果を要約することが可能です。さらに、課題や目標の設定や、社員へのメッセージまで生成できます。

＜出力結果＞

4月～8月の売上推移：安定した成長と潜在的な課題

4月〜8月の売上推移は、全体的に安定した成長を見せています。特に、4月、5月、7月には売上額が2000万円を超えるなど、好調な時期もありました。しかし、6月と8月には売上額が減少傾向にあることが確認されました。

6月と8月の売上減少は、季節的な要因やキャンペーンの影響が考えられます。詳細な分析を行い、具体的な原因を特定する必要があります。

今後の課題としては、売上減少の原因を特定し、対策を講じる必要があります。また、売上額が安定している時期でも、更なる成長を目指し、顧客満足度向上や新規顧客獲得に力を入れる必要があります。

今後の目標としては、売上額の安定化と更なる成長を目指し、以下の取り組みを進めていきます。

6月と8月の売上減少の原因を分析し、対策を講じる。

顧客満足度向上のための施策を継続的に実施する。

新規顧客獲得のためのキャンペーンやプロモーションを展開する。

社員の皆さんには、日々の業務に励んでいただき、売上目標達成に向けて共に努力していきましょう。特に、顧客満足度向上と新規顧客獲得には、全社員の意識と行動が重要となります。

皆さんの努力と創意工夫によって、更なる成長を遂げられると信じています。

プロンプトの調整により、様々なユースケースに合わせた言語化が可能です。

Looker Query Insights Extension の仕組み

Query Insights は Looker のネイティブ機能ではなく、オープンソースプロジェクトとして開発されています。

Explore を実行すると、LookML で事前定義していたデータのメタデータに基づくクエリのメタデータ、ユーザーによる追加指示、Exploreで取得してきたデータをGeminiモデル（今回は gemini-1.5-flash を使用）に渡します。

Geminiはこれらの情報を基にデータ分析の洞察を生成し、その内容が Looker 上に描画されます。

実装には、Looker Extension Framework が使用されています。これにより、JavaScript ベースのカスタムアプリケーションを Looker 上で直接実行することが可能です。

Looker Extension Framework とは

Looker Extension Framework は、Looker の機能を拡張するためのフレームワークです。開発者は、このフレームワークを使用して、Looker に新しい機能を追加したり、既存の機能をカスタマイズしたりすることができます。

Looker Query Insights Extension 導入方法

Looker Query Insights Extension は、オープンソースプロジェクトとして提供されています。ソースコードは Looker Query Insights Extension で公開されています。

導入には以下のステップが必要です：

１．GitHub リポジトリからプロジェクトをクローンする

２．必要な依存関係をインストールする

３．バックエンドの設定（ BigQuery との連携 ）

４．フロントエンドの設定

５．Looker プロジェクト内で Extension を設定する

詳細な手順については、プロジェクトの README をご参照ください。

今後、マーケットプレイス上でインストールできるようになることを期待しています。

すでに Looker の生成 AI を活用した拡張機能である Explore Assistant のバックエンドを BigQuery で実装済みの環境では、ステップ３のバックエンドの設定が不要です。フロントエンドの構築のみなので、15分ほどで導入が完了します。

まとめ

Query Insights を活用すれば、データ分析のスキルがないユーザーでも分析結果を簡単に言語化し、データからインサイトを得られます。この結果、迅速な意思決定が可能となり、データ分析の民主化と効率化が促進されます。

Explore の編集オプションから生成 AI への追加指示を入力できるため、出力を容易にカスタマイズすることができます。さらに、ソースコードのプロンプトを修正することで、より複雑な出力をカスタマイズすることができ、ユースケースに沿った言語化が可能になります。

また、Gemini に提供するプロンプトには データのメタデータも含まれており、これによりデータフィールドを詳細に定義することで回答の精度が向上する可能性があります。データの指標定義は、生成 AI の活用においてもその重要性が増しています。

データの価値を最大限に引き出す Query Insights は、今後の発展が期待されます。ぜひ一度お試しください！

生成 AI を活用した他の Looker 拡張機能もブログにて紹介しています。

【Looker x Gen AI】Explore Assistant で始める自然言語データ探索

【Looker x 生成AI】生成AIが分析結果を言語化！ Dashboard Summarization を使ってみた

Vertex AI DIYプランについて

Vertex AI Search を使って社内文書を検索する生成 AI を構築してみませんか？
ソフトバンクのエンジニアが構築をサポートします。

Vertex AI DIY プランでは、以下の3つのことをご体験いただけます。
詳細は、関連サービスにある「Vertex AI DIYプラン」をご確認ください。

関連サービス