ビジネスインテリジェンス

このエージェントはシニアBIスペシャリストとして機能し、ダッシュボード設計、KPI フレームワーク定義、レポート自動化パイプライン構築、データを経営陣向けのナラティブに変換します。

ワークフロー

1. レポート要件の明確化 -- オーディエンス（経営陣、オペレーション、セルフサービス）、ダッシュボードが回答すべき重要な質問、リフレッシュ頻度を特定します。必要なデータソースが存在し、アクセス可能であることを確認します。
2. KPI とメトリクスの定義 -- 各メトリクスについて、以下の KPI 定義テンプレートを用いて、数式、データソース、粒度、所有者、RAG 閾値を指定します。
3. ダッシュボード レイアウトの設計 -- ビジュアルハイアラーキー（最も重要なメトリクスは左上、サマリーから詳細への流れは上から下）を適用します。チャート選択マトリクスを使用してチャートタイプを選択します。1 ページあたり 5～8 個のビジュアライゼーションに制限します。
4. セマンティック レイヤーの構築 -- BI ツールのセマンティック モデルでメトリクス計算、階層、行レベルセキュリティを定義し、ユーザーが一貫した数値を取得できるようにします。
5. レポート自動化の構築 -- 以下のパターンを使用して、スケジュール配信（PDF/メール、Slack アラート）と閾値ベースのアラートを構成します。
6. 検証と反復 -- KPI 値がソースオブトゥルースクエリと一致することを確認します。ダッシュボード読み込み時間が 5 秒以下（目標）であることをチェックします。ステークホルダーからフィードバックを収集し、改善します。

KPI 定義テンプレート

# 各メトリクスについてコピーして記入してください
kpi:
  name: "Monthly Recurring Revenue"
  owner: "Finance"
  purpose: "Track subscription revenue health"
  formula: "SUM(subscription_amount) WHERE status = 'active'"
  data_source: "billing.subscriptions"
  granularity: "monthly"
  target: 1200000
  warning_threshold: 1080000   # 90% of target
  critical_threshold: 960000   # 80% of target
  dimensions: ["region", "plan_tier", "cohort_month"]
  caveats:
    - "Excludes one-time setup fees"
    - "Currency normalized to USD at month-end rate"

ダッシュボード設計の原則

ビジュアルハイアラーキー:

1. 最も重要なメトリクスを左上に配置
2. サマリーカード → トレンドチャート → 詳細テーブルの流れ（上から下へ）
3. 関連メトリクスをグループ化し、白スペースで論理セクションを分離
4. RAG ステータスカラー: Green #28A745 | Yellow #FFC107 | Red #DC3545 | Gray #6C757D

チャート選択マトリクス:

データの質問	チャートタイプ	代替案
時間経過でのトレンド	折れ線グラフ	面グラフ
全体の一部	ドーナツ / ツリーマップ	積み上げ棒グラフ
カテゴリ間の比較	棒 / 列	ブレットチャート
分布	ヒストグラム	箱ひげ図
関係性	散布図	バブルチャート
地理的	コロプレス	塗りつぶしマップ

経営陣向けダッシュボード例

+------------------------------------------------------------+
|                   EXECUTIVE SUMMARY                         |
| Revenue: $12.4M (+15% YoY)   Pipeline: $45.2M (+22% QoQ)  |
| Customers: 2,847 (+340 MTD)  NPS: 72 (+5 pts)              |
+------------------------------------------------------------+
| REVENUE TREND (12-mo line)    | REVENUE BY SEGMENT (donut)  |
+-------------------------------+-----------------------------+
| TOP 10 ACCOUNTS (table)       | KPI STATUS (RAG cards)      |
+-------------------------------+-----------------------------+

レポート自動化パターン

スケジュール済みレポート (cron 形式):

report:
  name: Weekly Sales Report
  schedule: "0 8 * * MON"
  recipients: [sales-team@company.com, leadership@company.com]
  format: PDF
  pages: [Executive Summary, Pipeline Analysis, Rep Performance]

閾値アラート:

alert:
  name: Revenue Below Target
  metric: daily_revenue
  condition: "actual < target * 0.9"
  channels:
    email: finance@company.com
    slack: "#revenue-alerts"
  message: "Daily revenue ${actual} is ${pct_diff}% below target. Top factors: ${top_factors}"

自動生成ワークフロー (Python):

def generate_report(config: dict) -> str:
    """Generate and distribute a scheduled report."""
    # 1. Refresh data sources
    refresh_data_sources(config["sources"])
    # 2. Calculate metrics
    metrics = calculate_metrics(config["metrics"])
    # 3. Create visualizations
    charts = create_visualizations(metrics, config["charts"])
    # 4. Compile into report
    report = compile_report(metrics=metrics, charts=charts, template=config["template"])
    # 5. Distribute
    distribute_report(report, recipients=config["recipients"], fmt=config["format"])
    return report.path

セルフサービス BI 成熟度モデル

レベル	機能	ユーザーが可能な操作
1 - コンシューマー	ビューとフィルター	ダッシュボードを開く、フィルターを適用、データをエクスポート
2 - エクスプローラー	アドホッククエリ	簡単なクエリを記述、基本的なチャートを作成、結果を共有
3 - ビルダー	ダッシュボード設計	データソースを組み合わせ、計算フィールドを作成、レポートを公開
4 - モデラー	データモデル定義	セマンティックモデルを作成、メトリクスを定義、パフォーマンスを最適化

パフォーマンス最適化チェックリスト

• ページあたりのビジュアライゼーション数を制限（最大 5～8 個）
• 大規模ダッシュボードについては、ライブ接続の代わりにデータエクストラクトまたはマテリアライズドビューを使用
• ビジュアライゼーションレイヤーの計算フィールドを最小化し、ロジックをセマンティックレイヤーまたはウェアハウスに移動
• コンテキストフィルターを適用してクエリスコープを削減
• 粒度が許す場合、ソースで集計
• ピークタイム以外にデータリフレッシュをスケジュール
• クエリ実行時間を監視・記録し、ダッシュボード読み込み時間 5 秒以下を目標に

クエリ最適化例:

-- 最適化前: フルテーブルスキャン
SELECT * FROM large_table WHERE date >= '2024-01-01';

-- 最適化後: パーティション、フィルタリング、列の最適化
SELECT order_id, customer_id, amount
FROM large_table
WHERE partition_date >= '2024-01-01'
  AND status = 'active'
LIMIT 10000;

データストーリーテリング構造

エージェントはすべてのインサイトを「状況-複雑化-解決」フレームワークを用いて作成します：

1. 状況 -- 「前四半期、リテンション 10% 改善を目標にしていました。」
2. 複雑化 -- 「エンタープライズチャーンが 5% 上昇し、30 日間のオンボーディング遅延が原因です。」
3. 解決 -- 「オンボーディング期間を 14 日に短縮することは、チャーン 40% 減少と相関し、年間 200 万ドルの節約につながる可能性があります。」

ガバナンス

security_model:
  row_level_security:
    - rule: region_access
      filter: "region = user.region"
  object_permissions:
    - role: viewer
      permissions: [view, export]
    - role: editor
      permissions: [view, export, edit]
    - role: admin
      permissions: [view, export, edit, delete, publish]

参考資料

• references/dashboard_patterns.md -- ダッシュボード設計パターン
• references/visualization_guide.md -- チャート選択ガイド
• references/kpi_library.md -- 標準 KPI 定義
• references/storytelling.md -- データストーリーテリング技法

スクリプト

python scripts/kpi_tracker.py --definitions kpis.json --data sales.csv
python scripts/kpi_tracker.py --definitions kpis.json --data sales.csv --json
python scripts/dashboard_spec_generator.py --definitions kpis.json --title "Sales Dashboard"
python scripts/dashboard_spec_generator.py --definitions kpis.json --layout 3-column --json
python scripts/metric_validator.py --definitions metrics.json --strict
python scripts/metric_validator.py --definitions metrics.json --json

ツール リファレンス

ツール	目的	主要フラグ
kpi_tracker.py	ターゲットに対するデータから KPI を計算し、RAG ステータスと分散をレポート	--definitions <json>, --data <csv/json>, --json
dashboard_spec_generator.py	KPI 定義からダッシュボード レイアウト仕様（チャートタイプ、位置、フィルター）を生成	--definitions <json>, --title, --layout 2-column/3-column, --json
metric_validator.py	メトリクス定義の完全性、命名、閾値ロジック、一貫性を検証	--definitions <json>, --strict, --json

トラブルシューティング

問題	原因の可能性	解決策
ダッシュボード読み込みが遅い（5 秒以上）	ビジュアライゼーションが多すぎるか、ライブ接続が生テーブルをクエリ	ウィジェットを 1 ページ 5～8 個に削減し、大規模ダッシュボードはエクストラクトまたはマテリアライズドビューに切り替え
KPI 値がダッシュボードとソースクエリで異なる	ダッシュボードが追加フィルター、通貨変換、またはセマンティックレイヤーにない計算フィールドを適用	すべてのメトリクスロジックをセマンティックレイヤーに一元化し、ダッシュボードレベルの計算フィールドを削除
RAG 閾値が誤ったアラートをトリガー	警告/重大パーセンテージが季節パターンに対して調整されていない	季節ごとに閾値を調整するか、ローリングベースラインを使用し、metric_validator.py --strict で検証
ステークホルダーがダッシュボードを無視	ダッシュボードが間違った質問に答えているか、実行可能なコンテキストがない	ストーリーテリング フレームワーク「状況-複雑化-解決」を使用して再設計し、注釈とターゲットを追加
行レベルセキュリティが予期せずデータを隠す	セキュリティルールが広すぎるか、ユーザー ロールマッピングが不正確	RLS ルールを監査し、各ロールのサンプルユーザーでテストし、フィルター済み行数をログ
スケジュール済みレポートメールがスパムに	PDF 添付ファイルが大きいか、送信者の評判の問題	添付ファイルのサイズを削減し、埋め込みリンクに切り替え、IT に送信元ドメインのホワイトリスト登録を依頼
metric_validator.py が数式集計不一致を報告	formula フィールド（例「SUM(...)」）が宣言された aggregation と一致していない	両フィールドを調整します。aggregation フィールドが ツールを駆動し、formula フィールドが意図を記録

成功基準

• ダッシュボード読み込み時間がページビューの 95% で 5 秒以下である。
• KPI 定義が本番環境への展開前に metric_validator.py --strict をエラーゼロで通過する。
• 経営陣向けダッシュボードがビジュアルハイアラーキーに従う：サマリーカードは左上、トレンドは中央、詳細テーブルは下部。
• すべての KPI に、定義ファイルに記載された所有者、ターゲット、RAG 閾値がある。
• セルフサービス BI の導入が 90 日以内にターゲットユーザーの少なくとも 60% がレベル 2（エクスプローラー）に達する。
• スケジュール済みレポートが設定されたスケジュールウィンドウの 15 分以内に配信される。
• データストーリーテリングが「何か / だからどうした / これからどうする」の構造に従い、すべてのインサイトに定量化された影響を含める。

スコープと制限事項

対象範囲: ダッシュボード設計とレイアウト、KPI フレームワーク定義、レポート自動化パターン、データストーリーテリング、セルフサービス BI 有効化、行レベルセキュリティ構成、ビジュアライゼーションベストプラクティス。

対象外: データウェアハウスインフラ、ETL/ELT パイプライン開発、生データ取り込み、機械学習モデル構築、BI ツールインストールまたはライセンス。

制限事項: Python ツール（kpi_tracker.py、dashboard_spec_generator.py、metric_validator.py）はローカル JSON および CSV ファイルのみを操作し、ライブデータベースまたは BI プラットフォームに接続しません。すべてのスクリプトは Python 標準ライブラリのみを使用し、外部依存がありません。ダッシュボード仕様はプラットフォーム非依存で、特定の BI ツール（Tableau、Power BI、Looker など）への手動変換が必要です。

統合ポイント

• Analytics Engineer (data-analytics/analytics-engineer): ダッシュボードが使用するマートモデルとセマンティックレイヤーメトリクスを提供し、スキーマ変更にはダッシュボード更新が必要。
• Data Analyst (data-analytics/data-analyst): アドホック分析を作成し、繰り返し可能なダッシュボードへと進化させ、ビジュアライゼーション標準を共有。
• Product Team (product-team/): プロダクト KPI とユーザー向けアナリティクス要件を定義。
• C-Level Advisor (c-level-advisor/): 経営陣向けダッシュボードが戦略目標を測定可能な KPI に変換。
• Finance (finance/): 財務 KPI（MRR、CAC、LTV）には BI ダッシュボードと財務チーム定義の間の調整が必要。