SQL クエリジェネレータ

目的

自然言語の要件を複数のデータベースプラットフォーム向けに最適化された SQL クエリに変換します。このスキルは、プロダクトマネージャー、アナリスト、エンジニアが手動の構文作業なしに正確なクエリを生成するのに役立ちます。

仕組み

ステップ 1: データベーススキーマを理解する

• スキーマファイル(SQL、ドキュメント、またはダイアグラム説明)を提供した場合、これを読み込み分析します
• テーブル名、カラム定義、データ型、関連性を抽出します
• 主キー、外部キー、インデックス戦略を特定します

ステップ 2: リクエストを処理する

• 取得または分析する必要がある正確なデータを明確にします
• SQL 方言(BigQuery、PostgreSQL、MySQL、Snowflake など)を確認します
• 追加要件(フィルタ、集約、並び替え)について質問します

ステップ 3: 最適化されたクエリを生成する

• データベース構造を活用した効率的な SQL を作成します
• 複雑なロジックを説明するコメントを含めます
• 大規模データセットのパフォーマンス考慮事項を追加します
• 該当する場合は代替アプローチを提供します

ステップ 4: 説明とテスト

• クエリロジックを平易な英語で説明します
• 結果をテストまたは検証する方法を提案します
• パフォーマンス最適化のコツを提供します
• 必要に応じて、テストスクリプトまたはサンプルデータを生成します

使用例

例 1: スキーマファイルからのクエリ生成

database_schema.sql ファイルをアップロードして、以下のように入力します:
"Generate a query to find users who signed up in the last 30 days
and had at least 5 active sessions"

例 2: ダイアグラム説明からのクエリ生成

"Here's my database: Users table (id, email, created_at), Sessions table
(id, user_id, timestamp, duration). Generate a query for average session
duration per user in January 2026."

例 3: 複雑な分析クエリ

"Create a BigQuery query to analyze our revenue by region and customer tier,
including year-over-year growth rates."

主な機能

• マルチ方言対応: BigQuery、PostgreSQL、MySQL、Snowflake、SQL Server に対応
• ファイル読み込み: スキーマファイル、SQL ダンプ、データドキュメントを読み込みます
• クエリ最適化: インデックス、パーティショニング、パフォーマンス改善を提案します
• 説明機能: 学習とドキュメント作成のためにクエリを分解します
• テスト: テストクエリとサンプルデータスクリプトを生成できます
• スクリプト実行: データベース用の実行可能な SQL スクリプトを作成します

最良の結果を得るためのコツ

1. 文脈を提供する: データベーススキーマまたは構造を共有してください
2. 具体的に説明する: 必要なデータとフィルタを明確に説明してください
3. データベースを指定する: 使用している SQL 方言を指定してください
4. 制約を含める: データボリューム、時間範囲、パフォーマンス要件を記載してください
5. 形式をリクエストする: 特定の出力が必要な場合、クエリ結果の形式を尋ねてください

出力形式

以下を受け取ります:

• SQL クエリ: コメント付きの本番対応 SQL コード
• 説明: クエリが何を行い、どのように機能するか
• パフォーマンスノート: 最適化のコツと考慮事項
• テストスクリプト(リクエスト時): サンプルデータと検証クエリ

---

さらに詳しく知る

• The Product Analytics Playbook: AARRR, HEART, Cohorts & Funnels for PMs
• How to Become a Technology-Literate PM