本記事は、2026年3月4日に開催したセミナー「GA4や広告データを『会話』で分析：対話型統合データエージェント『AI-コンパス』紹介セミナー」の内容を記事にまとめたものです。
ChatGPTをはじめとする生成AIが急速に浸透し、データ活用のハードルは下がりつつあります。多くの企業がBigQueryなどにデータを蓄積している一方で、現場では次のようなお悩みをよく耳にします。
- BigQueryにデータは溜まっているのに、SQLが書けず自分では分析できない
- 見たい数字があるたびにエンジニアへ依頼し、報告に間に合わない
本セミナーでは、生成AIとBigQueryを直結させ、SQLを一切書かずに自然言語（会話）だけで全社データを分析できる環境構築支援サービス『AI-コンパス』を、実際の画面デモを交えてご紹介しました。本記事ではその内容をレポートします。
・現場のデータ抽出・集計の手間をゼロに近づけ、戦略立案に集中するためのAI活用法
・分析AIの2大選択肢「Claude」と「Gemini」の違いと選び方
目次
登壇者紹介
株式会社メディックス マーケティングデザインユニット データエンジニア 松尾 一平
Google Analyticsの設計・導入歴 10年以上。GA4のローデータをBigQueryで集計し、BIツールを活用したダッシュボード構築を得意としている。近年はデータエンジニアとしてAI活用にも注力している。
なぜ今、「会話でデータ分析」なのか
ChatGPTの登場以降、生成AIは急速に身近になり、「データさえあればAIが魔法のように答えを出してくれる」というイメージが広がっています。一方で、多くの企業がデータの蓄積先としてBigQuery（Googleが提供している、データを貯める箱＝データウェアハウス）を採用していますが、ここに大きな壁がありました。
BigQueryはこれまで、SQLが使えないと扱うのが難しく、どうしてもエンジニア向きのツールでした。つまり、データは溜まっているのに、それを引き出せるのは一部のエンジニアだけです。マーケターは見たい数字があるたびにエンジニアへ依頼し、エンジニアは突発的な抽出依頼に追われていました。この依頼と手戻りのラリーが、組織の意思決定を遅らせる要因になっていました。
ここに変化をもたらすのが、生成AIとBigQueryを直結させるという仕組みです。
対話型統合データエージェント『AI-コンパス』とは
AI-コンパスは、生成AI（Gemini／Claude）と貴社のGoogle BigQueryを直結させる環境構築支援サービスです。BigQueryに置いたデータに対してAIをつなぎ込み、チャット形式・自然言語で分析できるようにします。
GA4×基幹データ×広告コストといった複数のデータソースを横断した高度な分析を、SQL不要・自然言語のみで実行できるのが最大の特長です。
3つの特長
| 特長 | 内容 | |
|---|---|---|
| 1 | SQLレスでデータ民主化 | PythonもSQLも不要。使い慣れたチャット画面（自然言語）だけで、非エンジニアがBigQueryの全データを自在に分析できます。 |
| 2 | 抽出対応工数の削減 | 定型レポート作成や「ちょっとこの数字出して」という突発依頼をAIが代行。エンジニアのリソースを本来の開発業務へ解放します。 |
| 3 | 社内用語が通じる専用AI | 「粗利」「LTV」など企業独自の定義をAIに学習させることで、定義ズレやハルシネーションを防ぎ、実務で使える正確な数値を返します。 |
特に3つ目は重要です。AIは一般的な用語は理解できても、社内独自の用語や集計ルールはそのままでは正しく解釈できません。AI-コンパスでは、こうした前提条件をAIに理解させたうえで分析を行う環境を構築します。
【実演】2つのAIで、GA4データを「会話」だけで分析
セミナーでは、AI-コンパスで利用できる2つの生成AI、Claude（Claude for Desktop）とGemini（BigQuery内蔵の会話型分析）を、実際の画面で実演しました。
実演①：Claude Desktop
Claude Desktop（Claudeの公式サイトから無料でダウンロードできるアプリ）からBigQueryへ接続した状態で、次のように指示します。
BigQueryに置いてあるGA4のデータテーブルから、直近30日のページビュー・セッション・ユニークユーザー数・購入数・収益を抽出してグラフ化してください
すると、AIがBigQueryのデータを読み取り、グラフを描画します。続けて、次のように指示します。
セッションのメディアごとの収益データを追加し、考察も加えてください
と続けると、Google 自然検索／Yahoo自然検索／メールマガジンなど流入元別のデータが追加され、考察まで添えられたダッシュボードが生成されました。
Claude DesktopはJavaScriptをその場で動かせるため、単なるグラフにとどまらない作り込まれたダッシュボードを生成できる点が強みです。グラフ描画やアウトプットのクオリティ面では現時点でGeminiよりClaudeがやや優れており、戦略を考える際の壁打ち相手としても活用できます。
実演②：Gemini（BigQuery内蔵の会話型分析）
続いて、BigQueryに内蔵されたばかりの会話分析機能（Gemini）を実演しました。同様に「2026年1月のPV・セッション・UUを取得してグラフ化してください」と指示すると、グラフと考察が出力されます。
Geminiならではのポイントが、エージェントの事前設定です。
- 前提情報の登録：「ページビューはこう集計してください」といった集計ルールをあらかじめAIに与えておけます。
- 検証済みクエリの登録：期待するSQLを事前に持たせ、AIが意図しない集計をするのを防げます。
これにより、「本当はこう集計してほしいのに、AIが別のやり方を取ってしまった」という事故を防ぎ、AIをコントロールしやすくなります。
なお、いずれのAIでも、BigQueryにデータさえあれば、広告データ・Search Console・顧客データ・購入データなど、あらゆるデータにつなげられます。すべてを統合したダッシュボードや分析を、これひとつでカバーできる世界観です。
ClaudeとGemini、どう選ぶ？
実演を踏まえ、2つのAIの違いを整理します（2026年3月時点）。
| 観点 | Claude（Claude for Desktop） | Gemini（BigQuery内蔵） |
|---|---|---|
| 賢さ・アウトプットの質 | ◎ 文脈理解が深く、グラフ描画やダッシュボード生成が非常に優秀 | 〇 基本的な分析は十分実用的。複雑な条件はやや苦手 |
| 外部ファイル出力 | ◎ Excel／HTML／CSV等への出力・保存が得意 | △ 外部ファイル出力は弱い |
| 安全性 | △ データがAnthropic社のサーバーに渡る（社内ポリシーでNGの場合は利用不可） | ◎ Googleプロダクト内で完結し、社内承認が下りやすい |
| 導入・運用 | △ デバイスごとにセットアップが必要 | ◎ BigQuery内蔵でセットアップ不要、すぐ使える |
選び方の目安
- 分析の質・資料作成の自動化を重視し、一気通貫でAIに任せたい方 → Claude
- Googleの堅牢な環境内で、データを外に出さず安全に使いたい方／社内ポリシーが厳しい方 → Gemini
どちらを選ぶにしても大前提は「BigQueryにデータがある」ことです。さまざまなデータをBigQueryに集約しておくことが、今後のデータ利活用ではとても重要になります。
導入で何が変わるのか（Before → After）
| Before | After | |
|---|---|---|
| マーケティング担当 | 週次会議に向けてCPO悪化要因を探りたいが、データがマーケだけでは出せず報告に間に合わない | 毎朝数分で原因を特定。分析で得た示唆をもとに予算配分を即座に変更できる |
| システム・DX担当 | 現場からのデータ出し依頼対応で毎月数時間が消え、本来のミッションに手をつけられない | 問い合わせ対応が大幅に減少。導入した基盤が「活用される基盤」として評価される |
マーケターは次の打ち手に集中でき、エンジニアは時間を取り戻せます。SQL不要の分析環境が、両者の働き方を変えます。
質疑応答（抜粋）
Q. 一般的なChatGPTなどとの最大の違いは？
ChatGPT（GPTベース）でも利用は可能です。それでもClaudeをおすすめするのは、Claude Desktopというアプリが非常に便利だからです。その場で描画する機能が強く、データ活用と相性が良い点が理由です。Geminiは元々BigQueryに内蔵されているため、すぐ使えて運用が手軽な点でおすすめしています。
Q. ClaudeとGemini、どちらが推奨ですか？
機能面では現状Claudeが優れています。ただし、データがAnthropic社側に渡るため、社内ポリシー上で許可が下りにくいケースもあります。その場合は、Googleプロダクト内で完結するGeminiが使いやすい選択肢となります。
Q. BigQueryをまだ導入していませんが、利用できますか？
はい。Googleアカウントでクラウド環境を用意すれば、非常に低コストで利用できます。データを置いておくだけなら月数百円程度で、Geminiも現状は無料で利用可能です。部署単位での環境用意が難しい場合は、メディックスの環境をお貸しすることもできます。
Q. 今後もBigQueryのAI機能は発展していきますか？
おそらく発展していくと考えています。Googleの公式イベントでもAIの話題が非常に多く、各種プロダクトとAIをつなぐツールも続々と登場しているためです（※あくまで予想です）。
Q. Geminiが無料でも、BigQueryへの問い合わせコストは発生しますか？
BigQuery自体のコストは発生します。ただし、テラバイト規模のデータを使わない限り非常に安価で、例えば10GB程度であれば月数十円〜100円、または無料枠に収まる可能性が高いです。
まとめ
AI-コンパスがもたらす最大の変化は、ツールが変わることではなく、日々の仕事の進め方そのものが変わることです。
これまでは、数字を見たいと思っても自分では出せず、依頼書を書いてエンジニアに頼み、結果が出てくるのを待ち、認識のズレがあれば修正を依頼するなど、ひとつの数字にたどり着くまでに何日もかかっていました。AI-コンパスを導入すると、この流れが大きく変わります。
- 「見たい」と思った瞬間に、その場で聞ける：会議の最中でも「先週のSNS広告経由ユーザーの行動は？」とチャットで尋ねれば、数分で答えとグラフが返ってきます。依頼・待ち時間・手戻りのラリーが不要になります。
- 分析の起点が「依頼」から「対話」へ：仮説が浮かんだらすぐ試し、深掘りし、考察まで一気に進められます。マーケターは、数字を待つ立場から、数字で考える立場へと変わります。
- エンジニアは作業から解放される：突発的な抽出依頼に追われる時間がなくなり、本来注力すべきデータ基盤の設計・改善に集中できます。
- 属人化が解消される：社内用語や集計ルールをAIに学習させておくことで、「あの人に聞かないと正しい数字が出ない」状態から脱し、誰が尋ねても同じ定義で正確な数値を得られます。
つまり、データ活用が一部の専門家だけのものではなくなり、チーム全員が自分の言葉でデータと対話しながら意思決定できるようになります。これがAI-コンパスの目指す働き方です。
その第一歩は「BigQueryに、活用したいデータを集約しておくこと」。GA4・広告・基幹データを一元化しておけば、AIによる横断分析の可能性が一気に広がります。
