# データアナリスト向けワークフロー

このガイドでは、データアナリストがTreasure AI Studio内で実行するワークフローを、漠然としたビジネス上の問いから、洗練されたエクスポート可能な一連の成果物に至るまで解説します。すべては1つの会話の中で完結します。分析の方向性はあなたが決め、ツールの操作はAIが担います。

Note
AIはバックグラウンドで、`tdx` コマンドラインツールを呼び出してデータを探索しTrinoクエリを実行するとともに、サンドボックス内でファイル（チャート、スプレッドシート、ドキュメント）を生成することで動作します。すべてのツール呼び出しはチャットストリームに表示され、展開できるため、各ステップを確認できます。AIがどのようにマルチステップの作業を計画・実行するかについては、[Agent Orchestrator](/ja/products/ai-studio/concepts/orchestrator)をご参照ください。

## 目的

データアナリストが「先四半期のコンバージョン率はどうなったのか？」という問いから、検証済みでステークホルダーに提示できる一連のチャートとエクスポートへと、1つのセッションで到達できるようにします。クエリエディタ、可視化ツール、スライドビルダーの間を行き来する必要はありません。

## ある1日の流れ

月曜日の朝、出社するとプロダクト担当VPからSlackメッセージが届いています。「コンバージョン率が下がっているようだ。午後2時のリーダーシップミーティングに向けてQ1のパフォーマンス概要をまとめてもらえるか？」

通常であれば、これは次のような作業を意味します。クエリエディタを開き、どのテーブルにコンバージョンイベントが格納されているかを思い出し、SQLを書いてデバッグし、結果をスプレッドシートにコピーし、チャートを作成し、それらをスライドに貼り付ける。

Studioなら、すべてが1つの会話で完結します。目標を伝えると、AIがデータを探索し、クエリを書いて実行し、チャートを描画し、デッキを生成します。分析の方向性はあなたが決め、ツールの操作はAIが担います。

## 推奨セットアップ

開始する前に、AIが適切なコンテキストと機能を持てるよう環境を設定してください。

| セットアップ手順 | 方法 | 理由 |
|  --- | --- | --- |
| **作業フォルダを作成する** | プロジェクト用の作業フォルダを作成し、「常に `analytics` データベースをクエリし、SQLはCTEでフォーマットすること」といった指示を追加する | この指示はフォルダの `CLAUDE.md` として保存され、そのフォルダ内のすべてのチャットに適用されます |
| **SQLスキルをインストールする** | Skillsページから **trino**、**time-filtering**、**trino-optimizer** をインストールする | AIが従うべきTreasure AIのSQL方言と最適化パターンを提供します |
| **モデルティアを選択する** | まず **Balanced** から始め、複雑なJOINやデバッグには **Pro** に切り替える | 速度と推論品質のバランスを取ります |


## ステップバイステップのワークフロー：Q1パフォーマンス概要

### ステップ1：データを探索する

どのテーブルをクエリするかではなく、何を探しているかをAIに伝えます。

```
Q1のコンバージョンパフォーマンスを分析する必要があります。ユーザーのサインアップ、
購入、ページビューに関連して、どんなデータがありますか？
```

AIはアカウントを探索して関連データを見つけます。

1. `tdx databases` でデータベースを一覧表示する
2. 関連するデータベース内のテーブルを `tdx tables` で一覧表示する
3. 有望なテーブルのスキーマを `tdx describe` で確認する
4. 利用可能なデータを要約し、確認できるようクエリのアプローチを提案する


各コマンドはチャット内に展開可能なツール呼び出しとして表示されるため、AIがSQLを書く前に何を確認したのかを正確に把握できます。

Pro Tip
テーブルが既にわかっている場合は、名前を伝えてください。「Q1のコンバージョンについて user-events と purchases テーブルをクエリしてください」。AIは探索をスキップして、クエリの作成に直接進みます。

### ステップ2：分析クエリを実行する

アプローチを確認し、AIにSQLを書かせます。

```
はい、Q1について週次のコンバージョン率（サインアップから購入まで）を、
トラフィックソース別に分けて算出してください。
```

アクティブなスキルに導かれ、AIはTrinoクエリを構築し（Q1の日付フィルタリングには `td_interval` を、パフォーマンスにはパーティションプルーニングを使用）、`tdx query` で実行します。完全なクエリはツール呼び出しの中で確認でき、結果はインタラクティブなテーブルとして表示されます。数値がおかしいと感じたら、AIにロジックの調整と再実行を依頼してください。

### ステップ3：結果を可視化する

チャートを依頼します。

```
週次のコンバージョントレンドを折れ線グラフで表示してください。
トラフィックソースごとに別々の線にしてください。
```

AIはクエリ結果をフォーマットし、自己完結型のHTMLチャートを生成します。これはファイルパネルで開きます。チャートはインタラクティブで、ホバーすると正確な値が表示されます。フォローアップの質問を重ねて、複数のビューを構築していきましょう。

```
有料流入の落ち込みが予想より急です。有料トラフィックについて、支出と
コンバージョンの散布図を追加してください。
```

AIはフォローアップのクエリを実行し、2つ目のチャートをファイルパネルに描画します。

### ステップ4：遅いクエリをデバッグする

クエリの実行に時間がかかりすぎる場合は、AIに最適化を依頼します。

```
さっきのクエリは時間がかかりすぎました。最適化してもらえますか？
```

**trino-optimizer** スキルに導かれ、AIはクエリを分析し、欠けているパーティションプルーニングやコストの高いJOINを特定し、最適化パターンを使って書き直します。たとえば、中間結果にはCTAS、大きなカーディナリティのカウントには `APPROX_DISTINCT`、複数の `LIKE` 句の代わりに `REGEXP_LIKE` を使用します。クエリを再実行して速度向上を報告し、書き直したクエリを元のクエリと並べて表示するので、何が変わったのかを正確に確認できます。

### ステップ5：成果物をエクスポートする

ミーティング向けの成果物を生成します。

```
これらの調査結果をまとめたPowerPointデッキを作成してください。チャート、
主要なポイント、提言スライドを含めてください。
```

AIはPPTX（タイトル、エグゼクティブサマリー、チャート、提言）を組み立ててファイルスペースに書き込みます。プレビューボタンとダウンロードボタン付きのファイルカードがチャットに表示されます。他の形式も同じように依頼できます。

```
生データもExcelファイルとしてエクスポートしてください。週次指標と
ソース別内訳を別々のシートにしてください。
```

## ワークフローのバリエーション

Q1概要はパターンの1つです。ここでは、Studioで使用できる他の一般的なアナリストワークフローを紹介します。

### データ品質監査

```
customer-profiles テーブルのデータ品質の問題を監査してください。
NULL、重複、古いレコードを確認してください。
```

AIは `tdx describe` でスキーマを確認し、クエリを実行して列ごとのNULL件数をカウントし、重複IDを検出し、古いレコードを見つけます。その後、NULL率の棒グラフと、優先度付きの改善手順のサマリーを生成します。

### パイプラインのデバッグ

```
昨夜、日次のETLワークフローが失敗しました。何が起きたのですか？
```

AIは `tdx wf sessions` で最近の実行を一覧表示し、`tdx wf logs` で失敗した試行のログを読み込み、根本原因を特定し、ワークフロー定義への修正を提案します。

### アドホック探索

```
新しいクリックストリームテーブルへのアクセス権を得たばかりです。中身は何で、
アトリビューションモデリングに役立ちますか？
```

AIはスキーマを確認し、行数、日付範囲、主要なカーディナリティをプロファイリングし、イベントタイプの分布を可視化し、推奨するJOINストラテジーとともに評価を提示します。

## AIの透明性：オーケストレーターの仕組み

このワークフロー全体を通じて、AIはあなたが確認・影響を与えられる意思決定を行います。

| AIの意思決定 | あなたが確認できる内容 | 上書きする方法 |
|  --- | --- | --- |
| **クエリ対象のテーブル** | チャット内の `tdx describe` ツール呼び出し | 「代わりに `analytics` の events テーブルを使ってください」 |
| **SQLの構造と関数** | `tdx query` ツールカードに表示される完全なクエリ | 「region = 'US' のWHERE句を追加してください」または「週ではなく月でグループ化してください」 |
| **チャートタイプ** | ファイルパネルに生成されたチャートファイル | 「折れ線グラフではなく棒グラフで表示してください」 |
| **最適化ストラテジー** | 元のクエリと並べて表示される書き直されたクエリ | 「元の構造を維持しつつ、パーティションプルーニングを追加してください」 |


AIはプラットフォーム固有のパターンについてアクティブなスキル（trino、time-filtering、trino-optimizer）に従いますが、最終的な決定権は常にあなたにあります。すべてのツール呼び出しは展開可能で、クリックすると正確なコマンドとその結果を確認できます。

## 成功基準：ビジネス上の成果

このワークフローの最後には、以下が得られます。

- **検証済みの分析** — すべての数値は、チャットに表示された特定のクエリまで追跡できます
- **インタラクティブなチャート** — ツールチップとレジェンドを備え、画面共有ですぐに提示できます
- **エクスポート可能な成果物** — ダウンロードできるPPTXデッキとXLSXデータファイル
- **セッションの記録** — 会話全体があなたの分析プロセスと実行された正確なクエリを記録します


これらすべてを、クエリエディタ、BIツール、スライドビルダーの間を行き来することなく、1つのセッションで作成できます。

## 確認事項

このワークフローに従った後、以下のことができるようになります。

- [ ] 自然言語とAIの `tdx describe` 呼び出しを使って、未知のデータベースを探索する
- [ ] TD固有の関数を含むTrinoクエリをリクエストして受け取り、それが実行される様子を確認する
- [ ] クエリ結果からチャートを生成し、そのタイプを変更する
- [ ] trino-optimizerスキルで遅いクエリを最適化する
- [ ] ステークホルダーへの提供のために結果をPPTXおよびXLSXとしてエクスポートする
- [ ] すべての数値を、それを生成したツール呼び出しまで追跡する


## トラブルシューティング

| 問題 | 解決策 |
|  --- | --- |
| AIが存在しないテーブルを参照する | まず `tdx databases` と `tdx tables` を実行するよう依頼するか、プロンプトでデータベース名とテーブル名を明示的に指定してください |
| クエリ後にチャートがレンダリングされない | クエリがデータを返したか確認してください — ツール呼び出しを展開して確認します。結果セットが空の場合は、クエリのフィルターを調整してください |
| エクスポートで空のファイルが生成される | セッション内でデータがまだ利用可能か確認してください。コンテキストが圧縮されている場合は、エクスポート前にクエリを再実行するようAIに依頼してください |


## 次のステップ

- [Agent Orchestrator](/ja/products/ai-studio/concepts/orchestrator) — AIの意思決定を深く理解する
- [Charts & Data Visualization](/ja/products/ai-studio/visualization/charts) — チャートタイプとオプション
- [Query Execution](/ja/products/ai-studio/query/query-execution) — Trinoクエリの実行の仕組み
- [Skills & Marketplace](/ja/products/ai-studio/skills/skills) — SQLおよびオプティマイザースキルのインストール
- [File Output](/ja/products/ai-studio/files/artifacts) — エクスポート形式とビューアーの機能