Looker Studioで作るAI分析ダッシュボード ― 経営層に伝わる可視化設計

AIシステムが本番稼働しても、「で、効果はどうなの?」という経営層の問いに答えられないチームは多い。技術指標（精度、レイテンシ）は分かっていても、ビジネス指標（コスト削減額、工数削減時間）に翻訳できていないケースだ。Looker Studio（旧Google Data Studio）を使ったAI分析ダッシュボードの設計方法を整理する。

なぜLooker Studioか

AI分析ダッシュボードのツール選定でよく挙がる選択肢はTableau、Power BI、Looker Studio、Metabaseなどだ。Looker Studioを選ぶ理由は以下の通りだ。

無料: 基本機能は無料で使える
BigQueryとの親和性: GCPのデータ基盤と直接接続できる
共有の簡便さ: URLで共有でき、閲覧者にアカウントが不要
リアルタイム更新: BigQueryのクエリ結果を直接表示できる

大規模な商用BIツールが不要な段階では、Looker Studioが最もコスパが良い選択だ。

ダッシュボードの設計原則

「誰が見るか」を最初に決める

同じダッシュボードに技術指標とビジネス指標を混在させると、誰にとっても読みにくいものになる。対象読者を明確にし、ダッシュボードを分ける。

対象	主要指標	更新頻度
経営層	ROI、コスト削減額、工数削減時間	月次
事業責任者	処理件数、エラー率、ユーザー満足度	週次
技術チーム	精度、レイテンシ、インフラコスト	日次

指標は「最大5個」に絞る

ダッシュボードに指標を詰め込みすぎると、何が重要かが伝わらない。経営層向けのダッシュボードは、スコアカード形式で5個以内の指標に絞ることを推奨する。

BigQueryからのデータ設計

Looker Studioで表示するデータは、BigQueryのビューとして定義しておくと管理しやすい。

AI成果サマリービュー

-- BigQuery View: vw_ai_performance_summary
CREATE OR REPLACE VIEW `project.dashboard.vw_ai_performance_summary` AS

WITH monthly_stats AS (
  SELECT
    DATE_TRUNC(processed_at, MONTH) AS month,
    COUNT(*) AS total_processed,
    COUNTIF(status = 'success') AS success_count,
    COUNTIF(status = 'error') AS error_count,
    AVG(processing_time_ms) AS avg_latency_ms,
    SUM(labor_minutes_saved) AS total_minutes_saved
  FROM `project.production.ai_processing_log`
  WHERE processed_at >= DATE_SUB(CURRENT_DATE(), INTERVAL 12 MONTH)
  GROUP BY 1
)

SELECT
  month,
  total_processed,
  success_count,
  error_count,
  ROUND(success_count / total_processed * 100, 1) AS success_rate_pct,
  ROUND(avg_latency_ms, 0) AS avg_latency_ms,
  total_minutes_saved,
  ROUND(total_minutes_saved / 60, 1) AS total_hours_saved,
  -- 人件費単価3,000円/時として換算
  ROUND(total_minutes_saved / 60 * 3000, 0) AS cost_saved_jpy
FROM monthly_stats
ORDER BY month DESC;

KPI達成状況ビュー

-- 月次KPI達成状況
CREATE OR REPLACE VIEW `project.dashboard.vw_kpi_status` AS

SELECT
  kpi_name,
  target_value,
  current_value,
  ROUND(current_value / target_value * 100, 1) AS achievement_rate,
  CASE
    WHEN current_value >= target_value THEN '達成'
    WHEN current_value >= target_value * 0.8 THEN '進捗中'
    ELSE '要対応'
  END AS status
FROM (
  SELECT '月次処理件数' AS kpi_name, 10000 AS target_value,
    (SELECT COUNT(*) FROM `project.production.ai_processing_log`
     WHERE DATE_TRUNC(processed_at, MONTH) = DATE_TRUNC(CURRENT_DATE(), MONTH))
    AS current_value
  UNION ALL
  SELECT '成功率(%)' AS kpi_name, 95.0 AS target_value,
    (SELECT ROUND(COUNTIF(status='success') / COUNT(*) * 100, 1)
     FROM `project.production.ai_processing_log`
     WHERE DATE_TRUNC(processed_at, MONTH) = DATE_TRUNC(CURRENT_DATE(), MONTH))
    AS current_value
  UNION ALL
  SELECT '月次工数削減(時間)' AS kpi_name, 200 AS target_value,
    (SELECT ROUND(SUM(labor_minutes_saved) / 60, 1)
     FROM `project.production.ai_processing_log`
     WHERE DATE_TRUNC(processed_at, MONTH) = DATE_TRUNC(CURRENT_DATE(), MONTH))
    AS current_value
);

Looker Studioのレイアウト設計

経営層向けレイアウト

┌─────────────────────────────────────────────────────┐
│  AIシステム月次レポート  [期間フィルター]               │
├──────────┬──────────┬──────────┬──────────┬─────────┤
│ 月次削減額 │ 工数削減  │ 処理件数  │ 成功率    │ 前月比  │
│ ¥480,000 │ 160時間  │ 12,400件 │ 97.2%   │ ↑12%  │
├──────────┴──────────┴──────────┴──────────┴─────────┤
│                  月次ROI推移（折れ線グラフ）           │
│                                                     │
├─────────────────────┬───────────────────────────────┤
│  処理件数の推移（棒グラフ） │ カテゴリ別内訳（円グラフ）   │
│                     │                               │
└─────────────────────┴───────────────────────────────┘

技術チーム向けレイアウト

精度・レイテンシ・エラーレートをリアルタイムで可視化するダッシュボードは、日次更新のスコアカードと時系列グラフを組み合わせる。異常値をアラートとして目立たせるために、Looker Studioの「条件付き書式」でしきい値を下回った場合に赤色表示する設定が有効だ。

定期配信の設定

Looker Studioには「スケジュール配信」機能がある。月次レポートを毎月1日の朝9時に経営層にメール送信する設定ができる。PDFエクスポートにも対応しているため、社内会議の資料としてそのまま使える。

データ更新の自動化

BigQueryのデータが更新されれば、Looker Studioの表示も自動的に更新される。Cloud Schedulerでバッチジョブを定期実行し、BigQueryを更新するフローを組み込めば、手動作業なしで常に最新の状態を保てる。

Cloud Scheduler（毎日0時）
    → Cloud Functions
        → データ取得・加工
        → BigQueryへ書き込み
            → Looker Studio自動更新

AIシステムの価値を経営層に伝えるためのダッシュボードは、技術的な正確さより「意思決定に必要な情報が一目でわかるか」が重要だ。「削減できた時間と金額」を毎月数字で示し続けることが、AI投資の継続的な承認を得る最も確実な方法だ。