自然言語でBigQueryを分析できる。データの定義が曖昧なら、現場は迷う

Google Workspaceは2026年10月19日、Google Sheets上でGeminiに自然言語で問いかけ、BigQueryデータを分析する機能を発表しました。
一次情報では、更新可能なピボットテーブル、グラフ、ダッシュボードの作成まで扱えると説明されています。発表内容 https://workspaceupdates.googleblog.com/2026/10/analyze-bigquery-data-using-natural-language-with-Gemini-in-Google-Sheets.html
本記事ではこのニュースを、分析の自動化ではなく、現場が同じ数字を見て動くための「データの整理」の問題として考えます。

Google SheetsからBigQueryを自然言語で分析できると、何が変わるのか

今回Google Workspaceが発表したのは、Google SheetsからGeminiに自然言語で質問し、BigQueryのデータを分析できる機能です。分析の結果として、更新可能なピボットテーブル、グラフ、ダッシュボードを作成できるとされています。

部長にとって重要なのは、「分析担当者に依頼して資料を待つ」という流れだけが選択肢ではなくなることです。たとえば、売上、顧客、案件に関するデータがBigQueryにあれば、会議で生じた問いを起点に、現場が自ら数字を確かめる場面が増える可能性があります。

ただし、自然言語で聞けることと、正しい経営判断に使えることは別の話です。

AIは質問文を整えることはできます。しかし、「売上」「有効顧客」「失注」「案件化」といった言葉が社内で何を指すのかまでは、会社が先に決めなければなりません。ここを曖昧にしたまま分析を簡単にすると、数字を見る人が増えるほど解釈の差も広がります。

問えるようになることが1段目。答えを同じ意味で使えるようにすることが2段目です。

このニュースで現場に起きること

当社の考えでは、この種の機能が現場にもたらす変化は、ダッシュボードを作る作業の短縮だけではありません。数字についての質問が増えることです。

これまでは、「この切り口で集計してほしい」と依頼するほどではないため、確認を諦めていた問いがあります。たとえば、次のような問いです。

• 今月の案件数を担当部門別に見たい

• 受注した顧客と継続中の顧客で傾向はどう違うか

• 特定の商品区分で、商談から受注までの状況を確認したい

• 先週の数字と今週の数字が動いた理由を、顧客や案件の単位で追いたい

こうした問いを持つ人が増えること自体はよいことです。数字を眺めるだけの会議から、仮説を持って確かめる会議へ移りやすくなるからです。

しかし同時に、確認すべきことも増えます。同じ「今月の売上」でも、計上日で集計するのか、受注日で集計するのか。取消や返品をどう扱うのか。税を含むのか。こうした定義が異なれば、同じデータから異なる答えが出ます。

問題はAIの回答精度だけではありません。質問する側が、どの指標を確認しているのかを共有できているかです。

データ整理とは、項目を並べ替えることではない

データ整理というと、表の列名を整えることや、重複データを削除することを想像しがちです。もちろん、それらも必要です。しかし、AI分析に備えるデータ整理の中心は、業務上の言葉とデータ項目をつなぐことにあります。

たとえば「案件」という言葉を使うなら、少なくとも次を確認します。

• 案件として登録する起点は何か

• 案件の責任部門と担当者はどの項目で判別するか

• 進捗段階はどの値を正とするか

• 受注・失注・保留の判断は、誰がいつ更新するか

• 金額、確度、受注予定日はどのように扱うか

これはシステム部門だけの仕事ではありません。業務の意味を決めるのは、営業、経理、事業部など、その数字を使って判断する部門です。データ基盤に項目が存在していても、業務上の定義が共有されていなければ、AIに自然言語で尋ねる入口が便利になっても、出口の判断はそろいません。

データは、入力された事実の集まりです。指標は、事実を判断に使うための約束です。この二つを分けて整理することが重要です。

先に決めるべき「指標定義」のチェックリスト

新しい分析機能を試す前に、部門で使う主要指標を一つ選び、以下を確認してください。最初から全社のデータを完璧に整える必要はありません。会議で頻繁に使う数字から始めます。

• 指標名：会議で使う名称は一つに決まっているか

• 判断目的：その数字を見て、何を決めるのか

• 算出条件：対象期間、対象部門、対象商品の条件は何か

• 元データ：どのデータ項目を使うのか

• 更新責任：データの入力・更新を誰が担うのか

• 確認責任：数字の見方や例外を誰に確認するのか

• 利用場面：週次会議、月次レビュー、担当者の日常確認のどこで使うのか

このチェックリストで特に見落としやすいのが、「判断目的」と「利用場面」です。

たとえば、売上の一覧を作ること自体は目的になりません。「失注が増えた商品区分を確認し、次週の営業施策を決める」のように、数字を見た後の行動まで決めます。すると必要な集計軸、更新頻度、確認者が決まります。分析の依頼や質問も具体的になります。

自然言語で聞く前に、質問の型をそろえる

指標定義を整えたら、次に現場の質問を型にします。自由に問いかけられる環境ほど、最初の型が必要です。質問の品質をそろえるためです。

部門内では、次のテンプレートを使えます。

この型には、数字を出すための条件と、数字を使う目的の両方が入っています。結果を受け取った後も、「比較軸は妥当か」「除外条件は定義どおりか」「行動判断に足りる粒度か」を確認しやすくなります。

AIに質問する力は、巧みな言い回しを覚えることではありません。自部門が何を判断したいかを言語化する力です。

ダッシュボードを作ることと、使われ続けることは別の工程

更新可能なピボットテーブルやグラフ、ダッシュボードを作れる機能は、数字に触れる入口を広げます。しかし、作成された画面が日々の業務で使われるとは限りません。

定着の確認は、難しく考える必要はありません。会議や日常業務の中に、確認行動を置くことです。

たとえば週次会議なら、冒頭で同じ指標を確認し、「数字の変化」「原因の仮説」「次に確認すること」を記録します。数字の見方に疑義があれば、その場で指標定義に戻ります。例外処理を口頭の知識で終わらせず、定義や運用ルールに反映します。

この循環があって初めて、データは報告資料ではなく、判断のための共通言語になります。

AIを使うことは目的ではありません。現場が自分たちの業務に必要な数字を、自分たちで確認し、次の行動を決められる状態をつくることが目的です。

まとめ

この記事の要点

• Google Workspaceが2026年10月19日に発表した機能は、Google Sheetsから自然言語でBigQueryデータを分析し、更新可能なピボットテーブル、グラフ、ダッシュボードを作成できるものです。

• 分析の入口が簡単になるほど、売上や案件などの指標定義とデータ項目の意味をそろえる必要があります。

• AI活用を定着させるには、数字を作ることではなく、会議や日常業務で同じ指標を確認して行動につなげる運用が必要です。

自然言語での分析は、データ活用の入口を変えるニュースです。しかし、本当に問われるのは、何を聞けるかではなく、答えを使って何を決めるかです。

導入は1段目、現場で同じ指標を使い続ける状態をつくるのが2段目です。AI coach株式会社は、業務整理から、AIを適用する業務の選定、実務研修、運用ルール整備、定着確認までを一続きで支援しています。その場で自分の業務に使える成果物を自分たちの手で作る研修を通じて、「明日から使える」状態を目指します。まだ分析テーマを選んでいない段階でも、まずは業務とデータの整理からご相談ください。無料相談はこちら https://www.aicjp.ai/