Slide 1
Slide 1 text
2026-02-25
Go beyond the dashboard;
Empowering every team to act on data
Tableau Now!
Takeshi Hiratsuka
Slide 2
Slide 2 text
株式会社リバネスナレッジ
取締役 平塚 武
Leave a Nest Knowledge Co., Ltd.
Board Member, Takeshi Hiratsuka
【 データを価値に変換する 】
Salesforce
+ Tableau Next + Data 360
DATA Saber
Snowflake Squad 2025
Profile
Slide 3
Slide 3 text
はじめに
データからインサイトを導き出し組織にアウトカムをもたらすために
日々邁進されているみなさまに深く敬意を表します。
Slide 4
Slide 4 text
今日お伝えしたいこと
2 / 14
データの価値はもう、ダッシュボードの中に納まりきらなくなっています｡
Slide 5
Slide 5 text
No content
Slide 6
Slide 6 text
No content
Slide 7
Slide 7 text
Before：私たちのデータ活用の課題
3 / 14
「売上だけでなくて、返品額も知りたいんだけど …。」
1
Tableau Classic で
Viz を開く
2
データソースに
フィールドを追加
3
Sheet にディメンション
メジャーを追加
4
パブリッシュ
し直す
→ 1 つの要望に対して、これだけの手順が必要
Viz 作成者のみがデータ更新可能 → ボトルネック化
ユーザーは「見る」だけ。自分で掘り下げる手段がない
データに関する問い合わせが増加し続ける
Slide 8
Slide 8 text
転機：Tableau Next & Data 360 という選択肢
4 / 14
もし、同僚がダッシュボードを開かずに AI Agent で答えを得られるとしたら？
ダッシュボードを
開く必要がない
Viz のカスタマイズも
不要
AI Agent が
セマンティックデータモデル
を参照して自動で回答
これを実現するために選んだのが Tableau Next & Data 360
セマンティックデータモデル（SDM）とは？
ビジネスの意味（メトリクスの定義、ディメンションの関係）をデータモデルとして定義したもの。
AI Agent はこの SDM を参照することで、ユーザーの自然言語の質問を正確なクエリに変換できる。
Slide 9
Slide 9 text
No content
Slide 10
Slide 10 text
No content
Slide 11
Slide 11 text
今日お伝えしたいこと
2 / 14
データの価値はもう、ダッシュボードの中に納まりきらなくなっています｡
Slide 12
Slide 12 text
No content
Slide 13
Slide 13 text
今日お伝えしたいこと
2 / 14
データの価値はもう、ダッシュボードの中に納まりきらなくなっています｡
更なるアウトカムを得るためにセルフサービスに挑戦していきましょう｡
Slide 14
Slide 14 text
データ分析のセルフサービスにおける 3 つのステージ
Stage 1
情報の民主化
ダッシュボードを見るだけ
↓
Metricsで全員がKPIを追える
Dashboard / Metrics
Stage 2
対話的な分析
自然言語で質問してAIが回答
↓
ダッシュボード作成者に依頼不要
Analytics Agent
Stage 3
自律的な深堀り
ユーザー自身がLLMを活用
↓
仮説検証・レポート作成まで行う
Claude / Codex + Tableau MCP 連携
基盤：Data 360 （セマンティックデータモデル） × Tableau Next エコシステム
Slide 15
Slide 15 text
7 / 14
Stage 1 情報の民主化 — Tableau Next Metrics
ダッシュボードではなく Metrics としてデータを提供。全員が同じ KPI を追えるようになった。
Slide 16
Slide 16 text
8 / 14
Stage 2 対話的な分析 — Analytics Agent
ユーザーが Slack 上で直接データに質問。ダッシュボード作成者への依頼が不要に。
Slide 17
Slide 17 text
9 / 14
Stage 3 自律的な深堀り — LLM × データ分析
Power User は自ら LLM で深堀り分析を実施。仮説検証からレポート作成までセルフサービスで完結。
Slide 18
Slide 18 text
LLM を活用したデータ分析
Slide 19
Slide 19 text
LLM を活用したデータ分析
Slide 20
Slide 20 text
データ分析のセルフサービスにおける 3 つのステージ
Stage 1
情報の民主化
ダッシュボードを見るだけ
↓
Metricsで全員がKPIを追える
Dashboard / Metrics
Stage 2
対話的な分析
自然言語で質問してAIが回答
↓
ダッシュボード作成者に依頼不要
Analytics Agent
Stage 3
自律的な深堀り
ユーザー自身がLLMを活用
↓
仮説検証・レポート作成まで行う
Claude / Codex + Tableau MCP 連携
基盤：Data 360 （セマンティックデータモデル） × Tableau Next エコシステム
Slide 21
Slide 21 text
No content
Slide 22
Slide 22 text
Data 360 is intelligent activation layer
Slide 23
Slide 23 text
データ分析のセルフサービスにおける 3 つのステージ
Stage 1
情報の民主化
ダッシュボードを見るだけ
↓
Metricsで全員がKPIを追える
Dashboard / Metrics
Stage 2
対話的な分析
自然言語で質問してAIが回答
↓
ダッシュボード作成者に依頼不要
Analytics Agent
Stage 3
自律的な深堀り
ユーザー自身がLLMを活用
↓
仮説検証・レポート作成まで行う
Claude / Codex + Tableau MCP 連携
基盤：Data 360 （セマンティックデータモデル） × Tableau Next エコシステム
Slide 24
Slide 24 text
今日お伝えしたいこと
2 / 14
データの価値はもう、ダッシュボードの中に納まりきらなくなっています｡
更なるアウトカムを得るためにセルフサービスに挑戦していきましょう｡
Slide 25
Slide 25 text
今日お伝えしたいこと
2 / 14
データの価値はもう、ダッシュボードの中に納まりきらなくなっています｡
更なるアウトカムを得るためにセルフサービスに挑戦していきましょう｡
🍻 Tableau Next MCP のお話は懇親会でぜひ聞いてみてください！
Slide 26
Slide 26 text
Appendix: AI での活用を加速していくためのポイント
● その会議にキレイなレポートは必要ですか？そのアクションにキレイなレポート
は必要ですか？常にアウトカムからバックキャスト的に必要なものを考え直す
ようにしましょう｡
● Agentic AIによるデータ分析のセルフサービス化により､いまVisualizeに
利用していない項目も、ユーザーは活用してくれる可能性が高いです｡
ユーザーのドメインを深く理解して、いまVisualizeには使っていない項目も
先回りして用意しておこう。
Slide 27
Slide 27 text
No content