AI エージェントで分析する

テーブル名も SQL も知らなくていい。自然言語で問いかけるだけでデータを探索・分析できます

Queria スキルを導入した Claude Code や Codex などの AI エージェントがあれば、Queria のデータを自然言語で分析できます。テーブル名を調べたり、SQL を手書きしたりする必要はありません。

このガイドでは「日本で人口が増えている町はどこか」を題材に、対話的な分析の流れを体験します。

前提: Queria スキルを導入済みであること。スキルを使わず DuckDB へ直接接続して同じことをする場合は「接続方法」を参照してください。

データを探す

分析したいテーマはあるけれど、どのテーブルを使えばいいかわからない。そんなときはエージェントに聞くだけで、カタログから該当するテーブルを探してくれます。

Queria に人口に関するデータはある？

エージェントはカタログのメタデータを検索し、候補を教えてくれます。

e_stat データセットに a_municipal_population（人口・世帯（市区町村））というテーブルがあります。area, area_name, year, item_name, value などのカラムを持っています。

テーブル名やカラム名を事前に知っている必要はありません。自然言語で「人口」と伝えるだけで、エージェントが適切な検索を行い、使えるテーブルの候補を教えてくれます。

テーブルが見つかったら、分析したい内容をそのまま伝えます。

人口が増えている市区町村の上位20を教えて

エージェントは複雑な SQL を自動で生成・実行し、結果を返します。

area_name	pop_2015	pop_2020	growth_rate_pct
東京都中央区	141,183	169,179	19.83
千葉県流山市	174,373	199,849	14.61
大阪府大阪市西区	92,430	105,862	14.53
…	…	…	…

SQL を一行も書かずに、増減率の計算や年度間の比較を含む分析結果が得られます。

結果を見たら、さらに掘り下げたくなるのが分析の醍醐味です。エージェントは直前の文脈を覚えているので、続けて質問するだけで深掘りできます。

上位の自治体はなぜ人口が増えているの？転入超過のデータも見て

エージェントは前の結果を踏まえて、転入・転出データを追加で取得し、人口増加の要因を分析します。

さらに別の角度からも掘り下げられます。

年齢構成も比較して。若年層が多いのか高齢者が多いのか知りたい

一つの問いから始めて、結果を見ながら次の問いを重ねていく。この対話的な流れが AI エージェントを使った分析の強みです。

数値が出揃ったところで、その意味を考える段階です。

このデータから何が言える？

エージェントは集計結果を踏まえて、パターンの解説や仮説の提示をしてくれます。たとえば「上位には再開発が進む都心区と大都市近郊のベッドタウンが並び、子育て世代の転入が増加の主因と考えられる」といった分析です。

データを読み上げるだけでなく、数値の背景を言語化してくれるので、レポートや記事の下書きとしても活用できます。

エージェントで効果的に分析するためのポイントをまとめます。

具体的な問いから始める: 「データを分析して」ではなく「人口が増えている市区町村はどこ？」のように、答えの形が想像できる問いを投げると精度が上がります。

結果を見て次の問いを考える: 一度ですべてを聞くより、結果を確認しながら段階的に深掘りするほうが良い分析になります。

比較軸を示す: 「年ごとの推移を見たい」「地域間で比較して」「男女別に分けて」のように、比較の切り口を伝えると的確な集計が返ってきます。

仮説を伝えて検証を頼む: 「ベッドタウンの人口が増えているのでは？」のように仮説を添えると、エージェントはそれを検証するためのクエリを組み立ててくれます。