BAはダッシュボードを構築するためにデータアナリストである必要はありません。Looker StudioやPower BIを使えば、追跡すべきデータとその理由がわかっていれば、数時間で便利なダッシュボードを作成できます。
1. AIフィーチャーダッシュボードの指標フレームワーク
BAには3層の指標が必要です：
レイヤー1：ビジネス成果指標
「AIフィーチャーはビジネスに価値を提供しているか？」
| 指標 | 説明 | 例 |
|---|---|---|
| 自動化率 | AIが自律的に処理するリクエストの% | 「AIが73%のチケットを自己解決」 |
| 節約時間 | 手動プロセスと比較した節約時間 | 「チケットあたり4.2分削減」 |
| AI導入後のエラー率 | AI導入後のエラー率 | 「12%から3.5%に低下」 |
| アウトカムあたりのコスト | AIコスト対手動コスト | 「$0.03/チケット vs $1.20手動」 |
レイヤー2：AI品質指標
「AIは正常に動作しているか？」
| 指標 | 説明 | アラート閾値 |
|---|---|---|
| 精度（7日間ローリング） | 正確な予測の% | < 85% |
| 人間のオーバーライド率 | エージェントがAIをオーバーライドしたケースの% | > 25% |
| 信頼スコアの分布 | 信頼スコアのヒストグラム | 10%以上のシフト |
| レイテンシP95 | 95パーセンタイルの応答時間 | > 3秒 |
レイヤー3：運用指標
「システムは安定しているか？」
| 指標 | 説明 | アラート |
|---|---|---|
| APIエラー率 | エラーを返すリクエストの% | > 1% |
| キューの深さ | 人間レビューを待つケースの数 | > SLA容量 |
| スループット | リクエスト/時間 | ベースラインから50%以上の低下 |
2. 異なるステークホルダー向けのダッシュボード設計
2.1 経営層ダッシュボード（月次レビュー）
対象： C層、ディレクター
目的： ROIとビジネスインパクト
内容： 4〜5つの数値＋1〜2つのトレンドチャート
┌─────────────────────────────────────────────────────┐
│ AIフィーチャー健全性ダッシュボード — [YYYY年MM月] │
├─────────────┬─────────────┬────────────┬────────────┤
│ 処理した │ AI自動 │ 節約した │ 節約した │
│ ケース数 │ 処理率 │ 時間 │ コスト │
│ 12,450件 │ 73% │ 847時間 │ $34,200 │
│ (+8% MoM) │ (+3% MoM) │ │ vs手動 │
├─────────────┴─────────────┴────────────┴────────────┤
│ [トレンドチャート：過去6ヶ月の自動化率] │
└─────────────────────────────────────────────────────┘
2.2 運用ダッシュボード（日次監視）
対象： BA＋運用チーム
目的： 問題の早期検出
内容： リアルタイム指標、アラート
主要ウィジェット：
- ライブ精度（24時間ローリング）
- 本日の人間オーバーライド率 vs 先週
- キューの深さ＋SLA違反数
- エラー率＋レイテンシ
2.3 スプリントレビューダッシュボード
対象： 開発チーム＋PM
目的： スプリントの進捗
内容： 完了したストーリー vs 計画、発見されたバグ、ACカバレッジ
3. ツール比較
| ツール | 強み | 制限 | BAへの適合性 |
|---|---|---|---|
| Looker Studio（Google） | 無料、Googleスプレッドシートとの簡単な統合 | ビジュアルが限定的 | ✅ クイックセットアップに最適 |
| Power BI | 強力、Office 365との統合 | 有料、学習曲線が急 | ✅ エンタープライズに最適 |
| Metabase | SQL対応、セルフホストオプション | DB接続が必要 | ⚠️ セットアップに技術的サポートが必要 |
| Tableau | 最高のビジュアル | 高価 | ❌ BAには過剰 |
| Grafana | 運用/ML監視 | 技術的すぎる | ❌ BAには不向き |
4. ステップバイステップ：BAのためのLooker Studio
ステップ1：データソースの特定
開発者にGoogleスプレッドシートまたはBigQueryにログをエクスポートするよう依頼する：
必要なカラム：
- timestamp
- request_id
- ai_prediction
- confidence_score
- human_override (true/false)
- override_reason
- resolution_time_seconds
ステップ2：データソースに接続する
Looker Studio → データを追加 → Googleスプレッドシート（またはBigQuery）
ステップ3：必要なチャートを作成する
チャート1：スコアカード — 「自動化率」
指標：COUNT（WHERE human_override = false）/ COUNT(*)× 100
チャート2：時系列 — 「日次精度（7日間ローリング）」
ディメンション：日付
指標：正確な予測の%
チャート3：棒グラフ — 「上位オーバーライド理由」
ディメンション：override_reason
指標：COUNT(*)
チャート4：ゲージ — 「本日のオーバーライド率」
参照ライン：目標閾値
ステップ4：自動更新の設定
Googleスプレッドシートで：ツール → Apps Script → setTrigger（DBからの日次更新）
5. ダッシュボードガバナンス
BAが確立すべきルール：
| ルール | 説明 |
|---|---|
| オーナー | 誰がダッシュボードを維持するか？（通常はBA） |
| 更新頻度 | 指標に応じて日次/時次/リアルタイム |
| 配信 | 誰がメールサマリーを受け取るか？（週次） |
| レビュー頻度 | 四半期ごとの指標定義レビュー |
| アラートルーティング | アラートが発火したとき、誰が受け取り何をするか？ |
まとめ
ダッシュボードはデータアナリストの作業ではなく、BAのコミュニケーションツールです。目標は美しさや複雑さではなく、適切な指標、適切な対象者、適切な頻度です。毎日確認される5チャートのダッシュボードは、誰も開かない20チャートのダッシュボードより価値があります。