実際に使用される埋め込み分析を設計する

🎥 予約して、Revealの詳細を確認できます。 🎥 完全版ウェビナーをご覧ください：「ユーザーが実際に使用する組み込み分析の設計」

主なポイント

• ユーザーがワークフローから離れて静的なダッシュボードを確認することを強制された場合、組み込み分析の導入は失敗します。
• 新しいビジネス上の質問ごとに別のダッシュボードが作成されると、ダッシュボードの疲労が発生し、より優れた分析エクスペリエンスが得られなくなります。
• 特にAIが分析ワークフローの一部になるときは、製品チームは、ガバナンスされたデータと柔軟な探索のバランスを取る必要があります。
• コンテキストレイヤーは、AI分析に不可欠です。なぜなら、コンテキストレイヤーは、自然言語の回答と一貫性のあるビジネス定義を提供するためです。
• 組み込み分析SDKは、SaaSチームに、カスタムUX、単一の視覚化、ダッシュボードのリンク、テーマ、および会話型分析など、iframeよりも多くの制御を提供します。
• 組み込み分析の未来は、意思決定インテリジェンスです。これは、ユーザーがすでに作業している場所で提供される、プロアクティブで説明可能なインサイトです。

誰もが認めたくない問題：ダッシュボードは使用されていません

BIツールを購入しました。展開しました。チームがダッシュボードを作成しました。起動メールを送信しました。そして…沈黙。

もしそれが聞き覚えがあるなら、あなたは一人ではありません。最近の業界カンファレンスで、あるセッションは、私たちに心に残る言葉で始まりました。 誰も、より多くのダッシュボードを求めていませんそれにもかかわらず、すべての新しいビジネス上の質問に対するデフォルトの対応は、別のダッシュボードを作成することです。

これは ダッシュボードの疲労であり、予測可能な悪循環に従います。

1. 質問が発生します
2. ダッシュボードが作成されます
3. フォローアップの質問が発生します
4. 無限に繰り返されます。

データチームが月曜日にリリースしたダッシュボードは、金曜日には古くなっています。そのダッシュボードを作成した人は、各フィールドの意味を理解していますが、ビジネス関係者は理解していません。また、SaaSの文脈では、コストはさらに高くなります。ユーザーが作業中のワークフローから離れて「別の場所でダッシュボードを確認する」必要があるたびに、コンテキストを失い、勢いを失い、最終的には完全に諦めてしまいます。

その結果？ほとんど役に立たない高価なBI投資。

パワーとコントロール：製品チームのジレンマ

埋め込み型分析を構築するすべての製品チームは、次の2つの失敗モードの間で苦労します。

どちらの極端な方法も機能しません。2000年代初頭には、ガバナンスのロックダウンがありました。2010年代のローコード時代には、シャドーITと不正なスプレッドシートが登場しました。現在、AIが加わったことで、チームは再び締め付けようとしますが、再びユーザーを失うことになります。

正しい方向への転換は、より多くの自由またはより多くのコントロールではありません。より優れたサービスです。 ほとんどのユーザーは実際に 分析を 構築したいわけではありません。彼らは、すでに作業中のワークフローで、直接的でコンテキストに合わせた回答を必要としています。

使いやすさは、機能ではなく製品戦略です。

物事を変えるリフレーミングを次に示します。2026年には、使いやすさは「あったらいいもの」ではありません。それは戦略です。

携帯電話で銀行取引をする方法を考えてみてください。食べ物を注文する方法。フライトを予約する方法。コンシューマーソフトウェアの基準が、現在では企業ソフトウェアの基準になっています。埋め込み型分析が2008年のエンタープライズソフトウェアのように感じられる場合、ユーザーはそれを回避します。

この変化を推進しているのは、次の2つの要素です。

1. 会話型AIは、新しいデフォルトのインターフェースです。

自然言語は、データに対して質問をするための期待される方法になりつつあります。「州ごとの預金を表示してください。」「実際の収益と月次の予算を比較してください。」ユーザーは、回答を得るためにSQL、データモデリング、またはダッシュボード構成ツールを学ぶ必要はありません。

2. 洞察力のある分析が、静的なレポートに取って代わります。

次のフロンティアは、より美しいダッシュボードではなく、洞察を明らかにする分析です。 ユーザーが 質問する前に。

KPIがコンテキスト内で更新されます。しきい値を超えるとアラートがトリガーされます。決定が行われる場所に通知が送信されます。 その効果は測定可能です。セルフサービスと自然言語を分析ワークフローに統合する組織は、新しいダッシュボードのリクエストが最大50％減少すると報告しており、

エンジニアリングチームは、より価値の高い作業に集中できます。

3つのペルソナに対して設計する。1つではありません。

• 埋め込み型分析における最大の誤りの1つは、「ユーザー」を単一のペルソナとして扱うことです。実際には、少なくとも3つのペルソナが存在します。 ビジネス関係者
• -ガイダンスに沿った、平易な言葉での回答を求めています。ツールを学ぶ必要はありません。意思決定をするだけです。 パワーアナリスト
• -多段階の推論、カスタムフィルター、ドリルダウン、および自由に探索できる機能を求めています。 開発者/ビルダー

-既存の製品に埋め込み分析をクリーンに埋め込むための、コンポーザブルでプログラム的なアクセスを求めています。 これらのうちの1つだけを対象に設計すると、他の2つを失うことになります。これは、 埋め込み型分析SDK

が、iframeベースのBI埋め込みよりも構造的な利点を持つ理由です。SDKは、開発者に、同じ製品内で各ペルソナに合わせたエクスペリエンスを提供するためのプリミティブを提供し、3つすべてのペルソナを同じロックダウンされたビューアーに配置するのではなく、提供します。

埋め込み型AI分析において、コンテキストが最も重要な理由

ほとんどの「AI BI」のストーリーがここでうまくいかないのはなぜでしょうか。 LLMを生のスキーマにポイントします。ユーザーが「今四半期の収益はいくらですか？」と尋ねます。LLMは喜んで数値を返しますが、これは売上高ですか？純利益ですか？認識されたものですか？予約されたものですか？更新は含まれていますか？モデルはそれを知らないため、推測します。LLMは生成型

であるため、毎回わずかに異なる推測が得られます。

それは分析ではありません。それは、より高速で、より美しい間違いです。 解決策は、 データの上にコンテキストレイヤーを配置することです。これは、ビジネスの意味をデータロジックに変換するレイヤーです。Revealを使用すると、これは単純なJSONまたはAPIを通じて構成され、AIに次のことを伝えます。

• 一貫性のある定義 -「収益」とは、 このフィールドとこのフィールドを合計し、このフィールドを引くという意味であり、すべてのチームで常に同じです。
• 幻覚の防止 -AIは、ガバナンスされた定義に制約され、メトリックを捏造することはできません。
• ガバナンスされた探索 -ユーザーはどのような質問でもできますが、常に実際のビジネスロジックに基づいて回答が得られます。

これは、セマンティックレイヤー（人間のための翻訳レイヤー）とコンテキストレイヤー（AIのための翻訳レイヤー）の違いです。現在私たちがいる世界では、 コンテキストが最も重要です。

洞察からアクションへ：意思決定インテリジェンス

優れたダッシュボードと優れたNLQがあっても、依然として根本的な問題があります。分析は、質問されるまで待ちます。次のフロンティアは、 意思決定インテリジェンス -説明可能な洞察を、実際に意思決定が行われる運用ワークフローに直接埋め込むことです。

ここで重要な3つのパターンがあります。

• プロアクティブなリスクスコアリング -顧客の解約リスクや収益の損失など、 対処する時間があるうちに自動的にフラグを立てます。四半期ごとのレビューではありません。
• 人間が読める説明 -推奨されるアクションには、ビジネスユーザーが 理由を理解できるように、平易な言葉での説明が付属しています。 何.
• だけではありません。 結果指向のメトリック

-ダッシュボードを開いた回数ではなく、分析がどれだけの意思決定とアクションを促進したかで分析を測定します。

RevealはSDKであるため、単一のKPI視覚化をワークフローの横に配置したり、しきい値を超えると通知をトリガーしたり、ユーザーがすでに作業している場所でチャットベースの推奨事項を表示したりできます。別の「分析ゾーン」を後付けするのではなく、製品にインテリジェンスを埋め込んでいます。

ライブデモで何が表示されるか webinar walkthroughウェビナーのウォークスルー では、これらすべてを Acme Analytics

• -Reveal SDK上に構築された架空のSaaSアプリケーションにまとめました。いくつかの注目すべきポイントを次に示します。ホームページ全体に配置された KPI タイルは、実際には個別のダッシュボードであり、ユーザーに「ダッシュボードを開く」ことを強制することなく、プロアクティブな回答を提供します。
• 10. マージンを2倍にする完全なフィルターコンテキストを維持しながら、1 つのダッシュボードから別のダッシュボードにドリルダウンできるため、パワーアナリストは質問を最初からやり直すのではなく、質問の流れを追うことができます。
• 新しいダッシュボードを作成するための 3 つのパス完全に WYSIWYG で開始するか、テンプレートから開始するか、またはユーザーがドラッグアンドドロップできる、事前に構築された KPI のビジュアライゼーションカタログから開始します。
• AI ダッシュボードアシスタント"営業パイプラインを作成する"と入力すると、コンテキストレイヤーに基づいて、数秒で完全な、管理されたダッシュボードが生成されます。
• 会話型分析チャットで「州別の預金はいくらですか？」と尋ね、グラフを表示し、「ツリーマップに変更する」と言うと、AI は会話のコンテキストを維持し、ビジュアライゼーションを更新します。
• 完全なテーマ設定とホワイトラベルコントロールライトモード、ダークモード、カスタムフォント、カスタムカラー。ホストアプリケーションを制御できるため、埋め込みエクスペリエンスは常に お客様の 製品のように表示されます。

埋め込み分析 SDK が iframe よりも優れている理由（常に）

埋め込み分析の唯一のオプションが iframe の場合、BI ベンダーが提供することを決定したエクスペリエンスに限定されます。さまざまなペルソナに合わせて UX を調整することはできません。ワークフローに単一の KPI をドロップすることはできません。カスタムツールチップアクション、カスタムダッシュボードリンク、または製品にネイティブに存在するチャットエクスペリエンスを追加することもできません。

Reveal のような SDK は、これを覆します。クライアント側に JavaScript API、サーバー側に .NET、Java、または Node バックエンドが提供されるため、次のようになります。

• お客様の開発者が、ユーザーが閲覧するエクスペリエンスを制御します。
• ダッシュボード、単一のビジュアライゼーション、NLQ チャット、テンプレートを、お客様の製品に必要な方法で自由に組み合わせることができます。
• すべてのインタラクション（ツールチップ、メニュー、ドリルダウン）は拡張可能です。
• 埋め込み分析は、 組み込みの SaaS アプリの機能のように感じられ、追加されたタブのように感じられることはありません。

それが、ユーザーがお客様の分析を採用するか、無視するかの違いです。

結論

使いやすさは機能ではありません。それは、お客様の埋め込み分析への投資が成果を上げ、バックログの「より多くのダッシュボードをお願いします」の中で静かに消えていくかどうかを決定する戦略です。

ユーザーに実際に 分析を 使用してもらいたい場合は、

1. AI コンテキストレイヤーを確立します。 これにより、すべての回答が一貫性があり、管理され、信頼できるようになります。
2. 自然言語をデフォルトのインターフェイスにします。 これにより、ユーザーは SQL ではなく、わかりやすい英語で質問できるようになります。
3. レポートから意思決定インテリジェンスに移行します。 インサイトを、作業が行われる場所に埋め込みます。
4. SDK を選択し、iframe を選択しないでください。これにより、各ペルソナが必要とするエクスペリエンスを提供できます。

完全なウェビナーをご覧ください。

完全な内容（AI ダッシュボードアシスタンス、NLQ チャット、ダッシュボードリンク、単一のビジュアライゼーションモード、テーマ設定を含むライブ Reveal BI 製品デモ）については、YouTube で完全なセッションをご覧ください。

▶️ 🎥 完全版ウェビナーをご覧ください：「ユーザーが実際に使用する組み込み分析の設計」

Reveal をお客様の製品で試してみたいですか？

• 🌐 デモをリクエストしてください。 revealbi.io
• 📧 営業部門にメールでお問い合わせください。 sales@revealbi.io
• 📧 直接お問い合わせください。 jasonb@infragistics.com

著者について：ジェイソン・ベレスは、埋め込み分析および Ignite UI の開発元である Infragistics の製品およびコンテンツ戦略を統括しています。彼は、SaaS および ISV チームと協力して、ユーザーが実際に採用する分析エクスペリエンスを設計しています。

FAQ：ユーザーが実際に使用する埋め込み分析を設計する

埋め込み分析プロジェクトが失敗する理由は何ですか？

ほとんどの埋め込み分析プロジェクトは、ユーザーがそれらを採用しないために失敗します。問題は通常、ダッシュボードが適切に構築されていないのではなく、ユーザーのワークフローから切り離されているか、操作が難しいか、またはフォローアップの質問に迅速に回答できないことです。

ダッシュボードの疲労とは何ですか？

ダッシュボードの疲労は、すべての新しいビジネス上の質問が別のダッシュボードにつながるときに発生します。時間が経つにつれて、ユーザーは多くのレポート、一貫性のない定義、古いデータ、および必要な回答を見つけるために費やす過度の労力に直面します。

埋め込み分析 SDK が iframe よりも優れているのはなぜですか？

埋め込み分析 SDK は、製品チームにユーザーエクスペリエンスを制御する機能を提供します。BI インターフェイスを iframe 内に配置する代わりに、SDK を使用すると、開発者はダッシュボード、単一のビジュアライゼーション、自然言語チャット、カスタムアクション、テーマ設定、および分析ワークフローをホストアプリケーションに直接埋め込むことができます。

AI 分析におけるコンテキストレイヤーとは何ですか？

コンテキストレイヤーは、データ背後にあるビジネスの意味を定義し、AI が一貫して質問に回答できるようにします。たとえば、AI に「収益」が何を意味するか、どのフィールドを使用するか、および適用される管理された定義を正確に伝えます。

自然言語分析は、採用をどのように改善しますか？

自然言語分析を使用すると、ユーザーは SQL、ダッシュボードツール、またはデータモデルを学習する代わりに、わかりやすい英語で質問できます。これにより、分析がビジネス関係者にとってよりアクセスしやすくなり、同時に、パワーユーザー向けのより詳細な分析もサポートされます。

埋め込み分析における意思決定インテリジェンスとは何ですか？

意思決定インテリジェンスは、分析を静的なレポートを超えて進化させます。プロアクティブなインサイト、リスクスコア、推奨事項、アラート、およびわかりやすい説明を、ユーザーが意思決定を行うワークフロー内に直接提供します。

埋め込み分析は、誰のために設計する必要がありますか？

埋め込み分析は、少なくとも 3 つのペルソナを対象に設計する必要があります。ガイダンスのある回答を求めるビジネス関係者、より詳細な分析を必要とするパワーアナリスト、および製品エクスペリエンスに分析を埋め込むための柔軟なツールを必要とする開発者です。