コーディングができない？でもデータ分析が急ぎで必要？それとも、コーディングはできるけど、SQLスクリプトを考えるのに時間がかかりすぎる？
Google Cloud の Data Science Agent を使えば、プロンプトを入力するだけでデータ分析ができます。つまり、自然言語（普段使っている言葉）でデータベースを分析できるのです。SQLスクリプトを自分で書く必要はありません。
データ分析だけじゃない
Data Science Agent はデータ分析にとどまりません。以下のような作業にも対応しています。
大規模データ処理（Large-scale data processing）
BigQuery ML、BigQuery DataFrames、または Serverless for Apache Spark を活用し、1台のマシンのメモリに収まりきらない大規模データセットに対して分散処理を実行できます。データのクリーニング・変換・分析を効率的に行えるため、ビッグデータを扱うプロジェクトでも安心です。
データ可視化（Data visualization）
ヒストグラム、箱ひげ図、散布図、棒グラフなど、さまざまなグラフを自然言語の指示だけで作成可能です。個々の変数の分布や、変数間の関係性を視覚的に把握できるので、経営陣へのレポートやプレゼン資料の作成にも即座に活用できます。
モデル学習（Model training）
pandas DataFrame、BigQuery DataFrames、PySpark DataFrame、または BigQuery ML の CREATE MODEL ステートメントを使って、機械学習モデルのトレーニングまで自然言語で指示できます。さらに、モデルの最適化・評価・推論もサポートされているため、データサイエンスのワークフロー全体をカバーしています。
詳細は公式ドキュメント（Capabilities）をご覧ください。
料金とセキュリティについて（ビジネス層向け）
導入を検討する際、気になるのは料金とデータの取り扱いですよね。
- 料金：Data Science Agent 自体は Colab Enterprise と Vertex AI の料金体系に従います。使用したランタイム時間と、BigQuery のクエリ実行料金が主なコストです。詳細は Vertex AI の料金ページをご確認ください。
-
データの保存場所：東京リージョン（
asia-northeast1）を選択すれば、データを日本国内で処理できます。日本企業のコンプライアンス要件にも対応しやすいです。 - セキュリティ：Colab Enterprise 上で動作するため、Google Cloud の IAM と VPC Service Controls による保護が適用されます。
どうやって始めるの？
事前準備（Before you begin）
まず、Google Cloud コンソールでプロジェクトを選択または新規作成します。次に、そのプロジェクトで課金（Billing）が有効になっていることを確認してください。そして、以下の3つの API を有効化します：
- Vertex AI API
- Dataform API
- Compute Engine API
リージョンは、日本向けに東京リージョン（asia-northeast1）が利用可能です。
権限設定（Permissions）
Data Science Agent を使うには、プロジェクトの管理者から Colab Enterprise User（roles/aiplatform.colabEnterpriseUser）という IAM ロールを付与してもらう必要があります。カスタムロールや他の事前定義ロールでも必要な権限を取得できる場合があります。
セットアップ完了！さっそく使ってみよう
上記のセットアップが完了したら、いよいよ Data Science Agent を使い始められます。
2026年4月時点で Data Science Agent が分析できるデータソースは CSV ファイルと BigQuery テーブルの2種類です。
CSV ファイルの場合
- Google Cloud コンソールで、Colab Enterprise の「マイノートブック」ページを開きます。
- リージョンメニューから、ノートブックが存在するリージョンを選択します。
- 使用したいノートブックをクリックして開きます。
-
Toggle Gemini in Colab ボタンをクリックして、チャットダイアログを開きます。
※ チャットダイアログをノートブックの外に別パネルとして移動することも可能です。 - チャットダイアログ内で Add files > Upload をクリックします。
- 必要に応じて Google アカウントを認証します。ランタイムの起動とファイルブラウジングの有効化を少し待ちます。
- アップロードしたいファイルを選択し、Open をクリックします。
- ランタイム削除時にファイルも削除される旨を確認し、OK をクリックします。
ファイルが Files ペインにアップロードされ、チャットウィンドウにも表示されます。
BigQuery テーブルの場合
- Google Cloud コンソールで、Colab Enterprise の「マイノートブック」ページを開きます。
- リージョンメニューから、ノートブックが存在するリージョンを選択します。
- 使用したいノートブックをクリックして開きます。
- Toggle Gemini in Colab ボタンをクリックして、チャットダイアログを開きます。
- データを参照するには、以下のいずれかの方法を使います：
- テーブルセレクターを使う： Add to Gemini > BigQuery tables をクリックし、プロジェクト内のテーブルを選択。プロジェクト横断での検索やフィルタリングも可能です。
-
プロンプトに直接テーブル名を書く： 例）「このテーブルのデータを探索的に分析してください：
PROJECT_ID:DATASET.TABLE」 -
@を入力して検索： 現在のプロジェクト内の BigQuery テーブルを検索できます。
プロンプト例：こんなことができます！
実際にどんな指示ができるのか、イメージが湧くようにいくつか例を紹介します。
-
bigquery-public-data.ml_datasets.census_adult_incomeを使って、BigQuery SQL で分類モデルを作成・評価してください。 -
experience_levelカラムで給与をグループ化し、各グループのsalary_in_usdを箱ひげ図で表示してください。 -
project_id:dataset.tableのデータを pandas DataFrame として読み込み、null 値を分析した後、各カラムの分布をグラフ化してください。測定値にはバイオリンプロット、カテゴリにはバーチャートを使ってください。 - アップロードした CSV ファイルから、今後6ヶ月の売上を予測してください。
他のAIデータ分析ツールとの違い
- ChatGPT Advanced Data Analysis との違い：Data Science Agent は BigQuery と直接連携できるため、数TB規模のデータも扱えます。ChatGPT はアップロードファイル中心です。
- Gemini CLI との使い分け：Gemini CLI はローカル作業の自動化向け、Data Science Agent は Colab Enterprise 上での対話的なデータ分析に特化しています。
コーディングの壁を超えて、データの力を手に入れましょう。 Data Science Agent があなたのデータサイエンスパートナーになります。