Performance AnalyticsからPlatform Analyticsへ移行するにあたり、機能の違いや棲み分けを理解する
ServiceNowは分析機能を進化させ、従来のレポーティングとPerformance Analytics (PA)を統合した新たなPlatform Analytics (PAE)を提供しています。本資料では、これらの違い、移行のポイント、活用方法について詳しく解説します。
＊色々なサイトをDeep Researchして生成AIで整形した記事です
記載誤りがありましたらご容赦ください
1. 各分析プラットフォームの概要
ServiceNowの分析機能は、ビジネスニーズの変化と技術の進歩に合わせて進化してきました。現在存在する主な3つの分析アプローチを理解することが、適切な移行計画と効果的な活用の第一歩となります。
1-1. 従来のレポーティング
ServiceNowの基本的な可視化機能で、現在のデータ状態をリアルタイムで表示します。主に日常業務の状況把握に使用されています。
- リアルタイムデータの可視化
- データテーブルへの直接クエリ
-
sys_reportテーブルで管理 - 現状把握に適している
1-2. Performance Analytics
プロセス最適化のための専用分析ソリューションで、KPIの時系列データを蓄積・分析します。トレンド把握や予測分析が強みです。
- 指標の時系列分析
- 目標設定と進捗追跡
-
pa_dashboards、pa_scoresテーブルを使用 - トレンド分析と将来予測に適している
1-3. Platform Analytics
レポーティングとPerformance Analyticsを統合した次世代の分析プラットフォームです。単一の操作環境でより効率的なデータ活用が可能になります。
- 統合された分析体験
- 現在データと履歴データの同時表示
-
par_dashboard、par_visualizationテーブルで管理 - 直感的なUI/UXと効率的なワークフロー
2. 機能比較
各プラットフォームの主要な違いを詳細に比較することで、Platform Analyticsへの移行がもたらすメリットをより明確に理解できます。以下では、UI/UX、データ処理、ビジュアライゼーション、処理時間の4つの観点から比較します。
2-1. UIとユーザーエクスペリエンス
ユーザーインターフェースとエクスペリエンスは、日々の業務効率に大きな影響を与えます。Platform Analyticsでは、操作性と一貫性が大幅に向上しています。
| No. | 機能 | 従来のレポーティング/PA | Platform Analytics |
|---|---|---|---|
| 1 | ナビゲーション | 別々のメニュー（「Performance Analytics > Dashboards」と「Reports」） | 統一されたメニュー（「Platform Analytics > Dashboards」） |
| 2 | ダッシュボード作成 | レポート/ウィジェットを作成してから別工程でダッシュボードに配置 | 単一のキャンバスでダッシュボードとビジュアリゼーションを同時作成 |
| 3 | ウィジェット追加 | 既存レポート/ウィジェットを検索して追加 | インライン編集でダッシュボード上に直接作成 |
| 4 | フィルター | レポートには「インタラクティブフィルター」、PAウィジェットには「ブレークダウン」が必要 | 統一フィルターですべてのビジュアライゼーションに適用可能 |
| 5 | タブ管理 | 複雑なタブ間コンテンツ移動 | ドラッグ&ドロップで簡単にタブ間移動 |
| 6 | 共有 | ダッシュボードとウィジェット/レポートを個別に共有 | ダッシュボードを共有すると自動的にすべての構成要素も共有 |
特に注目すべきは共有機能の改善です。従来はダッシュボードを共有しても、その中のウィジェットやレポートは個別に共有権限を設定する必要がありましたが、Platform Analyticsでは一度の操作ですべてが共有されるため、管理者の負担が大幅に軽減されます。
2-2. データ処理の比較
データの収集・処理方法についても、重要な違いがあります。Platform Analyticsは、PAの強みを継承しつつもリアルタイム分析の柔軟性を向上させています。
| No. | 項目 | Performance Analytics | Platform Analytics |
|---|---|---|---|
| 1 | データ収集 | インジケーターの定義と定期収集ジョブ | PAと同じ（PAの機能を内部利用） |
| 2 | 履歴データ | 専用テーブルに長期保存 | PAと同じ（内部でPAを利用） |
| 3 | リアルタイムデータ | 最新のデータは最後の収集時点 | テーブルデータを直接クエリ可能 |
| 4 | データソース | PAインジケーターのみ | テーブル、PAインジケーター、複合データ |
| 5 | クエリ最適化 | 標準 | キャッシュ機能によるパフォーマンス向上 |
Platform Analyticsの大きな強みは、履歴データとリアルタイムデータを同一の画面で扱える点です。例えば「月次トレンド」と「現在の状態」を比較しながら見ることで、より包括的な分析が可能になります。
2-3. ビジュアライゼーションの比較
データの可視化方法も進化しています。Platform Analyticsではデータビジュアライゼーションという統一された概念のもと、より柔軟な表現が可能になりました。
| No. | 要素 | 従来のレポート | PAウィジェット | Platform Analyticsの データビジュアライゼーション |
|---|---|---|---|---|
| 1 | データソース | テーブルのみ | PAインジケーターのみ | テーブル、PAインジケーター、複合データ |
| 2 | 時間軸表現 | リアルタイムの集計値のみ | 履歴トレンド | 両方（データソースによる） |
| 3 | 編集方法 | レポートビルダー | ウィジェットデザイナー | インラインエディター（統一） |
| 4 | 再利用性 | 個別に管理 | 個別に管理 | ライブラリに保存して再利用可能 |
| 5 | フィルタリング | インタラクティブフィルター | ブレークダウン | 統一フィルター（両対応） |
データビジュアライゼーションのライブラリ機能は、組織内での標準化とコンテンツの再利用を促進します。一度作成したビジュアライゼーションを複数のダッシュボードで使い回すことができるため、作業の重複を避け、一貫性のある分析が可能になります。
2-4. 処理時間比較
同等の機能を実装した場合の実際の作業時間を比較したデータです。これはServiceNow社内のデモ結果に基づいています。
🔍 分析: Platform Analyticsへの移行により、典型的な分析タスクの作業時間が20～44%短縮されました。これは日々の業務効率に大きく貢献します。
| No. | 作業内容 | レポーティング/PA | Platform Analytics | 時間短縮率 |
|---|---|---|---|---|
| 1 | レポート/ビジュアライゼーション作成 | 1分45秒 | 1分14秒 | 約30% |
| 2 | ウィジェット追加 | 1分19秒 | 1分04秒 | 約20% |
| 3 | タブ作成と移動 | 1分20秒 | 45秒 | 約44% |
| 4 | フィルター追加 | 1分28秒 | 1分03秒 | 約28% |
特にタブ管理の効率化が顕著で、44%もの時間短縮が達成されています。これは、ダッシュボード内の整理と構造化が格段に容易になったことを示しています。一つの作業だけでは短縮時間は小さく見えても、日々の作業の積み重ねで大きな効率改善につながります。
3. Platform Analyticsの主要機能詳細
Platform Analyticsの革新的な機能について、さらに詳細に解説します。これらの機能を理解することで、移行後の可能性を最大限に活用できるようになります。
3-1. データビジュアライゼーション
Platform Analyticsの中核となるのは「データビジュアライゼーション」（Data Visualization）という新しい概念です。これは従来のレポートやPAウィジェットを統合・拡張したもので、より柔軟かつパワフルな可視化を実現します。
データビジュアライゼーションの特徴:
-
多様なデータソース統合: 様々なデータソース（テーブル、PAインジケーター）を単一のビジュアライゼーションとして表現できます。例えば、リアルタイムのインシデント数と過去の平均値を同じグラフに表示することが可能です。
-
豊富な表現形式: 豊富なチャートタイプと表現形式をサポートしており、データの性質に合わせて最適な可視化方法を選べます。単純な数値から複雑な多次元データまで、効果的に表現できます。
-
ライブラリ機能: 作成したビジュアライゼーションはライブラリに保存でき、他のダッシュボードで再利用できます。これにより、一貫した分析基準を組織全体で共有できます。
-
インライン編集: インラインでの編集とリアルタイムプレビューにより、デザインの試行錯誤が容易になります。変更を即座に確認しながら最適な表現を追求できます。
主なビジュアライゼーションタイプ：
単一スコア 棒グラフ/列グラフ 折れ線グラフ 円グラフ リスト表示 ピボットテーブル
これらのビジュアライゼーションタイプは、データの性質や分析の目的に応じて使い分けることができます。例えば、時系列データには折れ線グラフ、カテゴリ比較には棒グラフ、構成比には円グラフが適しています。
3-2. 統一フィルター
Platform Analyticsで導入された「統一フィルター」（Unified Filter）は、異なるタイプのデータソースを横断して一貫したフィルタリングを可能にする革新的な機能です。これにより、ユーザー体験が大幅に向上しました。
統一フィルターの特徴:
-
クロスソースフィルタリング: テーブルベースのレポートとPAインジケーターに同時適用できるため、ダッシュボード上のすべての情報を同じ条件で絞り込めます。これにより、分析の一貫性が保たれます。
-
階層的な適用範囲: ダッシュボードレベルまたはタブレベルで設定可能なため、分析の粒度や範囲を柔軟に調整できます。全体に適用するフィルターと、特定のタブだけに適用するフィルターを使い分けられます。
-
複合フィルタリング: 複数のフィルター条件を組み合わせた複合フィルタリングをサポートしており、より精緻な分析が可能です。例えば「高優先度かつ未解決かつ特定部門担当」といった複合条件が設定できます。
-
多様なフィルタータイプ: 日時範囲、リファレンスフィールド、選択リストなど多様なフィルタータイプに対応しており、あらゆるデータを適切に絞り込めます。
フィルター活用例：
特定の優先度のインシデントだけを表示 特定の日付範囲のデータに絞り込み 特定の部門や担当者のデータのみ表示
統一フィルターの最大のメリットは、従来別々に設定する必要があったフィルタリング条件を一元管理できる点です。これにより、分析の一貫性と効率性が大幅に向上します。また、フィルター条件の変更がダッシュボード全体に即座に反映されるため、異なる切り口からのデータ探索も容易になります。
3-3. アクセス制御と共有
Platform Analyticsでは、アクセス制御と共有の仕組みが大幅に簡素化されています。これにより、チーム間のコラボレーションとデータ活用が促進されます。
共有機能の改良点:
-
包括的な共有: ダッシュボード共有時に以下の要素が自動的に含まれるようになりました：
- すべてのデータビジュアライゼーション
- フィルター設定
- タブとセクションの構成
これにより、従来は個別に共有設定が必要だった各コンポーネントが、一度の操作で適切に共有されるようになりました。
-
権限の継承: 既存のレポート/PAウィジェット権限は移行時に自動的に保持されるため、既存のアクセス制御ポリシーを維持したまま移行できます。セキュリティ設定の再構築の手間が省けます。
-
認証機能: 「認証済み」（Certified）フラグによる信頼性の担保が可能になりました。これにより、組織内の公式データソースや標準ダッシュボードを明確に識別できます。
共有手順:
- ダッシュボード表示画面で共有ボタンをクリックします
- 共有先のユーザー、グループ、またはロールを選択します
- 閲覧権限か編集権限かを設定します
- 「共有」ボタンをクリックして完了します（すべてのコンポーネントが自動的に共有されます）
この改良された共有機能は、多くの管理者から高く評価されています。特に大規模な組織では、複雑な権限設定の管理が大幅に簡素化され、時間と労力の節約につながります。また、エンドユーザーにとっても、必要なデータへのアクセスがよりスムーズになります。
4. ユースケース
各分析プラットフォームの特性を最大限に活かすためには、適切なユースケースを理解することが重要です。ここでは、Performance AnalyticsとPlatform Analyticsそれぞれの代表的な活用事例を紹介します。
4-1. Performance Analytics (PA)の主なユースケース
Performance Analyticsは、時系列データの蓄積と分析に特化しています。長期的なトレンド把握や予測分析が必要なシナリオで真価を発揮します。
■ 長期トレンド分析
業務プロセスの長期的な傾向を把握し、継続的改善の基盤とします。時間の経過に伴う変化を可視化することで、施策の効果測定や問題の早期発見が可能になります。
具体例: 過去12ヶ月間の「平均インシデント解決時間」の月次トレンドを可視化します。これにより、季節変動や改善施策の効果、長期的な傾向を把握できます。例えば、特定の月に解決時間が延びている場合は、その要因（人員不足、複雑な問題の増加など）を特定して対策を講じることができます。
■ 目標達成モニタリング
KPIに対する目標値を設定し、その達成状況を継続的に監視します。目標からの乖離があれば早期に対策を講じることで、業務パフォーマンスの維持・向上を図ります。
具体例: 「重要度別SLA遵守率」の目標値（例：高優先度は95%以上、中優先度は90%以上）に対する実績を追跡します。目標未達の場合はアラートを発し、対応チームに通知することで早期の改善アクションを促します。また、部門別や担当者別の分析も行うことで、特定領域の課題を特定できます。
■ 予測分析
過去のデータパターンに基づいて将来の傾向を予測し、先手を打った対応や計画立案を可能にします。これにより、リソース配分の最適化やリスク管理が効果的に行えます。
具体例: 過去のインシデント発生パターンを分析して「翌月のインシデント発生予測数」を算出します。この予測に基づいて、サポート人員の配置や教育訓練の計画を調整します。例えば、年末年始や四半期末など特定時期の負荷増加が予測される場合は、前もって体制を強化することができます。
4-2. Platform Analytics (PAE)の主なユースケース
Platform Analyticsは、リアルタイムデータと履歴データを組み合わせた統合的な分析に強みがあります。複合的な視点や迅速な環境構築が求められるシナリオに適しています。
■ 統合ダッシュボード
現在の状況と履歴トレンドを一画面に表示することで、全体像の把握と詳細分析をシームレスに行えます。複数の視点からデータを同時に評価することで、より包括的な理解が可能になります。
具体例: IT部門向けに「本日のインシデント状況」と「過去3ヶ月のトレンド」を同一画面で並べて表示します。例えば、左側には現在のオープンチケット数、優先度分布、対応待ち時間などのリアルタイム指標を表示し、右側には解決時間の推移、SLA達成率の変化などの履歴データを表示します。これにより、現状の緊急対応と中長期的な改善計画を同時に検討できます。
■ 迅速な分析環境構築
ドラッグ&ドロップのインターフェースと豊富なテンプレートにより、必要な分析環境を短時間で構築できます。これにより、新たな分析ニーズに素早く対応し、意思決定のスピードを向上させます。
具体例: 経営層向けに「部門横断KPIダッシュボード」を数時間で構築します。IT、HR、財務、カスタマーサポートなど各部門の主要指標をタブ分けして整理し、全体を俯瞰できるようにします。各部門の重要KPIを簡潔に表示し、必要に応じて詳細分析に進めるように設計します。統一フィルターを活用して、特定期間や部門のデータを即座に抽出・比較できるようにします。
■ 効率的なデータ共有
ワンクリックで完結する共有機能により、組織全体のデータドリブン文化を促進します。適切な情報を適切な人に、適切なタイミングで提供することで、意思決定の質と速度を向上させます。
具体例: 「週次サービスレビュー用ダッシュボード」をチーム全体と共有します。会議前に全員が最新データにアクセスでき、共通の事実認識のもとで議論できるようになります。ダッシュボードの共有権限は役割に応じて設定され、参加者は必要な情報を見ることができますが、機密データはアクセス制限により保護されます。会議中に新たな視点での分析が必要になった場合も、その場でフィルターを調整して即座に別の切り口からデータを確認できます。
これらのユースケースは互いに排他的ではなく、組み合わせて活用することで最大の効果を発揮します。Platform Analyticsは両方の強みを統合しているため、より柔軟な分析アプローチが可能になります。
5. Migration Centerと移行プロセス
5-1. Migration Centerの概要
Platform Analyticsへの移行をスムーズに行うために、ServiceNowは専用のMigration Center（移行センター）を提供しています。これは既存のレポート、PAダッシュボード、ウィジェットをPlatform Analyticsに効率的に変換するためのツールです。
Migration Centerの特徴:
-
柔軟な移行オプション: 一括移行または選択的移行が可能です。全てのダッシュボードを一度に移行することも、重要度の高いものから段階的に移行することもできます。
-
プレビュー機能: 移行前に変換結果を確認できるため、予想外の変化に対処できます。特に重要なダッシュボードは、実際の移行前に見た目や機能を確認することが重要です。
-
詳細なログと結果レポート: 移行プロセスの透明性を確保し、問題が発生した場合の原因特定をサポートします。どのアイテムが成功し、どのアイテムが失敗したかを明確に把握できます。
-
差分更新対応: 複数回の移行実行が可能で、初回移行後に作成された新しいコンテンツや変更されたコンテンツのみを選択的に移行できます。
Migration Centerは、Platform Analytics移行の中核となるツールです。適切に活用することで、移行リスクを最小限に抑えながら新環境への移行を効率的に進めることができます。
5-2. 移行プロセスのステップ
Platform Analyticsへの移行は、以下の5つの主要ステップで行われます。各ステップを慎重に実行することで、スムーズな移行が可能になります。
-
移行準備
- インスタンスのバージョンがTokyo以降であることを確認します
- 十分な権限（admin権限など）を持つユーザーでログインします
- 既存のダッシュボード・レポートの棚卸しを行い、移行優先順位を決定します
- 不要なレポート・ダッシュボードを特定し、事前に整理します
💡 ポイント: この準備段階は移行の成功を左右する重要なステップです。特に大規模環境では、事前の整理と計画が不可欠です。
-
Migration Centerの起動
- Platform Analytics > Migration Center のパスからツールにアクセスします
- 移行のスコープ（全体か特定のダッシュボード・レポートか）を決定します
- 移行オプション（レイアウト保持の優先度など）を設定します
💡 ポイント: この段階で適切な設定を行うことで、移行結果の質が大きく向上します。特に重要なダッシュボードがある場合は、オプション設定に十分注意してください。
-
移行対象の選択
- すべてのダッシュボード・レポートを移行するか、特定の項目のみを選択するかを決めます
- 移行プレビュー機能を使用して、変換後のレイアウトや設定を事前に確認します
- 必要に応じて選択内容を調整します
💡 ポイント: プレビュー機能は非常に有用です。移行後の問題を事前に発見し、対策を講じることができます。
-
移行の実行
- 「移行開始」ボタンをクリックして処理を開始します
- 進捗状況を監視します（大規模環境では数十分から数時間かかる場合もあります）
- 処理が完了するまで待機します
💡 ポイント: 移行処理中はシステム負荷が高まる可能性があります。業務への影響が最小限になる時間帯（業務時間外など）に実行することをお勧めします。
-
移行結果の確認
- 移行が成功した項目と失敗した項目のレポートを確認します
- 移行された新しいダッシュボードとビジュアライゼーションの動作を検証します
- 問題があれば、個別に修正するか、設定を変更して再試行します
💡 ポイント: 移行結果の確認は慎重に行ってください。エンドユーザーが新環境にアクセスする前に、すべての重要な機能が正しく動作することを確認することが重要です。
5-3. 移行時の注意点と対応
移行プロセスでは、いくつかの課題が生じる可能性があります。以下の表は、一般的な移行課題とその対応策をまとめたものです。事前に理解しておくことで、スムーズな移行計画を立てられます。
| No. | 移行課題 | 詳細 | 対応策 |
|---|---|---|---|
| 1 | 互換性のないウィジェット | 一部の高度なカスタムウィジェットは完全互換性がなく、移行後に見た目や機能が変わる場合があります | 互換モードでの動作を許容するか、Platform Analyticsの新機能を活用した代替手段を検討します |
| 2 | 複雑なフィルタリング | 特定の複雑なフィルター設定は変換が困難で、移行後に同等の機能を実現するには調整が必要な場合があります | 移行後に手動で統一フィルターを設定し直し、同等の機能を再現します |
| 3 | レイアウトの変更 | グリッドレイアウトへの変換により、従来のダッシュボードとは見た目が変わる場合があります | 移行後にレイアウトを微調整して、最適な表示を実現します |
| 4 | アクセス権の調整 | ダッシュボードとウィジェットの権限が統合されることで、アクセス制御の挙動が変わる場合があります | 移行後の権限設定を確認し、必要に応じて調整します |
| 5 | カスタム拡張機能 | カスタムUIアクションや拡張スクリプトは、新環境では動作しない場合があります | Platform Analyticsの標準機能で代替できないか検討するか、必要に応じて機能を再実装します |
⚠️ 注意事項: 以下のアイテムは「互換モード」で動作する可能性があります。
- 複雑なカスタムウィジェット（特に高度なクライアントスクリプトを使用したもの）
- 特定の高度なフィルタリング設定（複雑な条件式や動的フィルターなど）
- カスタム拡張されたPAダッシュボード機能
- 深いドリルダウンを持つBreakdownのあるレポート
互換モードのアイテムは基本機能は維持されますが、新しいプラットフォームの利点を完全に活用できない場合があります。重要なダッシュボードが互換モードになる場合は、将来的な再構築も視野に入れることをお勧めします。
6. ベストプラクティス
Platform Analyticsを最大限に活用するためのベストプラクティスを紹介します。これらの実践により、より効果的で価値の高い分析環境を構築できます。
6-1. 効果的なダッシュボード設計
ダッシュボードは単なるデータの集合ではなく、意思決定を支援する重要なツールです。効果的な設計により、ユーザーは複雑なデータから重要な洞察を素早く得ることができます。
■ 情報階層の構築
-
重要情報の優先表示: 最重要KPIは画面上部の目立つ位置に配置します。ユーザーがページを開いたとき、まず最初に目に入るのが最も重要な情報であるべきです。
-
論理的なグループ化: 関連するデータを視覚的にグループ化して理解しやすくします。例えば、「パフォーマンス指標」「品質指標」「コスト指標」などのセクションに分けることで、情報の関連性が明確になります。
-
タブによるテーマ分離: 異なるテーマやトピックのデータを別のタブに分けることで、情報の整理と集中が容易になります。例えば「運用状況」「トレンド分析」「予測」などのタブを設けると、用途別にデータにアクセスできます。
-
スクロールの最小化: 重要情報は画面スクロールなしで把握できるようにレイアウトを最適化します。特に経営層向けダッシュボードでは、一目で全体像が把握できることが重要です。
■ 視覚的効率性の追求
-
適切なチャートタイプ: データの性質に合った最適なチャートタイプを選択します。時系列データには折れ線グラフ、カテゴリ比較には棒グラフ、構成比には円グラフ、複数指標の関係性には散布図が適しています。
-
一貫したカラーテーマ: 色の使用には一貫性を持たせ、意味のある色分けを心がけます。例えば、赤は常に問題や警告を、緑は良好な状態を表すなど、組織内で統一された色の意味付けを確立します。
-
情報密度の最適化: 過剰なデータを詰め込まず、必要な情報に焦点を当てます。「データの壁」と呼ばれる情報過多の状態は避け、各ウィジェットが明確なメッセージを伝えるよう心がけます。
-
視覚的強調: 重要なデータポイントやしきい値超過などは、サイズ、色、形などで視覚的に強調します。異常値や注目すべきトレンドが一目で分かるデザインにすることで、問題の早期発見が可能になります。
■ インタラクティブ性の活用
-
フィルターの戦略的配置: 統一フィルターを戦略的に配置し、ユーザーが直感的にデータを探索できるようにします。最もよく使われるフィルター（日付範囲、部門、優先度など）はダッシュボードの上部や左側に配置すると効果的です。
-
ドリルダウンパスの設計: ユーザーが詳細情報へ自然に遷移できるよう、ドリルダウンパスを明確に設計します。例えば、概要グラフから特定の問題カテゴリをクリックすると、その詳細リストが表示されるといった流れを作ります。
-
ユーザー行動の予測: ユーザーが一般的にどのような分析を行いたいかを予測し、それをサポートする設計にします。例えば、時系列データを見た後に「何が変化の要因か」を知りたくなることを想定し、関連情報への導線を用意します。
-
ガイダンスの提供: ツールチップやヘルプテキストを活用して、データの文脈や使い方を説明します。特に複雑な指標や特殊なビジュアライゼーションには、理解を助けるための補足情報が重要です。
6-2. パフォーマンス最適化
大量のデータを扱うダッシュボードでは、レスポンス速度が重要です。パフォーマンスを最適化することで、ユーザーエクスペリエンスが向上し、より効果的なデータ分析が可能になります。
■ ダッシュボードキャッシュの活用
-
選択的キャッシュ設定: 頻繁にアクセスされるダッシュボードや複雑なクエリを含むダッシュボードに重点的にキャッシュを設定します。特に多くのユーザーが日常的に使用するダッシュボードはキャッシュ優先度が高いと言えます。
-
更新間隔の最適化: データの更新頻度と鮮度要件に合わせて適切なキャッシュ更新間隔を設定します。例えば、日次レポートは1日1回の更新で十分ですが、運用監視ダッシュボードは数分おきに更新する必要があるかもしれません。
-
ユースケース別戦略: ユースケースに応じたキャッシュ戦略を選択します。例えば、履歴分析用ダッシュボードは長めのキャッシュ期間を設定し、リアルタイムモニタリング用は短めに設定するといった使い分けができます。
-
オフピーク時の更新: 可能であれば、キャッシュ更新をシステム負荷の低い時間帯にスケジュールします。これにより、ユーザー体験への影響を最小限に抑えつつ、データの鮮度を維持できます。
■ クエリの最適化
-
複雑なビジュアライゼーションの制限: 一つのダッシュボード内の複雑で重いデータビジュアライゼーションの数を適切に制限します。特に大量のレコードを処理するピボットテーブルやマルチソースグラフなどは、パフォーマンスへの影響を考慮して配置しましょう。
-
PAインジケーターの活用: 大量データの集計が必要な場合は、リアルタイムクエリではなくPAインジケーターを活用します。定期的に事前集計されたデータを使用することで、ダッシュボード読み込み時のパフォーマンスが大幅に向上します。
-
データソースの効率化: 複数のデータソースを使用する際は、パフォーマンスへの影響を考慮した設計にします。可能であれば、異なるテーブルからのデータを事前に統合するビューやインジケーターを活用することを検討しましょう。
-
必要最小限のデータ取得: クエリでは必要なデータのみを取得するよう最適化します。不要なフィールドや過剰な履歴データは除外し、クエリのスコープを適切に制限しましょう。
6-3. ガバナンスと標準化
組織全体で一貫した高品質の分析環境を維持するためには、適切なガバナンスと標準化が不可欠です。これにより、ユーザーは信頼性の高いデータに基づいて意思決定ができるようになります。
■ 認証（Certification）の活用
-
公式コンテンツの認証: 組織の公式ダッシュボードやビジュアライゼーションには認証フラグを設定します。これにより、ユーザーは信頼できる情報源を識別できるようになります。
-
認証プロセスの確立: コンテンツを認証する際の品質基準やレビュー手順を明確に定めます。例えば、データの正確性、更新頻度、デザインの標準準拠などの条件を満たしたものだけを認証するといったルールを設けます。
-
定期的な見直し: 認証されたアイテムは定期的に見直し、最新かつ正確であることを確認します。データソースの変更やビジネスニーズの変化に応じて、認証コンテンツも更新が必要になることがあります。
-
変更管理: 認証されたダッシュボードの変更管理プロセスを策定します。重要な変更は適切なレビューと承認を経てから実施するよう規定することで、品質を維持します。
■ 命名規則とメタデータ管理
-
一貫した命名規則: ダッシュボードとビジュアライゼーションの命名規則を確立し、組織全体で一貫性を保ちます。例えば「[部門]-[目的]-[期間]」といった形式を定めることで、コンテンツの整理と検索が容易になります。
-
メタデータの充実: わかりやすい説明文と適切なタグ付けでコンテンツの検索性を向上させます。「何の情報か」「誰のためのものか」「いつ更新されたか」といった情報を明記し、ユーザーが必要な情報を素早く見つけられるようにします。
-
カテゴリ分類の活用: 機能や部門、目的などに基づくカテゴリ分類を活用して、関連コンテンツをまとめます。これにより、関連する情報への導線が確保され、分析の文脈が保たれます。
-
メタ情報の標準化: 作成者、更新日、データソース、対象ユーザーなどのメタ情報を標準化して明記します。これにより、コンテンツの管理責任や目的が明確になり、適切な利用と維持が促進されます。
7. 今後の展望とロードマップ
ServiceNowは継続的にPlatform Analyticsの機能強化を進めています。今後の展開を理解することで、より効果的な中長期計画を立てることができます。
■ AI/機械学習の強化
-
高度な予測分析: 既存のPA予測機能をさらに発展させ、より精度の高い将来予測が可能になる予定です。多変量分析や外部要因の考慮など、より複雑なモデルがサポートされるようになります。
-
異常検知の精緻化: パターン検出と異常検知が強化され、問題の早期発見と自動アラート機能が充実します。例えば「通常と異なる傾向」を機械学習で特定し、対応チームに通知する機能などが期待されています。
-
自然言語インターフェース: 「この指標の低下理由は？」といった自然言語の質問に回答できるAI機能が拡充される見込みです。これにより、技術的なスキルがなくてもデータ探索が容易になります。
-
自動インサイト生成: AIがデータの傾向を自動分析し、重要な洞察を提案する機能が強化されます。例えば「このKPIの悪化の主な原因は○○です」といった気づきを自動的に提示できるようになります。
■ データ統合の進化
-
外部データソース連携: ServiceNow外のデータソースとの連携が強化され、よりホリスティックな統合分析が可能になります。例えばクラウドサービスの利用状況データやビジネス指標などを取り込み、IT運用との相関を分析できるようになります。
-
リアルタイム処理: より鮮度の高いデータ処理機能が拡充され、ほぼリアルタイムの分析が可能になります。特にクリティカルな運用監視やイベント対応などのユースケースで価値を発揮します。
-
ビッグデータ対応: 大規模データセットのパフォーマンスが向上し、数百万～数億レコードレベルの分析でも高いレスポンスが実現されます。これにより、より長期間のトレンド分析や詳細レベルの大量データ分析が実用的になります。
-
データ品質管理機能: 分析の基盤となるデータの品質を担保するための機能が強化されます。データの不整合検出や欠損値の処理など、より信頼性の高い分析基盤が構築できるようになります。
■ ユーザー体験の向上
-
モバイル最適化: スマートフォンやタブレットでの体験がさらに向上し、外出先でも効果的にダッシュボードを活用できるようになります。レスポンシブデザインの改善やモバイル向け操作の最適化が進められています。
-
パーソナライズ機能: ユーザーの役割や過去の利用パターンに基づき、個別に最適化された分析体験が提供されるようになります。例えば、よく利用する指標の優先表示やカスタム表示設定の保存などが可能になります。
-
コラボレーション強化: 分析結果の共有やディスカッション機能が強化され、チーム間でのデータ活用がよりシームレスになります。注釈付けやコメント機能、通知機能などが充実し、データを中心とした協業が促進されます。
-
アクセシビリティ改善: 視覚障害や色覚異常などを持つユーザーも含め、より多様なユーザーが平等に情報にアクセスできるよう、アクセシビリティ機能が強化されます。
🔍 重要スケジュール: 2025年のZurichリリース以降は、Platform Analyticsへの完全移行が予定されています。
それに向けてServiceNowは、移行ツールの改善や互換性のさらなる向上に取り組んでいます。現在のリリースから移行準備を始めることで、スムーズな移行と新機能の早期活用が可能になります。
8. よくある質問（FAQ）
Platform Analyticsについての疑問や懸念に対する回答をまとめました。これらのFAQは、移行計画と活用戦略の策定に役立ちます。
8-1. 移行と準備について
Q: Platform Analyticsへの移行は必須ですか？
A: 今後のServiceNowロードマップによれば、2025年3月のZurichリリース以降は必須となる予定です。それまでは段階的な移行が推奨されています。早期に移行を開始することで、新機能の恩恵をいち早く受けることができます。また、移行にあたって十分な準備と検証の時間を確保できるため、リスクを最小限に抑えられます。
Q: 既存のPerformance Analytics指標は引き続き使用できますか？
A: はい、既存のPAインジケーターはPlatform Analyticsでも引き続き利用可能です。インジケーターの定義と収集メカニズムは引き続きPAの仕組みを使用します。実際には、Platform AnalyticsはPA機能を内部で活用しており、これまでに構築したインジケーター資産はそのまま新環境でも有効です。ただし、インジケーターの表示方法やドリルダウン機能などのユーザーインターフェース部分は新しくなります。
Q: 移行にはどのくらいの時間がかかりますか？
A: ダッシュボードとレポートの数によりますが、ほとんどのケースでは30分程度で移行が完了します。大規模な環境では数時間かかる場合もあります。ただし、移行前の準備（コンテンツの棚卸しや整理）と移行後の検証にも時間を見込む必要があります。全体のプロジェクトとしては、環境の規模や複雑さに応じて数日から数週間のスケジュールを想定するのが一般的です。
8-2. 機能と使用方法について
Q: Platform Analyticsで特にカラーテーマを設定することはできますか？
A: はい、ビジュアライゼーションごとにカラーテーマを設定できます。データの性質や意味に合わせて色を選択することで、より効果的なビジュアル表現が可能です。例えば、ステータスを表す色や部門を区別する色など、意味のある色分けを実装できます。ヘッダーカラー機能は今後のリリース（Zurich以降）でさらに拡張される予定で、ダッシュボードの視覚的な組織化がより柔軟になります。
Q: すべてのServiceNowアプリケーションがPlatform Analyticsに対応していますか？
A: 主要なアプリケーションは既にPlatform Analyticsをサポートしています。ITSM、CSM、ITBM、HRなどの主要製品ラインのダッシュボードは、すでに多くがPlatform Analytics形式で提供されているか、移行が進行中です。一部のアプリケーション固有のカスタムダッシュボードは、今後のリリースで順次対応が進められる予定です。移行前に、使用している特定のアプリケーションの対応状況をServiceNowのドキュメントで確認することをお勧めします。
Q: Platform Analyticsでできてパフォーマンスアナリティクスでできない機能はありますか？
A: はい、Platform Analyticsには多くの新機能があります。主な追加機能としては、(1)データソースの統合（テーブルデータとPA指標の組み合わせ）、(2)単一インターフェースでのリアルタイムと履歴データの表示、(3)統一フィルターによる横断的なデータ絞り込み、(4)効率的な共有機能（ワンクリック共有）、(5)インラインエディターによる直感的な編集、(6)ダッシュボードキャッシュ機能などが挙げられます。これらの機能により、より柔軟で効率的な分析環境が実現します。
8-3. 技術的な質問
Q: Platform Analyticsはどのリリースから利用できますか？
A: Platform AnalyticsはTokyoリリース以降で利用可能です。ただし、完全な機能セットはそれ以降のリリースで段階的に追加されています。最新の機能を活用するには、可能な限り最新リリース（現在はYokohama）を使用することをお勧めします。機能の詳細は、各リリースのリリースノートで確認できます。移行を計画している場合は、使用している（または移行予定の）リリースでサポートされている機能を事前に確認しておくことが重要です。
Q: ダッシュボードキャッシュは自動的に有効になりますか？
A: いいえ、ダッシュボードキャッシュはダッシュボードごとに明示的に有効にする必要があります。これはPlatform Analyticsのダッシュボードでのみ利用可能な機能で、ダッシュボードの編集画面から設定できます。キャッシュを有効にする際は、データの更新頻度とユーザーの鮮度要件を考慮して、適切な更新間隔を設定することが重要です。頻繁に変更されるデータを含むダッシュボードでは短い間隔に、安定したデータや履歴分析用のダッシュボードではより長い間隔に設定すると効果的です。
Q: アップデートセットでPlatform Analyticsのダッシュボードは正しく移行されますか？
A: Xanaduリリース以降、Platform Analyticsのダッシュボードとビジュアライゼーションはアップデートセットで正しく処理されるようになりました。par_dashboardテーブルにアンロード機能が追加されています。これにより、開発環境で作成したダッシュボードを他の環境（テスト環境や本番環境）に一貫して移行できるようになりました。ただし、複雑なカスタマイズや依存関係がある場合は、移行後の動作を慎重に検証することをお勧めします。
9. まとめ
ServiceNowのPlatform Analyticsは、従来のレポーティングとPerformance Analyticsの良い点を統合し、さらに拡張した次世代の分析プラットフォームです。単なるUI改良ではなく、ワークフロー全体の効率化、ユーザー体験の向上、パフォーマンスの最適化を実現した革新的なソリューションと言えます。
Platform Analyticsの主な利点は以下の通りです：
-
統一された操作体験: 一貫したインターフェースにより、リアルタイムデータと履歴データの両方を同じ環境で分析できます。これにより、コンテキストの切り替えが減少し、より包括的な分析が可能になります。
-
効率的なワークフロー: ドラッグ&ドロップによる直感的な操作と、インラインエディターによる即時編集・プレビュー機能により、分析作業の効率が大幅に向上します。
-
共有の簡素化: ワンクリック共有機能により、ダッシュボードとそのコンポーネントが自動的に共有されるため、管理負荷が軽減されます。
-
パフォーマンスの向上: ダッシュボードキャッシュや最適化されたクエリ処理により、特に大規模環境でのレスポンスが改善されます。
-
将来に向けた拡張性: AI/機械学習機能やデータ統合機能の強化など、今後も継続的な機能拡張が予定されています。
今後のZurichリリース（2025年）でPlatform Analyticsへの完全移行が予定されている中、早期に移行準備を進め、新機能を活用することで、より効果的なデータ駆動型の意思決定を組織全体で実現できるでしょう。
Platform Analyticsへの移行は単なる技術的なアップグレードではなく、組織の分析能力を進化させる戦略的なステップとして捉えることが重要です。本資料で紹介した移行のポイントやベストプラクティスを参考にしながら、計画的に進めていくことをお勧めします。
参考リンク
- Platform Analytics Roles
- Performance Analytics Roles
- Administering reports
- Share a Platform Analytics dashboard
- Dashboard permissions
- Share a report
- Create a dashboard with the In-line editor
- Create or configure a responsive dashboard
- Platform Analytics Enablement Toolkit – How To Share a Dashboard
- Platform Analytics Enablement Toolkit – How To Share a Data Visualization
- Platform Analytics Enablement Toolkit – How To Export a Data Visualization
- Platform Analytics Enablement Toolkit
- Now Learning - Analytics Courses
この記事は ServiceNow Platform Analytics Academy の資料に基づいて作成されました。
最終更新日：2024年3月14日