はじめに
DatabricksのAI/BI Genieは自然言語でデータを分析できるツールですが、生テーブルに接続するだけでは回答精度に限界があります。ビジネス用語の定義が曖昧だったり、複雑な計算式をGenieが毎回解釈し直すため、同じ質問でも異なる結果が返ってくることがあります。
この問題を解決するのがUnity Catalogのメトリクスビュー（Metric Views）です。メトリクスビューはGenieにとってのセマンティックレイヤーとして機能し、ビジネス指標を一元定義することでGenieの回答精度を大幅に向上させます。
本記事では、日本の小売売上データを使って、メトリクスビューとGenieの連携を実際に体験する方法を解説します。
メトリクスビューはGenieのセマンティックレイヤー
セマンティックレイヤーとは
セマンティックレイヤーとは、生データとBI/AIツールの間に置く「ビジネス語彙の翻訳層」です。エンジニアが定義したテーブルのカラム名（amount、refundなど）を、ビジネスユーザーが使う言葉（「売上」「純売上」）にマッピングする役割を担います。
メトリクスビューがセマンティックレイヤーとして機能する仕組み
Databricksのメトリクスビューは、以下の3つの要素でセマンティックレイヤーを実現します。
| 要素 | 役割 | Genieへの効果 |
|---|---|---|
| ディメンション定義 | 「地域」「月」などの切り口を明示 | 「地域別に見せて」が正確に解釈される |
| メジャー定義 |
SUM(amount - refund) を total_sales として定義 |
「純売上」と聞かれたとき常に同じ計算が使われる |
| セマンティックメタデータ | 表示名・類義語・フォーマットを付与 | 「売上高」「売り上げ」などの表記ゆれにも対応 |
セマンティックメタデータの活用（YAML v1.1）
YAML定義バージョン1.1以降では、display_name（表示名）・synonyms（類義語）・format（表示形式）を指定できます。これらはGenieがSQL生成時に参照するメタデータとして機能します。
CREATE OR REPLACE VIEW takaakiyayoi_catalog.metrics_view.sales_metrics
WITH METRICS
LANGUAGE YAML
AS $$
version: 1.1
source: takaakiyayoi_catalog.metrics_view.sales_data
dimensions:
- name: region
expr: region_name
display_name: 販売地域
synonyms:
- エリア
- 地域
- 都市
measures:
- name: total_sales
expr: "SUM(amount - refund)"
display_name: 純売上合計
synonyms:
- 売上
- 売上高
- 純売上
- 売り上げ
format:
type: number
$$;
synonymsに「売上高」「売り上げ」を登録しておくことで、ユーザーがどの表記でGenieに質問してもメトリクスビューの定義が参照されます。
「一度定義、どこでも使える」の意義
メトリクスビューはUnity Catalogに登録されるため、Genie以外のツールでも同じ定義が使われます。
「売上」の定義を変えたいときはメトリクスビューを1か所修正するだけで、すべての消費先に反映されます。
デモの構成
なぜメトリクスビューがGenieを強化するのか
| 課題 | 生テーブルのみ | メトリクスビュー利用 |
|---|---|---|
| 指標の一貫性 | ❌ 毎回SQL定義が必要 | ✅ 定義済みの指標を再利用 |
| ビジネス用語 | ❌ 技術的なカラム名 | ✅ 日本語コメント・類義語付き |
| 複雑な計算 | ❌ Genieが毎回計算 | ✅ メジャーとして事前定義済み |
| 表記ゆれへの対応 | ❌ 質問の言葉次第で結果が変わる | ✅ synonymsで複数表記を吸収 |
前提条件
- Databricksワークスペース（Unity Catalog有効）
- ProまたはサーバーレスSQLウェアハウス
- Databricks Runtime 17.2以降（メトリクスビュー対応）
- メトリクスビューはパブリックプレビュー機能
ステップ1: 生データの確認
まず、元となる生データを確認します。本デモでは日本の小売売上データを使います。
SELECT *
FROM takaakiyayoi_catalog.metrics_view.sales_data
ORDER BY order_date
LIMIT 10
| order_date | region_name | product_category | customer_id | amount | refund |
|---|---|---|---|---|---|
| 2024-01-15 | 東京 | 家電 | C001 | 50000 | 0 |
| 2024-01-16 | 大阪 | アパレル | C002 | 30000 | 5000 |
| 2024-01-17 | 東京 | 食品 | C003 | 20000 | 0 |
| 2024-01-18 | 名古屋 | 家電 | C001 | 80000 | 0 |
| 2024-01-20 | 東京 | アパレル | C004 | 45000 | 0 |
| 2024-02-01 | 大阪 | 家電 | C002 | 60000 | 10000 |
| 2024-02-05 | 東京 | 食品 | C005 | 15000 | 0 |
| 2024-02-10 | 名古屋 | アパレル | C003 | 35000 | 0 |
| 2024-02-15 | 東京 | 家電 | C001 | 90000 | 5000 |
| 2024-02-20 | 大阪 | 食品 | C006 | 25000 | 0 |
| カラム名 | 型 | 内容 |
|---|---|---|
order_date |
STRING | 注文日（例: 2024-01-15） |
region_name |
STRING | 販売地域（東京、大阪、名古屋など） |
product_category |
STRING | 商品カテゴリ（家電、アパレル、食品など） |
customer_id |
STRING | 顧客ID |
amount |
INT | 注文金額（円） |
refund |
INT | 返金額（円） |
課題： 生データのまま「売上合計」を分析しようとすると、毎回 amount - refund の計算が必要です。Genieがこの計算を常に正しく行うとは限りません。
ステップ2: メトリクスビューの作成
メトリクスビューは CREATE OR REPLACE VIEW ... WITH METRICS 構文でYAMLを使って定義します。ディメンション（切り口）とメジャー（集計値）を明示的に分けて定義するのが特徴です。
CREATE OR REPLACE VIEW takaakiyayoi_catalog.metrics_view.sales_metrics
WITH METRICS
LANGUAGE YAML
AS $$
version: 1.1
comment: "日本の小売売上メトリクスビュー"
source: takaakiyayoi_catalog.metrics_view.sales_data
dimensions:
- name: order_date
expr: order_date
comment: 注文日
- name: order_month
expr: "DATE_TRUNC('MONTH', CAST(order_date AS DATE))"
comment: 注文月
- name: region
expr: region_name
comment: 販売地域
- name: product_category
expr: product_category
comment: 商品の分類
measures:
- name: total_sales
expr: "SUM(amount - refund)"
comment: 返品控除後の純売上
- name: order_count
expr: "COUNT(*)"
comment: 注文の総数
- name: avg_order_value
expr: "AVG(amount - refund)"
comment: 1注文あたりの平均金額
- name: customer_count
expr: "COUNT(DISTINCT customer_id)"
comment: ユニーク顧客数
$$;
ポイント：
-
total_sales=amount - refund（返品控除済み）として一度だけ定義 - 日本語コメントを付けることでGenieがビジネス用語を正確に理解
- ディメンションとメジャーが明確に分離されているので、Genieが誤った集計をしにくくなる
メトリクスビューの構造確認
DESCRIBE TABLE takaakiyayoi_catalog.metrics_view.sales_metrics
| カラム名 | 型 | コメント |
|---|---|---|
order_date |
STRING | 注文日 |
order_month |
TIMESTAMP | 注文月 |
region |
STRING | 販売地域 |
product_category |
STRING | 商品の分類 |
total_sales |
LONG | 返品控除後の純売上 |
order_count |
LONG | 注文の総数 |
avg_order_value |
DOUBLE | 1注文あたりの平均金額 |
customer_count |
LONG | ユニーク顧客数 |
カタログエクスプローラでも確認できます。
プレビューでUIでの編集もできるようになっていました。
ステップ3: メトリクスビューのクエリ
メトリクスビューのクエリには MEASURE()関数 が必要です。メジャーカラムをMEASURE()でラップしないとエラーになります。
[METRIC_VIEW_MISSING_MEASURE_FUNCTION] The usage of measure column [total_sales]
of a metric view requires a MEASURE() function to produce results.
また、メトリクスビューは SELECT * に非対応です。取得するディメンションとメジャーを明示的に指定してください。
MEASURE()関数の使い方
-- ✅ 正しい書き方：メジャーカラムはMEASURE()でラップ
SELECT region, MEASURE(total_sales) FROM sales_metrics GROUP BY region
-- ❌ エラーになる書き方
SELECT region, total_sales FROM sales_metrics GROUP BY region
-- ❌ SELECT * は非対応
SELECT * FROM sales_metrics
また、日本語エイリアスはバッククォートで囲む必要があります。
-- ✅ 正しい書き方（AS句・ORDER BY句ともにバッククォート）
MEASURE(total_sales) AS `純売上合計`
ORDER BY `純売上合計` DESC
-- ❌ エラーになる書き方
MEASURE(total_sales) AS 純売上合計
ORDER BY 純売上合計 DESC
月別売上推移
SELECT
order_month,
MEASURE(total_sales) AS `純売上合計`,
MEASURE(order_count) AS `注文数`,
MEASURE(avg_order_value) AS `平均注文金額`,
MEASURE(customer_count) AS `顧客数`
FROM takaakiyayoi_catalog.metrics_view.sales_metrics
GROUP BY order_month
ORDER BY order_month
| order_month | 純売上合計 | 注文数 | 平均注文金額 | 顧客数 |
|---|---|---|---|---|
| 2024-01-01T00:00:00.000+00:00 | 220000 | 5 | 44000 | 4 |
| 2024-02-01T00:00:00.000+00:00 | 210000 | 5 | 42000 | 5 |
地域別売上ランキング
SELECT
region,
MEASURE(total_sales) AS `純売上合計`,
MEASURE(order_count) AS `注文数`,
MEASURE(avg_order_value) AS `平均注文金額`,
MEASURE(customer_count) AS `顧客数`
FROM takaakiyayoi_catalog.metrics_view.sales_metrics
GROUP BY region
ORDER BY `純売上合計` DESC
| region | 純売上合計 | 注文数 | 平均注文金額 | 顧客数 |
|---|---|---|---|---|
| 東京 | 215000 | 5 | 43000 | 4 |
| 名古屋 | 115000 | 2 | 57500 | 2 |
| 大阪 | 100000 | 3 | 33333.333333333336 | 2 |
商品カテゴリ別パフォーマンス
SELECT
product_category,
MEASURE(total_sales) AS `純売上合計`,
MEASURE(order_count) AS `注文数`,
MEASURE(avg_order_value) AS `平均注文金額`
FROM takaakiyayoi_catalog.metrics_view.sales_metrics
GROUP BY product_category
ORDER BY `純売上合計` DESC
| product_category | 純売上合計 | 注文数 | 平均注文金額 |
|---|---|---|---|
| 家電 | 265000 | 4 | 66250 |
| アパレル | 105000 | 3 | 35000 |
| 食品 | 60000 | 3 | 20000 |
ステップ4: GenieスペースにメトリクスビューをHTMLで追加する
Genieスペースを作成し、データソースとしてメトリクスビューを追加します。
UIからの設定手順
Genieスペースの指示（Instructions）
Genieスペースの「指示」欄に以下を入力すると、日本語での応答精度がさらに向上します。
- 日本語で回答してください
- 売上の集計には必ず返品控除後の純売上（total_sales）を使用してください
- 金額は円単位で表示し、カンマ区切りで表示してください
- グラフで表示できる場合はグラフを使ってください
ステップ5: Genieで自然言語クエリを体験
メトリクスビューを接続したGenieスペースに、以下の質問を日本語で入力してみましょう。
基本的な質問
月別の売上合計を教えてください
地域別の売上ランキングを教えてください
平均注文金額が最も高い商品カテゴリはどれですか？
分析的な質問
東京と大阪の売上を月別に比較してください
家電カテゴリの売上トレンドを見せてください
前月比で売上が最も伸びた地域はどこですか？
ビジネスインサイトを引き出す質問
返品控除後の純売上が最も高い月はいつですか？
顧客一人あたりの平均注文金額を地域別に教えてください
メトリクスビューにtotal_salesが「返品控除後の純売上」として定義されているため、「純売上」という言葉を使った質問にも正確に答えられます。
メトリクスビューなしとの比較
| 質問 | 生テーブルのみ | メトリクスビュー利用 |
|---|---|---|
| 「売上合計を教えて」 |
amountの合計かamount-refundかが不明確 |
total_sales（返品控除済み）を使用 |
| 「純売上は？」 | 毎回計算ロジックが異なる可能性 | 定義済みのtotal_salesを参照 |
| 「地域別ランキング」 | 集計定義が曖昧になりやすい | ディメンション定義に従って正確に集計 |
| 「顧客数」 |
COUNT(*)かCOUNT(DISTINCT)か不明 |
customer_count（ユニーク）として定義済み |
まとめ
メトリクスビューをGenieに接続することで：
- ✅ ビジネス指標の「信頼できる唯一の情報源（SSOT）」 として機能
- ✅ 日本語コメント付きのカラム定義でGenieの理解度が向上
- ✅ 返品控除後の純売上など複雑な指標も自動的に正しく計算
- ✅ 誰がいつ聞いても同じ定義で一貫した回答が得られる
クエリ作成時の注意点まとめ
| 項目 | ルール |
|---|---|
| メジャーカラムの取得 |
MEASURE(カラム名) でラップ必須 |
SELECT * |
非対応。ディメンション・メジャーを明示的に指定 |
| 日本語エイリアス（AS句） | バッククォートで囲む（例: AS `純売上合計`） |
| 日本語エイリアス（ORDER BY句） | バッククォートで囲む（例: ORDER BY `純売上合計` DESC） |
| 必要なコンピュート | DBR 17.2以降、またはProもしくはサーバーレスSQLウェアハウス |
参考リンク
- Unity Catalog メトリクスビュー概要
- メトリクスビューの作成（SQL）
- メトリクスビューのYAMLリファレンス（本文は英語）
- メトリクスビューでセマンティックメタデータを使用する
- MEASURE集計関数リファレンス
- AI/BI Genieスペースとは
- AI/BI Genieスペースの設定と管理
- Databricks AI/BI
- Databricksのメトリクスビュー（過去記事）