いまの BI は、"問い"に答えてくれない
従来型 BI
レポートは作れても、問いには答えない
答えが要るたびに分析チームへ依頼して待つ。ダッシュボードが整う頃には、知りたかったことはもう過去の話になっている。
Text-to-SQL
それらしいが、信用できない
同じ「売上」を二度たずねれば、二つの数字が返る。定義の統一も、監査の証跡も、失敗したときの備えもない。
大手の Copilot
自社プラットフォームの中だけ
データは基幹DB・クラウド・Excel に散らばっているのに、見るのは自社の倉庫だけ。社内に閉じた導入も難しい。
miru は、3つの約束から設計しました
データの脳 × エージェント艦隊 × 対話体験
データの脳
あらゆるデータを
接続・理解・統制する
エージェント艦隊
計画 → 取得 → 分析 → 叙述を
透明に分担する
対話体験
問い、掘り下げ、
可視化し、さらに問う
利用者が触れるのは、この3つだけ。複雑な仕組みは、すべてその後ろに隠しました。
ひと言たずねるだけで、
全社のデータが動き出す
日本語でたずねれば、miru がデータを探し、クエリを書き、グラフを描く。隣の同僚に聞くのと、同じ手触りで。
- ✓@ でデータソースを指定。⌘K でどこへでも一足飛び
- ✓日本語が既定。余白を活かした、静かな和モダンの画面
- ✓「売上」「在庫」「解約率」── よく使う問いはワンクリックから
ひとつの問いを、4つのエージェントが分担する
ストラテジストStrategist
問いを分解 ── カテゴリ・地域・期間・前年比・予測。進め方をカードで提示。
ラングラーWrangler
必要なテーブルを自動で見つけて結合し、データを取り出す。
アナリストAnalyst
前年比を計算。時系列モデルで翌月を予測し、信頼区間も添える。
ナレーターNarrator
Top 5 の棒グラフと予測の折れ線、日本語の所見をまとめる。
むずかしい操作はいらない。
話しかけるだけ
- ✓日本語の言い回しを、業務の文脈ごと理解する
- ✓前のやり取りを覚えている ── 「さっきの商品」が、次も通じる
- ✓曖昧なときは、推測せずに聞き返す
- ✓@ でテーブル・スキル・過去の会話を引用して問える
- ✓途中で止める・やり直すが、いつでもできる
中身の見えない Copilot ではなく、見える分析チーム
ストラテジスト
意図をくみ取り、分析の段取りを描く
ラングラー
ソースを横断して取得し、SQL を書く
アナリスト
Python を実行し、深い分析を行う
ナレーター
可視化し、結論を書き上げる
一手ごとに、リアルタイムで見える
- ·いま、何をしているのか
- ·どのテーブル・スキル・外部ツールを使ったか
- ·どんな途中結果を得たか
- ·失敗したとき、どこへ差し戻すか
集計で終わらない。miru は"分析"まで踏み込む
| ありがちな Chat-BI でできること | miru のアナリストなら、さらに |
|---|---|
| 集計・絞り込み・ランキング | 📈 時系列予測（Prophet / ARIMA） |
| 前年比・前期比 | 🎯 顧客セグメンテーション（KMeans / DBSCAN） |
| 単純なクロス集計 | ⚠️ 異常検知（Isolation Forest） |
| — | 📉 回帰 / 分類 / 有意性の検定 |
| — | 🔍 指標の要因分解（特徴量の寄与度） |
データがどこにあっても、
miru はそこへ届く
- ✓所在を問わず、ひとつの対話窓口から聞ける
- ✓ゼロ準備 ── CSV・Excel はドラッグするだけ。事前のモデリングは不要
整っていないデータも、miru が引き取る
出どころの怪しい Excel、単位混じりの数値、文字で書かれた日付、二段組みの見出し ── 先に掃除してから問う、という手間はいりません。
| 現場でよくあること | つまずきがちな点 | miru の自己修正 |
|---|---|---|
| 📄 見出しが乱れた表 | 結合セル・複数行ヘッダー・小計の混入・ロゴ付きの飾り行 | 表の本当の始まりと列名を、賢く見抜く |
| 🔤 型がそろわない列 | 「金額」に 1,200 / ¥1200 / 1.2千 / 空欄が混在 | 異常を見つけ、計算できる数値へ自動で整える |
| 📅 ばらばらの日付 | 2024-01・2024年1月・Jan 2024・Excel の連番が混在 | 標準の日付へ自動で統一する |
| 💥 途中での失敗 | 想定と構造が違う・次元が噛み合わない | 下流が上流へ差し戻して取り直す。誤った答えは返さない |
AI が、あなたのデータを
「読み解く」
- 1自動で発見 ── すべてのテーブルと列を洗い出す
- 2意味づけ ── AI が業務的な説明文を起こす
- 3人が確認 ── 管理者がワンクリックで直し、タグを付ける
- 4意味で探す ──「入金に関係するテーブル」を日本語で見つける
情シスから経理まで、
安心して開放できる
アクセス制御
公開／非公開ソースを分離。誰が接続でき、誰が見られるか。
細かなポリシー
ロール別の行フィルタ、列単位のマスキング。
監査
全クエリを記録。誰が何を問い、何を得たか。再生・出力も。
- ✓接続情報は暗号化して保管
- ✓オンプレ導入に対応 ── データは社内ネットワークの外に出さない
いちばんの資産はデータではなく、
「データの読み方」
「この案件が赤字かどうか、経理はどの5指標で判断するか」── 答えは会社ごとに違う。これが、その企業だけの分析ノウハウです。
- →現場の専門家が「どう分析するか」を スキル（Markdown）に書く
- →版数管理でき、検索もできる。指標の定義や手順を内に持つ
- →次に誰かが問えば、エージェントが自動で呼び出す。基準がそろう
店舗ごとの損益を、売上・原価・人件費・販促費に分解して算出。前年同月比を併記し、赤字店舗を自動で抽出します。
購買履歴から顧客生涯価値を推定し、上位セグメントの特徴と離反の予兆を抽出します。
季節性を踏まえた時系列予測で、主要カテゴリの翌四半期需要を信頼区間付きで推計します。
対話の成果は、
ダッシュボードとして残せる
分析の成果物とメモを組み合わせて、共有できるダッシュボードに。マイ／共有／公開済みで整理できます。
- ✓ナレーターの出力をそのまま保存して再利用
- ✓チームに共有・公開し、知見を組織へ広げる
- ✓フィルタで、同じ画面を多角的に見る
miru が、ほかと決定的に違う4つのこと
本物の
マルチエージェント協調
単体モデル＋ツール呼び出しではなく、4つの専門エージェントによる透明な連携。見て・遡って・介入できる。
予測まで
踏み込む分析力
SQL の集計で止まらない。対話の中で Python と機械学習を動かし、分群・異常検知・予測まで。
組織に残る
知見
重い基盤も、揺らぐ自動 SQL も要らない。軽いスキルに知見を載せ、使うほど賢く。
開かれた
エコシステム
MCP で既存のエージェントや外部ツールとつながる。壁を作らず、土台になる。
ひとつの窓口で、部門を越えてデータに問う
営業・顧客
顧客セグメント、LTV、解約の予兆
サプライチェーン・在庫
在庫回転、欠品の予兆、需要予測
財務・資金
売掛の滞留、利益の異常、予算との乖離
人事
採用ファネル、評価の分布、離職の要因
購買・調達
取引先の評価、契約の履行、コスト比較
社内ヘルプデスク
「MRR の定義は？」「昨日の受注は？」
社内に閉じて動く。国産 LLM にも対応
柔軟な導入
パブリック／プライベートクラウド／オンプレ。コンテナで手早く展開し、ドメインごとに環境を分けてスケールできます。
統制と安全
接続情報の暗号化、全経路の TLS と監査ログ、RBAC と行・列単位の権限。
自由な LLM 選択
OpenAI / Claude / Gemini に加え、DeepSeek・通義・GLM などの国産・自ホストモデルにも対応します。
デモを予約
30分、御社向けに実演します
トライアル
2週間、無料でお試しいただけます
お問い合わせ
御社の実データで、一度動かしてみませんか