BIとは何か
Tableau学習の前に知っておきたいデータドリブン経営の文脈

BI（ビジネスインテリジェンス）とは何か

定義 — データを意思決定に活かす仕組みの総称

BI（Business Intelligence、ビジネスインテリジェンス）とは、企業が保有するデータを収集・整理・分析・可視化し、経営や業務の意思決定に役立てる仕組みやテクノロジーの総称です。「ビジネスにおけるインテリジェンス（情報による洞察）」を直訳通りに捉えれば、その本質は「データから次の一手を導き出す活動全体」と理解できます。

BIという言葉は単体のソフトウェア製品を指すものではなく、人・プロセス・テクノロジーを含む幅広い概念です。具体的には、データソースに接続する仕組み、データを蓄積する基盤、整形・集計を行う処理、ダッシュボードやレポートを生成するアプリケーション、そしてそれらを使う人と運用ルールまでを含みます。

「データドリブン経営」という言葉も近年よく使われますが、これはBIを経営判断の中心に据える考え方を指します。勘や経験だけに頼るのではなく、可視化された数字とその変化に基づいて意思決定する組織のあり方を表現した用語です。

BIが扱うデータ・プロセス・成果物

BIが扱う対象を3つの観点で整理します。

データ面では、社内基幹システムの売上・顧客・在庫データだけでなく、Web行動ログ、SaaS（Salesforce CRMなど）のレコード、IoTセンサーから取得した稼働ログまで、構造化・半構造化を問わず幅広いソースが対象です。

プロセス面では、データを集める「収集」、整える「加工・クレンジング」、保管する「蓄積」、見える化する「可視化・分析」、共有する「配信」までの一連のサイクルが含まれます。これら全体を総称して「BIプロセス」と呼ぶこともあります。

成果物面では、ダッシュボード、レポート、KPIスコアカード、アラート通知、予測モデルなどが該当します。Tableauで作成するダッシュボードは、このBIの成果物の中で代表的な形の一つです。作られたダッシュボードを正しく読み解く力については『データリテラシーとは』で解説しています。

BIの歴史 — 経営報告書からデータドリブン経営へ

1990年代: 「BI」という言葉の誕生

BIという用語は1989年、調査会社Gartnerのアナリストであったハワード・ドレスナー氏が広めたとされます。当時はメインフレーム上で動く経営報告書システムが企業の意思決定支援の中心であり、月次レポートを紙で配布することが一般的でした。「データから経営判断に役立つ洞察を引き出す」という考え方そのものは、この時点では新しい価値観として認識されていたわけです。

2000年代: DWHとETLの普及

2000年代に入ると、社内に分散した複数のシステム（販売管理・会計・人事など）からデータを統合する仕組みが普及しました。データを一カ所に集める基盤がDWH（データウェアハウス）であり、各システムからDWHへデータを取り出して変換・投入する処理がETL（Extract / Transform / Load）です。

この時代のBIは「IT部門がDWHを構築し、業務部門の依頼に応じてレポートを作成する」スタイルが主流でした。データ加工は専門知識を要する作業であり、現場担当者は完成したレポートを受け取る立場に置かれていました。レポート1本を依頼してから受け取るまでに数週間かかる、ということも珍しくありませんでした。

2010年代以降: クラウド・セルフサービスBIの台頭

2010年代にはクラウドサービスの普及により、Google BigQuery・Amazon Redshift・Snowflakeといったクラウド型DWHが登場します。インフラ調達のリードタイムが大幅に短縮され、スモールスタートでBI環境を整えられるようになりました。

並行して、Tableauをはじめとする「セルフサービスBI」と呼ばれる製品群が広がります。SQLを書かずにドラッグ＆ドロップでダッシュボードを組める設計思想により、データ加工と可視化の権限が現場担当者へ大きく移っていきました。データドリブン経営という言葉が経営層から発信されるようになったのも、この時期と重なります。

伝統的BIからセルフサービスBIへの変遷

BIには大別して2つのアプローチがあります。両者の違いを理解することは、Tableauを学ぶ前提として有用です。

伝統的BI — IT部門が一手に担うレポート型

伝統的BIの特徴は、IT部門・情報システム部門が中心となってレポートを設計・配信する点にあります。業務部門が「先月の地域別売上を見たい」と依頼書を出すと、IT部門がDWHに対するクエリを書き、レポート画面を実装し、社内で配信する、という流れです。

メリットは、データソースが一元管理されガバナンスが効きやすい点です。集計ロジックが統一され、誰が見ても同じ数字になることが担保されます。一方、デメリットとして「依頼から受領までのリードタイムが長い」「現場の発想がレポートに反映されにくい」「IT部門が業務に追いつかずボトルネック化する」といった課題が指摘されてきました。

セルフサービスBI — 現場担当者が自ら可視化する

セルフサービスBIは、業務部門の担当者自身がデータに接続し、ダッシュボードを設計し、共有まで行う方式です。Tableau、Power BI、Lookerなどがこのカテゴリに位置づけられます。代表的な2製品の機能・ライセンス面の違いは『Tableau vs Power BI徹底比較』で詳しく比較しています。

メリットは、現場の発想を即座に可視化に反映できる速度感です。「明日の会議に向けて新しい切り口で集計を見たい」という要求に、その日のうちに対応できます。データ分析が経営の中心に位置づくデータドリブン経営の実現には、この機動性が欠かせません。

ただし、セルフサービスBIにも課題があります。各部署が独自に集計を行うと、同じ「売上」でも部署ごとに数字が異なる、いわゆる「数字の乱立」が発生しやすくなります。後述するガバナンス設計と組み合わせて運用することが現実的な解です。

BIを支える周辺用語を整理する

BIを語る際に頻出する周辺用語を整理します。Tableauは可視化レイヤーを担う製品ですが、その下流・上流にある仕組みを理解しておくと、組織のBI環境全体像を捉えやすくなります。

DWH（データウェアハウス）

DWH（Data Warehouse）は、複数のシステムから集約された分析用のデータベースです。基幹システムが「日々の取引を記録するためのデータベース」であるのに対し、DWHは「集計・分析のためのデータベース」と区別されます。クラウド型DWHとしてはGoogle BigQuery、Amazon Redshift、Snowflakeなどが代表的です。

ETL／ELT

ETL（Extract / Transform / Load）はデータの「抽出・変換・投入」を指す処理です。各システムからデータを抽出し（Extract）、必要な形に変換し（Transform）、DWHへ投入する（Load）というステップを踏みます。

近年はクラウドDWHの計算性能が向上したことから、変換処理を投入後に行うELT（Extract / Load / Transform）アプローチも広がっています。Tableau Prepはこの加工処理をビジュアルなフロー形式で設計できる製品で、ETL／ELTの一部を担う位置づけです。

データレイクとレイクハウス

データレイクは、構造化・半構造化・非構造化を問わず、生データをそのまま大量に蓄積する基盤です。DWHが「整理された倉庫」だとすれば、データレイクは「未整理の貯水池」に近いイメージです。

近年はDWHとデータレイクの利点を統合した「レイクハウス」アーキテクチャも登場しています。BIツールから見ると、これらはすべて「接続先のデータソース候補」であり、どの基盤を選ぶかによって取り扱えるデータ量・更新頻度が変わってきます。Tableauがこうしたデータソースへ接続する際、常に最新のデータを参照する「ライブ接続」と、データを一度切り出して高速化する「抽出」のどちらを選ぶかが実務上の判断点になります。この選び方の基準は『Tableauのライブ接続と抽出（.hyper）の違い』で解説しています。

ExcelとBIツールの違い — どこで線を引くか

「Excelで十分ではないか」という疑問は、BI導入を検討する組織で必ず出てきます。両者は競合関係というより、得意領域が異なるツールです。

Excelは「整理済みデータを表形式で扱う」用途に強みがあります。数十万行までのデータ集計、関数による計算、ピボットテーブルでの簡易分析などはExcelで十分に対応できます。手元で完結する作業や、関係者の少ない分析であればExcelの機動性が勝ります。

一方、BIツールが優位に立つのは次のような領域です。第一に、数百万〜数億行を超える大規模データへの接続。第二に、リアルタイムに更新されるダッシュボードの全社共有。第三に、閲覧者がフィルターやドリルダウンで自由に切り口を変えるインタラクティブな分析体験。第四に、複数データソースを統合した分析。これらはExcelでは負担が大きい領域です。

実務上は「個人作業はExcel、全社共有・大規模分析はBIツール」と使い分ける組織が多く見られます。両者を排他的に選ぶ必要はありません。TableauというBIツール個別の立ち位置やPower BIとの違いまで詳しく知りたい方は『Tableauとは何か｜BIツールの位置づけとPower BI・Excelとの違い』で解説しています。

TableauはBIツールのどこに位置づくか

Tableauは2003年にスタンフォード大学の研究プロジェクトから生まれ、2019年にSalesforceが買収したセルフサービスBIツールです。世界中の企業・機関で利用され、ビジュアル分析の代表的な製品として知られています。

BI全体のアーキテクチャの中で、Tableauは「可視化・分析レイヤー」を担います。下流にあるDWH／データレイク／クラウドサービスへ接続し、ドラッグ＆ドロップでダッシュボードを構築し、Tableau ServerやTableau Cloud経由で組織内に配信する、という流れが標準的な利用パターンです。

Tableauが提供する主要製品の役割は次の通りです。Tableau Desktopは個人のPCで分析・可視化を行うクライアント。Tableau Serverは社内インフラに構築する共有プラットフォーム、Tableau Cloudはそのクラウド版（SaaS）。Tableau Publicは無料のオンライン公開プラットフォーム。Tableau Prepはデータ加工に特化した製品です。

これらの位置づけを把握しておくと、Tableau Desktop基礎（旧Desktop Specialist）試験 完全ガイドやTableau Certified Data Analyst試験の出題範囲（製品ラインナップ・パブリッシュ・権限管理）も理解しやすくなります。頻出論点ランキングや学習ロードマップまで知りたい方は『Tableau Desktop基礎（旧Specialist）頻出論点と学習ロードマップ』も参考にしてください。

セルフサービスBIとガバナンスの両立

セルフサービスBIを導入すると、現場の機動性は上がる一方で「同じ売上でも部署ごとに数字が違う」「重要KPIの計算ロジックが個人のワークブックに閉じている」といった問題が起こりやすくなります。これを防ぐ枠組みがガバナンスです。

実務でよく採られるアプローチは、データソースとロジックを「公式版」として一元管理することです。Tableauの場合、共通利用するデータソースをTableau Cloud／Serverに「パブリッシュドデータソース」として登録し、ユーザーはそこからワークブックを作るルールにします。集計ロジックや列の意味は、データソース側で計算フィールドや説明文として一元化されます。

権限設計も重要です。閲覧のみの利用者・編集できる利用者・公式データソースを編集できる管理者など、役割別にアクセス権を分離することで、現場の自由度と統制のバランスをとります。Tableau Certified Data Analyst試験でもパブリッシュ・権限管理は出題範囲に含まれており、実務とのつながりが強い領域です。

ガバナンスを整えずにセルフサービスBIだけを展開すると、数字の乱立や属人化を招きます。逆にガバナンスを過度に締めると現場の機動性が失われます。両者のバランスを設計することがデータドリブン経営の実装上の鍵といえます。

全社導入の壁 — データ品質・教育・組織文化

BIを全社導入する際、ツール選定よりも難易度が高いのは「組織側の課題」と言われることが少なくありません。代表的な3つの壁を整理します。

第一の壁はデータ品質です。BIツールに集まるデータが正しくなければ、可視化された結果も信頼できません。マスタデータの整備、コードの統一、欠損値や重複の管理といった地道な改善が前提になります。「BI導入したのに結局Excelを併用している」という組織の多くは、ここでつまずいています。

第二の壁は教育です。セルフサービスBIは現場が自ら使うことが前提のため、操作研修だけでなく「データの読み方」「グラフ選択の判断」「集計と内訳の違い」といった分析リテラシーの底上げが必要です。Tableau Desktop基礎試験のような体系的な学習プログラムは、この教育負担を軽減する手段として有用です。

第三の壁は組織文化です。「報告書を見て承認する文化」から「ダッシュボードを開いて議論する文化」への移行には、経営層からの後押しが欠かせません。会議資料を紙のレポートからダッシュボードへ切り替える、KPIをリアルタイムで追う運用に切り替える、といった具体的な行動変容が伴って初めてデータドリブン経営は機能します。

これら3つの壁を意識して導入計画を立てることが、BI投資を成果に結びつける近道です。

ここまでBIという概念の全体像を整理しました。実際にTableauを操作し始める際、最初につまずきやすいのが「ディメンション」と「メジャー」という基本用語です。学習単元『ディメンションとメジャー』で基礎から確認しておくと、この先の学習がスムーズになります。

※ 本記事はTableau学習の前提知識としてBI（ビジネスインテリジェンス）の概念を整理する目的で作成しています。 試験の最新情報はSalesforce（Tableau）の公式サイトをご確認ください。Tableau・Salesforceは各社の商標または登録商標です。