自然言語クエリ(NLQ)とは？ビジネスで注目される背景から目的・分析への活用を解説
アナリティクスユーザーにデータから答えを得る機能を提供することは有益ですが、正しい質問へガイドできるものでないと意味がありません。
今日のビジネスインテリジェンス（BI）ソリューションの多くは、人工知能（AI）と機械学習（ML）の統合が進んだため、自然言語技術とセルフサービスアナリティクスを組み合わせた革新的な新しいアプローチが可能となり、自然言語クエリ（NLQ）が実現しました。
では、NLQとは一体何でしょうか？なぜ今取り上げられているのでしょうか？検索エンジンに質問を入力することと同じでしょうか？既に世に出回っている自然言語クエリとどう違うのでしょうか？この記事では、様々なニュアンスを説明していきます。
目次
自然言語クエリ(NLQ)とは何か？
自然言語クエリ（NLQ）とは、Natural Language Queryの略で、簡単に言うと、BIソフトウェアソリューションの機能の一つで、普段誰かと会話をするような日常的な言語を使ってアナリティクスのプラットフォーム内にあるデータについて質問し、意思決定に必要な情報を見つけることができるものです。
NLQの機能にもよりますが、検索ボックスに用語を入力したり話しかけたりして、データを照会することができます。通常BIシステムは、レポートやグラフを用いて回答を作成し、理解を深める助けをします。
NLQツールには様々な形態や統合レベルがあり、ソフトウェアベンダーによって異なります。一部のプラットフォームは、バーチャルアシスタントを介した音声対話が組み込まれていたり、携帯電話やその他スマートデバイスへの統合もサポートしています。またNLQは、人工知能（AI）仮想アシスタントや、チャットボットなどの会話型AIソリューションと組み合わせることもできます。
より広い概念として、NLQは自然言語テクノロジーの傘下に位置づけられており、ただ人とシステムの間で情報を伝達するだけではなく、分析が得意ではない人もデータや分析を理解できるように説明する新しい方法を可能にします。アナリティクスでよく使われる他の自然言語の分野には、自然言語処理（Natural Language Processing）、自然言語生成（Natural Language Generation）、自然言語理解（Natural Language Understanding）があります。
自然言語クエリ（NLQ）をBIに使う目的は何でしょうか？
Googleを利用したことのある方なら、自然言語クエリの基本はご存知だと思います。
一連のキーワードを入力すると、システムが関連する情報をデータベースから照合し、結果のリストを提供します。
しかし、アナリティクスでは核となる目的は異なります。
最新のアナリティクスソリューションは、NLQに拡張アナリティクスがもたらすAIや機械学習モデルを組み込んだもので、技術者ではないユーザーがより簡単かつ早くデータ分析をすることを目的としています。またこれが、拡張型ユーザーの増加の要因の一部となっています。
NLQは、ビジネスにおけるセルフサービスアナリティクスを一般化し、データの専門家やアナリストだけではなく、より多くの人がより多くの情報にアクセスできるようにするための方法の一つとなります。
NLQは下記の手助けとなります。
- データを調査する方法を提供することで、技術者ではないユーザーのアシスト
- レポート作成などの従来の分析テクニックの強化
- アナリティクスを組織全体に普及させる
手作業でデータを掘り下げていったり、従来のダッシュボードやグラフから回答を見つけるのではなく、NLQを使って直接システムに質問をしていくことで、適切な回答を得ることが出来るのです。
NLQが注目されるようになったのは、アナリティクスのベンダー達が、データストーリーテリングや自動ビジネスモニタリングなど、分析プロセスを効率化させる最新のツールを提供し始めたことが背景にあります。
NLQがソフトウェア企業やエンタープライズのアナリティクスユーザーに与えるものとは？
セルフサービスアナリティクスは、ユーザーのニーズに合ったものでなければなりません。多くのBIソフトウェアベンダーは、優れたユーザーインターフェースと効率化されたプロセスにより、セルフサービス分析を容易にしていますが、これらのツールを使うには、技術的知識、データリテラシー、スキルが必要となります。
例えば、セルフサービスのダッシュボードツールがあるからといって、営業チームがレポートやグラフを作成することは恐らくないでしょう。時間もなければスキルもないかもしれません。これらのオプションは、日々複雑なレポートを作成するデータアナリストや、技術を持ち合わせたダッシュボード作成者向けです。
NLQはこのような状況を変え、従来のBIソリューションの知識が浅い（または時間に余裕のない）非技術系ユーザーや、ダッシュボードやグラフから同レベルの理解を得られないユーザーにとって、コンテンツを作成する第3の手段となることができます。
自然言語クエリの例：Yellowfin ガイド付きNLQ
ソフトウェアベンダー（ISV）の皆さま：現状、ISVはお客様のために多くのレポートをカスタマイズしたり、コンサルティングサービスを提供する必要があります。NLQが利用できるようになると、システムがクエリに対する答えを提供できるようになるので、ソフトウェア企業は、IT部門のサポート負担を増やすことなく、新のセルフサービスアナリティクスをお客様に提供できるようになります。
エンタープライズの皆さま：NLQは、技術的な知識を持ち合わせていないビジネスユーザーも使用できるようになるため、より多くのユーザーが使用するようになり、分析プラットフォームの普及に大きく貢献します。
NLQアナリティクスの苦悩と未来
構造化されたデータを解析し、テキストや音声を生成するソフトウェアの機能は、決して新しいテクノロジーや技術ではありません。むしろ、適切な答えを導き出す能力は、徐々に洗練されてきています。
しかし、以前も取り上げたように、現在市場に出回っている多くのNLQソリューション（検索ベースのBIツールとも呼ばれるもの）は、期待や約束を果たせていなかったり、技術を持ち合わせないユーザーに効果的なソリューションを提供できなかったりと、結果的に可能性を無駄にしています。
Yellowfinでは、NLQがもたらす可能性を活用するために、全く異なるアプローチを信じています。他が検索ベースを分析ユーザーに提供することに重点を置いているのに対し、私たちはガイド付きのエクスペリエンスにすることが、NLQが最も効果的となると考えています。この根本的に異なるアプローチが、すべてのユーザーにセルフサービスのアナリティクスを普及させる方法なのです。
検索ベースではなく、ガイド付きアナリティクスが未来となる
検索ベースのクエリとガイド付きクエリの違いや、ガイド付きアナリティクスがNLQを最大限に活用する為の一番の方法である理由を知ってください