> ## Documentation Index
> Fetch the complete documentation index at: https://docs.devin.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# データアナリストエージェント

> データアナリストエージェントを使用して、高速なデータベースクエリ、データ分析、可視化を行う

**Data Analyst Agent** (**DANA**: Data ANAlyst) は、データベースクエリの実行、データ分析、可視化に最適化された Devin の特化バージョンです。高速かつ簡潔に応答し、データ分析ワークフロー向けに特化してチューニングされています。

<div id="when-to-use-the-data-analyst-agent">
  ## Data Analyst Agent を使うべきタイミング
</div>

Data Analyst Agent は、次のようなことを行いたいときに最適です。

* **データベースをクエリする**: 接続済みのデータソースに対して SQL クエリを作成・実行する
* **データを分析する**: パターンを探索し、指標を計算し、データ内のトレンドを調査する
* **可視化を作成する**: seaborn を使って本格的なチャートやグラフを作成する
* **データに関する質問に答える**: データに関する質問に対して、迅速かつ正確な回答を得る
* **インサイトを得る**: パターンや異常値を発見し、アクションにつながる知見を導き出す

<div id="accessing-the-data-analyst-agent">
  ## データアナリストエージェントにアクセスする
</div>

<div id="from-the-web-app">
  ### Webアプリから利用する場合
</div>

1. Devinのホームページに移動します
2. エージェント選択のドロップダウンをクリックします
3. ドロップダウンメニューから **Data Analyst** を選択します
4. データに関する質問やタスクを入力してセッションを開始します

<div id="from-slack">
  ### Slack から
</div>

Slack から Data Analyst セッションを、次のいずれかの方法で直接開始できます。

**スラッシュコマンドを使用する:**

```
/dana 先月の売上上位10社は誰ですか？
```

**`!dana` マクロでのメンションの使用:**

```
@Devin !dana 先月の売上高上位10社の顧客を教えてください。
```

どちらの方法でも Data Analyst セッションが作成され、結果が同じスレッド内に返されます。

<div id="prerequisites">
  ## 前提条件
</div>

Data Analyst Agent を使用する前に、MCP (Model Context Protocol) を通じて、少なくとも 1 つのデータソースを接続する必要があります。一般的な連携先としては、次のようなものがあります。

* **Database MCP**: Redshift、PostgreSQL、Snowflake、BigQuery、その他の SQL データベース
* **Analytics MCP**: Datadog、Metabase、その他の可観測性プラットフォーム

データソースが接続されていない場合、Data Analyst Agent から通知が表示され、続行する前に接続するよう求められます。

<Card title="MCP 連携をセットアップする" icon="plug" href="/ja/work-with-devin/mcp">
  MCP を通じてデータベースやその他のデータソースを接続する方法を確認してください
</Card>

<div id="how-it-works">
  ## 仕組み
</div>

<div id="database-knowledge">
  ### データベースナレッジ
</div>

Data Analyst Agent は、接続済みデータベースのスキーマに関するドキュメントをまとめた **Database Knowledge** ノートを保持しています。このナレッジはクエリを実行する前に自動的に参照されるため、エージェントは適切なテーブルやカラムをすばやく特定できます。

<div id="example-prompts">
  ## プロンプト例
</div>

さまざまなクエリに対して Data Analyst Agent を効果的に活用する方法をいくつか紹介します。

<div id="simple-lookups">
  ### シンプルな質問
</div>

* 「先週のアクティブユーザー数はいくつですか？」
* 「直近1か月の日次売上の推移を教えてください」
* 「利用量が最も多いのはどの顧客ですか？」

<div id="aggregations-and-metrics">
  ### 集計とメトリクス
</div>

* 「過去30日間のプラン別平均セッション時間を教えて」
* 「第4四半期の地域別・製品ライン別の合計売上高を表示して」
* 「今週の各APIエンドポイントごとの95パーセンタイルのレスポンス時間を計算して」

<div id="joins-and-cross-table-analysis">
  ### 結合とテーブル間分析
</div>

* 「users テーブルと orders テーブルを結合して、生涯価値が高い順に上位 20 名の顧客を表示」
* 「サインアップ元と 30 日間リテンションを相関分析して、どの獲得チャネルのリテンション率が最も高いかを表示」
* 「セッションデータと請求データを組み合わせて、利用量が多いのに支出が少ないアカウントを特定」

<div id="filtering-and-segmentation">
  ### フィルタリングとセグメンテーション
</div>

* 「2025年1月以降にサインアップし、セッション数が100を超える Enterprise 顧客のみを表示してください」
* 「エラーログを、直近48時間の payments サービスにおける 5xx エラーだけに絞り込んでください」
* 「トライアルアカウントを除外し、Enterprise 顧客とセルフサービス顧客ごとに消費量を内訳してください」

<div id="time-series-analysis">
  ### 時系列分析
</div>

* "過去6か月間の週次アクティブユーザー数をプロットし、変化率が10％を超えた週をハイライトして"
* "2025年と2024年のサインアップ率を月次で比較して表示して"
* "過去90日間のAPIコール数の日次トレンドを表示して。7日間移動平均を重ねて"

<div id="investigations-and-anomaly-detection">
  ### 調査と異常検知
</div>

* 「先週の火曜日にサインアップ数が減少した理由を教えてください。関連するインシデントやデプロイがなかったか確認してください」
* 「今週のエラー率に異常値はありますか？」
* 「今月の各種指標を昨年の同時期と比較し、大きな乖離があればフラグを立ててください」

<div id="multi-step-analysis">
  ### 複数ステップの分析
</div>

* 「Q4 のコホート別にユーザーリテンションを分析し、離脱が最も大きいコホートを特定して、考えられる原因を提案する」
* 「セッション数が最も多いユーザー上位 10 名を抽出し、そのアクティビティを時系列で表示し、チャーンしそうなユーザーにフラグを付ける」

<div id="supported-data-sources">
  ## サポートされているデータソース
</div>

Data Analyst Agent は MCP (Model Context Protocol) のインテグレーションを通じてお使いのデータに接続します。複数のデータソースを接続し、それらを横断してクエリを実行できます。以下は [MCP Marketplace](https://app.devin.ai/settings/connections?tab=mcps) で利用できる代表的なデータソースの一部であり、網羅的な一覧ではありません。

<div id="sql-databases">
  ### SQL データベース
</div>

| データソース                                    | MCP 名称     | 設定                  |
| ----------------------------------------- | ---------- | ------------------- |
| Amazon Redshift                           | Redshift   | 接続文字列 + 認証情報        |
| PostgreSQL                                | PostgreSQL | 接続文字列               |
| Snowflake                                 | Snowflake  | アカウント + 認証情報        |
| Google BigQuery                           | BigQuery   | OAuth またはサービス アカウント |
| MySQL                                     | MySQL      | 接続文字列               |
| SQL Server                                | SQL Server | 接続文字列               |
| Neon                                      | Neon       | OAuth               |
| Supabase                                  | Supabase   | パーソナル アクセス トークン     |
| Cloud SQL (PostgreSQL, MySQL, SQL Server) | Cloud SQL  | OAuth               |

<div id="analytics-and-observability-platforms">
  ### 分析およびオブザーバビリティプラットフォーム
</div>

| データソース   | MCP 名    | 設定方法                |
| -------- | -------- | ------------------- |
| Datadog  | Datadog  | APIキー + アプリケーションキー  |
| Metabase | Metabase | OAuth               |
| Grafana  | Grafana  | URL + サービスアカウントトークン |
| Sentry   | Sentry   | OAuth               |

<div id="connecting-a-data-source">
  ### データソースを接続する
</div>

1. [Settings > Connections > MCP servers](https://app.devin.ai/settings/connections?tab=mcps) に移動します
2. 使用したいデータソースを見つけて **Enable** をクリックします
3. 必要な認証情報 (接続文字列、APIキー、または OAuth) を入力します
4. Data Analyst セッションを開始します — エージェントが接続済みのデータソースを自動的に認識します

Marketplace にないデータソースを使いたい場合は、**Add Your Own** を使用して、構成情報を直接指定することで任意の MCP サーバーを接続できます。

<Card title="MCP 連携をセットアップする" icon="plug" href="/ja/work-with-devin/mcp">
  各データソースごとの詳細なセットアップ手順
</Card>

<Note>
  複数のデータソースを同時に接続できます。Data Analyst Agent はクエリのコンテキストに応じて適切な MCP ツールを使用します。
</Note>

<div id="best-practices">
  ## ベストプラクティス
</div>

<div id="be-specific-about-metrics">
  ### メトリクスを具体的にする
</div>

あいまいな質問をするのではなく、何を計測したいのかを厳密に定義しましょう:

<CodeGroup>
  ```text Good theme={null}
  "7 日間のアクティブユーザー数を教えてください。ここでの定義は、少なくとも 1 回セッションを開始したユーザーとします。"
  ```

  ```text Less effective theme={null}
  "ユーザーの状況はどうなっていますか？"
  ```
</CodeGroup>

<div id="specify-time-periods">
  ### 期間を指定する
</div>

知りたい期間を必ず指定してください。エージェントは相対的な日付を解釈する際、デフォルトでUTCを使用します。

<CodeGroup>
  ```text Good theme={null}
  "Show me daily revenue for the past 30 days"
  ```

  ```text Less effective theme={null}
  "Show me revenue"
  ```
</CodeGroup>

<div id="request-specific-output-formats">
  ### 特定の出力形式を依頼する
</div>

エージェントに、結果をどのような形式で表示してほしいか (テーブル、チャート、要約など) を伝えましょう:

<CodeGroup>
  ```text Good theme={null}
  "過去四半期の週次サインアップ数を折れ線グラフにし、その下に元データの表も表示して"
  ```

  ```text Less effective theme={null}
  "サインアップ数を取得して"
  ```
</CodeGroup>

<div id="define-business-logic-upfront">
  ### ビジネスロジックを事前に定義する
</div>

指標に明確な定義がある場合は、曖昧さを避けるためにプロンプト内で明記しましょう。

<CodeGroup>
  ```text Good theme={null}
  "Show monthly churn rate, where churn is defined as accounts with zero sessions in the past 30 days that had at least one session in the prior 30 days"
  ```

  ```text Less effective theme={null}
  "What's our churn rate?"
  ```
</CodeGroup>

<div id="ask-for-comparisons-and-context">
  ### 比較やコンテキストをリクエストする
</div>

比較期間やベンチマークを指定すると、結果がよりアクションにつなげやすくなります。

<CodeGroup>
  ```text Good theme={null}
  "Show this week's daily active users compared to the same week last month, and highlight any days with more than 15% deviation"
  ```

  ```text Less effective theme={null}
  "Show daily active users"
  ```
</CodeGroup>

<div id="iterate-on-results">
  ### 結果を反復しながら深掘りする
</div>

同じセッション内でフォローアップの質問をして、さらに深く掘り下げることができます:

1. まずは大枠から: *「今四半期の売上上位10社の顧客は？」*
2. 絞り込む: *「そのうち上位3社について、過去1年間の月次売上推移を見せて」*
3. 調査する: *「顧客Xは3月に売上が急増している。何が要因だった？」*

<div id="validate-the-sql">
  ### SQL を検証する
</div>

エージェントは、使用した SQL クエリを必ず提示します。特に結合・フィルタ・集計を含むような複雑な分析では、そのロジックが自分の想定どおりになっているかを確認してください。

<div id="output-formats">
  ## 出力形式
</div>

Data Analyst Agent は、分析内容に応じて複数の形式で結果を返します。

<div id="tables">
  ### テーブル
</div>

データの検索や集計結果は、整形されたテーブル形式で返されます。

```
| Customer       | Revenue   | Sessions | Avg Duration |
|----------------|-----------|----------|--------------|
| Acme Corp      | $125,400  | 1,247    | 34 min       |
| Globex Inc     | $98,200   | 983      | 28 min       |
| Initech        | $87,600   | 876      | 41 min       |
```

<div id="charts-and-visualizations">
  ### グラフと可視化
</div>

ビジュアルな分析をリクエストした場合や、データをグラフで表すと最も理解しやすい場合、エージェントは seaborn を使ってグラフを生成します。一般的なグラフの種類には次のようなものがあります：

* **折れ線グラフ** — 時系列の推移、時間経過に伴う比較
* **棒グラフ** — カテゴリ間の比較、ランキング
* **ヒートマップ** — 相関行列、アクティビティパターン
* **散布図** — 2つの指標間の関係分析

<Tip>
  特定の種類のグラフを希望する場合はその種類を指定するか、データに最も適した可視化をエージェントに選ばせてください。
</Tip>

<div id="summaries-and-insights">
  ### 要約とインサイト
</div>

調査型のプロンプトの場合、エージェントは次の内容を含む構造化された応答を返します：

* **分析結果の要約** — 質問に対する平易な言葉での回答
* **SQL クエリ** — ロジックを検証できるよう、実際に使用した正確なクエリ
* **主要な数値** — 特に重要な指標
* **データインサイト** — パターン、異常値、注目すべき発見
* **Metabase リンク** — 組織で MCP 経由で Metabase を接続している場合、さらなる分析のためにインタラクティブなダッシュボードへのリンクが含まれることがあります

<div id="knowledge-management">
  ## Knowledge の管理
</div>

Data Analyst Agent は、Knowledge システムを使ってセッションをまたいで知見を保持できます。次のようなことを発見した場合には:

* 新しいスキーマ情報やテーブル同士の関係
* ビジネスロジックやメトリクスの定義
* データ品質に関するパターンや注意点

これらを Knowledge ノートに保存し、今後のセッションでもその知見を活用できるようにします。

<Card title="Knowledge についてさらに詳しく" icon="brain" href="/ja/product-guides/knowledge">
  Devin の Knowledge システムの仕組みを理解する
</Card>

<div id="differences-from-standard-devin">
  ## 標準版 Devin との違い
</div>

| 機能            | Data Analyst Agent  | 標準版 Devin   |
| ------------- | ------------------- | ----------- |
| SQL クエリ実行     | 最適化済み               | サポートあり      |
| データ可視化        | seaborn の組み込みサポート   | 手動セットアップが必要 |
| データベーススキーマの把握 | 事前に読み込まれた Knowledge | オンデマンドでの探索  |
| 応答スタイル        | 簡潔でメトリクス重視          | 詳細な説明       |
| コード変更         | 主な対象ではない            | フルサポート      |
| MCP 連携        | 必須                  | 任意          |

Data Analyst Agent はデータ関連の作業向けに特化して設計されています。コード変更、デプロイ、その他一般的なソフトウェアエンジニアリングに関わるタスクには、代わりに標準版 Devin を使用してください。