タイミーでは、データ分析を支援するClaude Code Skill「bq-analysis」が社内のデータ分析系Skill利用1位となりました。広がった理由は、SQL生成だけでなく、社内用語と計測仕様を再利用できる形に整え、非エンジニアにも配布した点にあります。
- 要点1: データ分析系Skillの利用1,546回のうち、95%がbq-analysisだった
- 要点2: 中心となる資産は、社内用語と計測仕様を記した約4,400行のMarkdown群
- 要点3: 導入時は権限、レビュー、配布、改善受付を一体で設計する必要がある
対象: 生成AIの全社活用を進める経営者、DX推進担当者、開発責任者
今日やること: 社内で質問が集中している指標を一つ選び、その定義と参照テーブルを書き出す
この記事の目次
株式会社タイミーで、データ分析を支援するClaude Code Skill「bq-analysis」が社内利用を大きく伸ばした事例が公開されました。発表者本人の説明によると、データ分析系Skillの利用1,546回のうち95%を同Skillが占めています。企業にとっての示唆は、AIにSQLを書かせたことだけではありません。社内用語や指標の定義を再利用できる資産へ変え、職種を越えて配布した点にあります。
この事例は、2026年8月5日のイベント登壇資料と、8月7日に公開された発表者本人の補足記事に基づきます。8月25日にX上で改めて注目されましたが、資料自体が同日に発表されたわけではありません。本記事では、確認できた事実と企業向けの実務的な解釈を分けて整理します。
タイミーのbq-analysisとは
Claude Code Skillは、Claude Codeに特定の業務手順や参照情報を与え、繰り返し使える形にまとめた仕組みです。利用者が毎回長い指示を書く代わりに、決められた手順と社内知識を呼び出せます。
bq-analysisは、自然言語で受け取った分析依頼を基にSQLを作り、Google BigQueryで実行し、結果をレポートにまとめる作業を支援します。BigQueryは、Google Cloudが提供する大規模データ分析基盤です。発表者の説明では、裏側の技術的な動作はAIにbqコマンドを実行させる比較的シンプルなものです。
では、なぜ利用がここまで広がったのでしょうか。中心にあるのは、約4,400行のMarkdownファイル群です。そこには社内用語、テーブル、指標、計測仕様が記されています。たとえば一般語と社内での意味が異なる言葉を明示し、AIが誤った前提でクエリを組み立てる可能性を下げています。
これは単なるプロンプト集ではありません。組織内で人が暗黙に共有していた分析の前提を、Claude Codeが参照できる形へ整えた業務資産です。SQLの生成能力が同じでも、参照する定義が曖昧なら、もっともらしい誤集計が生じます。社内文脈の整備が分析品質を支える理由はここにあります。
利用1位へ広がった経緯
発表資料によると、bq-analysisの初版は2026年2月9日にマージされました。発端はClaude Code開発者の発信を見た社内エンジニアの試作で、最初から全社展開を計画した大型プロジェクトではありませんでした。
初期版はテーブル一覧を中心とした小さな構成でした。その後、社内用語の統一、分析対象の追加、使われない領域の削除を重ねます。さらに3月にはSkill専用リポジトリへ移し、コマンド一つで導入しやすい状態にしました。
この配布方法の変更が、利用者の範囲を変えました。バックエンド開発者が使うリポジトリ内にあるままでは、PdMやマーケティング担当者が見つけ、導入するまでの負担が残ります。専用の配布場所と導入手順を用意したことで、Skillは個人の便利な設定から、組織で使える共通基盤へ近づきました。
発表者が示した集計では、PdMへの到達率は65%で、到達したPdMの77%が週1日以上利用していました。利用者から改善提案が入り、設計へ反映される循環も生まれたと説明されています。利用回数だけでなく、使う人が改善へ参加できたことが継続利用を支えています。
＼ Claude Codeの導入、何から始めればいいかわかります ／
法人様のAI導入に関するご相談はこちら企業が学べる4つの設計
1. 最初に社内用語を固定する
AIによるデータ分析では、SQL構文より前に言葉の意味をそろえる必要があります。「顧客」「契約」「売上」「稼働」といった語は、部署ごとに指す範囲が異なることがあります。定義がずれたまま自動化すると、正しく動くSQLが誤った経営指標を返しかねません。
最初の対象は、経営会議や現場から繰り返し質問される指標一つで十分です。指標の定義、除外条件、参照テーブル、更新頻度、確認責任者を一枚にまとめます。その情報を人とAIが同じ場所から参照できる状態にします。
2. 小さな業務から始める
最初から全データを対象にすると、権限設計と検証範囲が膨らみます。売上の日次推移、施策別の利用状況、特定機能の利用者数など、正解を照合しやすい業務から始める方が現実的です。
試行では、既存の集計結果とAIが作った結果を並べます。差が出た場合は、SQLだけでなく、用語定義、期間、タイムゾーン、除外条件まで確認します。この比較によって、追加すべき社内知識が見つかります。
3. 配布と更新を一つの運用にする
Skillファイルを共有フォルダへ置くだけでは、利用者ごとに古い版が残ります。企業利用では、配布元を一本化し、更新履歴、責任者、問い合わせ先を決める必要があります。
利用者が改善案を出せる窓口も用意します。ただし、提案をそのまま本番へ入れるのではなく、データ担当者や業務責任者が定義を確認してから反映します。使う人が増えるほど改善材料は集まりますが、同時に変更管理の役割も重くなります。
4. 実行権限を最小限にする
AIがデータベースへ接続する場合、便利さと権限を分けて考える必要があります。初期段階では読み取り専用アカウントを使い、参照できるデータセットを限定します。個人情報や機密情報を含む列は、マスキング済みのビューを経由させる方法もあります。
生成されたSQLとレポートは、人間が検証する前提にします。数値が自然に見えることは、正しさの証明になりません。重要な意思決定へ使う集計では、クエリ、実行条件、参照日時を記録し、再現できる状態を保つ必要があります。
経営者とDX推進担当者が確認すべきこと
bq-analysisの事例を「Claude Codeを導入すれば分析が民主化する」と読むのは早計です。タイミーの公開資料が示しているのは、社内知識の整備、配布経路、利用者の参加が組み合わさった結果です。もしAIのモデル性能だけが理由なら、約4,400行の参照情報や専用リポジトリへの移行は必要なかったはずです。
導入判断では、次の4点を確認してください。
- 対象指標の定義を誰が承認するか
- AIが参照できるデータ範囲はどこまでか
- 生成されたSQLと結果を誰が検証するか
- 利用者の改善提案を誰がレビューするか
この四つに担当者を置けない段階では、全社展開より限定的な実証が適しています。反対に、定義と責任分界が整っている業務では、AIが分析依頼から報告までの待ち時間を短縮できる可能性があります。
＼ 業務自動化のお悩み、プロが30分で整理します ／
法人様のAI導入に関するご相談はこちらClaude Code Skillの企業活用でよくある質問
Q. bq-analysisは一般公開されていますか？
確認した公開資料はタイミー社内での利用事例を説明したもので、同社固有の用語や計測仕様を含むSkillを一般企業がそのまま使えるとは案内していません。企業ごとにデータ構造と指標定義が異なるため、同様の仕組みを作る場合は自社向けの参照情報が必要です。
Q. 非エンジニアでも利用できますか？
発表資料ではPdMやマーケティング担当者へ利用が広がったとされています。ただし、利用者がSQLを書かなくても、結果の意味と業務上の妥当性を確認する担当者は必要です。
Q. 導入時に最も注意すべきリスクは何ですか？
誤集計と過剰権限です。読み取り専用権限、対象データの限定、定義の承認、クエリ記録、人間による確認を組み合わせてください。
まとめ
タイミーの事例では、Claude Code Skill「bq-analysis」がデータ分析系Skillの利用1,546回のうち95%を占めました。利用を支えたのは、自然言語からSQLを生成する機能だけではなく、社内用語と計測仕様を約4,400行の参照情報として整え、導入しやすい配布経路と改善の流れを作ったことです。
企業が同様の取り組みを始めるなら、まず一つの指標を選び、定義、権限、検証責任を固定してください。Nexaでは、業務選定から社内データを扱う際のガードレール設計まで、生成AI導入を支援しています。AI活用の進め方を相談する
＼ AI活用の「次の一手」を一緒に考えませんか ／
法人様のAI導入に関するご相談はこちら出典
