AIでTableauのダッシュボードを作る5つの手順｜ベストプラクティス

弊社のAI副社長「アケミ」（Claude）に、国の統計から Tableau のダッシュボードを作って Tableau Public に公開してもらう取り組みを続けています。10本ほど作る中で、いちばん精度が上がった進め方が見えてきました。この記事では、その手順と、作りながら分かった「AIにダッシュボードを作らせるときの落とし穴」をまとめます。

結論

• 手順は5つです。①AIがデータを確かめ、国の公表値と照合する ②見出しで言う結論を人とAIで決める ③AIがワークブック（.twb）をスクリプトで書く ④公開して、PCの幅とスマホの幅で撮る ⑤作り手を伏せた別のAI 2人に採点させ、直す点を決める
• AIの自己採点は当てになりません。自分で88〜90点と付けた6本を、作り手を伏せた2人に採点させたら59〜76点でした。採点は必ず別のAIにさせます
• 直しても点は80点前後で頭打ちになりやすく、5回目あたりから指摘の向きが回ごとに変わります。数字の誤りがなくなった時点で止めるのが、手間と出来の釣り合いがよい止め時でした

この記事は、弊社が自社の環境で試した記録です。Tableau の開発元が出している公式の手順ではありません。データは truestar社の Prepper Open Data Bank（PODB）が整えている国の公開統計だけを使い、お客様のデータは使っていません。

作ったダッシュボード

この手順で作り、記事にしたダッシュボードは次のとおりです。どれも国の統計を都道府県・市区町村ごとに見るもので、県の棒を押すと地図などがその県に切り替わる作りにしています。

• 地価・空き家・2050年人口（第1弾・3本）
• 出生数・病院・駅のまわりの人口（第2弾・3本）
• 20代の人口移動（第3弾）
• 65歳以上のひとり暮らし（第4弾）
• 子が0〜2歳の妻の就業（第5弾）

5つの手順の全体像

AI が Tableau の画面を操作するのは、抽出を作って公開する最後の数クリックだけです。ダッシュボードの中身（データの接続、計算、グラフ、配置、スマホ版）は、AI が Tableau のファイル（.twb の XML）を直接書いて作ります。

手順1 AIがデータを確かめ、国の公表値と照合する

最初に、AI がデータベース（Snowflake 上の PODB）を読み取り専用で読み、集計してから、まったく別の出どころの数字と照合します。自分の SQL を2通り書いて一致しても、元の表がずれていれば両方ずれるからです。

この段階で見つかった癖の例です。どれも、そのまま画面にしていたら間違った結論になっていました。

• 政令市を二重に数える：市区町村の表には「市全体」と「区」の両方の行があります。足すと政令市が2回数えられます
• 年によって数え方が違う：65歳以上の人口を2015年と2020年で比べたら、2020年だけ「年齢不詳を補った値」が混ざっていました。そろえると伸び率は+7.7%ではなく+5.6%でした
• 区の再編：浜松市は2024年に区が変わり、年によって区の番号が違います。市全体にまとめました
• 県によって抜けている印：病院のデータの「救急告示」の印は、県によって0件でした。そのまま使うと「徳島・香川は100%遠い」という誤った絵になります

照合に使ったのは、総務省・厚生労働省の公表値や、自治体が出している同じ表です。たとえば国勢調査の一般世帯数（2020年 55,704,949世帯）や、小田原市が公開している就業状態の表とは、1の位まで一致することを確かめてから先に進みました。

手順2 見出しで言う結論を、人とAIで決める

次に、ダッシュボードの見出しで何を言うかを決めます。採点でいちばん点を落としたのは、見出しの主張と、画面のグラフがずれているときでした。

• 「女性の方が多く出ていく」という見出しなのに、ランキングは男女を合わせた率だった → 「女性−男性」の差の棒に替えた
• 「36県で女性の方が多い」は、率で比べると36県、人数で比べると34県 → どちらで比べたかを同じカードに書いた
• 「57%が働く」の「働く」には、育児休業で休んでいる人も入る → 「仕事を持つ（育休中を含む）」と書き改めた

人が決めるのは「誰に、何を伝えたいか」です。AI は手順1の気づきをもとに「この言い方だと誤解される」「この数え方だと順位が入れ替わる」と案を出し、人が選びます。

手順3 AIが .twb をスクリプトで書く

Tableau のワークブック（.twb）は XML のファイルです。AI はこれを Python のスクリプトで丸ごと生成します。直すときも XML を手で触らず、スクリプトを直して作り直します。そのほうが速く、同じ型を次のお題に使い回せます。

型として固めた部品は次のとおりです。

• 結論を書いた見出しの帯と、主役の数字を大きく出す KPI のカード3枚
• 47都道府県のランキング。棒を押すとパラメーターが変わり、地図ともう1つのグラフがその県に切り替わる
• 市区町村の地図（背景地図の地名を消し、パン・ズームを止める）
• 日本語の文で読めるツールチップ
• 手書きのスマホ版（自動で作らせると、見出しの背景色が消えて白い文字が見えなくなるため）
• 出典・時点・加工内容・作成者を書いたフッター

Tableau が読み込むときの細かい決まり（要素の書く順、ツールチップの項目名の書き方、地図を出すのに必要な3か所の設定など）は、つまずくたびに社内のノウハウ集に書き足しています。2本目以降は、この型とノウハウ集のおかげで、生成したファイルが1回目から Tableau で開けるようになりました。

書いたファイルは、Tableau 公式の XSD で検査します。Tableau は .twb の構造の決まりを XSD（XML の決まりを書いたファイル）として GitHub で公開しています。生成スクリプトの最後でこの XSD に照らし、決まりから外れていれば Tableau で開く前に止めます。

• 捕まえられた例：全国の値の線（基準線）を、グラフの設定より前に書いてしまい、Tableau で開けなかったことがありました。この書き方は XSD の検査で「ここには置けない」と出ます
• 捕まえられない例：XSD は構造だけを見るので、計算式の中身や項目名の書き方の誤り（例：ツールチップの項目の書き方）は通ってしまいます。公式の説明にも「検査を通っても開けるとは限らない」とあります。最後は Tableau で開いて確かめます
• Tableau 自身が保存したファイルでも出る違反があります（必須の要素がない、など）。開けることは確かめてあるので、検査では「参考」として分けて出しています

最初の数本はこの XSD を見ずに、Tableau が保存したファイルを手本に書いていました。後から検査にかけると、その頃のファイルには、Tableau は開けるものの決まりからは外れた書き方が残っていました。これから .twb を AI に書かせるなら、最初から公式の XSD を渡しておくのがおすすめです。

手順4 公開して、PCの幅とスマホの幅で撮る

Tableau Desktop で抽出を作って公開するところだけは、AI がパソコンの画面を操作して行います。公開したら、見え方を2つの幅で撮ります。

• PC（幅1000）：Tableau Public は公開版を画像で返す URL を持っています。Desktop の画面（幅1920相当）では出ない、見出しの折り返しや数字の重なりが見えます
• スマホ（幅390）：ブラウザの幅を390にして、公開版のスマホ表示を上から順に撮ります

撮り方そのものが点数に響いたこともありました。撮影の枠の都合で右端が切れた画像を渡したら、採点役が「見切れ」として減点しました。実際の幅で撮り直したら、その減点はなくなりました。

公開のたびに、ダウンロードの許可をオフにし、説明文に出典と #PODB を入れます。上書き公開すると説明文が消えることがあるので、毎回 Tableau Public の API で確かめています。

手順5 作り手を伏せた別のAI 2人に採点させる

最後に、作り手を伏せて別のAI 2人に採点させます。渡すのは、公開版の画像（PCとスマホ）と、画面のもとになった CSV と、採点表です。採点表は100点満点で、正しさ25・伝わる25・見た目20・読みやすさ15・動きと端末15の配分にしています。採点役には、画面の数字を CSV から計算し直して照合させます。

AIの自己採点は当てになりません。第1弾のとき、アケミが自分で88〜90点と付けた6本を、作り手を伏せた2人に採点させたら59〜76点でした。それ以来、自己採点はやめています。

伏せた採点役は、作り手が見落とした数字の誤りも見つけます。

• 二重の丸め：56.749…%をいったん56.75%に丸め、もう一度丸めて「56.8%」と出していた（正しくは56.7%）
• 境目の丸め：「全国の伸び（13.312%）より速いか」を13.3%に丸めて判定し、3町を誤って「速い」に入れていた
• 表示の丸めと数の食い違い：差を小数1桁で出したら「0.478」が「+0.5」に見え、「0.5ポイント以上は25県」という文と合わなくなった → 小数2桁にした

この手順の結果

点数は2人の採点役それぞれの点です。お題ごとに中身が違うため、お題どうしの比較には向きません。合格の目安は85点に置いていますが、2人の平均で届いたのは第1弾の2050年人口（85.5点）など一部だけでした。

点が上がった直しは、どのお題でも似ていました。

• 1つの色に1つの意味：「上昇」の赤と「商業地」の赤、「選んでいる県」の色と「地図の区分」の色を同じにしない
• 数字の横に比較を置く：全国の値、全国との差（pt）、何と比べて多いのか
• 定義と除いたものを画面に書く：「育休中を含む」「不詳を除く」。不詳を含めると順位が入れ替わる県には印を付けた
• 地図の色は、見せたい違いが見える基準で塗る：全国と比べた色では島根県が全部同じ色になったため、その県の平均と比べた色に変えた

止め時は人が決める

直しては採点、を繰り返すと、4〜5回目あたりから点が80点前後で止まり、指摘の向きが回ごとに変わるようになります。たとえば地図の色は、「全国と比べた色だと県の中が1色になる」と言われて県の平均と比べた色に変えたら、次の回は「ランキングと基準がそろっていない」と言われました。橙を使いすぎと言われて分けたら、次は「橙にそろえて」と言われたこともあります。

この段階の指摘は、好みの差に近くなっています。弊社では、2人とも数字の食い違いが0件で、見出しの主張がデータで言えると判断された時点を止め時にしています。最後の判断は、点数ではなく人が行います。

人がすること、AIに任せること

うまくいかないこと

• 動きは画像では採点できない：ツールチップや、県を押したときの切り替わりは、採点役に画像しか渡していないため確かめられていません。採点役も「控えめに付けた」と書いています
• 公表値が取りにくい表がある：e-Stat の表の中には、画面からは数値を取り出しにくいものがあります。自治体が公開している同じ表（PDF）から取り出して照合しました
• メモリが足りなくなる：メモリ8GBのパソコンでは、Tableau の窓を開いたままにすると作業ごと落ちました。1本公開するごとに Tableau を閉じています

まとめ｜AIにTableauを作らせるなら、照合と伏せた採点を

• AI に .twb を直接書かせると、画面操作なしでダッシュボードを作れる。型をスクリプトにしておくと、次のお題に使い回せる
• 数字は、別の出どころ（国の公表値・自治体の表）と照合してから画面にする
• 採点は、作り手を伏せた別のAIにさせる。自己採点は10〜30点甘い
• 点は80点前後で頭打ちになりやすい。数字の誤りがなくなったら、人が止め時を決める

よくある質問（FAQ）

Q. Tableau の画面を AI が操作して作るのではないのですか？
A. 作るのは .twb のファイルを書くことで行い、画面の操作は抽出の作成と公開だけです。画面をドラッグで組み立てるより、ファイルを書くほうが速く、同じ型を何度でも作り直せました。

Q. 採点役は人ではないのですか？
A. 採点役はどちらも AI（Claude の別のモデル2つ）です。毎回、前回の講評を見せずに一から採点させています。人は最後に記事と画面を読んで、公開してよいかを決めています。

Q. 社内のデータでも同じように作れますか？
A. 作り方は同じです。ただし Tableau Public は誰でも見られる場所なので、社内やお客様のデータは Tableau Cloud など公開されない場所に出します。弊社でもそう分けています。

参考リンク

• データパレードの Tableau Public
• Tableau Document Schemas（Tableau 公式・GitHub）
• AIブラウザ操作でMotionBoardのダッシュボードを作る5つの手順｜ベストプラクティス

石井 亮介（りょうさん）

データパレード 代表取締役

XContact

㈱データパレードの代表取締役で、高田馬場の町中華「一番飯店」のChief Data Officerも務めています。BIツールのセールスエンジニア・システムエンジニア・カスタマーサクセス歴15年。大学のデータサイエンス教育で講師も担当してきました。現在は自社業務のほとんどをAIに移管し、AI10部署と50を超える自動処理が24時間動く「AI経営」を実践中。その実践知をこのブログで発信しています。