Cube
Cube Dev, Inc. · コーディング · マーケティング
Cubeは、企業のデータウェアハウスと、そこからデータを読むあらゆるツールの間に位置するセマンティックレイヤープラットフォームだ。ダッシュボードも組み込みレポートもAIエージェントも、同じ統制された定義からデータを引き出す。生のテーブルはメトリクスとディメンションになり、売上高の数字は誰が尋ねても同じ意味を持つ。チームはCubeを社内のビジネスインテリジェンスに、自社製品に組み込む分析に、そしてますますAIエージェントの背後にある信頼できるデータソースとして使っている。
Cube について
Cubeとは何か
Cubeはオープンソースのセマンティックレイヤー上に構築された分析プラットフォームだ。セマンティックレイヤーとは、あなたのメトリクスとディメンションが実際に何を意味するかを定義し、その定義をREST、GraphQL、SQLで配信するモデリング層である。そうすることで、BIダッシュボードも組み込みレポートもAIエージェントも、生のウェアハウスをそれぞれ勝手に推測するのではなく、同じルール群からデータを引き出す。
Cubeが狙う問題は、同じ数字をめぐって2つのチームが言い争う会議に座ったことのある人なら誰でも心当たりがある。マーケティングは売上をある数え方で計上する。財務は別の数え方で計上する。どちらが正しいかは誰にも分からない。Cubeはその定義をコードに集約し、真実は1つのバージョンだけになる。
オープンソースのコアであるCube Coreは無料で、セルフホストもできる。Cube Cloudはその上に本番向けの機能を加える。マネージドなデプロイ、Cube Storeによるキャッシュ、ガバナンス制御、そしてエージェント型BIのツールだ。最大の難点は、Cube自体がデータを見る場所ではないことだ。少なくとも単体ではそうなる。多くのチームは今でもBIツールと組み合わせるか、独自のフロントエンドを構築する。つまり開発者向けの製品であって、すぐ使えるダッシュボードアプリではない。
はじめ方
- Cube Cloudのアカウントを作成するか、DockerでCube Coreをセルフホストする。
- Snowflake、BigQuery、Postgres、Databricksといったデータソースを接続する。
- セマンティックレイヤーのIDEでデータモデルを定義し、メトリクス、ディメンション、結合をコードとして書く。
- ワークブックでモデルを探索するか、REST、GraphQL、SQLのAPIでクエリを投げる。
- ワークブックをダッシュボードとして公開するか、分析の画面を自社製品に組み込む。
AIツール情報
Cubeの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- データエンジニアと分析エンジニア：Cubeならメトリクスを一度コードで定義してどこでも再利用できるので、数字の突き合わせに費やす時間が減る。始めるにはYAMLかJavaScriptのデータモデルに多少慣れている必要がある。
- 分析機能を提供するプロダクトチーム：自社の顧客向けにアプリでグラフやダッシュボードが必要なら、Cubeの組み込み画面があればクエリ層を一から作らずに済む。マルチテナントはモデルが処理し、専用コードは要らない。
- AIエージェントを業務データにつなぐチーム：CubeはMCPとAPIを通じて統制されたコンテキストを配信するため、存在しないメトリクスをエージェントがでっち上げるのを防ぐ。すでに会話する価値のあるウェアハウスを持つグループに向く。
タスク
- 全社でメトリクス定義を標準化する：売上、チャーン、アクティブユーザーをセマンティックレイヤーに置けば、下流のあらゆるツールが同じロジックを読む。
- 自然言語の分析体験を構築する：Analytics Chatは、生のテーブルではなくあなたのモデルに対してクエリを生成し、平易な言葉の質問に答える。
- SaaS製品にダッシュボードやワークブックを追加する：iframeを埋め込むかCreator Modeを使えば、顧客が自分でレポートを作れる。
- LLMやエージェントにきれいな業務コンテキストを渡す：Cubeはモデルのメタデータを公開し、エージェントの答えを実在の定義に根付かせる。
シーン
- 財務とマーケティングのチームが、会議のたびに2つの異なる売上数字で終わり、合意した1つの定義を求めている。
- SaaS企業が、別途BIスタックを一式立ち上げずに顧客ごとのダッシュボードを必要としている。
- 「先週チャーンはどう動いたか」のような繰り返しの質問にアシスタントが答える、エージェント型ワークフローを試すデータチーム。
主な機能
セマンティックレイヤーのモデリング
これがすべての土台になる。なぜ重要か。メトリクス、ディメンション、結合をコードで、YAMLでもJavaScriptでも定義すると、Cubeがそれをウェアハウス向けのクエリにコンパイルするからだ。効果は時間とともに表れる。定義を一度変えれば、あらゆるレポート、ダッシュボード、組み込み画面がそれに追随して更新される。5つの異なる表計算で古いメトリクスを追い回した経験のある人なら、その差が分かる。
Analytics Chat
Analytics Chatは、人が平易な言葉で質問すると、生のテーブルではなくセマンティックモデルに対して答えを組み立てる。クエリはあなたの統制された定義を通じて解決されるので、同じ質問は誰が尋ねても同じ答えを返す。この一貫性こそが要点だ。AIエージェントがスキーマを推測するのは、自信満々の間違った数字を手に入れる方法である。
ワークブックとWorkbook Agent
ワークブックはSQL、ビジュアルエディタ、AIアシスタントを1つの画面にまとめる。Workbook Agentはクエリを下書きし、あなたと一緒に練り上げていく。すべて統制されたモデルに対して行う。SQLを手で書く。ドラッグ＆ドロップの画面を使う。ここではどちらか一方を選ぶ必要はない。
会話型ダッシュボード
Dashboard Agentは会話を通じてダッシュボードを作る。見たいものを説明すると、グラフを組み立てる。事前集計とキャッシュが結果を速く保ち、チームが最もよく見る数字では1秒未満の性能を出す。速さは大事だ。グラフは依然としてあなたの定義を通じて解決されるので、速さが一貫性を犠牲にすることはない。
組み込み分析
iframeやAnalytics Chat APIを含むCubeの組み込み画面を使えば、BIスタックを作り直さずに自社製品へ分析を入れられる。構造としてマルチテナントなので、ガバナンスはあなたのモデルから各顧客の権限まで流れる。あなたのブランドもそのまま生きる。分析が売り物の一部である場合、これは重要だ。
事前集計とCube Store
クエリの速さは、人が使うダッシュボードと見捨てるダッシュボードの差になることが多い。Cubeは集計を事前に計算し、専用に作られたキャッシュ層であるCube Storeにキャッシュするので、繰り返しのクエリが毎回ウェアハウスを叩かない。遅いダッシュボードは導入に対する実質的な税金だ。
ガバナンスとアクセス制御
カスタムロール、シングルサインオン、監査ログは上位プランで使える。これがCubeを規制されたチームにとって信頼できるものにする。メトリクスを定義するのと同じモデルが、誰がそれを見ることを許されるかも定義できる。ガバナンスはモデルからグラフを見る人まで、端から端まで流れる。
エージェント対応のAPIとMCP
CubeはモデルをREST、GraphQL、SQLで公開し、MCPにも対応するので、エージェントは統制されたデータを直接クエリできる。カスタムエージェントはテーブル名をでっち上げずにあなたの業務コンテキストを読む。分析スタックと、多くのチームがまだ解明中のエージェント層をつなぐ橋だ。
メリットとデメリット
メリット
- オープンソースのコアがあるのでセルフホストして全体を検査でき、モデリング層にベンダーロックインはない。
- 1組の定義がダッシュボード、組み込み分析、AIエージェントに供給されるので、アナリストの時間を食う突き合わせ作業が減る。
- 組み込みは本当に本番対応で、マルチテナントのガバナンスが後付けではなくモデルに組み込まれている。
- 事前集計とCube Storeのキャッシュが、ウェアハウスを叩き続けずに大規模データで速いクエリを実現する。
- MCPとAPIによるエージェント型ワークフローの支援が手厚く、BIの多くが向かう先でもある。
デメリット
- 開発者向けのツールであり、完成したダッシュボードアプリではない。初日からクリックしてグラフを見たいなら、BIフロントエンドを持ち込むか自分で作る必要がある。
- 学習曲線は現実にある。YAMLかJavaScriptでのモデリングはデータエンジニアリングの素養を前提とし、非技術系のアナリストは早い段階で詰まりやすい。
- コストは席数と計算量に応じて増える。無料枠は試すには十分だが、リクエスト上限と1日分だけのクエリ履歴のため、本番利用はすぐ有料プランに落ち着く。
- 高度なガバナンス、SSO、監査ログはPremiumとEnterpriseの階層の後ろにあるので、小規模チームはこれらの制御に予想以上の費用を払うことになりうる。
よくある質問
セマンティックレイヤーとは、あなたのメトリクスとディメンションが何を意味するかを定義し、その定義を求めてくるツールに配信するモデリング階層だ。Cubeがそれを使うのは、ダッシュボード、組み込みレポート、AIエージェントが生のテーブルをそれぞれ別々に解釈するのではなく、同じ答えを受け取るためである。
関連コンテンツ
Cubeに関連するツール、スキル、記事を探す。
Cubeの代替ツール
Forefront
Forefront · コーディングForefrontはオープンソースAIで構築するためのウェブプラットフォームだ。主要なオープンソース言語モデルを自分のデータで微調整し、性能を評価し、API経由で実行したり、エクスポートして自分でホストしたりできる。クローズドなプラットフォームの手軽さを求めつつ、モデルとデータの所有権にはこだわる開発者が対象だ。
Startkit
StartKit.AI · コーディングStartkitは、AI SaaSとAIラッパー製品を作るためのボイラープレートだ。面倒な部分をあらかじめ配線済みにしたAIスタートアップボイラープレートと考えればいい。認証、StripeとLemon Squeezyの決済、利用制限、トランザクションメール、そしてOpenAI、Anthropic、Groq、Llamaと通信するAI APIスターターキットが含まれる。リポジトリをクローンして価格を設定し、ユーザーが実際にお金を払う部分に取りかかれる。ReactとTailwind上のNext.jsで作られているため、ボイラープレートコードの多くはすでに見慣れたものだ。
Testim
Tricentis · コーディングTestimは、Web・モバイル・Salesforceアプリ向けにエンドツーエンドテストを構築して実行するAIテスト自動化プラットフォームだ。機械学習を頼りに、インターフェースが変わってもテストを安定させ、チームが壊れたセレクターの修正に費やす時間を減らす。今日から使い始められる自動テストツールとしては悪くない。ブラウザで操作を録画してテストを作り、より細かい制御が必要なときはJavaScriptを足す。忙しいQAチームにとって堅実な選択肢である。