デモを試す
LangGraph × Jupyter Kernel で動く

その分析、根拠ごと、自動化する。

LangGraph + 永続 Python Kernel で、自律エージェントがコードを生成・実行。 scipy / statsmodels / sklearn による統計的に正しい手法で分析し、 処理過程と出典まで完全可視化します。

  • 永続 Python セッション
  • 統計的に正しい手法
  • 処理過程を完全可視化
analytics-cockpit.beyonz.dev

AI Analytics Cockpit

自律データ分析プロセス

Status: Active
進捗: 4 / 7 ステップ57%
業界シナリオ起動scenario
0.4s
Dataset pin（複数）pandas
1.1s
プロファイリングscipy
2.6s
クエリ理解 + 計画Claude
3.2s
コード生成 → Kernel 実行LangGraph
処理中...
可視化Recharts
統計レポート生成Claude
THE PROBLEM

データはある。でも、分析が前に進まない。

手作業の集計、使い捨てのコード、根拠の追えないレポート。分析の再現性も信頼性も、属人化したまま止まっていませんか。

売上集計_最新_v3.xlsx
月売上利益
1月¥1,240,000¥372,000
2月¥980,000#REF!
3月¥1,510,000¥453,000
合計¥3,730,000#VALUE!
→ 集計が、合わない
課題 01

集計が、合わない

手作業のスプレッドシート集計。コピペと手修正を重ねるうち、参照は壊れ、合計は合わなくなる。

分析_試行錯誤.ipynb
実行順バラバラ
In[7]df = pd.read_csv(...)
In[2]df.groupby('月').sum()
In[12]# ↑これ何だっけ？ 再実行
→ 分析が、再現できない
課題 02

分析が、再現できない

使い捨てのコードセルを実行順バラバラに走らせる。あの結果をもう一度、が誰にもできない。

売上は前年比 +18% 改善
出典なし・根拠不明
このグラフ、どのデータ？
→ 根拠が、追えない
課題 03

根拠が、追えない

出てきた数字やグラフの出どころが曖昧。「このデータ何？」に答えられず、意思決定に使えない。

WHY CUSTOM AI

汎用 AI チャットとの、決定的な違い

汎用 AI ツールは便利ですが、業務データ分析には専用設計が必要です。

汎用 AI チャット
売上と広告費の相関は 0.82 です。強い相関があります。
LLM が生成した数字・実計算なし・出典なし
本システム（AI Analytics Cockpit）
# Python で実計算
r, p = stats.pearsonr(ad, sales)
# r = 0.41, p = 0.03
相関係数は 0.41（p=0.03）。 中程度の相関で統計的に有意です。
scipy で実計算 → LLM が解釈・出典付き
データの安全性外部サーバーにデータ送信社内環境で完結可能
分析手法LLM の判断に依存scipy / statsmodels / sklearn の統計的に正しい手法
統計量の信頼性LLM が計算結果を「捏造」するリスクPython で実計算 → LLM が解釈する分離設計
カスタマイズプロンプト調整のみ分析パイプライン・UI・データソースを全てカスタマイズ
システム連携コピペで手動連携API / DB / BI ツールと自動連携
ガバナンスブラックボックスHuman-in-the-loop + 処理過程の完全可視化
CORE FEATURES

3つの差別化ポイント

アップロードから分析完了まで、すべてをAIが自動で実行します。

分析モード自動選択

質問をエージェントが解析し、記述統計・統計検定・時系列予測・異常検知・クラスタリング・要因分析の6モードから最適な手法を自律選択。選定理由も提示します。

自動プロファイリング

CSV をアップロードした瞬間に統計量・欠損値・外れ値・相関ヒートマップを自動生成。「何を聞けばいいか分からない」を防ぎ、分析の起点を提供します。

統計解釈付きレポート

p値・信頼区間・効果量・MAPE 等の統計量と、自然言語の解釈をセットで自動生成。「データサイエンティストが書いたレポート」に近い品質を実現します。

ANALYSIS CAPABILITY

Python エコシステムをフル活用

Claude が Thread の永続 Kernel に対して自由にコードを生成。pandas / scipy / statsmodels / scikit-learn / Prophet / seaborn を組み合わせ、記述統計から要因分析まで一気通貫で扱えます。

記述統計

集計・クロス集計・分布・トレンド

pandas / Recharts

統計検定

群間比較・相関検定・独立性検定

scipy.stats

時系列予測

将来値予測・トレンド分解・季節性分析

statsmodels / Prophet

異常検知

外れ値・異常パターンの検出

Isolation Forest

クラスタリング

グループ分け・セグメンテーション

KMeans / PCA

要因分析

目的変数に影響する要因の特定

RandomForest

本番では社内 DB に直接接続

このデモでは CSV アップロードで動作しますが、PoC / 本番環境では社内のデータベースに直接接続して分析を実行できます。 データの外部送信なく、セキュアな環境で運用可能です。

CSV アップロード（デモ）
PostgreSQLMySQLBigQuerySnowflakeRedshiftSQL Server
TECH STACK

技術スタック & アーキテクチャ

本番運用を見据えたモダンアーキテクチャ。ステートマシン型エージェントで複雑な分析フローを設計通りに制御します。

Client
Browser (User)CSV Upload / NL Query / Approval UI
Frontend
Next.js 16on Vercel
Cockpit 3 ペイン · Thread タブ · Recharts · SSE 進捗
REST + SSE
Backend
FastAPIon Render
LangGraph Agent13 nodes4-way Routing動的 HITL

classify で質問の重さを 4 値判定し、軽量・確認・本格分析の最短ルートを選ぶ。 本格パスは assess_plan が計画リスクを評価し HITL を動的に発火。Thread ごとに永続 Jupyter Kernel を保持。

1. Smart Routingclassify ノードで 4 値判定
profile → classify ─┬─ llm_only → answer
├─ quick_compute → mini_code_gen → execute → answer
├─ needs_approval → answer (確認返答)
└─ python_explicit → 詳細分析フロー ↓
2. Deep Analysisassess_plan で HITL を動的に発火
understand → plan → assess_plan ─┬─ low → code_gen
└─ high → human_gate (interrupt) → code_gen
code_gen → execute ─┬─ 成功 → visualize → report
└─ 失敗 → retry (×3) → execute
補助グラフ:refine(継続分析 / HITL なし)·plan_revision(計画修正型 / 強制 HITL)
LLM
Claude APIanthropic SDK（ステートマシンから直接呼び出し）

フロントエンド

Next.js 16App Router
TypeScript型安全
Tailwind CSS 4スタイリング
shadcn/uiUIコンポーネント
Rechartsチャート描画

バックエンド

Python 3.12ランタイム
FastAPI非同期API
LangGraphエージェント制御
ipykernel / jupyter_client永続 Kernel
Claude APILLM

データ分析

pandas / NumPyデータ操作
scipy / statsmodels統計検定・回帰
scikit-learnML (KMeans, IF, RF)
Prophet時系列予測
seaborn / matplotlib統計可視化

インフラ

Vercelフロントエンドホスト
Renderバックエンドホスト
SupabaseAuth + DB (RLS)
SSEリアルタイム通信
PoC FLOW

PoC 導入フロー

50 - 100 万円 / 4 - 5 週間で、動作するプロトタイプを提供します。

01

ヒアリング

御社の業務課題・データ環境をヒアリング

1 週間
02

PoC 設計

分析パイプライン・UI・連携仕様を設計

1 週間
03

PoC 開発

実データで動作するプロトタイプを構築

1-2 週間
04

デモ & フィードバック

動作するシステムでレビュー・改善

1 週間

御社のデータで、同品質のシステムを構築できます

業界データに差し替えるだけで、PoC から本番運用まで対応。まずはデモをお試しください。

無料でデモを試す
PoC: 50〜100万円期間: 4〜5週間