Squadbase
Showcase

Streamlit BI ダッシュボード: EC と Google Analytics

Streamlit Streamlit
View on GithubView Demo

Google Analytics 4 のカスタム分析、E コマース分析、自然言語クエリ対応の AI データエージェントを搭載した、本番運用レベルの Streamlit アプリケーション。

コアコンポーネント

分析ダッシュボード

  • GA4 アナリティクス — トラフィック解析、ユーザー行動、コンバージョントラッキング
  • E コマース・インテリジェンス — 売上パフォーマンス、顧客セグメンテーション、在庫最適化
  • AI データエージェント — Google Gemini による自然言語→SQL 変換

技術スタック

  • Streamlit + BigQuery + Google Gemini AI
  • モジュラーコンポーネントアーキテクチャ
  • 充実したデータキャッシュとパフォーマンス最適化

カスタマイズガイド

1. データソース統合

# components/your_domain/data_queries.py
@st.cache_data(show_spinner="Loading metrics...")
def fetch_metrics() -> pd.DataFrame:
    query = """
    SELECT date, revenue, customers, orders
    FROM your_database.sales_table
    WHERE date >= CURRENT_DATE() - INTERVAL 30 DAY
    """
    return your_client.query(query).to_dataframe()

対応ソース: BigQuery（デフォルト）、PostgreSQL、MySQL、CSV ファイル、REST API

2. 業界別コンポーネント

SaaS: ユーザーアクティベーション、リテンション指標、機能利用状況、サブスクリプション収益、チャーン予測

E コマース: 商品パフォーマンス、顧客ライフタイムバリュー、在庫最適化、マーケティングアトリビューション

コンテンツ／メディア: エンゲージメント指標、オーディエンス属性、訪問者あたり収益、ソーシャルメディア効果

3. AI データエージェントのカスタマイズ

# components/your_domain/data_agent/tools.py
@tool
def analyze_customer_segments(time_period: str) -> str:
    """指定期間の顧客セグメントを分析する。"""
    query = f"""
    SELECT customer_segment, COUNT(*) as customers,
           AVG(order_value) as avg_order_value,
           SUM(total_revenue) as segment_revenue
    FROM your_customer_analysis_view
    WHERE period = '{time_period}'
    GROUP BY customer_segment
    """
    return execute_analysis(query)

カスタム AI ツール例: 財務予測、在庫推奨、顧客リスクスコアリング、キャンペーン最適化

4. インターフェースのカスタマイズ

  • スタイリング: lib/tailwind_colors.py でブランドカラーを設定
  • ブランディング: 会社ロゴとカスタムレイアウトを追加
  • 認証: 既存のユーザーアクセスシステムと統合

5. 高度な機能

リアルタイム更新

if st.button("🔄 Refresh"):
    st.cache_data.clear()
    st.experimental_rerun()

データエクスポート

def export_data():
    return get_analysis_data().to_csv(index=False)

st.download_button("📥 Export", export_data(), "analysis.csv")

ビジュアライゼーション: 地理ヒートマップ、時系列予測、ネットワークグラフ、カスタム KPI カード

ユースケース

企業ダッシュボード: データウェアハウス統合（Snowflake・Redshift・BigQuery）、経営 KPI、自動レポート、安全なチームデプロイ

クライアントレポーティング: ホワイトラベル分析、カスタムブランディング、ロールベースアクセス、クライアント固有指標、PDF 生成

プロダクト分析: ユーザーエンゲージメント、機能採用率、A/B テスト、ファネル分析、リアルタイムモニタリング

マーケティングインテリジェンス: マルチチャネルキャンペーン、CAC/LTV 分析、アトリビューションモデル、ソーシャルメディア追跡

セットアップ

git clone <repository-url>
cd streamlit-business-intelligence
uv sync

構成手順

  1. components/*/data_queries.py でクエリを更新
  2. lib/bigquery_client.py でデータベース接続を設定
  3. .env に API キーを記載
  4. components/your_domain/ にカスタムコンポーネントを作成
  5. Squadbase でデプロイし、チームアクセスを提供

アーキテクチャのメリット

モジュラー設計: コンポーネントが独立しており、機能追加・変更が容易 パフォーマンス: 複雑なクエリや大規模データもキャッシュで高速化 AI 統合: ビジネス固有のコンテキストで拡張可能なエージェント 本番運用対応: 認証、エラーハンドリング、デプロイ設定を完備

Streamlit BI ダッシュボード: EC と Google Analytics | Squadbase Showcase