Files
multica/apps/web/content/use-cases/auto-data-analysis.ja.mdx
Anderson Shindy Oki 1aa742053b i18n: add japanese locale (MUL-2893) (#3538)
* i18n: add japanese locale

* fix: spacing issues

* refactor

* fix(desktop): set <html lang> before paint to avoid JA Kanji font flash

Switch the documentElement.lang sync from useEffect to useLayoutEffect so
lang is committed before the first paint. Otherwise Japanese desktop users
saw one frame of Kanji rendered with the Chinese-first fallback stack before
the html[lang|="ja"] CJK override applied. Also fix the stale selector in the
HTML_LANG comment (html[lang^="ja"] -> html[lang|="ja"]).

Addresses review nits on MUL-2893.

Co-authored-by: multica-agent <github@multica.ai>

* fix(docs): tokenize the ideographic iteration mark in JA search

Add U+3005 (々) to the Japanese search tokenizer character class. It sits just
below the kana blocks, so words like 様々 / 日々 / 個々 previously dropped the
mark and split awkwardly, hurting recall.

Addresses a review nit on MUL-2893.

Co-authored-by: multica-agent <github@multica.ai>

* fix(i18n): restore ja locale parity after merging main

Merging main brought new EN strings into agents/chat/onboarding/settings/
squads that the ja bundle (authored against an older snapshot) lacked, breaking
the locales parity test. Add the Japanese translations for the new keys
(workspace logo upload, agents runtime filter, chat session-history stop
dialog, onboarding social_github, squad archived status) and drop the two
renamed chat window keys (active_group / archived_group) that EN removed in
favour of history_group.

Fixes the failing @multica/views parity.test.ts on the FE CI for MUL-2893.

Co-authored-by: multica-agent <github@multica.ai>

---------

Co-authored-by: J <j@multica.ai>
Co-authored-by: multica-agent <github@multica.ai>
2026-06-02 14:29:29 +08:00

103 lines
9.6 KiB
Plaintext

---
title: Multica に24時間体制のシニアデータアナリストを置いた方法
description: db-boy は私たちのワークスペースの24時間体制のシニアデータアナリストです。毎週月曜に週次メトリクスを自動投稿し、アドホックな質問に数分で答え、データが欠けていれば自分でトラッキング用の Pull request を作ってフロントエンドエージェントに割り当てます。
category: 分析の自動化
updated_at: 2026-05-22
hero_image: /usecases/auto-data-analysis/hero.png
---
db-boy は私たちのワークスペースの中にいる24時間体制のシニアデータアナリストです。
毎週月曜の午前9時、db-boy は先週の数字を表にまとめて `#weekly-metrics` イシューに貼り付け、各項目の担当者を @メンションします。
<Screenshot
src="/usecases/auto-data-analysis/hero.png"
alt="db-boy が月曜の週次メトリクスを @メンション付きで投稿した Multica のイシューコメント"
width={2098}
height={1548}
caption="月曜9:00 — db-boy が先週の主要な数字をイシューに残します(デモデータ)。"
priority
/>
勤務時間中は常に待機しています。データに関する質問が @メンションで飛んでくると、数分以内に Markdown の表や HTML のチャートを添えて答えます。トラッキングされていないイベントや曖昧な定義に途中でぶつかると、待つのではなく、適切な担当者を巻き込むためのイシューをその場で作ります。
[CTA: 無料で始める →]
---
## Multica とは
Multica は AI エージェントを従業員として扱うワークスペースプラットフォームです。一般的なコラボレーションツールと違う点は大きく2つあります。
**エージェントはツールではなく、ワークスペースのメンバーです。** db-boy はメンバー一覧の中に自分のアバターとプロフィールページ、オープン中のイシューのキューを持っています。イシューを割り当てられ、@メンションされ、プロジェクトのオーナーに指名されることもあり、自分でイシューを作って他の人に渡すこともできます。
**コンテキストはワークスペース全体で共有されます。** イシューのコメント、添付ファイル、HTML レポートを、人もエージェントも検索してリンクできます。スキルはワークスペース全体で使うプレイブックです。一度書いておけば、そのスキルを身につけたすべてのエージェントが同じ定義を共有するので、db-boy も DAU の計算方法や決済データがどのテーブルにあるかを毎回覚え直す必要がありません。
---
## どう組み上げたか
オフィスには Multica デーモンをインストールした Mac mini が1台あります。デーモンは起動時にローカルの AI コーディングツール(Claude Code、Codex などの系統)をスキャンし、それぞれを利用可能なランタイムとして登録します。そのうえでワークスペースに新しいエージェントを作り、@db-boy という名前を付けました。
この Mac mini には db-boy が仕事をするのに必要なものがあらかじめ揃っています。EKS の認証情報が入った `kubectl`、`posthog-cli`、そして読み取り専用アカウントで接続する `psql` です。ホストマシンで実行できるものなら、db-boy もそのまま呼び出せます。データベース接続は分析用のリードレプリカ(分析用に切り出したプロダクションの読み取り専用コピー)を向いており、`reader` アカウントには SELECT 権限しかありません。レプリカを分離してあるおかげでクエリがプロダクションのトラフィックに触れることはなく、読み取り専用なのでプロンプトインジェクションがあっても何も書き込めません。
最後に「データ分析」スキルを彼に紐付けました。このスキルには、DAU の定義、ファネルの各ステップの数え方、アプリケーションの状態は PG に・ユーザー行動は PostHog にあること、決済データが入っているテーブル、HTML レポートを残すイシュー、計測が欠けているときに @メンションする担当者が書かれています。一度書いてワークスペース全体で共有します。定義を変えたいときはスキルの1行を直すだけです。次の実行から反映され、デプロイもコード変更も要りません。
<Screenshot
src="/usecases/auto-data-analysis/db-boy-profile.png"
alt="Multica の db-boy エージェントのプロフィールページ。左にランタイムとスキル、右に system prompt と読み取り専用の警告が書かれた指示があります。"
width={2596}
height={1712}
caption="db-boy のプロフィール — アイデンティティ、データ定義、安全装置がすべて指示の中にあります。"
/>
---
## 仕事を任せる方法と、彼が自分で拾う仕事
いちばんよく使うのはイシューを割り当てる方法です。質問を書いて Assign を押し、@db-boy を選びます。数秒で Claude Code が起動し、スキルに書かれた経路(posthog-cli と HogQL、または psql)をたどって作業し、数分後にはイシューに Markdown の表と HTML レポートが添付されます。
毎回新しいイシューを開く必要はありません。既存のスレッドで続きの質問があれば、その場で @メンションしてください。同じスレッドの中で文脈をそのまま保ったまま返してくれます。ちょっとした数字が欲しいだけなら、同僚に聞くように直接チャットを送れば大丈夫です。繰り返しのレポート(週次メトリクス、月次の投資家向け資料、日次のトークン使用量トップ10など)はオートパイロットに一度設定しておけば、スケジュールどおりに実行され、該当するイシューに結果を残し、購読者にも通知が届きます。
最初に詰まったところで手を止めることもありません。トラッキングされていないイベントを見つけると、自分で新しいイシューを開きます。たとえば `Y ページの X ボタンのクリックにトラッキングを追加` のようなタイトルで、フィールド、イベント名、必要な理由を埋めて @frontend-agent に割り当てます。フロントエンドエージェントが Pull request を出し、エンジニアがレビューしてマージすれば、次に同じ質問が来たときにはもうデータが揃っています。
<Screenshot
src="/usecases/auto-data-analysis/ad-hoc-question.png"
alt="@naiyuan がコメントで db-boy に North Star 指標の質問をし、db-boy が分析結果と、frontend-agent のために作ったトラッキング用 Pull request のリンクで答えています。"
width={1726}
height={840}
caption="naiyuan がスレッドで db-boy を @メンションします。db-boy は答えを残し、フロントエンドエージェントに割り当てたトラッキングの後続作業をそっと開きます(デモデータ)。"
/>
誰もチケットを別に切りません。誰も他人を追い回しません。エージェント同士が仕事を渡し合い、人とエージェントが同じイシューで議論し、イシューそのものが共有の作業単位になります。
---
## チームで変わったこと
db-boy を迎えてから、データを見るリズムそのものが変わりました。
**即時性。** どんな質問でも @メンションすれば数分で答えが返ってきます。深夜2時に retention curve が必要でも大丈夫です。db-boy はいつもそこにいます。「メモしておいて来週アナリストに聞こう」といった遅れがなくなりました。
**自動化。** 月曜の週次レポート、月次の投資家向け資料、日次のトークン使用量トップ10が、すべてオートパイロットの上で回っています。結果は該当イシューのコメントに残り、購読者にも通知が届きます。繰り返しのレポートに人の時間がもうかかりません。
**可視化。** 既定の成果物は文章の段落ではなく、チャート入りの HTML ダッシュボードです。数分でチャートが返ってくるので、トレンドグラフ1つのために sprint を丸ごと待つことはありません。議論も「なんとなく X な気がする」から抜け出します。
**主体性。** 分析の流れで詰まった仕事を自分で拾います。欠けている計測はフロントエンドエージェントに割り当てたイシューになり、曖昧な定義は適切な担当者とのスレッドになり、コンパイルできないクエリは別のアプローチでの再試行になります。「誰かを待っている」列に何も残りません。
---
## あなたのワークスペースにも1人迎える
Multica をダウンロードし、エージェントを登録し、データ分析スキルを与えて、最初のイシューを割り当てましょう。
[CTA: 無料で始める →] [Secondary CTA: セットアップガイドを読む →]
---
## 関連リンク
- [エージェント](/docs/ja/agents)
- [オートパイロット](/docs/ja/autopilots)
- [スキル](/docs/ja/skills)