Contents
1. BigQuery GIS と GEOGRAPHY データ型の基礎
BigQuery GIS は標準 SQL に空間演算子を組み込んだプラットフォームで、WGS84（緯度・経度）座標系に準拠した GEOGRAPHY 型を中心に設計されています。GIS の知識がなくても、SQL 1 行でジオメトリ生成や測地距離算出ができる点が大きな特徴です。
GEOGRAPHY データ型とは
GEOGRAPHY はポイント、ライン、ポリゴンなどのジオメトリを WKT（Well‑Known Text）形式や GeoJSON から直接格納できる列タイプです。テーブルに保存されたジオメトリは BigQuery の内部エンジンで自動的にインデックス化され、空間関数と組み合わせた高速検索が可能です。
主な空間関数（抜粋）
公式ドキュメント（2024 年版）では 70 種以上 の空間関数が提供されています。ここでは実務で頻出する代表的なものをピックアップします。
| カテゴリ | 関数例 | 主な用途 |
|---|---|---|
| ジオメトリ生成 | ST_GeogFromText, ST_MakePoint |
文字列や座標から GEOGRAPHY オブジェクトを作成 |
| 空間判定 | ST_Contains, ST_Intersects |
ポイントがポリゴン内にあるか、ラインが交差するかの判定 |
| 距離・測地計算 | ST_Distance, ST_Length |
メートル単位で距離やライン長を取得 |
| バッファリング | ST_Buffer |
指定半径の円形（または多角形）領域を生成 |
| 変換系 | ST_AsText, ST_AsGeoJSON |
GEOGRAPHY ↔ テキスト形式の相互変換 |
注：本稿で示すコード例はすべて標準 SQL です。外部ツールやプラグインは不要です。
利用シーンとメリット
- データロード時に変換処理が完結 → ETL ツールの追加コスト削減。
- スケーラビリティ → ペタバイト規模でも同一クエリで分析可能。
- BI 連携 → Looker Studio、Data Studio、Google Maps とシームレスに統合できる。
2. CSV/JSON からのデータロード手順
CSV や JSON に保存された WKT 文字列を直接 GEOGRAPHY 型へ変換し、テーブル化するまでの流れを解説します。インライン変換とパーティション／クラスタリングのベストプラクティスを併せて紹介します。
インライン変換で GEOGRAPHY 型へロード
ST_GeogFromText を用いることで、外部ステージングファイルから ロードジョブ実行中に ジオメトリを生成できます。追加の課金は発生せず、標準スロット料金のみが適用されます。
- データ形式の確認
-
geom_wkt列は WKT 例:POINT(139.6917 35.6895)（※lon lat の順）で保存。 -
ロードジョブ実行例
sql
CREATE OR REPLACE TABLE myproj.dataset.locations
PARTITION BY DATE(_PARTITIONTIME) -- 後述のパーティション例
AS
SELECT
id,
name,
ST_GeogFromText(geom_wkt) AS location -- インライン変換
FROM
EXTERNAL_QUERY(
'gs://my-bucket/locations.csv',
'SELECT id, name, geom_wkt FROM CSV'
);
- ポイント
ST_GeogFromTextは文字列をそのまま GEOGRAPHY に変換し、ロードジョブ自体のコストには影響しません。
パーティションとクラスタリングのベストプラクティス
大規模テーブルでは スキャン対象行数 と データ局所性 がパフォーマンスに直結します。以下の方針で設計すると、月間スキャン量を 30 % 前後削減できることが実績として報告されています（※社内ベンチマーク）。
| 設定 | 用途 | 効果 |
|---|---|---|
| パーティション | 日付やイベント日などの時間軸でテーブルを分割 | クエリ時に必要なパーティションだけをスキャンし、コスト削減 |
| クラスタリング | 頻繁にフィルタ条件になる GEOGRAPHY 列（例: location）や属性列 |
同一キーのデータが隣接して格納され、ST_Contains 系クエリが高速化 |
設計例
|
1 2 3 4 5 6 7 8 9 10 |
CREATE OR REPLACE TABLE `myproj.dataset.locations` PARTITION BY DATE(event_date) -- 日付でパーティション分割 CLUSTER BY location -- GEOGRAPHY 列でクラスタリング AS SELECT id, name, ST_GeogFromText(geom_wkt) AS location FROM `myproj.raw.locations_raw`; |
- パーティション選定のコツ
-
データ更新頻度が高い場合は「日」単位、月次レポートだけで良ければ「月」単位でも可。
-
クラスタリングキーの選び方
locationのみならず、地域コードやカテゴリ列と複合させても効果的です（最大 4 列まで指定可能）。
3. 基本的な空間クエリ例
以下では、ポイント・ポリゴンの生成からバッファリングまで、実務で頻出するパターンを段階的に示します。各クエリは テストデータ（東京・大阪の座標）を使用しています。
ポイント・ポリゴンの作成と可視化
まずはサンプルテーブルを CTE で定義し、ポイントと四角形ポリゴンを生成します。
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 |
-- サンプルデータ（ポイント） WITH points AS ( SELECT 1 AS id, ST_GeogFromText('POINT(139.6917 35.6895)') AS geom -- 東京駅付近 UNION ALL SELECT 2, ST_GeogFromText('POINT(135.5023 34.6937)') -- 大阪城付近 ), -- 四角形ポリゴン（簡易的な矩形） polygon AS ( SELECT ST_MakePolygon( ST_GeogFromText('LINESTRING(139.5 35.6, 139.9 35.6, 139.9 35.8, 139.5 35.8, 139.5 35.6)') ) AS geom ) SELECT * FROM points, polygon; |
- ポイント：
ST_MakePolygonとLINESTRINGの組み合わせで任意の形状を作成できます。 - 可視化：結果テーブルは Looker Studio の「地図」チャートに直接接続可能です。
包含判定（ST_Contains）
ポイントがポリゴン内にあるかどうかをブール値で取得します。
|
1 2 3 4 5 6 |
SELECT p.id, ST_Contains(poly.geom, p.geom) AS inside_polygon FROM points p CROSS JOIN polygon poly; |
- 結果例：
inside_polygon = TRUEの行だけが対象エリアに存在すると判定できます。
距離計算（ST_Distance）
2 つのポイント間の測地距離をメートル単位で取得し、キロメートルへ変換します。
|
1 2 3 4 5 6 7 |
SELECT p1.id AS from_id, p2.id AS to_id, ROUND(ST_Distance(p1.geom, p2.geom) / 1000, 2) AS km_distance FROM points p1 JOIN points p2 ON p1.id < p2.id; |
- ポイント：
ST_Distanceの戻り値はメートルなので、除算で単位変換すると可読性が向上します。
バッファ領域生成（ST_Buffer）
指定半径（例: 5 km）の円形バッファを作成し、周辺分析に利用できます。
|
1 2 3 4 5 |
SELECT id, ST_Buffer(geom, 5000) AS geom_5km_buffer -- 半径5km の円形バッファ FROM points; |
- 活用例：顧客拠点から一定距離内のエリアを抽出し、マーケティング対象範囲を定義します。
4. 実務ユースケース
GIS がビジネス価値を創出する具体的シナリオとして、店舗配置評価 と 物流ルート分析 を取り上げます。どちらも数行の SQL で意思決定指標が算出できます。
ポイント‑イン‑ポリゴンで最適店舗配置を評価
前提テーブル
| テーブル名 | 主な列 |
|---|---|
stores |
store_id, name, location (GEOGRAPHY) |
sales_area |
area_id, area_geom (GEOGRAPHY ポリゴン) |
クエリ例
|
1 2 3 4 5 6 7 8 9 10 11 |
SELECT s.store_id, s.name, CASE WHEN ST_Contains(a.area_geom, s.location) THEN '適正' ELSE '再検討' END AS recommendation, ST_Distance(s.location, a.area_geom) AS distance_to_boundary_m FROM `myproj.dataset.stores` s CROSS JOIN `myproj.dataset.sales_area` a; |
- ポイント：
ST_Containsが TRUE の場合は「適正」判定、FALSE なら再検討としつつ境界までの距離も取得できます。
ライン集計で物流ルートの総距離・カバレッジを算出
前提テーブル
| テーブル名 | 主な列 |
|---|---|
delivery_routes |
route_id, route_geom (GEOGRAPHY LINESTRING) |
warehouses |
warehouse_id, location (GEOGRAPHY POINT) |
クエリ例
|
1 2 3 4 5 6 7 8 9 10 11 12 |
SELECT r.route_id, ROUND(ST_Length(r.route_geom) / 1000, 1) AS km_length, ARRAY_LENGTH( ST_Split( r.route_geom, ST_Buffer(w.location, 20000) -- 20km バッファで区切り ) ) AS segment_count FROM `myproj.dataset.delivery_routes` r JOIN `myproj.dataset.warehouses` w ON TRUE; |
- 解説
ST_Lengthが総走行距離（キロメートル）を返す。ST_BufferとST_Splitの組み合わせで、倉庫から一定距離内にある区間数（カバレッジ密度）を算出できます。
実績：同社の物流部門では本クエリを月次レポートに組み込み、配車計画の最適化で走行コストを約 12 % 削減しています（内部事例）。
5. 分析結果の可視化と共有
GIS 分析は データだけでなく ビジュアルレポートへ落とし込むことが重要です。ここでは代表的な 2 つのツールへの連携手順を示します。
Looker Studio（旧 Data Studio）への接続手順
- データソース作成
-
Looker Studio の「データソース」画面で「Google BigQuery」を選択。
-
プロジェクト・データセットの指定
-
作成済み GIS テーブル（例：
myproj.dataset.analysis_results）を選び、接続 をクリック。 -
地図チャート設定
-
「チャート」→「地理空間」→「マップ」を追加し、
location列を ジオメトリ フィールドとして割り当てる。 -
インタラクティブなフィルタ
- 日付やカテゴリ列にスライサー（期間選択）を設定すれば、ビジネスユーザーが自由に絞り込めます。
Google Maps へのマッピング手順
- GeoJSON に変換
sql
SELECT
store_id,
ST_AsGeoJSON(location) AS geojson
FROM myproj.dataset.stores;
- GCS へエクスポート（
EXPORT DATA WITH CONNECTIONを使用） -
エクスポート先例:
gs://my-bucket/stores.geojson -
JavaScript API でロード
javascript
fetch('https://storage.googleapis.com/my-bucket/stores.geojson')
.then(r => r.json())
.then(data => {
const map = new google.maps.Map(document.getElementById('map'), {zoom:5, center:{lat:35, lng:138}});
const geoData = new google.maps.Data();
geoData.addGeoJson(data);
geoData.setStyle({fillColor:'green', strokeWeight:1});
geoData.setMap(map);
});
- 活用シーン
- リアルタイムで更新される店舗配置マップ、配送車両の現在位置と予測経路の重ね合わせなど。
6. まとめ
- BigQuery GIS は SQL のみでジオデータ取得・変換・分析が完結し、公式ドキュメントに掲載されている 70 種以上の関数で多様な業務要件に対応できます。
- CSV/JSON のインライン変換とパーティション／クラスタリングを組み合わせれば、ロードコストを抑えつつ高速クエリが実現可能です。
- 基本的な空間クエリ（ポイント・ポリゴン生成、包含判定、距離測定、バッファ）は数行で記述でき、データアナリストでも即座に活用できます。
- 実務ユースケース（店舗配置評価、物流ルート分析）では、GEOGRAPHY と空間関数だけで意思決定に直結する指標が算出でき、レポーティングまでシームレスです。
- Looker Studio や Google Maps への連携手順を踏めば、分析結果をインタラクティブな地図として社内共有し、データドリブンな意思決定サイクルを加速させられます。
参考リンク
- BigQuery GIS スタートガイド（公式）
- Google Cloud Blog – BigQuery GIS のベストプラクティス (2024)
以上が BigQuery GIS を実務で活用するための全体像 と具体的手順です。ぜひ本稿をテンプレートとして、貴社の地理空間分析プロジェクトにご活用ください。