🏢 開発会社と背景

Hex はクラウド型の共同データ分析プラットフォームで、hex.tech というサイトです。2019 年に Palantir 出身のエンジニア数名が創業しました。創業者たちは Palantir でデータプロダクトを作ってきた経験があり、「1 つのノートブックにコードも結論も書く」という仕事の流儀をそのまま Web に持ち込み、そこに共同編集と公開の機能をかぶせました。

会社の基本的な考え方は「データチームに足りないのはツールではなく、SQL と Python とダッシュボードを同じページに載せる場所だ」というもの。Jupyter と単体 BI ツールを置き換える現代的な選択肢という位置づけで、純粋なコードノートブックでも、ドラッグ＆ドロップのダッシュボードでもなく、その中間を狙っています。2025 年 4 月に BI 可視化・セマンティックモデリング企業の Hashboard を買収し、同年に Snowflake、a16z、Sequoia、Amplify などが参加する 7000 万ドルのシリーズ C を調達。Snowflake が後ろ盾にいる点は、モダンデータスタックの中で確かな席を確保していることの証しです。

📅 リリース時期

Hex は 2019 年にサービスを開始しました。当時すでに Jupyter は約 10 年にわたって普及していましたが、共同編集と成果の公開は長年の弱点でした。Hex はまさにその隙間を突いて登場しています。

その後の主な節目は、2025 年 4 月の Hashboard 買収（BI 可視化とセマンティックモデリングを補完）、同年の 7000 万ドルシリーズ C。2024 年の売上は約 1980 万ドル、利用チーム数は 1500 以上。全体の流れは「まず共同ノートブックを確立し、買収と資金調達でエンタープライズ層へ広げる」というものです。

🧩 主な機能

ひとことで言えば「SQL・Python・R・ノーコードのセルをノートブック形式の画面に混在させて分析し、それを対話型のデータアプリとしてワンクリックで公開できる」サービスです。分解すると次の通りです。

多言語ノートブック：SQL、Python、R、ノーコードセルを同居させ、1 ページで集計・計算・グラフ化・結論の記述まで完結。
Hex Magic：自然言語から SQL や Python を生成。ブラックボックスの結果ではなく、レビュー可能なドラフトとして提示される。
Notebook Agent：Claude 駆動のエージェント。テーブル検索、グラフ作成、結論の記述まで、複数ステップの分析を自ら計画して実行する。
Threads agent：ビジネスユーザー向けの自然言語データ Q&A。
Semantic model agent / dbt セマンティックレイヤー：指標定義を一元化し、誰が聞いても同じ数字が出るようにする。
ワンクリックで対話型データアプリを公開：フィルターやドロップダウン付きのダッシュボードに変換して共有。
リアルタイム共同編集：Google Docs のような複数人同時編集、バージョン履歴、行内コメント。
スケジュール実行と通知：定期実行を設定し、完了をメールや Slack で通知。
埋め込み：結果を自社プロダクトに組み込む。
コネクター：Snowflake、BigQuery、Databricks、Redshift、Postgres、MySQL など主要データソースに接続。

✨ 主な特長

SQL + Python + ダッシュボードを 1 環境で：Jupyter と BI ツールとダッシュボードを行き来する切り替えコストをなくせる。
データサイエンスの流儀が強い：pandas、scikit-learn、TensorFlow、D3.js をそのまま実行でき、モデリングから発表まで同じ線上で完結。
共同編集は Google Docs 感覚：複数人の同時編集・コメント・バージョン履歴は、従来のノートブックに欠けていたもの。
AI は「支援」から「代理実行」まで段階的：Magic のコード生成から Notebook Agent の全自動分析まで、自動化の度合いが段階的に上がる。

🤖 AI技術と性能

Hex の AI はチャット欄を貼り付けただけではなく、レイヤーに分かれています。

Hex Magic：セル内でやりたいことを自然言語で書くと SQL や Python のドラフトを生成。重要なのは、実行前にレビューできるドラフトを返してくれる点で、いきなり最終結果を出す黒箱ではないこと。
Notebook Agent：Claude 駆動のエージェント。目標を与えると、タスクを分解し、テーブルを検索し、コードを書き、グラフ化し、結論までたどり着く。「今月のコンバージョンが落ちた理由を調べて」のような複数ステップの仕事向け。
Threads agent：ビジネスユーザー向けの Q&A 入り口。セマンティックレイヤーに支えられて数字の口径がぶれない。
Semantic model agent：dbt セマンティックレイヤーと連携して指標定義を統一し、「同じ数字なのに値が違う」を減らす。

設計のうまい点は、生成されたコードが必ずレビュー可能で、エージェントの各ステップがノートブック上に見えること。ワンショットのブラックボックスではないのです。

🎯 活用シーン

アナリティクスチーム：アナリストは SQL で集計し、データサイエンティストは Python でモデル化、成果物を同じノートブックで引き継ぐ。
プロダクト・グロースチーム：継続率・コンバージョン・チャネル別の指標を対話型アプリにして、ビジネス側がセルフサービスで数字を見る。
機械学習チーム：pandas、scikit-learn、TensorFlow で特徴量エンジニアリングとモデリング、D3.js で独自グラフ、すべて 1 ページで完結。
経営陣向けレポート：定期実行を毎週走らせて Slack に通知、数字は誰かが聞く前にできあがっている。

日本の企業で言えば、従来 Excel や BI ツールの間を行き来してきたデータ分析チームが、SQL と Python の両方を使う場面で力を発揮しそうです。ただ、UI は英語中心なので、その点のハードルは国内チームでは意識しておく必要があります。

🛠️ 使い方

アカウントを登録し、無料の Community プランから始める。
Snowflake、BigQuery、Postgres、MySQL などのデータソースに接続し、認証情報を入れてテーブルを読む。
ノートブックを作成し、SQL セルでクエリを書き、処理が必要なら Python セルを追加する。
Hex Magic で要望を自然言語で書き、生成されたコードをレビューしてから実行する。
複数ステップの分析は Notebook Agent に目標を渡し、計画と実行を任せる。
結果をグラフやテーブルのセルで表示し、タイトルと結論の文章を添える。
Publish でデータアプリ化し、フィルターと権限を設定してリンクを共有する。
定期更新が必要ならスケジュール実行を設定し、メールか Slack の通知を選ぶ。

初回は「データソース接続 → SQL で集計 → Magic で Python 変換を生成 → アプリとして公開」という最小経路を一通り通すのがおすすめ。慣れたらエージェントや共同編集を足していきます。

💡 活用のコツ

Magic が生成した SQL は実行前に読む：あくまでドラフトなので、特に JOIN やウィンドウ関数を含む場合は結果を鵜呑みにしない。
共通の定義はセマンティックレイヤーへ：Semantic model agent や dbt で指標定義を統一し、チームの定義争いを減らす。
Notebook Agent には先に計画を見せるよう頼む：「なぜ」系の問いは、実行前に手順を確認してから進めると暴走を防げる。
大きなデータをそのまま流さない：100 万行規模や連鎖クエリは重くなる。まずウェアハウス側で集計してから Hex に持ち込む。
計算コストを意識する：計算リソースは従量（およそ 0.32〜4.06 ドル/時間）なので、長時間のバッチを回す前に量を見積もる。
公開前にフィルターと権限を固める：ビジネス側に渡すアプリは、アクセス制御が緩いと数字の見間違いを招く。

📈 実例

公式によれば利用チーム数は 1500 以上、2024 年の売上は約 1980 万ドル、G2 のスコアは約 4.8/5。これらの数字の背景にあるのは「データサイエンティスト + アナリスト + ビジネス」の混成チームという現実です。全員が Jupyter を学ぶことなく、同じ分析を共有したいというニーズです。

典型的な使い方はプロダクトチームの週次ダッシュボード。アナリストが継続率・コンバージョン・チャネル別のビューをアプリ化し、プロダクトマネージャーが毎日自分でクリックして見る。データサイエンスチームは探索的分析やモデルのプロトタイプに使い、完成形を 1 ページでデモして「ノートブックをスライドに書き出す」工程を省いています。

📱 対応プラットフォーム

Hex は純粋なクラウド Web アプリで、ブラウザーで hex.tech を開けば使えます。クライアントのインストールは不要です。主要なデスクトップブラウザーに対応しています。SQL や Python はクラウド側の計算リソースで動くため、ローカルマシンのスペックはほとんど問われず、ブラウザーとネット接続があればどの PC でも動きます。

従来型のデスクトップアプリという概念はなく、すべてクラウド上にあるので、PC を替えてもリモートワークでも作業が途切れません。

🌐 対応言語

ここでいう「言語」には 2 つの層があります。ひとつはノートブック内のプログラミング言語で、SQL・Python・R に加えてノーコードセルがあり、1 つのノートブックに混在できます。もうひとつは製品 UI の言語で、現状は英語中心で多言語 UI は完備されていません。日本語チームが導入する際に知っておきたい点です。

データソース側は Snowflake、BigQuery、Databricks、Redshift、Postgres、MySQL など主要なウェアハウスとデータベースをカバーしています。

💰 料金プラン

「シート単位 + 従量の計算リソース」という構成で、4 つのプランがあります。

Community（無料）：ノートブック/プロジェクトとアプリがそれぞれ最大 5 つ、AI クレジットは限定的で Hex Magic は月約 100 回。
Professional（編集者 1 人月額 36 ドル）：ノートブック/プロジェクト無制限、Magic 無制限、Notebook Agent、30 日のバージョン履歴、スケジュール実行。
Team（編集者 1 人月額 75 ドル）：Professional に加えて Threads agent、Semantic model agent、Explorer ロール、レビュー・承認、ユーザーグループ、GitHub/GitLab/Airflow/Dagster/dbt 連携、無制限のバージョン履歴。
Enterprise（カスタム）：SSO/Okta/OIDC、シングルテナント、HIPAA、監査ログ、Snowflake Marketplace、埋め込み分析。

計算リソースは別途従量で追加します。16GB 構成で約 0.32 ドル/時間、A10G GPU 構成で約 4.06 ドル/時間。分単位課金なので予算を正確に読むのが難しく、その点は後述の「短所」で詳しく触れます。

👥 向いている人

データサイエンティストとアナリストの混成チーム：SQL と Python を併用し、最後にダッシュボードが欲しいチーム。
ML の流儀が中心のチーム：pandas、scikit-learn、TensorFlow、D3.js がそのまま動き、モデリングと発表が分断されない。
リアルタイム共同編集が必要なチーム：複数人の同時編集、コメント、バージョン履歴が必須の現場。
ビジネス側にセルフサービスを渡したいチーム：分析をアプリ化して公開し、ビジネスユーザーに自分で見てもらう。

逆に、SQL も Python も書かない純粋なビジネスユーザーには価値の大半が届かず、ドラッグ＆ドロップ型 BI の方が向いている場合もあります。予算が厳しい小規模チームはエンタープライズ価格を慎重に見極める必要があります。

👍 長所

SQL + Python + ダッシュボードを 1 環境で：切り替えコストが低く、成果物をそのまま引き渡せる。
データサイエンス/ML の流儀が強い：主要ライブラリが直接動き、D3.js で独自グラフ、モデリングから発表まで一続き。
リアルタイム共同編集が優秀：Google Docs 感覚の編集とコメントは、従来のノートブックよりはるかに快適。
混成チームに向く：コードを書く人と書かない人が同じページで作業できる。
AI がレイヤー化されている：Magic からエージェントまで、コードはレビュー可能、ステップは可視化。

⚠️ 短所と制限

高度な機能は SQL/Python 前提：コードが書けないと Hex の価値の半分は届かない。
大規模データで重くなる：100 万行規模や連鎖クエリで体感が落ちるため、ウェアハウス側で先に集計したい。
分単位課税で予算が読みにくい：計算リソースは従量で、バッチを回すほど請求が想定を超えがち。
AI/エージェントが時に説教くさい：生成物に説明や注意書きが多く付き、かえって効率が落ちる。
機能が重複して UI がわかりにくい：Magic、Notebook Agent、Threads の境界があいまいで、初心者は迷う。
エンタープライズ価格は高め：Team は編集者 1 人月額 75 ドルからで、規模が大きいとコストがかさむ。

❓ よくある質問

無料版はありますか？

あります。Community は無料ですが、ノートブック/プロジェクトとアプリがそれぞれ最大 5 つ、AI クレジットは限定的で Magic は月約 100 回です。

Jupyter との違いは？

Hex は Jupyter のノートブックをクラウドに載せ、リアルタイム共同編集、バージョン履歴、ワンクリックのアプリ公開、AI を加えています。Jupyter はよりローカル・個人・オープンソース寄りです。

コードなしで使えますか？

Threads agent で自然言語の質問ができ、公開済みのアプリを開くこともできますが、本来の価値を引き出すには SQL か Python が必要です。

Notebook Agent とは？

Claude 駆動のエージェントで、テーブル検索、グラフ作成、結論の記述まで複数ステップの分析を計画・実行し、実行前に計画をレビューできます。

計算料金はどうなりますか？

計算リソースは従量のアドオンで、約 0.32 ドル/時間（16GB）から 4.06 ドル/時間（A10G GPU）、分単位で課金されます。

対応データソースは？

Snowflake、BigQuery、Databricks、Redshift、Postgres、MySQL など主要なウェアハウスとデータベースに対応しています。

自社プロダクトに埋め込めますか？

はい。Enterprise プランで埋め込み分析が利用できます。

🔄 類似ツールとの比較

Jupyter Notebook：無料・オープンソース・ローカルだが、共同編集と公開がない。Hex はクラウド共同編集・アプリ公開・AI で勝り、その代わり課金とクラウド固定のコストがかかる。
Deepnote：どちらもクラウドノートブック。Deepnote は開発者寄りで軽量、Hex はエンタープライズ寄りで AI エージェントとセマンティックレイヤーが重い。
Mode：同じく SQL 優先の分析プラットフォームだが、Hex の方が Python/ML と AI エージェントの能力が目立つ。
Databricks：大規模データ処理向けの重厚なレイクハウス。Hex はデータ量が中規模で、素早い共同編集とアプリ公開が欲しいチーム向き。
Tableau / Power BI：ドラッグ＆ドロップの BI でビジネスユーザーに優しい。Hex はコードと ML の流儀寄りで、アナリストやデータサイエンティストに合う。

Hex