2026年のおすすめLooker代替ツール：本格的なセマンティックレイヤーを備えた14製品

著者: Camellia · 更新日: 2026年8月21日

すでにMicrosoft 365またはAzureで標準化していて、専任のLookML開発者を雇わずにガバナンスの効いたセマンティックレイヤーを使いたいチームには、Microsoft Power BIが最適なLooker代替ツールです。Gitベースでコード定義のモデリングの規律をそのまま保ちつつ、独自言語ではなくdbtを軸にしたい場合は、Lightdashが最も近い選択肢です。そして、モデリング言語を学ぶよりスプレッドシートで作業したい財務チームや売上チームには、Sigma Computingが最適です。以下のすべてのツールは、チャートの種類だけでなく、本格的でガバナンスの効いたモデリングレイヤーがあるかどうかで評価しており、すべての価格は2026年8月時点のベンダー公式の料金ページに基づいています。

Lookerの代替ツール探しの多くは、最初に整理しておくべき混同から始まります。「Looker」と「Looker Studio」は、所有者も料金モデルも対象ユーザーも異なる、別々のGoogle製品であり、「Lookerをやめたい」という検索の多くは、実は無料のほうを指しています。本ガイドでは両方に加え、さらに12のツールを取り上げます。Gitベースのセマンティックレイヤーを維持するか、GUI優先のガバナンスの効いたモデルに移行するか、モデリングをウェアハウスに完全に任せるかを決めようとしているCTO、VP of Data、アナリティクスエンジニア、BIリーダー向けです。カテゴリをまだ絞り込めていない場合は、まずBIツールのまとめ記事をご覧ください。Lookerが具体的に比較対象の既存ツールである場合は、このまま読み進めてください。

重要なポイント

• GoogleのLookerは、2026年版のGartner Magic Quadrant for Analytics and Business Intelligence Platformsで、3年連続でLeaderに選出されました（Google Cloud Blog）。
• Microsoft Power BIは、2025年版のレポート時点で18年連続で同じMagic QuadrantのLeaderに選ばれており、このカテゴリで現在続いている最長の記録です（Microsoft Power BI Blog）。
• 今後12か月でセマンティックレイヤーのツールへの投資を増やす計画を持つデータチームは、**わずか27%**でした。これはデータの実務担当者とリーダー459人への調査に基づきます（dbt Labs、2025 State of Analytics Engineering Report）。
• BIリーダーのほぼ3分の2が、AIによってアナリティクスのロードマップが加速した、または方向転換したと回答しています。Dresner Advisoryの主力となる市場調査によるものです（Dresner Advisory Services、第17版Business Intelligence市場調査、2026年）。
• 世界のBIソフトウェア市場は、2033年まで年平均成長率9.3%で成長し、2026年には437億ドルに達すると予測されています（Grand View Research）。

クイック比較表

LookerとLooker Studio：同じ製品ではありません

何よりもまずここで立ち止まる価値があります。このガイドのどちら半分があなたに当てはまるかが変わるからです。Looker（Google Cloudのコアプラットフォーム）とLooker Studio（旧Google Data Studio）は、名前と親会社を共有していますが、アーキテクチャ上は共通点がありません。

Lookerは、LookMLを軸にしたエンタープライズBIプラットフォームです。LookMLは、ディメンション、メジャー、結合をコードとして定義する、Gitベースのモデリング言語です。Standard、Enterprise、Embedの各エディションで販売され、すべて見積もりのみで、1年、2年、3年の年間契約となり、各プラットフォームにStandardユーザー10名とDeveloperユーザー2名が含まれます。Googleが公開している具体的な数字は1つだけで、Conversational Analyticsのデータトークンの超過料金が、2026年10月1日から入力100万トークンあたり$3.00、出力100万トークンあたり$20.00です（Google自身の料金ページによれば、2026年9月30日まではフェアユースの範囲内で現在無制限）。

Looker Studioは、モデリング言語も独自のセマンティックレイヤーもない、無料のポイント&クリック式のレポーティングツールです。数百のデータソース（Google Ads、Analytics、Sheets、BigQuery、コミュニティのコネクタ）に接続し、ガバナンスの効いたエンタープライズ指標ではなく、レポートの素早い作成のために作られています。Looker Studio Proは、1つのGoogle Cloudプロジェクトに紐づく有料ライセンスを追加するもので、使っているかどうかにかかわらずライセンスごとに課金され、1ユーザー1プロジェクトあたり月額$9です。

実際の不満が「Google AdsとAnalyticsのデータで無料のダッシュボードが欲しい」ということなら、代替ツールは要りません。Looker Studioがすでにそれを実現しています。このガイドの残りは、より難しい問い、つまりLookMLのガバナンスの効いたモデルを何が置き換えるのかを扱います。

チームがLookerの代替ツールを探す理由

チームがLookerからの移行を評価するとき、5つの点が繰り返し挙がり、それらはおおむね、LookMLが価値を持つ理由そのものの裏返しです。

LookMLの学習曲線が、エンジニアリングへの依存を生む。 LookMLは依存関係を記述する言語で、SQLよりmakeに近く、SQLを置き換えるのではなくその上に独自の概念（Explore、結合、ディメンション、メジャー）を追加します。必要なGitのワークフローに慣れていないアナリストは、コミットやブランチの習得で本格的な抵抗に直面し、反復のループ自体も遅くなります。LookMLを書き、Validateをクリックし、Saveをクリックし、結果を確認して、また繰り返すという流れです。指標の定義を変えるにはLookMLに堪能な人が必要で、専任のBIエンジニアがいないチームでは、レポーティングが開発者のキューの後ろで滞ります。

料金は見積もりのみで、年間契約が付いてくる。 Lookerの料金ページにはどこにも金額がなく、3つのエディションがあるだけで、すべて1年、2年、3年の期間で販売されます。コミット後であれば問題ありませんが、営業との打ち合わせの前に予算を組んだりプロトタイプを作ったりするのが難しく、利用量を月ごとに増やしていくのではなく、最初から契約期間に縛られます。

プラットフォーム料金とユーザーライセンスの構造が、実際の作業をDeveloperシートの後ろに閉じ込める。 プラットフォームごとに含まれるのは、Standardユーザー10名とDeveloperユーザー2名だけです。Standardユーザーはダッシュボード、Explore、限定的なLookMLを扱えますが、実際のモデル変更は引き続きその2つのDeveloperシートを通ります。そのため、3人目がモデルを編集する必要が出た時点で、再びライセンスの話し合いに戻ります。

Google Cloudエコシステムの引力は、あるチームには利点で、別のチームには摩擦になる。 Lookerの最も深い統合はBigQueryとGoogle Cloudの他の部分で、新しいConversational AnalyticsはGeminiと結び付いています。ウェアハウスがSnowflake、Databricks、またはマルチクラウドの混在である場合、その引力は味方ではなく逆風になります。

代わりに探されるものは、いくつかの明確なパターンに分かれる。 独自の構文のないGitベースのセマンティックレイヤー（dbtを軸にしたLightdash、独自のAML言語のHolistics）、モデリングを省いてウェアハウスのガバナンスに任せるスプレッドシートインターフェース（Sigma）、またはセルフホストによる完全な制御（MetabaseまたはApache Superset）です。モデリング言語だけでなく、Gitのワークフロー自体がスタックの見直し時期に来ている場合は、GitLabの代替ツールのガイドで、その隣接する判断を取り上げています。

セマンティックレイヤーの比較：実際に備えているのはどれか

この表を飛ばしたLooker代替ツールのまとめ記事は、要点を飛ばしています。LookMLの核心的な価値はチャートではなく、すべての指標について、1つのガバナンスの効いたバージョン管理された定義があることです。このリストの一部のツールはその規律を直接置き換え、一部は別の種類のガバナンスで置き換え、いくつかはそもそもそれに対する答えを持っていません。

LookMLと同じようにコードとしてのモデリングを扱っているのはLightdashとHolisticsだけで、コードで定義され、Gitでバージョン管理され、プルリクエストでレビューできます。GoodDataのLogical Data Modelも、dbtやLookMLの構文ではなく独自のAnalytics as Code CLIを通じて、そこに近づいています。このリストの他のすべてのツールは、その規律を、より速いダッシュボード立ち上げか、まったく別のガバナンスモデル（Sigmaならウェアハウスそのもの）と引き換えにしています。どれを選んでも、根底にあるガバナンスの問題は消えず、場所が移るだけです。どのツールがそれを強制するかにかかわらず、自社で「ガバナンスが効いている」とは何を意味すべきかを決めるうえで、売上データの信頼できる唯一の情報源のフレームワークが参考になります。

1. Microsoft Power BI：LookMLなしのガバナンスの効いたモデル

Power BIのセマンティックモデル（以前はデータセットと呼ばれていたもの）は、LookMLを手書きしなくても、再利用可能でガバナンスの効いた指標レイヤーを提供します。Microsoft FabricのGit連携は、それらのモデルをTMDL形式で、テーブル、メジャー、リレーションシップごとに1ファイルとして保存するため、オーサリング自体はコード優先ではなくGUI優先でも、変更に対して本物の差分とコードレビューが行えます。さらにCopilotが、AI支援のDAXとレポート生成を加えます。MicrosoftはForresterの2025年第2四半期のBusiness Intelligence Platforms Waveで、生成AI機能においてどのベンダーより高いスコアでLeaderに選ばれ、またGartner Magic Quadrantでは18年連続でLeaderであり、これはこのカテゴリの他のどのベンダーより長い記録です。すでにMicrosoft 365、Teams、Azureの中にいる組織にとっては、このエコシステムの深さが本当の魅力です。

トレードオフは、Fabricに深く入り込んだときに現れます。キャパシティ課金（F-SKU）はリージョンごとに異なり、定額の価格表ではなく計算ツールを通じて表示され、コストは、定額のユーザー単価より予測しにくい形で使用量に応じて増えます。

料金： 無料（個人向け、共有不可）、Proは年払いで$14.00/ユーザー/月、Premium Per Userは年払いで$24.00/ユーザー/月、Fabricのキャパシティはリージョンごとに別途課金され、予約で約41%節約できます。

最適な用途： LookMLに堪能な人を雇わずに、ガバナンスの効いたバージョン管理付きのセマンティックモデルを求める、Microsoftで標準化したチーム。

規模の適合： 小規模なチームからエンタープライズまで対応します。大規模では、ユーザー単位のライセンスではなく、Fabricのキャパシティコストが実質的な制約になります。

ステージ適合： BIの取り組みがどの程度成熟していても、企業がデータスタックをMicrosoftで標準化した時点で、強く適合します。

Power BI自体の代替ツールを検討している場合は、専用のPower BIの代替ツールのガイドをご覧ください。このカテゴリの2大既存ツールのどちらにするかを決めかねている場合は、Power BI vs. Tableauでその比較を直接取り上げています。

2. Tableau：最高のビジュアル分析、ただし一元的なセマンティックレイヤーは依然なし

このセクションの直接対決版としては、Tableau vs Lookerで、25、50、100ユーザーでのコストと、それぞれが何をガバナンスするかを比較しています。

Tableauは、ビジュアル探索の基準点であり続けています。ドラッグ&ドロップの分析、このカテゴリで最も深いチャートライブラリ、そして本当に高速なアドホックな発見です。VizQL Data ModelやTableau Pulseといった最近の追加は、より一元的な指標レイヤーに向けたTableau自身の動きで、SalesforceのAgentforce連携は、Tableauのデータの上に対話型のクエリを提供します。しかし、従来も、そして今も大部分において、LookerのすべてのExploreがLookMLを継承するのとは違い、各ワークブックが、1つのガバナンスの効いたモデルを継承するのではなく、独自のデータソースのロジックを定義します。そのため、それを防ぐ意図的な規律がなければ、同じ指標がワークブック間でずれていく可能性があります。

料金： Creator $75、Explorer $42、Viewer $15/ユーザー/月、年払い（Standardエディション。Enterpriseはより高額で、Creatorは$115）。

最適な用途： 一元的な指標のガバナンスより、ビジュアル分析とアドホックな探索を優先するチーム。

規模の適合： 小規模なアナリストチームから大企業まで拡張できます。主な調整要因はモデリングの複雑さではなく、ライセンスコストです。

ステージ適合： ビジュアルストーリーテリングとダッシュボードの完成度が、根底にある指標の一貫性と同じくらい重要になった段階で、強く適合します。

実際に置き換えようとしているのがTableauなら、Tableauの代替ツールのガイドで、その具体的な候補をさらに掘り下げています。

3. Sigma Computing：スプレッドシートインターフェース、モデリング不要

Sigmaの訴求は、LookMLとは正反対です。新しい質問のたびにガバナンスの効いたモデルが関門として立ちはだかるのではなく、ビジネスユーザーはライブのウェアハウスのデータ（Snowflake、Databricks、BigQuery）に対して、スプレッドシートインターフェースで直接作業し、シナリオ分析向けの書き戻し用の入力テーブルまで使えます。ガバナンスは、Looker型のモデルファイルではなくウェアハウス自体のアクセス制御とビューにあるため、アナリストと新しいピボットの間にエンジニアリングのキューが立ちはだかることはありませんが、その代わりLookMLが強制する一元的な指標の一貫性は失われます。

料金： 公開価格なし。無料トライアルとデモ依頼のみ。

最適な用途： データチームを待たずに、スプレッドシートネイティブなセルフサービスを求める財務、売上、オペレーションのチーム。

規模の適合： ウェアハウスネイティブなガバナンスがすでに信頼されている環境で、従業員数がおよそ50〜2,000名の範囲に最適です。

ステージ適合： 企業が本格的なクラウドウェアハウスを導入し、ビジネスユーザーにそれを直接クエリさせたい段階で適合します。

Sigmaのスプレッドシートという訴求が、財務チームがすでにスプレッドシートで仕事をしているために魅力的なら、専用の計画プラットフォームとも比較する価値があります。おすすめのFP&Aソフトウェアのまとめ記事をご覧ください。

4. Metabase：無料で始められる出発点

Metabaseは、Lookerのライセンスモデルから完全に離れようとするチームにとって、最初に立ち寄るのに最適な場所です。セルフホストのオープンソース版はユーザー無制限で無料で、「Models」、つまり再利用可能な構成要素として印を付けた整理済みのSQLビューという概念が、軽量なセマンティックレイヤーとして機能します。設計上、LookMLよりシンプルで厳密さに欠け、LookMLのExploreや対称集計に相当するものはなく、保存された再利用可能なクエリがあるだけです。

料金： オープンソースのセルフホストは無料でユーザー無制限。Cloud Starterは年払いで月額$90（年$1,080）、5ユーザー込み、追加ユーザーは月額$6。Cloud Proは年払いで月額$517.50（年$6,210）、10ユーザー込み、追加ユーザーは月額$12。Enterpriseは個別見積もりで、年約$20,000から。

最適な用途： シート数を気にせず、本当に無料で始められる出発点を求める小規模なチームとスタートアップ。

規模の適合： 従業員数200名未満に最適です。より大きな組織は、通常、そのガバナンスモデルでは足りなくなります。

ステージ適合： 最初のBIツールとして自然な選択肢であり、LookMLの重さは一度も必要なかったと判断したチームにとっては、意図的なダウングレードでもあります。

5. Lightdash：dbtを使う企業にとっての、文字どおりのLooker代替ツール

Lightdashは、このリストでLookMLと思想的に最も直接一致するツールです。既存のdbtプロジェクトの中にYAMLで直接指標を構築し（meta.metricsの仕様が、ローンチ以来のdbtネイティブな道筋です）、gitにコミットし、dbtのワークフローを離れずにその上にダッシュボードを得られます。dbt Write-Backを使えば、アナリストがLightdashのUIから指標を作成または編集でき、その変更がdbtのリポジトリにそのまま書き戻されるため、ガバナンスモデルは本当にgitネイティブで、LookMLが強制するのと同じ規律を、独自言語ではなくdbtを軸にして実現しています。dbt自身のSemantic Layer（MetricFlow）から指標を取り込むベータ対応も展開が進んでおり、現在は、simple、ratio、derivedの指標タイプに限られます。

料金： 無料（セルフホスト、オープンソース）、Cloud Proはシート課金なしで月額$3,000（ユーザー無制限）、Enterpriseは個別見積もり。

最適な用途： すでにdbtを運用していて、Lookerの価格やGoogleへの依存なしに、LookMLのコードとgitの規律を維持したいチーム。

規模の適合： dbtプロジェクトがすでにある環境で、従業員数がおよそ20〜500名の範囲に最適です。

ステージ適合： 移行中にモデリングの厳密さを一切失いたくない、Lookerから移るチームに理想的です。

このような移行を乗り越えられるモデルを作る仕組みをさらに詳しく知るには、スケールするSQLデータモデリングのガイドをご覧ください。

6. Preset (Managed Apache Superset)：オープンソース、ロックインなし

Presetは、Airbnbで生まれたオープンソースプロジェクトであるApache Supersetのマネージド版です。本当の目的がベンダーロックインを完全に避けることなら、セルフホストのSupersetは永久に無料で、運用の負担を自分で負うだけです。Presetはそのホスティングの負担を取り除きながら、同じオープンなエンジンの上にとどまれるため、完全にクローズドなツールから移行する場合のような、独自形式のリスクがありません。Supersetのデータセット（仮想または物理）は軽量なモデリングレイヤーとして機能し、アセットはバージョン管理のためにYAMLとしてエクスポートできますが、そのままでは、dbtの指標ネイティブなシステムではありません。

料金： Preset Starterは最大5ユーザーまで永久無料、Professionalは年払いで$20/ユーザー/月（月払いは$25）、ユーザー無制限、Enterpriseは個別見積もり。セルフホストのApache Superset自体はオープンソースで無料です。

最適な用途： インフラを自社で持たずに、オープンソースのBIエンジンを求めるエンジニア主導のチーム。

規模の適合： Starterは5ユーザー未満のチームに適し、Professionalはミッドマーケットまで無理なく拡張できます。

ステージ適合： LookMLレベルのモデリングの深さを必要とすることより、オープンソースのガバナンスとロックインの回避を重視する場面で適合します。

7. ThoughtSpot：検索第一、dbtとLookerへの橋渡し付き

ThoughtSpotの訴求はダッシュボードではなく検索です。自然言語で質問を入力または問いかけると、モデルに直接クエリされ、独自のAIと、より新しいエージェント型の機能がそれを支えます。そのModels（以前はWorksheetsと呼ばれていたもの）は、ThoughtSpot独自のセマンティックレイヤーで、TMLと呼ばれるYAML風の形式でエクスポートできます。dbt Labsとの2022年のパートナーシップは、現在も有効でAnalyst Studioを通じて拡張されており、ThoughtSpotがdbt Semantic Layerから、または既存のLooker/LookMLのインスタンスから直接、指標をクエリできます。Lookerを一度に切り替えるのではなく段階的に移行する場合に便利です。

料金： Essentialsは年払いで$25/ユーザー/月から（5〜50ユーザー、最大2,500万行）、Proは年払いで$50/ユーザー/月から（最大1,000ユーザー、2億5,000万行）、Enterpriseは個別見積もり。組み込み：Developerは1年間無料（10ユーザー）、Enterpriseは個別見積もり。

最適な用途： ダッシュボードをたどるのではなく、自然言語で質問したいビジネスユーザー。

規模の適合： Essentialsは5〜50ユーザーに適し、Proは1,000ユーザーまで拡張できます。

ステージ適合： Lookerの置き換えとしても、段階的な移行の間、既存のLooker/dbtモデルの上に載せる橋渡しのツールとしても、うまく機能します。

8. Qlik Cloud Analytics：アソシエイティブな探索、キャパシティ課金

Qlikのアソシエイティブエンジンは、このリストの中で、Lookerの思想から最も大きく離れたアーキテクチャです。LookMLが求めるように、すべての結合とリレーションシップを事前に定義する代わりに、Qlikのインメモリエンジンはデータ間のリレーションシップをすべて事前にインデックス化するため、硬直したスタースキーマでは完全に見逃してしまう関連を、ユーザーがクリックしてたどれます。この柔軟性は、LookML型のガバナンスと引き換えになります。プルリクエストでレビューできる、唯一の正式なモデルファイルがないからです。料金はユーザー単位ではなくキャパシティベースなので、LookerのStandard Userモデルのように、アナリストを増やしてもライセンスコストは増えません。Qlikは、同社自身の発表によれば、Gartnerの2025年版Magic Quadrant for Analytics and BI Platformsで15年連続でLeaderに選ばれました。

料金： Starterは月額$300（10ユーザー、10 GB、年払い）、Standardは月額$825（25 GB、追加ユーザーは無料）、Premiumは月額$2,750（50 GB）、Enterpriseは見積もり、最低250 GB。すべてキャパシティベースで年払い。

最適な用途： 探索的で非線形な分析を求め、シートではなくデータ量で予算を組むことに抵抗のないチーム。

規模の適合： Starterは10 GBの小規模なチームに適し、PremiumとEnterpriseは、人数にかかわらず大きなデータ量まで拡張できます。

ステージ適合： 組織にとって、ユーザー数ではなくデータ量のほうが予測しやすい成長指標になった段階で適合します。

9. Hex：ノートブックとガバナンスの効いた指標レイヤー

Hexはまずダッシュボードのツールではなく、共同作業用のノートブックです。SQL、Python、ノーコードのセルを1つのドキュメントにまとめ、単なるチャートではなく洗練されたアプリを公開するアナリティクスエンジニアやデータサイエンティストを想定しています。Lookerの中核的な約束と交わるのは、dbt Semantic Layerとの連携です。2026年3月時点でパブリックベータのHexのSemantic Model Syncは、ガバナンスの効いたメジャーとディメンションを、dbt MetricFlowまたはCubeからノートブックにそのまま取り込みます。つまり、LookMLが提供する「信頼できる唯一の情報源」はdbtの中に置いたまま、Hexがその上での探索とアプリ構築を担えます。

料金： Communityは無料、Professionalは$36/エディター/月、Teamは$75/エディター/月、Enterpriseは個別見積もり。

最適な用途： また別のダッシュボードツールではなく、ガバナンスの効いた指標を土台としたノートブックを求める、アナリティクスエンジニアとデータサイエンティスト。

規模の適合： 無料のCommunityティアは個人に使え、Teamティアは5〜50名のアナリティクスチームに適します。

ステージ適合： すでにdbtへの投資があり、BIレイヤーを丸ごと置き換えるのではなく、その上にインタラクティブなアプリを構築したいチームに最適です。

10. Holistics：Googleなしの、LookMLに最も近いもの

LookMLの核心的な考え方、つまりコード定義でgitでバージョン管理された指標は好きだが、Googleのエコシステムは好きではない、という場合、Holisticsはこのリストで最も直接的に一致するツールです。そのモデリング言語であるAML（Analytics Modeling Language）は、LookMLと同様の役割を果たします。ディメンション、メジャー、リレーションシップがコードとして書かれ、本物の双方向同期、ブランチ、コードレビューを備えたgitにチェックインされ、LookML自身のバージョン管理との関係よりも、おそらく完成度の高いgitワークフローです。Googleより小さな会社なので、すでにAMLを知っている人材の採用市場はLookMLより薄くなりますが、「コードとしてのモデリング」という原則を捨てずにLookerから離れたいチームにとっては、思想的に最も近い適合先です。

料金： Entryは年払いで月額$800（月払いは$960）、最初の10ユーザーと100レポート、Standardは年払いで月額$1,000（月払いは$1,200）、レポート無制限、Security Compliance Suiteは年払いで月額$2,000（月払いは$2,400）。追加ユーザーは月額$12.50〜$18。

最適な用途： LookMLの、ガバナンスとしてのコードというモデルを特に評価していて、同じ思想を別の場所で求めるチーム。

規模の適合： Entryティアは10ユーザーまでのチームに適し、Standardは大規模なアナリティクスチーム向けにレポート無制限まで拡張できます。

ステージ適合： 既存のLookMLの規律を持ち、移行で捨てるのではなくそれを維持したいチームに最適です。

11. Looker Studio：無料だが、本物のLookerの代替ではない

無料のツールが本当に探していたものなら、Power BI vs Looker Studioのほうがより役立つ比較です。

多くの人が、Lookerをやめたいと言うとき、実際に頭に浮かべているのはこの「無料のLooker」です。はっきり言っておく価値がありますが、これはLookMLベースのプラットフォームの軽量版ではなく、Googleが買収してブランドを変更した（旧Google Data Studio）、本当に別の製品です。数百のデータソースに接続しますが、セマンティックレイヤーもLookMLもなく、ガバナンスの効いたエンタープライズ分析ではなく、レポートの素早い作成のために作られています。Lookerへの本当の不満が「Google AdsとAnalyticsのデータで無料のダッシュボードが欲しいだけ」なら、Looker Studioはこのリストの競合ではなく、おそらくすでにあなたのGoogleアカウントの中にあります。

料金： 無料。Looker Studio Proは、1つのGoogle Cloudプロジェクトに紐づく有料ライセンスを追加するもので、使っているかどうかにかかわらずライセンスごとに課金され、1ユーザー1プロジェクトあたり月額$9です。

最適な用途： Googleやマーケティングのデータについて、素早く無料でレポートを作る必要があるマーケターとアナリスト。

規模の適合： 無料ティアにはシートコストがないため、どの規模のチームにも適します。

ステージ適合： 必要なのがガバナンスの効いたエンタープライズBIではなくレポート作成であれば、どのステージにも適合します。

12. Domo：シート単位のコストなし、代わりに消費クレジット

Domoの訴求は、1つのプラットフォーム、モバイルファースト、シート課金なしです。ユーザーシートにはまったく課金せず、代わりにストレージ、テーブル更新、ワークフロー、ML推論に使う消費クレジットで計測します。これはLookerのユーザー単価とプラットフォーム料金のモデルを完全に逆転させるもので、人員の増加に合わせてシート単位の請求が増えることなく全従業員にダッシュボードを届けたい組織には有利ですが、ワークロードが予測不能で波がある場合は、クレジットの消費を事前に予測しにくく、リスクが高くなります。Domo Everywhereが組み込みを担い、そのモバイルアプリは、デスクトップ製品に後付けしたレスポンシブなWebのラッパーではなく、本当にモバイルファーストで作られています。

料金： 公開価格なし。消費クレジットモデルで、クレジットはストレージ、テーブル更新、ワークフロー、ML推論で消費され、年間または複数年のサブスクリプションのもとで課金サイクルごとに更新されます。

最適な用途： シート単位のライセンスなしで、大人数の非技術系の従業員にダッシュボードを届けたい組織。

規模の適合： シートが無料なので、ほぼどの規模でも機能します。実質的な予算の変数は、人員ではなくクレジット消費です。

ステージ適合： 深くガバナンスの効いたモデリングより、全社的な幅広いダッシュボードへのアクセスのほうが重要になった段階で適合します。

Domoが実際に比較対象の代替ツールを探している既存ツールなら、専用のDomoの代替ツールのガイドをご覧ください。

13. Sisense：社内BIではなく、組み込みのために作られた

Sisenseは、社内向けのBIを運用するチームではなく、自社プロダクトに分析を組み込むチームのために作られています。ElastiCubeインメモリエンジンとホワイトラベルのオプションは、Looker型の社内レポーティングレイヤーではなく、自社アプリケーションの機能として分析を提供するプロダクトチームやエンジニアリングチームを想定しています。2025年のSisense Intelligenceのリリースでは、既存の組み込みの強みの上に、GenAIアシスタント機能（自然言語の「Explanation」と「Forecast」ツール）が追加されました。同社は2023年から2024年にかけて2回のレイオフを経験しましたが、2026年半ば時点で、買収の発表はなく、独立して運営されています。

料金： 公開価格なし。料金ページには2つのプランが記載されています。Self-Serve（無料トライアル）とEnterprise（営業に問い合わせ）です。

最適な用途： 自社のSaaSアプリケーションに、直接分析を組み込むプロダクトチームとエンジニアリングチーム。

規模の適合： 社内の人員にかかわらず、組み込む先となる既存のプロダクトを持つ企業に最適です。

ステージ適合： 分析が、社内のレポーティングツールではなく、自社プロダクトの機能になった段階で適合します。

14. GoodData (GoodData.AI)：組み込み分析向けのヘッドレスなセマンティックレイヤー

GoodDataは2026年4月にGoodData.AIへとリブランドし、クエリエンジンをオープンソースのコンポーネント（Apache Arrow、DuckDB、Apache Iceberg）で再構築しましたが、Lookerを検討している人にとっての中核的な提案は変わっていません。複数のアプリケーションとAIエージェントが一貫してクエリできる、ヘッドレスでガバナンスの効いたLogical Data Model（LDM）を、CLIとGit連携を備えた「Analytics as Code」のワークフローで管理するもので、思想的にはLookMLに近いものの、LookMLの構文ではなく独自の宣言型形式で表現されます。GartnerはGoodData.AIを、2026年のMagic Quadrant for Analytics and BI PlatformsでVisionaryと認定し、前年のNiche Playerから上がりました。これは、組み込みと開発者中心という焦点を反映したものです。

料金： 公開価格なし。Professionalはワークスペース単位の料金、Enterpriseは個別見積もりでユースケースに基づきます。

最適な用途： ガバナンスの効いたマルチテナントの分析とAIエージェントを、自社プロダクトに組み込むSaaS企業。

規模の適合： 分析を機能として構築するスタートアップから、多数の下流アプリを持つエンタープライズまで、本当に組み込みのユースケースがある企業に最適です。

ステージ適合： 分析が、1つの社内ダッシュボードだけでなく、複数のアプリケーションとエージェントにわたって一貫している必要が出てきた段階で適合します。

LookMLからの移行：引き継げないもの

どのツールに行き着くにしても、実際に再構築が必要なものを見込んでおいてください。自動的に移行されるものは何もないからです。

指標の定義はエクスポートできない。 LookMLで書いたすべてのメジャー、ディメンション、派生テーブルは、移行先のツール独自のモデリング言語（Power BIならDAX、LightdashならYAML、HolisticsならAML）で手作業で再実装する必要があります。LookMLのロジックをツール間で完全に保持する変換ツールはありません。

Exploreレベルの結合の挙動には、直接の対応物がない。 LookMLのExploreは、どのフィールドが結合可能か、そしてその結合にわたって対称集計がどう振る舞うかを定義します。他のほとんどのツールは、結合をクエリ単位またはモデル単位で異なる形で扱うため、このロジックは、単なる翻訳ではなく考え直しが必要です。

行レベルセキュリティは、新しいツール独自のモデルで再構築する必要がある。 Lookerのユーザー属性ベースのアクセスフィルターは引き継げず、どの移行先ツールも、行レベルセキュリティをそれぞれ独自の方法で実装しています。

アクション、スケジュール配信、カスタムビジュアライゼーションは、すべて再作成が必要です。新しいプラットフォームの同等機能で作り直すことになり、これらの連携は、エクスポートしてインポートできる設定としては引き継がれません。

本当の救いが1つあります。組織がLookerとは独立してdbtプロジェクトをすでに運用しているなら、その根底にあるデータモデリングの作業は移植可能で、LookMLは、すでにdbtにあったロジックを重複して持っていたと言えます。その場合にLightdashのようなdbtネイティブなツールに移ることは、実際には移行ではなく、すでに持っていたモデルへの統合です。いずれにしても、各指標が何を意味し、どこから来るのかを明確に参照できるようにしておくことは、移行中ほど重要な時期はありません。どのツールが最終的にそれを強制するかにかかわらず、売上データ辞書のフレームワークは、借りる価値のあるパターンです。そして、より大きな問いが、その上に載るBIレイヤーだけでなく、分析スタック全体に関するものなら、データアナリストのツールとテックスタックのガイドが次の立ち寄り先として適しています。

規模とペルソナの適合

ステージ適合

選び方：意思決定フレームワーク

チームが維持できるガバナンスモデルで選び、そのうえで製品の候補を絞り込みます。

実際に解決しようとしているギャップが、ビジネスレポーティングではなくプロダクトの利用データに関するものなら、それはまったく別のカテゴリです。プロダクト分析ソフトウェアの選び方のガイドをご覧ください。

次のステップ

上の意思決定フレームワークから最も有力な2つの候補を選んでください。GitベースかGUI優先かの分岐の、それぞれの側から1つずつです。そして、現在のLookerのインスタンスから、実際のものを1つずつ再構築してみてください。チームが毎週実際に確認しているダッシュボード、または最もよく使うExploreの背後にある指標の定義です。この部分で営業デモに付き合う必要はありません。自社のアナリストが、すでにLookMLで信頼しているものを再現するのにどれだけ時間がかかるか、そして、他のチームメンバーが編集し始めても、新しいツールのガバナンスモデルが、どのような種類のものであれ、実際に持ちこたえるかを見てください。この演習は、このページのどの機能比較よりも、実際の移行コストについて多くのことを教えてくれます。

Camelliaは、B2B企業向けにビジネスインテリジェンスとアナリティクスのツールについて執筆しています。