Power BIとは？主要機能や使い方、料金体系について解説！

Power BIは、Microsoftが提供するビジネス分析プラットフォームです。
2026年3月時点ではMicrosoft Fabricのコアコンポーネントとして位置づけられ、Copilotによる自然言語分析やDirectLakeによるリアルタイムクエリなど、AI時代のBI基盤へと進化しています。

本記事では、Power BIの主要機能からCopilot・AI連携、他ツール比較、導入事例、料金体系、導入時の注意点までを体系的に解説します。

✅Microsoft 365 Copilotの最新エージェント機能「Copilot Cowork」については、以下の記事をご覧ください。
Copilot Coworkとは？機能や料金、Claude Coworkとの違いを解説

Power BIとは

Power BIは、Microsoftが提供するビジネス分析プラットフォームです。社内に散在するデータを集約・可視化し、レポートやダッシュボードとして組織全体で共有できます。操作はドラッグ&ドロップが中心で、専門的なプログラミング知識がなくてもデータ分析を始められるのが特徴です。

2026年3月時点で、Power BIはMicrosoft Fabricのコアコンポーネントとして位置づけられています。データの収集・加工から分析・共有まで、これまで複数のツールに分散していた作業をPower BIとFabricの組み合わせで一元化するのがMicrosoftの方向性です。

Power BIの提供形態

Power BIは3つの形態で提供されており、それぞれの役割が明確に分かれています。

PowerBIイメージ図

• Power BI Desktop
  Windows向けのデスクトップアプリケーションです。データの取得、加工、モデリング、レポート作成までの一連の作業を無料で利用できます。Power BIでの分析作業はここから始まります。
  
  

• Power BI Service
  クラウド上の共有基盤です。Desktopで作成したレポートを発行し、ダッシュボードとして組織内に公開できます。スケジュール更新、アラート設定、アクセス管理もここで行います。
  
  

• Power BI Mobile
  iOS・Android対応のモバイルアプリです。外出先や会議中でもレポートやダッシュボードを閲覧でき、現場での即時確認に役立ちます。

レポートの「作成」はDesktop、「共有」はService、「閲覧」はMobileと役割が分かれています。この3形態を組み合わせることで、データの作成から意思決定までをシームレスにつなげられます。

Microsoft FabricにおけるPower BIの位置づけ

Power BIはもともと単体のBIツールとして提供されていましたが、現在はMicrosoft Fabricの統合分析基盤の一部として機能しています。以前はAzure Synapse Analyticsなどと個別に連携する構成が一般的でしたが、Fabricではこれらがワンプラットフォームに統合されています。

Fabric統合により、Power BIに以下の機能が追加されました。

• DirectLakeモード
  OneLake上のDelta Lake/Parquetデータに、インポートやキャッシュなしで直接クエリを実行できます。2026年3月にGA（一般提供）となり、データ鮮度とパフォーマンスの両立が実現しています。
  
  

• Dataflows Gen2
  Fabricワークロード間で共有できるデータ準備機能です。Power Query Onlineを拡張し、データパイプライン全体を一元管理できます。
  
  

• Data Activator
  リアルタイムのアラートと自動化機能です。データの変動を検知し、Teamsへの通知やPower Automateフローのトリガーを設定できます。

Fabric導入を検討していなくても、Power BI単体として従来どおり利用できます。既存のレポートやワークスペースはそのまま維持されるため、移行作業は不要です。

---

Power BIの主要機能

Power BIの機能は大きく「データの収集・加工」「モデリング・分析」「視覚化」「共有」の4領域に分かれます。この4つの連携が、Excelでは難しかった組織横断のデータ活用を実現します。

データの収集と加工（Power Query）

Power BIの内蔵ツール「Power Query」を使って、さまざまなデータソースからデータを取り込みます。以下は接続先の代表例です。

カテゴリ	接続先の例
ファイル	Excel、CSV、JSON、PDF
データベース	SQL Server、Oracle、PostgreSQL、MySQL
クラウドサービス	Salesforce、Google Analytics、Dynamics 365
Microsoft製品	SharePoint、Azure SQL、OneLake

100以上のデータソースに対応しているのがPower BIの強みです。特にMicrosoft 365環境ではSharePointリストやTeamsのデータに直接接続できるため、追加のETLツールなしでデータ統合が始められます。

Power Queryでは取り込んだデータに対して、重複削除、型変換、列の分割・結合、条件付きフィルタリングといったクレンジング処理をGUIベースで実行できます。一度設定した手順は「クエリ」として保存され、データ更新時に自動で再適用されるため、毎回手作業でデータを整える必要がなくなります。

データモデリングと分析（DAX）

データの加工が終わったら、テーブル間のリレーションシップを定義し、分析に必要な計算式を作成します。ここで使うのがDAX（Data Analysis Expressions）というPower BI専用の式言語です。

DAXでは合計・平均などの基本集計から、前年比較、移動平均、ABC分析のような高度なビジネス計算まで対応します。Excelの関数に近い構文であるため、Excel経験者は比較的短期間で習得できます。DAXの詳細は公式リファレンスを参照してください。

2026年3月のアップデートではDAXユーザー定義関数（プレビュー）が追加されました。再利用可能な計算ロジックの定義が可能になり、複数レポートで共通のKPI計算式を一元管理できるようになっています。

データの視覚化

Power BIでは30種類以上の組み込みビジュアルに加え、マーケットプレイスから追加のカスタムビジュアルを導入できます。以下に代表的なビジュアルの特性をまとめます。

ビジュアル	用途	向いている場面
棒グラフ・折れ線グラフ	数値の比較・推移	売上の月次比較、KPI推移
円グラフ・ドーナツ	構成比	カテゴリ別シェア
マップ	地理的分布	地域別売上、店舗分析
ツリーマップ	階層的な構成	組織別予算配分
テーブル・マトリックス	詳細データ	明細一覧、クロス集計

マップイメージ(参考：マイクロソフト)

2026年3月にはFluent 2デザインに基づく「Modern Visual Defaults（プレビュー）」が導入されています。サブタイトルの自動表示、統一パディング、グレー背景がデフォルトとなり、特別なデザイン作業をしなくてもレポートの見た目が整います。

また、ドリルダウン機能を使えば、全社売上→地域別→店舗別というように、集約データから詳細データへ階層的に掘り下げて分析できます。1つのグラフから複数の切り口でデータを探索できるため、Excelの静的なグラフでは得られない「対話的な分析体験」が実現します。

レポートとダッシュボードの共有

作成したレポートはPower BI Serviceに発行し、組織内で共有します。主な共有の仕組みは以下のとおりです。

• ワークスペース
  チーム単位でレポートを管理・編集する場所です。部門ごとにワークスペースを分けるのが一般的です。
  
  

• アプリ
  ワークスペース内のレポート群をまとめて配布する仕組みです。閲覧者はレポートを一覧で確認でき、編集権限は不要です。
  
  

• ダッシュボード
  複数レポートから重要な指標を1画面に集約したビューです。リアルタイム更新に対応しており、経営層への定点報告に適しています。

ダッシュボードイメージ(参考：マイクロソフト)

行レベルセキュリティ（RLS）を設定すれば、同じレポートでも閲覧者の権限に応じて表示データを制御できます。営業部には自部門データだけ、経営層には全社データを見せるといった運用が、レポートを分けずに1つのレポートで実現できます。

Power BIのCopilot・AI機能

2026年3月時点で、Power BIにはCopilot for Power BIが搭載されています。自然言語でデータに質問するだけで、AIがグラフ生成やレポート要約を自動で行う機能です。

Copilot for Power BIでできること

Copilotが対応する主なタスクを以下に整理しました。

機能	対象ユーザー	概要
レポート自動生成	レポート作成者	プロンプトでレポートページを一括生成
データへの質問	ビジネスユーザー	「先月の売上トップ5は？」のような自然言語クエリ
レポート要約	ビジネスユーザー	レポート全体のサマリーを数秒で生成
DAX生成	レポート作成者	自然言語からDAX計算式を自動作成
ナラティブビジュアル	レポート作成者	レポート上に動的テキスト要約を配置

特に「データへの質問」は、これまでレポート作成者に依頼していたアドホック分析を、ビジネスユーザー自身が即座に実行できる点で業務効率に直結します。プロンプトの入力上限も2026年2月に500文字から10,000文字に拡大されており、複雑な分析指示を一度に渡せるようになりました。

2026年3月には「Translytical task flows」がGA（一般提供）となりました。これはレポート内から直接データの更新や外部API呼び出しができる機能で、レポートが「見るだけ」のツールから「操作するインターフェース」へと進化しています。

また、Copilotのレポートペイン（レポート右側のチャットパネル）はGA済みですが、スタンドアロンCopilot（全画面チャット体験）とアプリスコープCopilotは現在プレビュー段階です。スタンドアロンCopilotでは、開いているレポートに限らず、アクセス権のあるすべてのレポートやセマンティックモデルに対して横断的に質問できます。

Copilotの利用要件

Copilot for Power BIを利用するには、以下の条件をすべて満たす必要があります。

• Fabric容量F2以上（有料）またはPower BI Premium P1以上が必要
• Power BI ProやPPUのライセンスだけでは利用不可
• トライアルSKUやFree SKUは非対応
• Fabric管理者がCopilot設定を有効にしていること
• FabricがサポートするリージョンにCapacityが配置されていること

ここが導入判断の分かれ目です。Proユーザーだけの組織がCopilotを使いたい場合、別途Fabric容量の購入が必要になります。まずProで基本的なBI運用を固め、Copilotの効果を確認したうえでFabric容量を追加するのが現実的なステップです。

Microsoft Fabric Copilotの全体像については関連記事も参照してください。

---

Power BIと他のBIツールの比較

BIツールの選定で最も比較されるのがTableau、Looker Studio、そしてExcelです。それぞれの特性を以下の表にまとめます。

項目	Power BI	Tableau	Looker Studio
提供元	Microsoft	Salesforce	Google
月額料金（ユーザー単位）	Pro ¥2,098〜	Creator $75〜	無料（Pro版あり）
無料版	Desktop（作成可）	Tableau Public（公開限定）	基本機能は無料
強み	M365連携、コスト、Fabric統合	高度な可視化、カスタマイズ性	Googleサービス連携、手軽さ
弱み	Windows依存（Desktop）	高コスト、学習曲線	大規模データに不向き
AI機能	Copilot（F2以上）	Tableau AI	Gemini連携（限定的）
適したユーザー	M365導入済み企業	データサイエンティスト	小規模チーム、マーケター

コスト面ではPower BIが大きく有利です。200ユーザー規模の組織では、Tableauと比較して約52%のコスト削減が見込めるという試算もあります。一方、Tableauはビジュアルのカスタマイズ性やMac対応で優位に立つため、「何を優先するか」で判断が分かれます。

導入判断の目安として、以下のケースごとに推奨ツールを示します。

• M365を全社導入済み
  Power BIが第一候補です。Teams・SharePoint・Outlookとの連携で追加コストなく展開できます。
  
  

• 高度なデータサイエンスが必要
  Tableauが有利です。RやPythonとの連携が強く、大規模データセットの探索的分析に適しています。
  
  

• Google Workspaceが主軸
  Looker Studioが自然な選択です。BigQueryとの直接接続やGoogleスプレッドシートとの連携がスムーズです。

ExcelとPower BIの違い

「Excelがあればいいのでは？」という疑問はBI導入時に必ず出ます。両者の使い分けを以下の表で整理します。

比較項目	Excel	Power BI
データ量上限	約100万行	数百万行以上
データの鮮度	手動更新	スケジュール自動更新
共有方法	ファイル送付・SharePoint	Web上のダッシュボード
ドリルダウン	限定的	対話型で複数階層
権限管理	ファイル単位	行レベルセキュリティ

Excelは個人分析やアドホックな集計には十分です。しかし、月3回以上レポートを更新している、複数部門にレポートを配布している、10万行を超えるデータを扱っている——このいずれかに該当するなら、Power BIへの移行で明確な効率改善が見込めます。

ChatGPTとExcelの連携も進んでいますが、組織的なBI基盤としてはPower BIが適しています。ExcelはあくまでPower BIへデータを供給する「ソースの一つ」として活用するのが効率的な構成です。

---

Power BIの活用事例

Power BIは製造業から行政まで幅広い組織で導入されています。ここでは公式ソースが確認できる導入事例を紹介します。

トヨタ自動車の市民開発による全社展開

トヨタ自動車では、Power BIを含むPower Platformの活用が1人のボトムアップ活動から始まり、社内コミュニティは約5,000人規模にまで成長しています。特に田原工場（国内11工場の1つ）では、現場の担当者自身が40以上のアプリを開発し、KPI管理や設備保全の可視化に活用しています。

注目すべきは、専任のIT部門主導ではなく「市民開発者」と呼ばれる現場担当者がレポート作成を担っている点です。Power BIのドラッグ&ドロップ操作が、非エンジニアによる自律的なデータ活用を可能にしました。結果としてリードタイムの短縮とデジタルカイゼンの加速が実現しています。

出典：Microsoft Customer Stories - トヨタ自動車

花王グループの販売分析基盤

花王グループカスタマーマーケティング（KCMK）は、販売分析基盤「Kao Collaboration Tools（KCT）」をオンプレミスからAzure SQL Data Warehouse＋Power BIの構成にクラウド移行しました。約2,000人の営業担当者がPower BIで分析を行い、小売業への提案活動に活用しています。

この移行によりインフラコストが約半分に削減されたほか、データの取得・分析スピードが大幅に向上しました。2,000人規模のユーザーが日常的にPower BIを使って販売戦略を立てている点が、この事例の特徴です。

出典：ジール - 花王グループカスタマーマーケティングのデータ分析基盤Azure移行

これらの事例に共通するのは、「小さく始めて段階的に拡大した」パターンです。Power BIは無料のDesktop版から始められるため、1部門のPoCで効果を実証してから全社展開するアプローチが取りやすく、AI総研でもこの段階的導入を推奨しています。

---

Power BIの基本的な使い方

ここではPower BIを初めて使う方向けに、基本的な使い方を5ステップで解説します。Power BI Desktopのインストールからレポートの共有まで、一連の流れを確認しましょう。

ステップ1: Power BI Desktopのインストール

Power BIのダウンロードページにアクセスし、「今すぐダウンロード」をクリックします。Microsoft Storeから無料でインストールできます。

MicrosoftPowerBIダウンロード画面

「入手」をクリックしてインストールを開始します。

インストール前画面

インストール完了後、「開く」をクリックしてPower BI Desktopを起動します。

インストール後画面

ステップ2: データの取り込み

Power BI Desktopを起動したら、「データを取得」をクリックし、データソースを選択します。Excel、CSV、SQL Serverなど多様なソースからデータをインポートできます。

データ作成画面

ステップ3: Power Queryによるデータ加工

取り込んだデータはPower Queryエディターで加工します。不要な列の削除、型の変換、フィルタリングなどをGUI操作で行い、分析に適した形に整えます。ここで設定した手順はすべて記録されるため、データ更新時にも同じ加工が自動適用されます。

ステップ4: レポートの作成

データの準備ができたら、「空のレポート」をクリックしてレポート作成に進みます。ビジュアルをドラッグ&ドロップで配置し、データフィールドをバインドすることでグラフやテーブルを構成します。

レポート作成画面

ステップ5: Power BI Serviceへの発行と共有

完成したレポートは「発行」ボタンでPower BI Serviceにアップロードします。ワークスペースを指定し、チームメンバーにアクセス権を付与すれば共有完了です。Power BI Mobileアプリからの閲覧も自動的に可能になります。

ここまでの5ステップが、Power BIの基本的な利用サイクルです。レポート作成はDesktop、共有・閲覧はServiceとMobileという役割分担を意識すると、スムーズに運用を始められます。

---

Power BI導入時の注意点と成功のポイント

Power BIは強力なBIツールですが、万能ではありません。導入前に把握しておくべき制限事項と、成功する組織に共通するパターンを整理します。

Power BIの制限事項

以下の制約は導入計画に影響するため、事前に確認しておく必要があります。

• Power BI DesktopはWindows専用
  Mac・Linuxには対応していません。Macユーザーはブラウザ経由のPower BI Serviceを使うか、仮想環境を用意する必要があります。
  
  

• 高度なデータモデリングには限界がある
  複雑な統計モデルやMLパイプラインの構築には向きません。その領域はFabricのData ScienceワークロードやAzure Machine Learningが担当します。
  
  

• 大規模なリアルタイム処理には追加構成が必要
  数秒単位のストリーミング分析が必要な場合、Fabric Real-Time Intelligenceとの連携が前提になります。Power BI単体での更新は「スケジュール更新」（Proで1日8回まで、PPUで48回まで）が基本です。

導入でよくある課題と対策

AI総研が支援してきたBI導入プロジェクトでは、以下の3つの課題が頻出します。

• レポート作成スキルの属人化
  特定の担当者だけがレポートを作れる状態になりがちです。対策として、テンプレートレポートの共有、社内ハンズオンの定期開催、Power Queryの標準クエリ集の整備が有効です。トヨタ自動車の事例でも、社内コミュニティ（約5,000人）がスキルの横展開を担っています。
  
  

• データソースのガバナンス不足
  部門ごとに異なるExcelを「正」として分析すると、数字の食い違いが発生します。OneLakeやDataflows Gen2で「唯一の正しいデータソース」（Single Source of Truth）を構築することが根本対策です。
  
  

• レポートの利用率が上がらない
  「作ったけど誰も見ない」問題です。原因の多くは「レポートが経営指標と紐づいていない」ことにあります。KPIを定義してからレポートを設計する——この順番が重要です。

導入判断で詰まる3つの論点

Power BI導入で意思決定が止まりやすいポイントと、それぞれの判断基準を示します。

ProとPPUのどちらを選ぶか

PPU（月額3,598円）はProの全機能に加え、48回/日のデータ更新、100GBのモデルサイズ上限、ページネーテッドレポートを利用できます。判断基準は「レポート閲覧者全員にもPPUが必要か」です。PPUのレポートを閲覧するには閲覧者もPPUが必要なため、閲覧者が多い組織ではFabric容量＋Freeライセンスの組み合わせがコスト効率で勝ります。

Fabric容量に移行すべきか

現時点でProだけで運用できているなら、無理にFabric容量を導入する必要はありません。ただし、以下のいずれかに該当するなら検討する価値があります。

• Copilot for Power BIを使いたい
• DirectLakeでリアルタイムクエリを実現したい
• 無料ライセンスユーザーにもレポートを配布したい（F64以上で可能）

P SKUとF SKUのどちらを選ぶか

Power BI Premiumの容量ライセンス（P SKU）はMicrosoft Fabricに統合されています。既存P SKU契約は継続利用できますが、新規購入はFabric容量（F SKU）が推奨されます。P SKUとF SKUの機能差は縮小しており、将来的にはF SKUへの一本化が見込まれるため、新規導入であればF SKUを選ぶのが合理的です。

---

Power BIの料金体系

Power BIの料金はユーザー単位ライセンスと組織向け容量ライセンスの2体系で構成されています。2025年4月に約10年ぶりの価格改定が行われており、以下は改定後の最新料金です。

ユーザー単位ライセンス

個人ごとに契約するライセンスです。以下の3プランが用意されています。

プラン	月額（税抜、年払い）	主な機能	想定ユーザー
Free（無料）	¥0	Desktopでの作成、個人利用	個人学習、PoC
Pro	¥2,098	Service共有、アプリ配布、Desktop全機能	チームでのBI運用
Premium Per User（PPU）	¥3,598	Pro全機能＋48回/日更新、100GBモデル、ページネーテッドレポート	大規模モデル・高頻度更新が必要な作成者

Microsoft 365 E5またはOffice 365 E5の年間契約にはPower BI Proが含まれているため、E5ユーザーは追加費用なくProを利用できます。すでにE5を導入している組織は、まずPro相当の機能が使える状態にあることを確認してください。

詳細や最新情報は公式料金ページで確認できます。

組織向け容量ライセンス（Fabric Capacity）

ユーザー数ではなく容量（CU: Capacity Units）を購入するライセンスです。大規模組織やCopilot利用を想定する場合に検討します。

• Fabric容量（従量課金）
  Azure上で動的にスケールアップ/ダウンが可能です。F2（最小）からF2048（最大）まで幅広いSKUが用意されており、利用量に応じて柔軟に調整できます。
  
  

• Fabric容量（予約）
  年間契約で最大約40%の割引が適用されます。利用量が安定している組織に適しています。

容量ライセンスの大きなメリットは、F64以上であれば無料ライセンスのユーザーもレポートを閲覧できる点です。閲覧者が100人以上の組織では、全員にProを配布するよりFabric容量＋Freeの組み合わせがコスト効率で勝るケースが多くなります。

ライセンス選定の考え方

ライセンス選定で迷いやすい3パターンをケース別に整理します。

• 5人以下のチーム
  Pro（全員分）が最もシンプルです。月額約1万円で始められます。
  
  

• 10〜50人のチーム
  作成者はPro、閲覧者が多ければFabric容量（F64〜）＋Freeの検討を開始します。
  
  

• 100人以上の組織
  Fabric容量が前提です。Copilot利用、DirectLake、OneLakeとの統合を含む全社基盤設計を推奨します。

まず5人程度のチームでProを導入し、効果を確認してからFabric容量に移行する「スモールスタート戦略」が、AI総研が最も多く推奨するパターンです。

---

FabricでAIエージェント基盤を構築するなら

Power BIで蓄積・可視化してきたデータ資産を、AIエージェントの意思決定基盤として活用する流れが加速しています。

AI Agent Hubは、Microsoft Fabricと連携してデータ統合からAIエージェント構築まで一気通貫で実現するエンタープライズAI基盤です。Power BIのレポートやセマンティックモデルをそのままAIエージェントのデータソースとして接続でき、分析結果を業務アクションに直結させられます。以下の特徴で、エンタープライズグレードのAIエージェント導入を実現します。

• Microsoft Fabric でデータ統合
  分散したデータソースをOneLakeで仮想統合。AI-readyなデータ基盤を構築
  
  
• Copilot Studio でAIエージェント構築
  ローコードでAIエージェントを開発。ガバナンス・セキュリティ統制も標準装備
  
  
• Microsoft Teams で統一UX
  使い慣れたTeams上でAIエージェントが業務を自動実行。学習コストゼロ
  
  
• データは100%自社テナント内に保持
  AIの学習対象から完全除外。金融機関レベルのセキュリティ基準に対応

AI総合研究所の専任チームが、設計から運用まで伴走支援します。Microsoft MVP / Solution Partner認定の実績に基づき、段階的な導入ロードマップを提供します。

まずは無料の資料で、自社の業務にどう活用できるかご確認ください。

まとめ

本記事では、Power BIの主要機能からCopilot・AI機能、他ツール比較、料金体系、導入事例と注意点まで体系的に解説しました。

Power BIは2026年時点で、Microsoft Fabricのコアコンポーネントとして進化を続けています。Copilotによる自然言語分析、DirectLakeによるリアルタイムクエリ、Translytical task flowsによるレポート内データ操作など、「レポートを見る」から「レポートで意思決定する」ツールへの転換が進んでいます。

もし現在、Excelのピボットテーブルで月次レポートを作成し、メールやSharePointでファイルを配布している状況であれば、それはPower BIで解決できる典型的な課題です。レポート更新のたびに発生する手作業、バージョン管理の混乱、「どれが最新データか分からない」という問い合わせ——これらは組織のデータ活用が次のステージに進むべきサインです。

まずは無料のPower BI Desktopで既存のExcelデータを可視化するところから始めてください。チーム共有が必要になった段階でProライセンスを導入し、Copilotやリアルタイム分析が求められたらFabric容量を追加する——この段階的な拡大が、Power BI導入で最も失敗しにくいアプローチです。