Speckleデータ連携の実務パターン｜数量集計・Power BI・QA・他DB連携のパイプライン

本記事は Speckle カテゴリの一部として、データ連携の実務パターンを整理します。Speckle に蓄積したモデルを「業務に効く形」へ展開する出口の話で、データ活用の成果が最も見えやすい領域です。データ取得の基礎は specklepy を参照してください。

1基本の発想：モデルは取得できるデータ

Speckle のモデルは SDK / API でプログラムから取得できる構造化データです。つまり「図面を見る」だけでなく、「壁の数を数える」「面積を合計する」「ルール違反を探す」といった処理をコードで回せます。これが従来のファイル中心ワークフローとの決定的な違いです。

従来は、数量を拾うにも図面を人が目で追って数えるか、専用ツールに読み込ませて手作業で書き出すのが普通でした。Speckle ではモデル自体が機械可読なデータなので、一度処理を組んでおけば、版が更新されるたびに同じ集計や検査を繰り返し走らせられます。手作業に比べて再現性が高く、件数が増えても破綻しにくいのが強みです。

2典型パイプライン（3段構成）

多くの実務処理はこの3段に収まります。取得は send/receive の receive、走査対象は オブジェクトモデル のツリーです。

3パターン1：数量集計

最も需要が高いのが数量・面積の集計です。受け取ったツリーを走査し、カテゴリごとに件数や合計値を出します。概念的な擬似コードは次のとおりです。

# specklepy 風の擬似コード：壁の面積合計
total = 0.0
for el in elements:
    if el["category"] == "Walls":
        total = total + el["area"]
print(total)

比較や条件式で <（小なり）・>（大なり）・&（アンパサンド）を使う場合は、コードとして崩れないよう正しく表記します。結果は CSV やスプレッドシートへ出して、見積や工程の基礎資料にできます。

4パターン2：ダッシュボード（Power BI 等）

集計結果を BI ツール（Power BI など）に渡すと、モデル情報をグラフや表で可視化できます。流れは「Speckle から取得 → 表形式（テーブル）へ整形 → BI に読み込む」です。

• SDK でモデルを取得し、要素を行・属性を列としたテーブルに展開する
• 中間ファイル（CSV など）や API 経由で BI に取り込む
• 用途別面積・カテゴリ別数量・版ごとの推移などを可視化する

Version を時系列で取得すれば「設計が版を追ってどう変化したか」を追うダッシュボードも作れます。ビューア自体を組み込みたい場合は Viewer・埋め込み を参照してください。

5パターン3：QA チェック

取得したデータにルールを当てて品質をチェックするパターンです。命名規約・必須属性・分類コードの妥当性などを判定し、違反を一覧で出します。この処理を Version 公開のたびに自動で走らせたい場合は Automate と組み合わせます。手元での単発チェックは specklepy で receive して走査するだけでも実現できます。

6パターン4：他DB・他システム連携

抽出した情報を社内の DB や資産管理（FM）・コスト管理システムへ流し込むパターンです。たとえば機器の型番・系統・数量を receive で取得し、変換層を通して既存システムのスキーマに合わせて登録します。

# 概念例：取得 → 変換 → DB へ
data = receive(version_id)          # 1) 取得
rows = to_rows(data)                # 2) 走査・整形
insert_into_db(rows)                # 3) 出力

連携先のスキーマと Speckle 側の属性名は一致しないのが普通なので、間に「変換層（マッピング）」を1枚置くのが定石です。

→次に読む