スマート農業が普及しない最大の理由はコストではなく、現場で直面する「データの不完全性」と「導入後のフォロー体制の不在」にある。
主要データ
- スマート農業実証事業の継続率（2023年時点）：63.2%（農林水産省「スマート農業実証プロジェクトフォローアップ調査」2024年）
- スマート農業機械の投資回収年数：平均7.8年（農業総合研究所調査、2025年）
- 農業法人のスマート農業導入率：24.1%（農水省「農業構造動態調査」2025年）
- スマート農業による労働時間削減効果：平均18.3%（農水省実証プロジェクト、2024年）
導入したドローンが格納庫で眠る理由
茨城県のある50ha規模の水田経営で、2023年にドローン2機と水田センサー30台を導入した。総額380万円であり、補助金を使った結果として自己負担は160万円だったが、導入後1年半が経過した時点でドローンは格納庫に眠り、センサーのうち機能しているのは12台だけとなっているため、導入時に期待された省力化がそのまま定着するわけではない現実が浮かび上がる。経営主は「最初の1か月は毎日データを見たが、結局目視で確認する方が早いと気づいた」と語る。
この現象は決して珍しくなく、農林水産省の「スマート農業実証プロジェクトフォローアップ調査」（2024年）によれば、実証事業に参加した農業経営体のうち、導入後2年以内に機器の使用を停止または大幅に縮小したのは36.8%に達しており、この数字からは単なる初期費用の問題では説明しきれない継続運用上の壁が見て取れる。
現場で起きているのは、機器そのものの性能不足だけではない。問題は導入後に発生する複数のギャップであり、データと現場判断の齟齬、メンテナンス体制の不在、既存の営農サイクルとの不整合が重なった結果として、使えるはずの技術が現場で止まってしまう構造となっている。
導入前と導入後で何が変わるのか
スマート農業を導入する前、ベテラン農家は圃場を見て回り、土の色、稲の葉色、風のにおいで判断を下す。この判断プロセスは数十年の経験に基づいているうえ、瞬時に行われるため、作業の流れを止めずに意思決定できる点が大きく、現場ではこの速さ自体が重要な生産資源として機能している。
導入後は、同じ判断をするために「まずタブレットを開く→アプリを起動→データが更新されているか確認→グラフを読み解く→圃場の状態を推測する→現地確認に行く」という手順が加わり、新潟県のある大規模稲作農家が「データを見ても、結局は自分の目で確かめないと動けない。だったら最初から圃場に行く」と述べたように、判断の前段に新たな手間が積み重なる。
教科書では「データドリブンな営農判断」とされるが、実際の現場では「データは参考程度、最終判断は目視」という運用に落ち着くケースが7割を超える。理由は、センサーが拾えない情報があまりに多いためであり、土が締まっているか、苗がぼけているか、虫食いの進行度はどうかといった情報は数値化が難しく、経験に基づく現場観察を完全に置き換えるには至らない。
労働時間は本当に減るのか
農水省の実証データでは、スマート農業導入による労働時間削減効果は平均18.3%とされる。ただし、この数値は「機械作業時間」のみを対象としており、データ管理・機器メンテナンス・トラブル対応に要する時間を含んでいないため、現場で体感される省力化とは差が生じやすい。
北海道の畑作地帯で、GPS自動操舵トラクターを導入した経営体の実測では、トラクター作業そのものは22%短縮されたが、GPSの位置補正、システムエラー対応、データ整理に年間約40時間を要したため、差し引きで見れば削減幅は13%程度に縮小する。
さらに問題なのは「天気待ち」の局面であり、2026年6月のように梅雨前線が停滞すると関東では降水確率80%の日が続くため、この期間はいくら精密なデータがあっても作業は止まる一方で、スマート農業が改善できるのは主として作業手順や判断補助の部分にとどまるため、天候リスクそのものを消せるわけではない。
普及を阻む3つの構造的ギャップ
データと現場判断の齟齬
スマート農業機器が出力するデータは「平均値」と「傾向」であり、センサーは地温を測り、ドローンは生育マップを作る。一方で、現場の判断は「この区画のこの一角だけ、苗の色が違う」という微細な変化に対応する必要があるため、両者の見ている対象は近いようでいて一致せず、そのずれが使い勝手の差として表れる。
宮崎県の施設園芸農家では、ハウス内に温度・湿度・CO2濃度センサーを15台設置した。データ上は「すべて適正範囲」と表示されていても、実際にハウスに入ると「奥の一角だけ湿度が高く、トマトの葉がへたりかけている」ことがあり、センサーの配置密度の問題もある一方で、より本質的なのは「データの解像度」と「現場判断の解像度」のミスマッチにある。
農業総合研究所の調査（2025年）では、スマート農業機器を「ほぼ使わなくなった」理由として、41.7%が「データと現場の感覚が合わない」と回答している。これは技術の優劣だけで片づけるべき話ではなく、どの粒度のデータを、どの判断に、どの頻度で使うのかという運用設計の問題として捉える必要があるだろう。
メンテナンス体制の不在
農業機械は壊れる。スマート農業機器も例外ではなく、むしろセンサー・通信モジュール・GPSといった精密部品を含むため、故障頻度は従来機械より高くなる傾向があり、現場では性能以上に復旧の速さが継続利用を左右する。
茨城県の前述の事例では、水田センサー30台のうち18台が1年以内に故障または通信不良を起こした。原因は、水没、鳥による破損、通信圏外、バッテリー劣化など多岐にわたり、メーカーに問い合わせても「次回訪問は2週間後」と言われ、その間データは途絶えるため、農家は結局センサーなしで判断せざるを得なくなり、導入時の期待よりも復旧待ちのストレスの方が大きくなっていく。
林業機械では「壊れたらすぐ自分で直す」文化があるが、スマート農業機器は「ブラックボックス化」しており自己修理が難しい。秋田県の大規模稲作農家は「トラクターのエンジンなら自分で見れるが、GPS受信機のエラーは手が出せない」と語っており、機械に強い経営体であっても対応範囲に限界があることがわかる。
既存の営農サイクルとの不整合
スマート農業は「データに基づいて最適なタイミングで作業する」ことを前提とする。しかし現実の農業は、天候・労働力・前後の作業との兼ね合いで動くため、理論上の最適解がそのまま現場の行動に結びつくとは限らず、ここに導入後の違和感が生まれやすい。
東京中央卸売市場の入荷データ（2026年6月22日時点）を見ると、キャベツの入荷量は前日比56.9%増、きゅうりは54.7%増と大きく変動している。この変動は、産地で「晴れ間が続いたから一斉に収穫・出荷した」結果であり、データ上の最適収穫日より、天気と市場価格と労働力の都合が優先されるという現場の現実を示している。
新潟県の水稲農家では、田植え後の水管理をセンサーで自動化しようとしたが、用水路の配水順番は集落の慣行で決まっており、「データ上は水が必要でも、配水の順番が回ってこないから入れられない」という事態が頻発した。スマート農業は個別経営の最適化には有効だが、地域の共同インフラとの調整までは考慮していないため、技術が正しくても運用条件が追いつかない場面が生じる。
それでも導入が進む現場と進まない現場
導入が成功している3パターン
全国のスマート農業実証プロジェクトで、導入後3年経過しても継続使用率が80%を超える経営体には、共通点がある。多機能性を一度に求めるのではなく、使う目的と使い続ける体制を先に固めている点で共通しており、この差が継続率の差として表れやすい。
第一に「特定作業の省力化に絞る」アプローチだ。北海道十勝地域の大規模畑作では、GPS自動操舵をトラクター作業のみに限定し、センサー類は導入していないが、その結果として作業精度が上がり、オペレーター1人あたりの作業面積が1.4倍になった。「あれもこれも」ではなく「この作業だけ」に絞ったことで、投資回収は4.2年で完了している。
第二に「データを営農判断ではなく記録・分析に使う」パターンだ。鹿児島県の茶農家では、ドローンによる生育マップを「今の判断」には使わず、年度末の振り返りと次年度計画に活用しており、「その場の判断は目視、データは後から検証」という役割分担が機能しているため、データと現場感覚の衝突を避けながら活用範囲を広げている。
第三に「メンテナンス体制を自前で持つ」ケースだ。長野県の農業法人では、社員1名をスマート農業担当として配置し、機器の日常点検・簡易修理・データ整理を専任させている。年間人件費約400万円だが、機器稼働率は92%を維持しており、機器導入だけでなく運用要員まで含めて投資設計している点が特徴となっている。
導入が失敗する典型パターン
逆に、導入後1年以内に使用を停止した経営体にも、似た傾向が見られる。初期費用の軽さや新しさが導入理由の中心になっている場合ほど、現場の作業と結びつかず、機器が残っても運用が残らない。
「補助金があるから導入した」ケースでは、自己負担が少ないため導入のハードルは下がる一方で、明確な目的がないまま「とりあえず最新機器を」と進めると使いこなせずに終わりやすく、宮崎県のある農家も「何ができるかよくわからないまま、業者の勧めで導入した。結局、何に使えばいいのかわからなかった」と振り返る。
もう一つは「複数の機器を同時導入する」パターンであり、ドローン・センサー・自動操舵トラクター・営農管理アプリを一気に導入すると、習熟が追いつかず、トラブル対応も手に負えなくなるため、本来は段階的導入が望ましいのだが、補助事業の予算消化の都合で「一括導入」を迫られるケースも少なくない。
普及のカギを握る「中間支援の仕組み」
スマート農業が普及しない理由を「農家のITリテラシー不足」とする論調があるが、これは本質を外している。問題は農家側ではなく供給側の体制にあり、使いこなし以前に、導入後の支援が持続していない点が大きく、機器販売と現場運用の間を埋める役割が薄いことが普及の足かせになっている。
農機メーカーは機器を売ることには長けているが、導入後のフォロー体制は脆弱だ。特に地方では、スマート農業機器に対応できる技術者が不足しており、トラブル時の対応に数週間かかることも珍しくないため、故障が一度起きるだけで利用意欲が急速に下がる場合がある。
農林水産省は2024年度から「スマート農業サポートセンター」事業を開始し、全国8ブロックに相談窓口を設置したが、実際の現場対応までは手が回っていない。ある県の農業改良普及センター職員は「スマート農業の相談は増えているが、機器の使い方は教えられても、故障対応やデータ解析まではできない」と語っており、相談と実務支援の間にはなお距離がある。
必要なのは「導入支援」ではなく「継続支援」であり、定期巡回でのメンテナンス、データ活用のコンサルティング、トラブル時の即応体制といった機能を一体で提供できる中間支援組織が不可欠だが、現状ではほとんど存在せず、この空白が普及率の伸び悩みに直結している。
JAと農機メーカーの役割
この中間支援を担えるのは、JAと農機メーカーだ。しかし現状では、どちらも十分に機能していないため、販売・指導・保守が分断されたままになりやすく、現場は相談先を一本化しにくい。
JAの営農指導員は高齢化が進み、スマート農業機器に詳しい人材は限られている。北陸地方のあるJAでは、管内800戸の組合員に対し、スマート農業に対応できる指導員は2名のみであり、機器導入が増えても伴走支援の供給が追いつきにくい。
農機メーカーは販売には積極的だが、アフターサービスは販売店任せになっており、販売店の技術力にばらつきがある。特に小型センサー類は利益率が低いため、販売店も力を入れづらく、結果として導入後の細かな不具合が放置されやすい。
解決策として、一部地域では「スマート農業コンソーシアム」を組織し、JA・農機メーカー・IT企業・普及センターが連携して支援体制を構築する動きがあり、新潟県では2025年からこの仕組みを試験運用した結果、機器稼働率が従来比28ポイント向上したことから、単独主体ではなく地域横断の支援設計が有効であることがうかがえる。
コスト負担の現実と投資回収の見通し
「スマート農業は高い」という認識は、半分正しく半分誤解だ。初期投資だけを見れば確かに高額だが、品目や規模によっては回収可能である一方、運用費や故障リスクまで含めると見え方が変わるため、単純な価格比較では判断しにくい。
GPS自動操舵トラクターの新規導入コストは、システム込みで約1,200万〜1,800万円。後付けGPSキットなら80万〜150万円で済み、水田センサーは1台あたり2万〜4万円、ドローンは機体とカメラで120万〜200万円が相場だ（2026年6月時点）。
補助事業を活用すれば自己負担は3割〜5割に抑えられるが、問題はその先にあり、年間のランニングコストとして通信費（センサー1台あたり月額500〜800円）、保守費用（ドローンの定期点検で年3万〜5万円）、バッテリー交換（2〜3年ごとに5万〜10万円）が発生するため、導入時の見積もりだけでは実負担を把握しきれない。
農業総合研究所の試算（2025年）では、スマート農業機器の投資回収年数は平均7.8年とされるが、これは「機器が正常稼働し続けた場合」の数字であり、故障・通信トラブル・使用停止があれば回収期間は10年を超える可能性があるため、稼働率の維持そのものが採算性を左右する。
規模別の損益分岐点
スマート農業の経済合理性は、経営規模に大きく依存する。導入効果が同じ割合で出たとしても、面積や売上規模が異なれば回収速度は変わるため、同じ機器でも向く経営と向かない経営が分かれる。
水稲作の場合、GPS自動操舵トラクターの投資回収には、北海道で30ha以上、都府県で20ha以上の経営規模が目安とされる。これ以下の規模では、省力化効果が投資コストを上回りにくく、補助金があっても長期回収になりやすい。
一方、施設園芸の環境制御システムは、面積0.5haでも投資回収が可能なケースがある。理由は、収量増加と品質向上による増収効果が大きいためであり、高知県のトマト農家では、環境制御システム導入（投資額420万円）により、10a当たり収量が17%増加し、3.6年で回収に成功している。
「スマート農業はコストに見合うか」という問いへの答えは、品目・規模・導入機器の種類によって大きく異なり、画一的には語れない。農林水産省「農業経営統計調査」（2023年）によれば、経営耕地面積50ha以上の大規模経営体では、スマート農業技術の導入率が42.6%に達する一方、10ha未満の経営体では12.1%にとどまっており、規模による導入格差が顕著に現れている。
現場で使えるスマート農業の選び方
導入前に確認すべき5項目
スマート農業機器を導入する前に、最低限これだけは確認する必要がある。導入効果は機器の性能だけで決まるのではなく、課題設定、作業体系、通信、保守、人の役割分担がかみ合って初めて出るため、事前確認の精度がそのまま失敗確率を左右する。
第一に「解決したい課題が明確か」だ。「労働時間を減らしたい」では抽象的すぎるため、「田植え時期のトラクター作業を1人でやりたい」「夜間のハウス見回りをなくしたい」といった具体的な課題を特定する。
第二に「既存の作業体系に組み込めるか」だ。機器単体では機能せず、前後の作業との連携が必要になるため、ドローン防除を導入するなら、薬剤の調合・機体の移動・散布後の洗浄までの一連の流れを事前に設計する。
第三に「通信環境は整っているか」だ。スマート農業の多くはインターネット接続を前提とする。中山間地では4G電波が届かない圃場も多く、その場合はLoRaWANなどの代替通信手段が必要になるため、事前の電波調査は必須だ。
第四に「メンテナンス体制を確保できるか」だ。最寄りの対応可能業者までの距離、出張対応の可否、代替機の有無を確認し、片道2時間かかる場所に業者がいるなら、簡易トラブルは自己解決できる体制を作る必要がある。
第五に「データを誰が見るか」だ。データは取得するだけでは意味がなく、誰かが定期的に確認し判断に活かす必要があるため、経営主が見るのか、従業員が見るのか、役割分担を明確にする。
段階的導入のステップ
いきなり複数機器を導入するのではなく、段階を踏む。小さく始めて使い方を固める方が、費用面だけでなく、現場の納得感やトラブル対応力の面でも無理が少ない。
最初のステップは「可視化」だ。まず現状を数値で把握するために、最小限のセンサーや記録アプリを導入し、水田なら水位センサー数台、施設ならハウス内環境センサー1〜2台から始める。この段階では自動化はせず、データを「見る」ことに慣れる。期間は半年〜1年。
次のステップは「部分自動化」だ。データを見て効果が実感できた部分について、自動化・省力化機器を導入し、ハウスなら自動換気装置、水田なら自動給水バルブといった具合に進めながら、この段階で機器のトラブル対応やメンテナンスの手順を習得する。
最後のステップが「統合管理」だ。複数の機器・データを一元管理し、営農判断の高度化を図るが、ここまで来るには最低でも2〜3年の経験蓄積が必要になるため、導入初年度から全面的な効果を期待しすぎない姿勢が重要になる。
データ活用で陥りやすい罠
スマート農業を導入した農家の多くが、最初に直面するのが「データの洪水」だ。取得できる情報量が増えるほど判断が楽になるように見えるが、実際には見るべき情報の選別が新たな仕事となり、そこに慣れないうちは負担が増えやすい。
センサーは24時間365日データを記録する。1台のセンサーが1日に生成するデータポイントは、測定間隔にもよるが数百〜数千に達し、これが10台、20台となれば膨大なデータ量になる。
問題は、このデータの大半が「ノイズ」だということにある。実際に営農判断に必要なのは「平常時との差分」であり、正常稼働中のデータは見る必要がないにもかかわらず、多くのシステムはすべてのデータを同列に表示するため、本当に見るべき情報が埋もれてしまい、導入直後ほど確認作業に時間を取られやすい。
新潟県の水稲農家では、導入当初は毎朝30分かけてすべてのセンサーデータを確認していたが、半年後には「異常値アラートが出たときだけ見る」運用に切り替えた。その結果、データ確認時間は週10分以下に減り、情報を減らすことがかえって実質的な省力化につながった。
「データ依存」のリスク
もう一つの罠は「データ依存」だ。データに頼りすぎると、自分の目で見る習慣が失われ、異常の初期兆候を見逃すおそれがある。
茨城県の施設トマト農家では、環境制御システム導入後、ハウスに入る頻度が減った。データ上は問題なかったが、ある日突然、一角でうどんこ病が発生していることに気づき、センサーは温湿度を測る一方で葉の表面の微細な変化は検知しないため、データに頼りすぎた結果として初期症状を見逃した。
ベテラン農家の「勘」は、実は無数の微細な情報を統合した高度な判断であり、土の色、葉の照り、風の流れ方といった要素を瞬時に処理している。スマート農業はこの一部を数値化するものの、すべてを代替できるわけではないため、データと現場観察の両輪で回す運用の方が、多くの現場では安定しやすい。
次世代に引き継ぐためのスマート農業
スマート農業のもう一つの期待は「技術継承」だ。ベテランの技術を若手に伝えるのは難しいが、データ化できれば継承しやすくなるという理屈は理解しやすく、現場でもその可能性に期待が集まっている。
しかし現実には、そう単純ではない。秋田県の水稲農家では、父親が長年培った水管理の技術をセンサーデータで記録しようとしたが、「なぜそのタイミングで水を入れたのか」という判断の根拠まではデータ化できず、父親自身も「何となく、そういう時期だから」としか説明できなかったため、数値だけでは継承しきれない部分の大きさが浮き彫りになった。
技術継承で本当に必要なのは「データ」ではなく「判断プロセス」の共有であり、長野県のレタス産地では、ベテランと若手が一緒に圃場を回り、ベテランの判断をその場で言語化する取り組みを行っている。スマート農業はその補助ツールとして、判断の根拠となるデータを提供するという位置づけであり、農林水産省「食料・農業・農村白書」（令和6年版）によれば、2023年の基幹的農業従事者は116.4万人と前年比4.2%減少し、そのうち65歳以上が占める割合は70.2%に達しているため、急速な高齢化と人口減少の中では、数値化と対話を組み合わせた継承設計がいっそう重要になる。
法人化とスマート農業
農業法人では、スマート農業の導入率が個人経営より高い。農水省の調査（2025年）では、農業法人の24.1%が何らかのスマート農業機器を導入しているのに対し、個人経営では7.3%にとどまる。
理由は、法人では「作業の標準化」が必要になるためだ。複数の従業員が同じ作業をするには、属人的な判断ではなく、データに基づいた標準手順が求められるため、スマート農業はこの標準化を支援するツールとして機能しやすい。
北海道の大規模畑作法人では、GPS自動操舵トラクターの導入により、新人でもベテランと同等の精度で作業できるようになった。経営主は「人が育つまで3年かかっていたのが、1年で戦力になる」と評価し、農林水産省「農業構造動態調査」（2024年）では、常雇い従業員5人以上を雇用する農業法人は全体の18.7%にあたる約6,200法人に達していることから、こうした雇用型法人ほど作業の標準化ニーズが高く、スマート農業導入の動機が強いことが示されている。
補助事業との付き合い方
スマート農業機器の導入には、農林水産省の「スマート農業実証プロジェクト」「強い農業づくり総合支援交付金」など、複数の補助事業が活用できる。ただし、これらの制度は年度ごとに条件が変わるため、最新情報は農水省や各都道府県の公式サイトで確認するのが前提になり、制度ありきで導入を決めると後で運用が苦しくなりやすい。
補助事業を使う際には、初期負担の軽さだけで判断しない視点が欠かせない。導入の目的、事業期間後の負担、報告業務まで含めて見ておかないと、採択された時点では得に見えても、運用段階で負担感が逆転することがある。
第一に「補助金目当ての導入はしない」ことだ。自己負担が少ないからといって、必要性が不明確なまま導入すると後で使わなくなるため、まず自分の経営課題を明確にし、その解決に本当に必要かを見極める。
第二に「事業期間後の負担を計算する」ことだ。補助事業には通常3〜5年の事業継続義務があり、その間の運用コスト・メンテナンス費用は自己負担になるため、初期投資だけでなくランニングコストまで含めた収支計画が必要だ。
第三に「報告義務を甘く見ない」ことだ。補助事業には定期的な実績報告・成果報告が求められ、事務作業が苦手な農家にとってこの負担は予想以上に重く、宮崎県のある農家は「補助金はもらったが、報告書作成に年間20時間以上取られている。時給換算したら補助金の意味がない」と嘆く。
スマート農業が機能する条件
ここまで見てきた現場の実態を踏まえると、スマート農業が本当に機能するための条件が見えてくる。機器の新しさや多機能性よりも、目的設定、導入手順、支援体制、既存作業との整合、そしてデータの位置づけをどう設計するかが、定着の成否を左右している。
第一に「目的を絞る」ことだ。「すべてをスマート化」ではなく、「この作業だけ省力化」「この判断だけデータ化」と限定し、北海道の畑作では自動操舵に特化、高知の施設園芸では環境制御に特化といった具合に、品目・経営規模・課題に応じて選択する。
第二に「段階的に導入する」ことだ。最初から大規模投資はせず、小さく始めて効果を確認しながら拡大するため、失敗しても傷が浅く、軌道修正しやすい。
第三に「継続支援体制を確保する」ことだ。機器を売って終わりではなく、導入後のメンテナンス・トラブル対応・データ活用支援まで一貫してサポートしてくれる業者・組織と組む必要があり、この体制がない地域では導入を見送る選択もある。
第四に「既存の営農体系を壊さない」ことだ。スマート農業に営農を合わせるのではなく、営農にスマート農業を合わせる発想が重要であり、無理に全面導入するより、既存の作業体系の中で使える部分だけ取り入れる方が現場では持続する。
第五に「データと目視の両輪で回す」ことだ。データは判断の材料であり、最終判断は自分の目と経験で下すという役割分担を明確にすれば、「データ依存」にも「データ無視」にも陥りにくい。
現場で判断すべき3つのサイン
最後に、スマート農業導入の判断基準を整理する。重要なのは、導入するかしないかを一般論で決めるのではなく、自分の経営がどの状態にあるのかを見極め、その状態に対して技術が本当に機能するかを確かめることだ。
「今すぐ導入すべき」サインは、明確な省力化ニーズがあり、かつ投資回収の見通しが立つ場合だ。具体的には、労働力不足で作業が回らなくなっている、後継者がいて技術継承が必要、法人化を進めていて作業標準化が課題といった状況が当てはまる。
「もう少し待つべき」サインは、技術が自分の経営に合っていない場合だ。中山間地で通信環境が不安定であり、小規模経営で投資回収に10年以上かかり、しかもメンテナンス対応業者が近くにないという条件では、技術の成熟と環境整備を待つ方が賢明といえる。
「導入を見送るべき」サインは、目的が不明確な場合だ。「周りが導入しているから」「補助金があるから」という理由だけで動くと高確率で失敗するため、まず自分の経営課題を明確にし、その解決にスマート農業が本当に必要かを見極める必要がある。それができないなら、導入は時期尚早となる。
スマート農業は道具であり、目的ではない。この原則を見失わず、データの洪水に溺れず、機器の故障に振り回されず、自分の営農に本当に必要な技術だけを選び取れるかどうかが、これからの現場でいっそう問われていく。
この記事は「農業経営の始め方 — 就農準備から経営安定化まで」の関連記事です。農業に関する体系的な知識はこちらのガイドをご覧ください。
この分野の統計データは「農業の統計データ」で、グラフとテーブルで一覧できます。