フリーテキスト入力による可視化。

前回の「Tableau Ask Data 試し打ち#01」では、Ask Dataを利用可能な状態にし、サンプルのお問い合わせ文を試すところまで行きました。今回は構文の解説も踏まえながら、フリーテキストの入力によるデータ可視化にトライします。

前回も実行した「sum of 売上」という問い合わせを［このデータ ソースのフィールドについて尋ねる］と書かれたテキスト入力エリアに入力して実行してみましょう。すると、前回と同様の結果が新規ウィンドウで表示されるかと思います。

これは、集計の切り口を指定しない全体の売上の合計でした。そこで、切り口を指定した集計を試してみます。まずは都道府県ごとの売上を集計します。［質問を変えるかすべて消去してから、もう一度やり直してください］と書かれたテキスト入力エリアに「by 都道府県」と入力して実行してみましょう。

すると、都道府県ごとの売上が、降順でソートされた状態で棒グラフが表示されます。これはワークシートにて、メジャーである売上を列に、ディメンションである都道府県を行に設定し、売上の降順でソートを行なった場合と同様の可視化表現です。すなわち、メジャーに対しては［sum of］などの集計用の句を、ディメンションに対しては［by］などの切り口指定用の句を、それぞれ組み合わせることで、ワークシートの場合と同様の表現が可能になるということになります。

また、売上の昇順にソートしたい場合は、ビュー下部の「売上」の右横の並べ替えボタンでも可能ですが、せっかくなので問い合わせ文でやってみましょう。同じくテキスト入力エリアに、ソートの切り口指定である［sort］を使って「sort 都道府県 in asc 」と入力します。テキスト入力エリア下にプルダウンが表示され「sort of 都道府県 in ascending order by sum of 売上 」という選択肢が提案されるので、選択します。すると、売上の昇順にソートされた状態でグラフが表示されます。なお、日本語の変換の確定に改行キーを使うとそのまま問い合わせが実行されてしまうので、この場合の変換の確定にはESCキーを使います。

このように、すべての句を記憶していなくても、選択肢の候補をいくつか提案してくれるので、それに従う形で集計や可視化の切り口の指定を追加していくことが可能となっています。

さまざまな可視化。

Ask Dataで使用可能な句のリファレンスはUI上には存在しないので、Tableau Softwareのヘルプを参照する必要があります。現時点ではこちらのページに記載があります。

また「sum of 売上」などの指定済みの問い合わせ文にオンマウスすると、変更可能な項目がクリッカブル表示され、クリックすると選択肢の候補がドロップダウン表示されます。選択すると、問い合わせ文とビューの表示内容が変更されるので、この方法でもビューを操作することが可能であると同時に、このプロセスの中で使用可能な句を把握することができます。

これらを参考に、別の可視化にもトライしてみましょう。今までの問い合わせ文はいったんクリアするので、右上の［すべてクリア］ボタンをクリックします。

さきほどは売上の合計だったので、次は売上の平均を可視化します。平均には［average］句を使うので「average 売上」「by 都道府県」と入力します。すると、都道府県ごとの売上の平均が集計され、降順でソートされた状態で棒グラフが表示されます。この場合の平均とは顧客あたりの売上の平均であるため、合計では顧客数の多い大阪府や東京都が上位でしたが、平均では顧客数には依存しないため、富山県や岡山県が上位に上がってきます。

次は「TableauではじめるBI」でも作成した、月次の売上の推移を表現する時系列グラフを作成してみましょう。右上の［すべてクリア］ボタンをクリックし、新しい問い合わせ文を入力します。「オーダー日」を切り口とした売上の集計となるため「sum of 売上」「by オーダー日’s month」と入力します。実際には「by オーダー日」と打つと自動的に「by オーダー日’s year」となるので、「year」の部分をクリックして「month」に変更するような操作になるかと思います。これで月次の売上の推移を表現する折れ線グラフが表示されます。この場合、さきほどの都道府県ごとの売上のグラフの場合とは異なり、売上は自動的に縦軸に指定されます。またグラフには折れ線グラフが選定されますが、これはワークシートで作成した場合と同様です。このように、自然言語による問い合わせにより、さまざまなデータ可視化を実現できるわけです。

プログラミングによる可視化。

ここまで試しての率直な感想として、Ask Dataは、あくまで定型の構文に当てはめる記述となるため、つまりはプログラミングによるデータ可視化であるということです。今後は自然言語にもっと近い、あいまいな表現を許容する強化がなされる可能性はありますが、現時点ではそれ以上ではありません。とはいえ、プログラミングによるデータ可視化にはいくつかの特長があります。

1. 共有しやすい。
2. 再現性が高い。
3. 慣れると速い。

ワークシートで作成した場合、可視化の結果を共有するにはワークシート自体を共有する必要がありますが、Ask Dataの場合は問い合わせ文を共有するだけです。

また、ワークシートで作成すると集計やフィルターの条件などがUIでの設定として扱われるため、ブラックボックス化しやすく、同じ条件での再現性が担保しづらいというデメリットがあります。一方で、Ask Dataの場合はすべて問い合わせ文として明記されるため、再現性を担保しやすいという特長があります。

さらに、ワークシートではドラッグ＆ドロップが操作の基本であり、直感的に行えるというメリットがあるものの、習熟度が上がってもそれほど操作が速くならないというデメリットがあります。一方で、Ask Dataの場合は基本的にはキーのみによる操作であり、習熟することで操作が劇的に速くなるという特長があります。

これらはすべて、グラフィカルユーザーインターフェース（GUI）とコマンドラインインターフェース（CLI）の特徴の違いそのものと言えます。

また、言語であるならば音声入力に対応する可能性もあります。”Hi Tableau.” と言いながらグラフを作成する時代が来るかもしれませんね。

自然言語によるデータ可視化。

Tableau Ask Dataは、Tableau Software社が提供するビジネスインテリジェンス（Business Intelligence：BI）であるTableau上で、自然言語での問い合わせによるデータ可視化（Data Visualization）を実現する機能であり、たとえば「都道府県ごとの売上」といった内容を定型の構文で入力すると、結果をグラフなどで可視化します。以前より注目されていたものですが、バージョン2019.1にてリリースされました。なお、日本での機能名は”データに聞く“となっています。

リリースから半年近くが経過しており、いまさら試し打ちというのも変ですが、まだ発展途上の機能であり、今後のアップデートも期待されるため、復習もかねて、その触り心地をまとめておきます。それではTableau Ask Dataを用いたデータ可視化を始めましょう。

なお「TableauではじめるBI」でも触れたとおり、TableauにはDesktopやOnlineなどのいくつかのソフトウェアがありますが、Ask Dataが利用できるのはTableau OnlineまたはTableau Serverのみです。また、問い合わせに使用可能な自然言語は英語のみで、日本語には対応していません。さらに、詳細は後述しますが、定型の構文で記述する必要があります。これらの制限事項は現時点のものであり、今後のアップデートで拡張される可能性は十分にあります。

ではまずTableau Onlineにアクセスしましょう。サインインすると、Tableau Onlineのホーム画面が表示されます。ちなみに、Tableau Onlineの利用にはライセンスが必要ですが、Tableau Creatorライセンスをお持ちであれば、Tableau OnlineまたはTableau Serverのライセンスが付帯します。Tableau Serverのライセンスをお持ちの場合はTableau Serverで進めてください。

データソースの準備。

Tableauでのデータの操作は、通常はワークシート編集画面を中心に行いますが、ワークシート編集画面のメインメニューのどこを探しても、Ask Dataの機能を表す［データに聞く］メニューはありません。これが非常にわかりづらいのですが、データソース画面から行う仕様になっています。

データソース画面に行くには、まずデータソースを登録する必要があります。それにはワークシート編集画面のメニュー［データ］から［新しいデータソース］をクリックして表示される［データに接続］モーダルにて、接続するデータソースを選択します。ここでは「TableauではじめるBI」でも使用した「スーパーストア」を選択します。すると「新しいワークブック」内に割り付けられるので、これをTableau Online内にデータソースとして保存します。それにはまず［データソース］タブにて保存したいデータシートを選択し、右上のエリアにドラッグ＆ドロップします。ここでは「注文」シートを使います。

次にいずれかのワークシートを選択してワークシート編集画面に遷移し、左上の［データ］ペインにある「サンプル – スーパーストア」という項目の右端の▼のメニューにて［保存］を選択します。これでデータソースの保存は完了です。

ワークブックを閉じてTableau Onlineのホームに戻り、左サイドのメインメニューから［検索］を選択して検索画面を開きます。そこで［検索］というタイトルの右横にあるプルダウンから［すべてのデータソース」を選択すると、さきほど保存した「サンプル – スーパーストア」のデータソースが表示されます。

ここで「サンプル – スーパーストア」を選択すると、データソース画面に遷移します。これでようやく［データに聞く］ペインが表示され、利用可能な状態となります。

サンプルの問い合わせ文でお試し。

簡単な問い合わせを試し打ちしてみましょう。通常は［このデータ ソースのフィールドについて尋ねる］と書かれたテキスト入力エリアに問い合わせの文章を記入して使うのですが、それは次回にまわすとして、ここではその下の［または、以下のいずれかの提案を試してください］と書かれたエリアに、いくつかのサンプルの問い合わせ文が提案されているので、そちらを使います。

まずは「sum of 売上」のリンクをクリックしてみます。すると新規ウィンドウが立ち上がり、「227,176,841」という数値が表示されます。集計の切り口を指定しない、全体の売上の合計となっています。

次に「sum of 売上 and sum of 利益 as a scatter plot」のリンクをクリックしてみます。すると、横軸が「売上」で縦軸が「利益」の散布図が表示されます。

このように、定型の構文という制限はあるものの、自然言語による問い合わせによりデータ可視化が実行されることがわかりました。次回は構文の解説も踏まえながら、フリーテキストの入力によるデータ可視化にトライします。

マッピングを作成。

前回は、代表的なグラフの作成方法として、二軸グラフと散布図について触れましたが、今回は、Tableauを特徴づけるグラフ作成方法であるマッピングと、レポート作成方法であるダッシュボードおよびストーリーについて見ていきます。

マッピング（Mapping）は、切り口に地理的データ（Geographic Data）を用いて地図として可視化する手法で、Tableauの特徴的な機能のひとつです。では、サンプルデータ「スーパーストア」の「注文」データを用いて、都道府県別の利益率の分布を表現するマッピングを作成してみます。

なおマッピングには、切り口となるディメンションのフィールドに地理的役割が付与されている必要がありますが、「スーパーストア」を取り込んだデフォルトの状態では「都道府県」フィールドに地理的役割が付与されていません。そこで「都道府県」フィールドの右端の▼のメニューで［地理的役割］＞［都道府県/州］を選択します。するとフィールドの左端のアイコンが地球のマークに変化しますが、これで地理的役割が付与されたことになります。

また、「利益率」の値をもつフィールドは存在しないため、計算フィールドを使って作成します。［データ］ペインの右上の▼のメニューで［計算フィールドの作成…］を選択して表示されるモーダル画面で、フィールド名に「利益率」、計算式エリアに「SUM([利益])/SUM([売上])」と入力し、［OK］をクリックします。これで、メジャーに「利益率」フィールドが追加されます。

あとは下記の流れでマッピングを作成することができます。

1. フィールドの「都道府県」を［マーク］カードの［詳細］にドラック＆ドロップし、日本地図を表示。
2. フィールドの「利益率」を［マーク］カードの［色］にドラック＆ドロップ。

するとこのように、都道府県別の利益率が色分けで地図上にマッピングされます。これを見ると、秋田や島根が高く、岩手や福島が低いことだけでなく、利益率が低い都道府県が太平洋沿岸に集中していることが地理的関係により見えてきます。

ダッシュボードとストーリー。

作成した複数のビューを分析レポートとしてまとめて共有する機能として、Tableauではダッシュボードとストーリーの二つが用意されています。

ダッシュボード（Dashboard）は、複数のビューを同時に比較参照できるようまとめる機能です。さらに、ただまとめるだけでなく、あるビューを別のビューのフィルタとして利用することができます。では、サンプルデータ「スーパーストア」の「注文」データを使ってこれまで作成したビューを組み合わせてダッシュボードを作成してみましょう。

まずは作成したワークシートに名前をつけます。画面下部のバーのワークシートのタブをダブルクリックすれば編集可能な状態になるので、それぞれ「カテゴリ別の売上と利益」「月次の売上と利益の推移」「月次の売上と売上累計の推移」「売上と利益の分布」「都道府県別の利益率の分布」などのように設定します。

続いて、画面下部のバーの［新しいダッシュボードを作成］ボタンをクリックし、ダッシュボード編集画面を表示します。左の［ダッシュボード］ペインの［サイズ］で［自動］を選択し、ダッシュボードを画面全体に表示します。すると下図のような画面になるかと思います。

［ダッシュボード］ペインの［シート］に作成したワークシートが表示されているので、まとめたいシートを右のダッシュボードにドラッグ＆ドロップします。ここでは「都道府県別の利益率の分布」「月次の売上と利益の推移」「売上と利益の分布」の三つをまとめてみましょう。配置は自由に編集可能なので、見やすいように調整します。

前述のとおりダッシュボードには、ただビューをまとめるだけでなく、あるビューを別のビューのフィルタとして利用するという機能があります。では「都道府県別の利益率の分布」をフィルタにしてみましょう。

ダッシュボード内の「都道府県別の利益率の分布」シートを選択すると、右上にいつくかのアイコンが表示されるので、そこで［フィルタとして使用］をクリックします。するとアイコンが変化し、これで「都道府県別の利益率の分布」をフィルタとして利用可能な状態となります。地図上の都道府県を選択すると、それが切り口となって他のビューの状態が変化することがわかります。

例えば利益率の低い「北海道」を選択するとどうでしょうか。「月次の売上と利益の推移」では、売上の変動に対し、利益は常にマイナスで、かつ反動していること、さらに「売上と利益の分布」では、売上と利益が負の相関であることが明らかでしょう。このように、利益率が低いなどのある結果の事象に対し、その原因の事象を深掘りしていくような分析を、視覚的かつ直感的に行うことが可能となるわけです。

ストーリー（Story）は、複数のビューを順序付きでまとめる機能で、文字通り分析レポートにストーリー性を持たせて共有する場合に利用します。ストーリーの作成手順はダッシュボードと同様で、画面下部のバーの［新しいストーリーを作成］ボタンをクリックし、ストーリー編集画面を表示して進めていきます。

なお、ダッシュボードとストーリーは、要素となるワークシートと連動しているため、ビューを編集すると互いに連動して更新されます。

ワークブックを保存する。

最後に、作成したワークブックの保存方法について説明しておきます。Tableau Desktopでは、ワークブックをローカルPC内に保存することになります。保存形式は、データソースを含まないTableauワークブック（TWB）形式と、データソースを含むTableauパッケージドワークブック（TWBX）形式の二種類あります。

一方で、Tableau Publicでは、ワークブックをTableau Publicのウェブサービス上のオープンスペースに保存することになるため、アカウントを作成してログインする必要があります。アカウント作成はこちらで右上の［サインイン］をクリックして行います。その後、Tableau Publicの画面上部のツールバーの［Tableau Publicに保存］ボタンをクリックして表示されるモーダル画面で任意のファイル名を入力し、［保存］をクリックすれば保存することができます。

これで「TableauではじめるBI」は終了ですが、紹介したもの以外にもいろいろな機能や使い方があります。「Tableauスタートキット」「無料トレーニングビデオ」などの学習教材がTableau Software社から無料で提供されているので、ぜひそちらも参考にしてもらえればと思います。

二軸グラフを作成する。

前回は、Tableauの基本的な使い方とグラフの作成方法について触れましたが、続いて今回は、代表的なグラフの作成方法として、二軸グラフと散布図について見ていくことにします。

二軸グラフ（Two-axis Graph）は、縦軸が左右に二つあるグラフのことで、値の単位や範囲が異なる二つのフィールドを同一グラフ上に表現し、相関性や連動性などを分析する場合に用います。

まずは、サンプルデータ「スーパーストア」の「注文」データを用いて、月次の売上と利益の推移を表現する二軸グラフを作成してみます。前回「TableauではじめるBI #02」で、月次の売上の推移を表す時系列グラフを作成しましたが、その流れで作成することができます。

1. フィールドの「オーダー日」を［列］シェルフに、「売上」を［行］シェルフにそれぞれドラッグ＆ドロップ。
2. 画面上部のツールバーの中央にあるプルダウンで「ビュー全体」を選択し、グラフをビュー全体に表示。
3. ［列］シェルフの「年(オーダー日)」ピルの右端の▼のメニューで、下の［月］（連続）を選択。
4. フィールドの「利益」をビューの右端にドラッグし、縦の点線が表示されたらドロップ。

するとこのように、売上と利益の二軸の折れ線グラフが表示されます。売上と利益がほぼ連動していることは一目瞭然でしょう。

計算フィールドで集計。

続いて、月次の売上と売上累計の推移を表現する二軸グラフを作成してみます。ここで、「売上累計」の値をもつフィールドは存在しないため、計算フィールドという機能を使って、集計結果を反映した新しいフィールドを作成します。

［データ］ペインの右上の▼のメニューで［計算フィールドの作成…］を選択して表示されるモーダル画面で、フィールド名に「売上累計」、計算式エリアに「RUNNING_SUM(SUM(売上))」と入力し、［OK］をクリックしてみてください。すると、メジャーに「売上累計」というフィールドが追加されることが確認できるでしょう。なお、フィールドの左端の［=］アイコンは、計算フィールドであることを表します。

あとは、さきほどと同様の流れで作成することができます。

1. フィールドの「オーダー日」を［列］シェルフに、「売上」を［行］シェルフにそれぞれドラッグ＆ドロップ。
2. 画面上部のツールバーの中央にあるプルダウンで「ビュー全体」を選択し、グラフをビュー全体に表示。
3. ［列］シェルフの「年(オーダー日)」ピルの右端の▼のメニューで、下の［月］（連続）を選択。
4. フィールドの「売上累計」をビューの右端にドラッグし、縦の点線が表示されたらドロップ。
5. ［マーク］カードの「売上(合計)」をクリックし、プルダウンで［棒］を選択。

するとこのように、売上と売上累計の二軸で、棒グラフと折れ線グラフを組み合わせたグラフが表示されます。月次の売上に変動はあるものの、売上累計の上昇率はほぼ一定やや上向きに推移していることがわかります。

散布図を作成。

散布図（Scatter Plot）は、二つのフィールドを縦軸と横軸に指定し、レコードを点でプロットしたもので、フィールド間の相関性を分析する場合に用います。

では売上と利益の分布を表現する散布図を作成してみます。

1. フィールドの「売上」を［列］シェルフに、「利益」を［行］シェルフにそれぞれドラッグ＆ドロップ。
2. 画面上部のツールバーの中央にあるプルダウンで「ビュー全体」を選択し、グラフをビュー全体に表示。
3. フィールドの「行ID」を［マーク］カードの［詳細］にドラッグ＆ドロップ。
4. ビューを右クリックして［傾向線］＞［傾向線の表示］を選択。

するとこのように、売上と利益の二軸での散布図が表示されます。ただし、この場合はレコードがまばらに分布しているため、散布図だけでは相関性の傾向がわかりません。そこで分析を補助する機能を活用します。その一つである傾向線を引くと、売上と利益には正の相関があることがわかります。

次回は「TableauではじめるBI」最終回、Tableauを特徴づけるグラフ作成方法であるマッピングと、レポート作成方法であるダッシュボードおよびストーリーについて見ていきます。

フィールドをシェルフ・カードに。

Tableau Publicでの分析環境が整ったところで、データ可視化（Data Visualization）の実践を進めていくことにしましょう。なお、Tableau Publicの準備は「TableauではじめるBI #01」を参照してください。

本題に入る前に、ワークシート編集画面について説明しておきます。Tableauのワークシート編集画面は大きく、左・右・左から二番目の横三つのペインで構成されます。

左ペインは、［データ｜アナリティクス］の二つのペインをタブで切り替えることができます。［データ］ペインはディメンションとメジャーの二種類のフィールドを管理しており、Tableauでのあらゆる分析作業の起点となります。［アナリティクス］ペインはリファレンスラインや傾向線などの分析を補助する要素を管理しています。

右ペインは、下部のビューと上部の［行｜列］の二つのシェルフから構成され、分析画面のメインエリアとなります。さきほどの［データ］ペインのフィールドを［行］［列］のいずれかのシェルフにドラッグ＆ドロップすることで、ビューにグラフを作成します。

左から二番目のペインは、［ページ｜フィルター｜マーク］という三つのシェルフとカードで構成され、グラフを視覚的に制御することで分析をサポートする役割を担います。

［ページ］シェルフにフィールドをドラック＆ドロップすると、ビューが一連のページに分割され、そのフィールドが他のデータにどのような影響を与えているかを分析しやすくなります。

［フィルター］カードにフィールドをドラッグ＆ドロップすると、そのフィールドのどの値を対象あるいは除外とするかを指定できます。

［マーク］カードにフィールドをドラック＆ドロップすると、そのフィールドの値によりグラフの色やサイズを変えたり、あるいはグラフにラベルをつけたりすることができます。

ちなみに、フィールドをシェルフやカードにドラッグ＆ドロップした際に表示される角の丸い長方形の要素を、そのカプセル状の形状からピルと呼びます。

ディメンションとメジャー。

［データ］ペインは、ディメンションとメジャーの二つのエリアに分かれています。

ディメンション（Dimention）は、文字列や日付などの値を保持するフィールドで、メジャーを集計する切り口として使用します。サンプルデータ「スーパーストア」の「注文」データでいうと「カテゴリ」「オーダー日」などがそれにあたります。

メジャー（Major）は、集計可能な数値を保持するフィールドで、「注文」データでいうと「売上」「利益」などがそれにあたります。なお、数値を持つフィールドが必ずしもメジャーになるわけではありません。たとえばカテゴリを数値で保持している場合は、数値に量的な意味がないため集計不可能であり、ディメンションとなります。

Tableauは、読み込んだデータをディメンションとメジャーに自動で切り分けてくれます。ただし、必ずしもこちらの意図にあうとは限らないため、その場合は手動で切り替えます。各フィールドの右端の▼をクリックすると表示されるメニューで［メジャーに変換］または［ディメンションに変換］を選択することで切り替わります。

またフィールドには、不連続（Discrete）と連続（Continuous）の概念があります。その意味の違いは後述するとして、見分け方はフィールドの色で、不連続は青で連続が緑です。よくディメンションが青でメジャーが緑と誤解されますが、そうではありません。なお、こちらについても各フィールドの右端の▼をクリックすると表示されるメニューで［連続に変換］または［不連続に変換］を選択することで切り替わります。

ちなみに、フィールドの左端にある［abc］［#］などのアイコンは、そのフィールドの値の種類を、またそのアイコンの色は、さきほどの不連続・連続を表しています。

時系列グラフを作成。

では具体的な分析テーマにそってデータ可視化を実践します。まずはサンプルデータ「スーパーストア」の「注文」データで、月次の売上の推移を表現する時系列グラフを作成してみましょう。

フィールドの「オーダー日」を［列］シェルフに、「売上」を［行］シェルフにそれぞれドラッグ＆ドロップします。グラフを見やすくするために、画面上部のツールバーの中央にあるプルダウンを「標準」から「ビュー全体」に切り替え、グラフをビュー全体に表示します。すると下図のような折れ線グラフが表示されるかと思います。

ただし、デフォルトでは年次となっているため、月次になるよう操作します。それには［列］シェルフの「年(オーダー日)」ピルの右端の▼をクリックすると表示されるメニューで［月］を選択するのですが、ここで［月］が二つあることに気づくでしょう。UI的に少しわかりづらいのですが、これが先ほどの不連続と連続の違いとなります。まず下の［月］（連続）を選択してみてください。すると下図のような、期待どおりの月次の売上の推移を表すグラフが表示されます。ここで［列］の「年(オーダー日)」ピルが緑になっていることが確認できますが、これが連続であることを示しています。

次に「年(オーダー日)」ピルの右端の▼のメニューで、上の［月］（不連続）を選択してみてください。すると下図のようなグラフが表示されます。サンプルデータ「スーパーストア」は2015年から数年分のデータが格納されていますが、このグラフは一年分の月数しか表示されていません。これは、日付の数値に連続性がなくなることで、年と月の関係性が解除されるため、1月から12月までの月次で、すべての年の売上を合計する集計が行われることを意味しています。ここで［列］の「年(オーダー日)」ピルが青になっていることが確認できますが、これが不連続であることを示しています。

次回は、いくつかの代表的なグラフの作成方法について見ていきます。

セルフサービスBIのデファクト。

BIとは、ビジネスインテリジェンス（Business Intelligence：BI）の略で、企業などの組織のデータを収集・分析・可視化することで、ビジネスの意思決定に役立てる手法や技術をさす、経営・会計・情報処理などの用語です。その中でもとりわけ、特別なITスキルを持たないユーザー自身でも、データ分析やレポート作成を可能としたものをセルフサービスBIといいます。

セルフサービスBIにはたくさんのツールがありますが、その中でもTableau Software社が提供するTableauは、Microsoft Excelのような手軽さがありながら、大量データの扱いやグラフ作成を中心としたデータ可視化（Data Visualization）に優れており、デファクトスタンダードともいえるツールとなっています。なお、TableauとExcelの比較については「Tableau vs. Excel どっち？」にまとめているのでそちらも参照ください。

Tableauにはいくつかのソフトウェアがあり、目的や用途により使い分けることができます。大まかには以下のように分類されます。

• ひとりで分析する：
  • Tableau Desktop, Tableau Public
• みんなで分析する：
  • Tableau Online, Tableau Server
• レポートを参照する：
  • Tableau Reader, Tableau Mobile
• データを準備する：
  • Tableau Prep

通常「Tableau」といえば、Tableau Desktopをさすことが多いかと思います。こちらはその名のとおり、PCにインストールして単独で使うタイプのもので、ひとりでアドホック分析を行ったり、みんなで参照する分析レポートのベースを作る際に利用します。Tableau Onlineは、それをみんなで共同作業できるよう、ブラウザUIを持つフルマネージドなクラウドサービスとして実現したもので、機能面ではTableau Desktopと同等ではあるものの、全体の操作性や細かい使い勝手の面で劣ります。

Tableau Publicを準備。

Tableau Publicは、Tableau Desktopと同等の機能と操作性をもつ無料のソフトウェアです。ただし、こちらもその名のとおり、公的に利用することを前提としており、作成したワークブックの保存先がTableau Publicのウェブサービス上のオープンスペースに限定され、全世界に公開されることになります。すなわち、オープンデータの分析をTableauユーザー間で協業あるいは競争することを目的としたものであり、企業や個人の持つ秘匿性の高いデータの分析には向いていません。

とはいえ、Tableauの導入に向けたトライアル用として、あるいはサンプルデータを前提としたトレーニング用として利用することは可能です。そこでここでは、Tableau Publicを使ってBIの入門編を進めていきます。

まずはTableau Publicをインストールします。こちらのTableau Publicのサイトからインストールファイルをダウンロードし、実行するだけです。あとはインストーラーの指示にしたがってインストールを行います。

インストールが終了したら、Tableau Publicのアプリケーションを実行します。スタート画面が表示されるので、ここで分析対象のデータソースに接続したり、あるいは保存済みのワークブックを開くことで分析作業を進めます。ワークブックはExcelのブックにあたり、表やグラフを含んだシートやダッシュボードを複数まとめて管理し、ひとつのファイルとして保存されます。ワークブックについては「TableauではじめるBI #04」で説明します。

サンプルデータでお試し。

初回はワークブックが存在しないため、右ペイン［開く］はブランクとなっています。したがって、まずはデータソースに接続するところから開始します。Tableau PublicはTableau Desktopと比べて接続可能なデータソースに制限があり、BigQueryやRedshiftなどのデータベースに接続することはできず、PCのローカルにあるExcelやCSVなどのデータファイルに接続することが基本となります。なおTableauでは、トレーニング用に最適化された「スーパーストア」というサンプルデータが無料で提供されているので、こちらを利用します。

左ペイン［接続］の「Microsoft Excel」をクリックし、ファイル選択画面で「マイ Tableau リポジトリ > データ ソース > 2019.1 > ja_JP-Japan」とドリルダウンして「サンプル – スーパーストア.xls」ファイルを開きます。すると［データ ソース］タブが表示されるので、左ペイン［シート］の「注文」を右上ペインにドラック＆ドロップします。これで、分析対象テーブル（Table）として「注文」を指定した状態となります。

画面下部のタブで「シート1」ワークシートを選択すると、グラフ作成などを行うワークシート編集画面に切り替わります。

では試しに簡単なグラフを作成してみましょう。左ペイン［ディメンション］の「カテゴリ」および「サブカテゴリ」を右上ペイン［行］に、続いて左ペイン［メジャー］の「売上」を右上ペイン［列］に、同じく［メジャー］の「利益」を左から2番目のペインの［マーク］にある［色］に、それぞれドラック＆ドロップします。

すると「テーブル」や「椅子」などのサブカテゴリごとの「売上」が棒グラフで表示され、さらに「利益」の大きさにより色分けで表示されます。このようにディメンション（Dimension）とメジャー（Major）のフィールド（データ項目）をドラッグ＆ドロップするだけで、簡単にグラフを作成できます。ディメンションとメジャーについては「TableauではじめるBI #02」で説明します。

では次回以降で、具体的な分析テーマにそって、データ可視化を実践していきます。

セルフサービスなBI。

1990年代後半に普及しはじめたビジネスインテリジェンス（Business Intelligence：BI）は、経営・会計・情報処理などの用語で、企業などの組織のデータを収集・分析・可視化することで、ビジネスの意思決定に役立てる手法や技術のことを言います。その中でもとりわけ、特別なITスキルを持たないユーザーでも、データ分析やレポート作成を可能としたものをセルフサービスBIといい、Tableau Software社が提供するTableauは、そのデファクトスタンダードとも言えるツールとなっています。

一方で、ユーザーによるデータ分析やレポート作成を可能とする最もポピュラーなツールは、表計算ソフトのMicrosoft Excelでしょう。そこで今回は、TableauとExcelを比較しつつ、TableauはExcelを置き換えるものなのか、はたまた使い分けるものなのかを整理してみたいと思います。

可視化のTableau、表計算のExcel。

まず、TableauとExcelの決定的な違いは、Excelが表計算が主軸で、グラフによる可視化が副次的なものであるのに対し、Tableauはグラフによる可視化が主軸で、表計算が副次的なものとなっている点です。すなわち、真逆のコンセプトを持っていることになります。そして、TableauとExcelの特徴の違いの多くは、このコンセプトの違いに端を発しています。

その典型例が、UIの操作体系の違いです。Excelは行と列からなる表の各マスであるセル（Cell）の入力から全ての操作を開始します。データ項目すらもセル上で管理し、グラフを作成するにもまずはセル上に表を作成する必要があります。つまり、データ項目の管理と、表・グラフの編集が統合された操作体系となっています。なお、一般的な使い方としては、表の一行目でデータ項目を、二行目以降でレコードをそれぞれ管理します。

それに対しTableauのUIは、データ項目を管理するデータペイン（Data Pane）と、表やグラフを編集するビュー（View）から構成されており、データペイン上のデータ項目をビューにドラッグ＆ドロップすることで、表やグラフの編集を行います。つまり、データ項目の管理と、表・グラフの編集が分離された操作体系となっています。

Excelは、データ項目と表・グラフが統合されていることにより、表計算を視覚的に直感的に行うことが可能です。また、データの追加・変更・削除などの編集作業をセル上で行うことができ、さらに表計算の結果を新しい列に追加するといった操作も直感的に行うことが可能です。

一方でTableauは、表を直接編集するというUI的な概念がないため、表計算はデータペイン上に追加されたデータ項目に集計方法や計算式を指定するという操作体系となっており、視覚的に直感的ではありません。また、データの追加・変更・削除も、多くの場合はデータソースに立ち戻っての編集が必要となります。

しかしながら、データ項目と表・グラフが分離され、表を直接編集するという概念をもたないTableauのUIは、データを視覚的に表現して知識を獲得するBIの目的や用途に適合したものとなっています。まず、データペイン上のデータ項目を選択し、ビュー上にドラッグ＆ドロップするだけで、グラフを簡単に大量に作成することが可能です。これは、グラフを作成するのに、まずはセル上にベースとなる表を都度作成する必要があるExcelにはない特長であり、トライ＆エラーを高速に繰り返すことで、より分析しやすいグラフをすばやく作成することができます。

次に表計算については、データペイン上のデータ項目として扱う操作体系により、前述のように視覚的に直感的ではないという欠点はあるものの、集計方法や計算式を一元管理することが可能で、それによりワークブック上のすべての表やグラフに同じ集計方法や計算式を適用することができます。Excelでは、集計方法や計算式は特定のセルに適用されるものとなるため、そのセルをコピーすれば流用可能ですが、それらを一元管理することができません。なお、Tableauのワークブック（Work Book）やシート（Sheet）の概念は、Excelのブック・シートと共通です。

この他にもTableauには、外部のさまざまなデータソースとのシームレスな連携が可能であるという特長もあります。とりわけGoogle BigQueryやAmazon RedshiftなどのセルフサービスDWH¹⁾BigQuery vs. Redshift どっち？との連携性が極めて高く、データの集計や編集はDWHに集約し、Tableauはデータの可視化に特化するという役割分担により、前述のデータの追加・変更・削除が苦手であるという欠点を補うことができます。

また、Tableau Onlineを利用することで、ワークブックの編集や閲覧を、関係者と共有することができます。一方、Excelでその環境を作ることは容易ではありません。ちなみに、Excel互換のクラウドサービスであるGoogle スプレッドシートであれば、ブックの共有が簡単に実現できます。

用途に合わせた選択と連携を。

ここまでの比較内容を表でまとめます。

そもそもTableauとExcelは、コンセプトや主軸機能が異なるため、目的や用途による使い分け、あるいは連携による効率化が重要です。典型的な連携方法としては、データの集計をExcelで行い、データの可視化をTableauで行うというものでしょう。とはいえ、分析ワークの中で集計と可視化は何度も行き来するものであり、高い連携性が求められます。

個人業務の場合は、手元のExcelで集計し、結果をTableauに連携して可視化する、またそれを繰り返すというワークフローで問題ないかもしれません。ただ、複数人で業務を行う場合は、前述のとおりExcelはブックの共有を苦手とするため、最適ではありません。その場合は、Google スプレッドシートの利用を推奨します。

また、Excelは大量データの集計を苦手とするため、その場合はBigQueryやRedshiftなどのセルフサービスDWHの利用も検討したいところです。とはいえ、環境構築やSQLでのデータ操作など、ハードルがやや高いことも事実です。こちらも、サンプリングでの分析はExcelとTableauの組み合わせ、ノンサンプリングでの分析はBigQueryとTableauの組み合わせなど、ケースバイケースで最適な手法を選択することをお勧めします。

3月14日に開催された、KCCSモバイルエンジニアリング株式会社主催の「はじめて学ぶビジュアル分析 Tableauハンズオンセミナー」に参加してきたのでレポートします。

Tableauは、言わずと知れたセルフサービスBIのデファクトスタンダードとも言えるBIツールですが、非常に多機能かつ自由度が高いため、使えば使うほど新しい発見があります。また、人から教わることによって機能や使い方の新たな気づきも得られるので、基礎のおさらいも兼ねて、学ぶ機会があればなるべく参加するようにしています。そういうわけで今回も受講してきました。

セミナーの構成は、Tableauの概要や特長の説明のあと、基本的な分析と可視化のハンズオンが一時間程度あり、最後にTableau PrepやAlteryxといったデータ準備ツールの紹介をして終了という形です。

まずTableauの特長がExcelとの比較で示されており、Excelの苦手なポイントとして、集計を行いながら動的にグラフ作成を行うこと、同じようなグラフを大量に作成することの二つを挙げつつ、Tableauはそれを得意としているという説明がなされていました。なお、TableauとExcelの比較については「Tableau vs. Excel どっち？」にまとめているのでそちらも参照ください。

Tableauの分析と可視化のハンズオンでは、以下の基本的な内容が丁寧に説明されていました。

• データの読み込み。※データはサンプルスーパーストア
• ディメンションとメジャーについて。
• カテゴリ・サブカテゴリごとの売上と利益のクロス集計。
• 会計年度でのフィルター。※会計年度のアメリカ式と日本式の違い
• 二軸グラフの作成とリファレンスライン。
• 散布図の作成と傾向線・ハイライター。
• 地図へのマッピング。
• ダッシュボードの作成。

この中で、とりわけ会計年度のアメリカ式と日本式の違いについては、いままで受講したTableauの講座では聞いたことがなかったため、参考になりました。Tableauはアメリカで開発されたツールであるため、アメリカ式を採用しており、注意が必要です。具体的には、たとえば2019年4月から始まる会計年度は、日本式では2019年度となりますが、アメリカでは2020年度となります。

データ分析の80%はデータ準備。

セミナーの最後に、Tableau PrepやAlteryxといったデータ準備ツールの紹介がありました。そもそもデータ準備（Data Preparation）とは、データを分析可能な状態にするための準備プロセスのことで、データのチェックから、結合・変換・クリーニングまでの作業が含まれます。ある調査によると、データ分析の作業時間の80%はデータ準備に費やされており、分析に費やされる時間は20%にすぎないと報告されています。すなわち、データ準備の生産性向上が、データ分析の精度向上に直結することになります。

データ準備ツールは、データの欠損や分布を可視化することでチェックをしやすくしたり、データの結合や変換の処理をGUIベースで行う、いわゆるETLツールの機能を備えたツールです。ETLは、Extract（抽出）、Transform（変換）、Load（格納）の頭文字をとったもので、データウェアハウス（Data Warehouse：DWH）へのデータの集約を、従来はSQLなどのデータ操作プログラムによるスクラッチ開発で行なっていたものを、専門知識なしで行えるようにするために作られたものです。

データ準備ツールはDWHへのデータの集約のプロセスを劇的に改善したものの、近年のビッグデータ化にともない、処理性能や処理速度に問題を抱えるようになっています。Tableau PrepもTableau Createrライセンスがあれば利用可能なデータ準備ツールですが、オンプレミス型であるためマシン環境に依存し、多くの場合はビッグデータ処理には向きません。そこで、GCPのCloud Dataprepや、AWSのGlueなどのフルマネージドなクラウドサービスが登場し、データ準備を手軽に行うことが可能となりつつあります。

そのような状況の中で、Alteryxはオンプレミス型ではあるものの、多くの企業で利用されているデータ準備ツールです。もっともAlteryxは、データ準備から高度な分析や予測の機能までをワンストップで提供する統合分析基盤であるため、データ準備ツールというと語弊がありますが、Tableauとの連携性が高く、データ準備ツールとしての存在感を高めているといえます。Alteryxの詳細については別の記事にて紹介したいと思います。