質問がどれほど複雑になったとしても、ユーザーの皆様がその根本にあることを突き止められるように、Tableau は高度な分析に力を注いでいます。Tableau では、「Tableau を使った高度な分析」のホワイトペーパーに、機能セットの進化に関する情報を追加して改訂を行いました。このホワイトペーパーでは、重要で高度な組み込み機能を利用して、分析プロジェクトのあらゆる段階に Tableau がどのように対応しているかを掘り下げています。

この記事では、アナリストやデータサイエンティストが日々取り組んでいるシナリオに対する Tableau のアプローチをお伝えするとともに、高度なデータ分析を行う上で参考となるリソースを紹介します。

セグメンテーションとコホート分析

Tableau は、迅速かつ柔軟にコホート分析ができる調査フローを実現しています。いくつでも必要なディメンションを使ってデータを分析することで、すばやくさまざまな視点を切り替えることができます。機械学習の技術である自動的なクラスタリングによっても、データをより適切にセグメントに分けることができます。データセットのディメンションが大きく、簡単にパターンを見つけにくい場合には、この機能が役立つことがよくあります。


クラスタリングを使うことで、自動的にデータをセグメントに分けることができます。

Tableau では、すばやくデータをセグメントに分けて分類できるので、強力なコホート分析を比較的簡単に実行することができます。これらの機能は、データサイエンティストが最初の仮説を掘り下げ、シナリオを検証する上でも役立ちます。

セグメンテーションとコホート分析の機能については、以下のリソースをご覧ください。

シナリオと What-if 分析

Tableau は、柔軟性の高いフロントエンドと強力な入力機能を兼ね備えており、すばやく計算を変更して、さまざまなシナリオをテストすることができます。Tableau には、セット、グループ、ドラッグ & ドロップによるセグメンテーション、パラメーターといった機能が用意されているので、設定した仮説や質問から、プロフェッショナルな外観のダッシュボードを作成することができます。そのダッシュボードを利用することで、専門知識のないユーザーでも質問をして、自分のシナリオについてテストすることができます。


パラメーターが設定されたこの売上レポートでは、組織におけるノルマや歩合制、給与の効果を調べることができます。

What-if 分析を効率的に実行できれば、分析のさらに複雑な側面にも目を向けることができ、より優れたインサイトが得られるようになります。同時に、誰でもデータを操作できるような、直感的なビジュアライゼーションを簡単に作成することができます。

シナリオや What-if 分析の機能については、以下のリソースをご覧ください。

高度な計算と統計関数

Tableau には、強力な計算言語が用意されており、分析に任意の計算を加えることや、簡潔な式で複雑なデータ操作を実行することが簡単にできます。サマリーカードを使用すると、基本的な集計のネストから、標準偏差、最頻値、尖度、歪み、相関関係、共分散などの統計的な計算まで、さまざまな組み込みのオプションを利用できます。


購入日が第 1 四半期の総売上の累計を計算するために、LOD 表現を使用しています。

表計算を利用すると、集計データの操作や、複雑なラグの作成、データ構造に依存する集計の構築など、難易度の高いデータベース操作も、わずか数クリックまたは簡単な式で実行できます。これにより、専門知識のないユーザーでも利用できるようになるだけでなく、専門知識のあるユーザーも面倒な SQL コードを使ったり長い時間をかけたりしなくて済むようになります。

計算と統計関数の機能については、以下のリソースをご覧ください。

時系列分析と予測分析

Tableau では、機能に優れた時系列分析がネイティブにサポートされています。それにより、季節性やトレンドを調べたり、データから標本を抽出したり、予測分析を行うなど、一般的な時系列の操作を強力な UI から実行することができます。


予測機能によって、地域ごとの売上を自動的に予想できます。

予測分析を簡単に利用できることで、ほぼどのようなデータプロジェクトにも大きなメリットがあります。Tableau は、複雑な構成とシンプルでインタラクティブなモデリングを両立することで、データサイエンティストにもエンドユーザーにも役立ちます。

時系列分析と予測分析の機能については、以下のリソースをご覧ください。

外部サービスとの統合

R と Python のプラグインを利用すると、Tableau のフロントエンドがさらにパワフルで使いやすくなり、他のプラットフォームで行った統計処理の結果を活用したり、繊細な機械学習のワークフローを処理したりすることができます。


R と Tableau は、有意性検定の計算を行い、その結果を視覚化するために使用されてきました。

Tableau と、Python や R を組み合わせることで、複雑なモデリングの結果を、美しく魅力的なビジュアライゼーションとして表現し、利用することができます。ダッシュボードに埋め込まれたコントロールを操作することで、スキルレベルに関係なく、だれでも What-if 分析を実行し、仮説シナリオの評価を行うことができます。

R および Python との統合の機能については、以下のリソースをご覧ください。

  • R (オンラインヘルプ)
  • Python (ハウツー)

ハードコアな分析

さまざまな点で、Tableau は他の分析プラットフォームとは一線を画しています。Tableau は、ビジネスユーザーとデータサイエンティストの両方を念頭に置いて設計されています。人々がデータについて関心を持っている質問の答えをできるだけ早く得られるように支援するというミッションに常に集中することで、Tableau はあらゆる人に価値ある機能を提供するプラットフォームとなっています。

Tableaubの分析についてさらに深く掘り下げるには、最近更新されたホワイトペーパー、「Tableau を使った高度な分析」をぜひご覧ください。

こちらもご覧ください

新規コメントの追加 

ブログの更新情報を受け取る