Tableau Prep を利用したデータ準備のベストプラクティス

分析を行うのは誰ですか?

最終的なデータセットのエンドユーザーは誰かを考えます。たとえば、分析の工程を通じてデータのあらゆる部分にアクセスし、理解する必要があるのは自分だけでしょうか。それとも、そのデータセットは、選択した特定の指標に基づいて特定のキャンペーンの実績を把握する必要があるマーケティングマネージャーなど、他の職務を担うユーザーが使用するものでしょうか。後者の場合、必要なメジャーのみが残るようにデータセットを絞り込むのが良いかもしれません。

あるいは、製品コードのみが含まれているデータ表があって、マーケティングマネージャーは製品名を確認する必要がある、という場合もあるかもしれません。その場合は、情報を取得できるようにデータ表とファクト表を結合します。ダッシュボードを作成する場合と同じように、データ準備においても、対象者を考慮することが不可欠です。

どのようなタイプの質問について、調査し、答えを見つける必要がありますか?

データ準備プロセスでは、最終的なデータセットがどのように使用されるのか (複雑な分析なのか、簡単なサマリーなのかなど) を理解しておくことが重要です。この内容によって作業量や詳細が決まり、データ準備プロセスに大きく影響します。

通常は、ビジネスにおける戦略的な優先事項を理解しておくことで、ユーザーがデータについて知りたいと思う一般的な質問をある程度予測できますが、予期しない質問が浮かび上がることが考えられます。データセットの準備では、新たな質問に対して迅速に対応することと、さらに先のデータ探索を可能にすることとの間でバランスをとる必要があります。たとえば、過去 6 か月の売上動向を確認しているとします。特定の週で売上が急激に伸びているので、詳しく掘り下げたい場合は、さらに詳細な分析を行うため、日次レベルの詳細なデータが必要になります。

対象を知る

データ準備ツールにデータを読み込む前に、対象を理解しておくことが重要です。データセット全体が対象になるのか、サブセットだけなのかを知っておく必要があります。また、クリーニングを始める前に、ある程度のデータ探索が必要な場合もあります。

サンプルサイズを調整する

大規模なデータセットに接続する場合、データ準備プロセスを迅速に行うため、また、パフォーマンスを最適化するために、データのサンプルを限定して対象を絞り込むのが良いでしょう。状況によっては、データセット全体の確認が必要な場合もあり、そのような場合にも Tableau Prep は対応できます。サンプルではデータ準備タスクに対応できない場合には、以下のことを試してみると良いでしょう。

• データのサンプルサイズを大きくします。インプットステップに戻り、サンプルの行数を調整します。行数を増やすか、すべてのデータを含めることができます。ただし、それによってパフォーマンスが低下する可能性があるため、注意が必要です。もう 1 つ注意すべきことは、固定の行数を使用すると、要求された行数を返すのに最も速い方法の基準として参照元のデータベースで使用されているものが返されることです (つまり、必ずしもデータベースの上から 1,000 行ではないということです)。
• ランダムサンプリングを使用します。Tableau Prep の既定の設定では、データセット内のフィールドの総数およびそれらのフィールドのデータ型に応じて、最適な行数が計算されます。ランダムサンプリングはデータベースレベルで行われ、要求した行数が返されます。データベースで各行がチェックされ、サンプルが返されます。このオプションはすべてのデータソースで利用できるわけではありません。また、パフォーマンスに影響する可能性があります。
• インプットステップフィルターを追加します。インプットステップにフィルターを追加すると、実行する分析に関連するデータを確実にデータセットに含めることができます。こうすることで、より実際に即したサンプルを使用しながら、パフォーマンスへの影響もなくなります。

データを探索する

まず、特定のフィールドにおける一意の値の数を確認する場合が多いでしょう。下の例では、上部の列見出しを見ると、データセットに出現する州の総数がわかります。また、外れ値やデータの問題を特定できるように、それぞれの値の関係も確認する必要があります。Tableau Prep では、ハイライトの機能を使って、フィールド間のリレーションシップを確認できます。プロファイルペインの値をクリックすると、データグリッドビューが狭まり、指定されたフィールドの値を持つレコードが表示されます。各フィールドの値がハイライトされ、関連する値が青色で表示されます。

不要なデータを削除する

データ準備プロセスの全体的なパフォーマンスを最適化するには、Tableau Prep に読み込むフィールドを分析に必要なものだけに限定します。

会社の売上と製品のデータを含むデータセットの準備を行うとしましょう。このデータセットを後で Tableau に読み込み、年間の売上実績を分析します。この場合、各製品の出荷日に関する詳細情報は対象に含める必要がないでしょう。この情報は売上にはあまり関連がなく、顧客が製品を購入した理由も分からないからです。これは単にその製品がいつ倉庫から出たかを示しているだけなので、データソースから削除しても問題ないでしょう。準備中のどこかの段階で、もう必要がないフィールドを見つけたら、フローの途中でそのフィールドを削除できます。

ヒント: 準備のプロセスを進めている途中で、フィールドの分割を始めてもかまいません。フィールドを分割して複数の列にすることができます。それにより、分割元のフィールドが不要になったら、削除できます。

また、データにフィルターをかけるとプロセスの時間を節約でき、適切な分析をしやすくなります。たとえば、過去 2 年分の売上データのみを確認する必要があるだけの場合は、範囲または相対日付のフィルターをデータフィールドに適用して、その期間のみに絞り込むことができます。関係のないデータや不正確なデータを削除したい場合もあるでしょう。データペインで値をクリックすれば、除外できます。これは、フローのどの段階でも行うことができます。

見直しとクリーニングを行う

Tableau では、データ型が分析に影響します。そのため、実際の分析に入る前に、各フィールドについてしっかりと確認しておくことが重要です。Tableau では、別名の編集、データ型の変更、フィールドの分割、計算の記述ができますが、特に他のユーザーのためにデータセットを作成する場合には、こうした作業を事前に実行しておくと、分析がはるかに容易になります。

すべてのフィールドについてデータの品質を把握しておくことが重要です。たとえば、アンケートで収集された電話番号には、さまざまな形式が混ざっている可能性があります。世界中からアンケートが集計されている場合にはなおさらです。何千、何万もの値について、整合性を目視で検証することは大変な作業であり、間違いも起こりやすくなります。データセットをクリーニングするには、パターンを特定してデータを一括で更新すると大きな効果があります。Tableau Prep に組み込みの機能、たとえば、句読点や数字、文字の削除、空白の調整ができる簡易クリーニングのステップなどを使用すると、簡単に変更を加えることができ、時間を節約できます。

たとえば、州のフィールドに「California」と「CA」が混在していて、他の値は州名がフルスペルになっている場合は、値を直接変更すると「CA」も「California」のレコードに含まれるようになります。

データのほとんどは問題がなく、若干の例外が含まれている場合もあるでしょう。そのような場合も、Tableau Prep は役立ちます。アルゴリズムを利用して面倒な処理を実行することで、データ値の標準化ができます。たとえば、お客様が住所の市区町村名を入力したデータが入っている列があるとしましょう。その列をざっとスクロールしてチェックすると、「Albuquerque」という地名にスペルミスがいくつかあることがわかりました。1 つずつ手作業で更新しなくても、Tableau Prep に組み込みの機能を使って、共通の文字や発音を基準にグループ化して置換できます。これらのオプションでは、アルゴリズムによってクリーニングプロセスが簡略化されているので、手間がかかりません。また、値の不足が予想される場合は、フローを実行してデータセット全体を処理する際、取り込み用に手作業で値を追加することができます。クリーニングまたはフィルター処理が必要なフィールドがあることがわかっていて、ユーザーインターフェイスからは実行できない処理が必要な場合は、計算を使用できます。

思考に沿って準備を行う

データ準備には、再構成、形式の変更、クリーニングなど、さまざまな要素が含まれますが、その順序に特定の制約はありません。Tableau Prep では、思考の流れに沿って、データの変更や更新を行えるようになっています。データのピボットから始めることも、スペルミスや不足データのクリーンアップから始めることもできます。