その他お問い合わせ先

lodestar@truestar.co.jp

運営会社

株式会社truestar
truestar activation株式会社

Polygon for Tableauを使ってみる #Alteryx #06 | Alteryx Advent Calendar 2016

今回、クラスメソッドさんの運営する技術ブログDevelopers.IOで展開されている『Alteryx Advent Calendar 2016』にスポット参戦させていただくことになりました。

Alteryx Advent Calendar 2016 | シリーズ | Developers.IO

Alteryx Advent Calendar 2016 – Qiita

 

06日目のエントリとしてAlteyrxの『Polygon for Tableau』ツールをご紹介します。

 

過去にもAlteryxのマクロを用いて似たような記事がTableau-idに掲載されています。

Alteryxを活用したShapeFileのTDE化

しかし、現在は『Polygon for Tableau』というツールが標準的に存在するため、もっと簡単にシェープファイルをTableau用に加工できるようになりました。

 

ではまず適当にシェープファイルを拾ってきましょう。

シェープファイルのオープンデータといえば国土交通省の運営する

国土数値情報

です。いつもお世話になっております。

tableauid20161206-1

今日は線路の情報を使ってみましょう。

 

 

tableauid20161206-2

全国のデータを一括でダウンロードできますが、中には二つのシェープファイルが含まれますが、ここでは線路データとなるRailroadSection.shpを使います。

ちなみに今回取り扱う空間データ(Spatial Object)は、Polygon(面)ではなくline(線)です。

『Polygon for Tableau』を使うとこんな簡単なモジュールでTableauデータソース化が可能です。

tableauid20161206-7

 

シェープファイルは下図のとおり、lineデータです。線路っぽいデータが見えています。

tableauid20161206-8

 

続いて元データの属性情報(カラム名)を[Select]ツールでRenameします。

tableauid20161206-9

 

空間データ(Spatial Object)に[Polygon for Tableau]ツールを接続するだけでTableau用のフォーマットに変換されます。

tableauid20161206-10

 

Optionsタブでポリゴンの間引きができますが、間引きの単位はマイル刻みだけです・・・
とはいえ、特に細かい粒度のポリゴンデータはデータ量が大きいため、適宜間引きをするほうが懸命です。

tableauid20161206-11

 

最後にTableau抽出形式(TDE)でアウトプットして、Tableau用データソースの完成です。

tableauid20161206-12

 

実際にTableauで可視化した結果が以下のとおりです。

tableauid20161206-14

今回はPolygonではなくLineなので、マークは線を使います。
予めAlteryxKeyとPointOrderはディメンションに変更した上で、パスにPointOrderを、詳細にAlteryxKeyを入れれば完成ですね。

とっても簡単。

 

ちなみに、以下の記事にもあるように、近日公開の機能として、Tableauでシェープファイルが読み込まれることが発表されています。

Tableau Conference 2016 at Austin [基調講演レポート] Keynote: Tableau Devs on Stage

 

つまり、[Polygon for Tableau]ツールは遠からず不要になるかもしれません。
とはいえ、Polygonの間引きをしたり、PolygonとPointのマッチングなどの空間情報処理をTableauでできる訳ではないため、Alteryxはまだまだ重宝しそうです。

 

なお、Tableau 10.2のベータ版を試してみたところ、PolygonとPointは読み込めましたが、現時点でLineは直接読めませんでした。このあたりは後日触れたいと思います。

 

明日7日目はクラスメソッド小澤さんの『線形回帰をしてみる』です。乞うご期待!

 

T.Fuji

時系列を付与した散布図の作り方

稀に使用される「時間を軸においていない散布図に折れ線で時系列を追加したグラフ」を作成してみます。

一見して判りにくいグラフとなる為汎用性は低いですが、2軸の指標に対して年を追った傾向を見る際に役立ちます。

 

サンプルデータソースの「世界指標」を使用して生産人口割合とGDPの関係をあらわしたダッシュボードを作成して見ました。
ポイントは折れ線のパスに「年」を入れる部分です。
%e6%95%a3%e5%b8%83
素直に実装すると年の進行方向が判りにくかったため、矢印を入れています。
if
last()=0 then “終点”
elseif
 lookup(AVG([人口(15~64歳)]),1)-AVG([人口(15~64歳)]) > 0
 and lookup(AVG([GDP]),1)-AVG([GDP]) > 0
then “右上”
elseif
lookup(AVG([人口(15~64歳)]),1)-AVG([人口(15~64歳)]) > 0
then “右下”
elseif
lookup(AVG([GDP]),1)-AVG([GDP]) > 0
then “左上”
else “左下”
END

非常にシンプルな実装となっていますので興味がある方はダウンロードして確認してみてください。

Tableau_id執筆者:林 周作(Shuusaku Hayashi)

フィルタを使用する際のシェアの算出方法について

製品やブランドのシェアを算出するケースは非常に多いと思います。

今回はフィルタを使用する際のシェアの算出方法についてお話します。

使用するデータソースは「スーパーストア」です。

 

シェアを算出する際は「sum([売上])/WINDOW_SUM(sum(売上))」といった形で「対象/全体」を計算しますね。

%e3%82%b7%e3%82%a7%e3%82%a2%ef%bc%91

全ての対象を表示している場合は問題ないですが、表示するメーカーは絞る(or一つにする)際のシェア算出方法が課題となります。

素直にフィルタで絞ってしまうと、絞った中でのシェアを表示してしまいます。

カテゴリごとのシェアを表示するといった際はいいのですが、メーカーを絞る際は問題となります。

%e3%82%b7%e3%82%a7%e3%82%a22

これはディメンションフィルタでフィルタされた後に表計算が行われるため発生します。

calculations_lod_filters(Tableau online Helpより)

詳しい内容はTableau online Helpを参照してください。(https://onlinehelp.tableau.com/current/pro/desktop/ja-jp/calculations_calculatedfields_lod_filters.html

解決策は以下の3種類が考えられます。

・個々のレコードにトータルの値を持たせる

・フィルタを表計算フィルタにする

・トータル計算にFixedを使用する

各々について見ていきましょう

 

・個々のレコードにトータルの値を持たせる

予めデータ側にトータルの値を持たせてしまって、フィルタが掛かっても算出できるようにします。

「sum([売上])/avg(トータル売上)」

メリット

・表計算なしで算出できる為、軽い

デメリット

・フィルタを掛けても一切トータルの値が動かない為、どの単位でトータルを持たせるかが問題となる

・単純にAVGで計算できなくなるケースもあり、データの準備、扱い共に難易度が高い

 

・フィルタを表計算フィルタにする

表計算フィルタは表計算が行われた後に実行されるため、フィルタを表計算を使用したものに変更すれば正しく表示されます。

lookup(min([メーカー]),0)

といった計算式を作成しフィルタに入れます。

メーカーをビューに入れないと動作しない点に注意が必要です。

メリット

・手軽

デメリット

・アクションフィルタには適用できない

・表計算フィルタは実際には非表示にしているだけであるため、重い

・表計算フィルタである為、フィルタを表示する為にも表計算が行われる(重くなる)

・フィルタ対象をビューに使用しなければならない

・複数ワークシートへの適用が出来ない

 

・トータル計算にFixedを使用する

Fixedはディメンションフィルタの前に計算される為、トータル計算にFixedを使用すれば正しく表示されます。

「sum([売上])/sum({fixed:sum(売上)})」

メリット

・Fixedの計算を調整することで要件に柔軟に対応可能

デメリット

・Fixedはビュー表示とは別に計算が行われるため、重い

・Fixedの計算の調整が必要

 

どの手法もメリット、デメリットがありますので状況に応じて使い分けてください。

他にフィルタをパラメーター化する方法もありますが、こちらは非常に使い道が限定されますので割愛いたします。

 

Tableau_id執筆者:林 周作(Shuusaku Hayashi)

表計算の詳細について:レベルと再開間隔

表計算の詳細について第二段ということで、レベルと再開間隔についてです。この二つを理解しているかどうかで表計算の利便性は格段に変わると思います。ただ再開間隔は字面を見ればどんなものか想像がつきますが、レベルは字面を見ても想像がつき難いです。本投稿ではレベルと再開間隔を簡単な例とともになるべく分かりやすく紹介していきたいと思います。 今回の投稿は前回の 表計算の詳細について:区分の指定と場所の指定 からの続きになります。前回は表計算の詳細で指定する区分と場所について簡単な例とともに紹介いたしました。前回を読まなくても問題無い内容となっていますが、細かいデータの設定等については省略させていただきます。今回も使用するデータはサンプル「スーパーマーケット」、表計算にはINDEX関数を使用しております。 実際に中身を見る前に、レベルと再開間隔とは何ぞやという問題がありますので簡潔にまとめます。 レベル:指定した場所の水準(Level)以上で計算を実行する。 new balance 373 bleu orange 再開間隔:指定した場所の単位で区切って計算を一から始める。 場所と書いてあるようにレベルと再開間隔では場所の指定で設定したものしか使えません。 実際に中身を見ていきましょう。まずは行に地域と都道府県を列に年 オーダー日とオーダー日の月を配置します。前回のおさらいもかねて、区分の指定に年 オーダー日とオーダー日の月を、場所の指定に地域と都道府県を入れて、レベルと再開間隔は初期状態のまま(レベル:最も深い、再開間隔:なし)で適用してみます。 図1_2 図2_2 年と月の範囲で都道府県、地域方向に計算します。 図3_2 上の例を使ってレベルと再開間隔を設定すると挙動がどのように変化するかを見ていきます。先にも書いた通りレベルと再開間隔には場所で指定した内容しか選択できません。上の例のとき初期状態のままだとレベルの中には、 ・最も深い・地域・都道府県 の三つが選択できるようになっています。 Chaussure Adidas 図4_2 同様に初期状態のままだと再開間隔には、 ・なし・地域 の二つが選択できるようになっています。 図5_2 なぜ再開間隔の選択肢がレベルより一つ少ないのか疑問に思う方もいるかもしれません。再開間隔はレベルより浅い場所しか選択できないためレベルよりも選択肢が一つ少なくなります。理由は後述してあります。興味のある方は読んでみてください*1Brandon Bolden 今回は場所の指定に地域と都道府県を指定したので、レベルも地域と都道府県を選択できます。デフォルトで選択されている「最も深い」は選択肢の一番下を選択したのと同様です。まずレベルを一番下にある都道府県で実行してみます。 sac fjallraven kanken 図6_2 結果は初期状態のときと変わりません。図7_2 上でも書いたとおり初期状態で選択されている「最も深い」は選択肢の一番下を選択したのと同様です。今回の例ですと一番下は都道府県になっていますので「最も深い」を選択したのと変わりません。 またレベルを地域に設定します。都道府県の水準では計算せず、地域水準で計算を行います。年と月の範囲で都道府県を考慮せず地域方向にのみ計算していることが分かります。 図8_2 次に再開間隔を設定してみます。 現在の設定では再開間隔は地域しか選択できません。 nike air max 2017 dames Groen 再開間隔はレベルの設定より浅い場所しか指定できないためです。今の設定でレベルを地域に指定すると再開間隔は設定できません。レベルを都道府県、再開間隔を地域に設定します。 図12_2 年と月の範囲で地域と都道府県方向(下方向)に計算を行い、地域の単位が関西地方から関東地方に切り替わった際に計算が初めから行われているのがわかります。 図9_2 以上でレベルと再開間隔に関して、例が簡単すぎた気がしますが一通り紹介いたしました。   今回のまとめ レベルは計算の水準を設定できる。レベルで設定した場所より深い場所は計算に反映されない。 再開間隔は計算を一から再開する場所を設定できる。 Fjallraven Kanken Big 再開間隔で設定できる場所はレベルより浅い場所。 SCARPE NIKE HUARACHE レベルと再開間隔を指定することで表計算に反映する場所の水準を指定し、表計算をより細かい(粗い)間隔で計算することが出来る。   次回は…Tableau10が出るからどうなんだろうと考えつつ、もう少し複雑な表計算について 「表計算の詳細について:表計算の中の表計算」(仮) を書けたらと思っております。   *1. 再開間隔の選択肢が一つ少ないのはなぜか 下記二つの理由により再開間隔の選択肢はレベルより一つ少なくなっていると考えております。 ①再開間隔とレベルで同一の場所を指定した場合例えばレベルを地域にして再開間隔を地域に出来たとします。レベルを地域にしたので計算は地域水準以上で行われます。地域水準で計算が行われるということは地域が変われば計算が再度一から再開されます。 Buty Adidas Dziecięce つまり「表計算の詳細」の「次を使用して計算」で「セル」を選択したのと同じことになるので不要です。 ②再開間隔でレベルより深い場所を指定した場合例えばレベルを地域にして再開間隔を都道府県に出来たとします。レベルを地域にしたので計算は地域水準以上で行われます。都道府県は残念ながら地域より深い場所にいるため再開しようにも都道府県の水準で計算してくれないので不要です。

表計算の詳細について:応用編

表計算の詳細シリーズのおそらく最後になります。一回目 「表計算の詳細について:区分の指定と場所の指定」二回目 「表計算の詳細について:レベルと再開間隔」過去二回で簡単にではありますが表計算の詳細について紹介しました。三回目は今まで紹介していたことを交えて表計算をいろいろと使っていきます。 さすがに表計算だけで全てをまかなうのには限界があるためパラメータやフィルターも使っています。今回は今までのようなINDEX関数を使った例ではなく「スーパーストア」の売上を使います。 Nike Air Max 2017 schoenen 今回やることは以下になります。 『サブカテゴリの最新月時点での売上と前年同月までの累計売上増減比率を増減比率の順位で示す。 nike air huarache dames rood 』下図が完成形となります。 nike air max 1 donna 図2_3 全データを使用するとサイズが大きくなるのでカテゴリを家具で絞っております。 Iowa State Cyclones ステップとしては下の①から⑤の順番で行います。 ①年月の累計売上の算出 ②前年同月の累計売上の算出 ③前年と当年の累計売上増減比率の算出 ④最新月のみ表示 ⑤売上増減比率の順位で並び替え お時間が取れる方は回答を見る前に自前でどこまで出来るか挑戦してみるのも良いかと思います。 asics schoenen 挑戦する際は上のステップの通りにやる必要はありません。 Nike Air Max 90 Women 出来るところからやっていただいて構いません。 ヒント:今回の表計算の詳細画面には下記の図のように計算フィールドが複数の物もあります。 Indiana Pacers 図1_3   今回の内容はかなり長くなってしまいましたのでストーリーにさせていただきました。

今回のを含めて三回、表計算の詳細について投稿いたしました。 Free Rn Flyknit Donna 記事を書いている中で筆者にも勉強になることが多くありました。 adidas neo hombre 表計算はTableauの中でもよく使いよく躓く箇所だと思います。これらの記事がTableauで表計算を使う際の一助になればと思っております。 これにて表計算の詳細シリーズは終了?となります。 Tajh Boyd – Clemson Tigers 次回は完全に未定ですが、ネタが見つかったら書いていこうと思います。

データの集計、非集計について

Tableauでは既定ではディメンションをビューに入れると非集計として、メジャーを入れると集計として扱います。 nike femme 2017 集計と非集計とは何なのか、計算式を書く際の注意点について書いてみたいと思います。使用するデータソースは「サンプルストア」です。 New Orleans Pelicans 集計とは データの区分となるセルに対して、一つの値になるように集計します。 AJ McCarron Alabama Jersey 平均、合計、中央値、最大値、最小値等様々な集計方法があります。 Nike Air Max 2017 blanche Homme ポイントは、一つの値になるように集計するということです。 nike chaussures 文字列を集計として扱わなければならないときに壁となります。 非集計とは データを集計せず、一行ずつ別のものとして扱います。ビューに追加する場合はデータを区分する単位となります。 VCU Rams   計算式を作る際の注意点 以下の2点が挙げられます。 Adidas Superstar Homme いずれも重要となりますので、確認してみてください。 ・かけ算と割算 初級者がつまずきやすい点です。かけ算と割算する際に非集計データを使用するとレコードごとにかけ算、割算し、その結果に対して更に集計を行うことになります。 %e5%88%a9%e7%9b%8a%e7%8e%87%e9%9d%9e%e9%9b%86%e8%a8%88 %e5%88%a9%e7%9b%8a%e7%8e%87%e9%9d%9e%e9%9b%86%e8%a8%88%e3%83%93%e3%83%a5%e3%83%bc 合計に対してかけ算割算を行う場合は以下のように明示的に行います。 %e5%88%a9%e7%9b%8a%e7%8e%87 %e5%88%a9%e7%9b%8a%e7%8e%87%e3%83%93%e3%83%a5%e3%83%bc ・集計と非集計の比較は出来ない よく計算式がエラーになる原因になるやつです。 %e9%9b%86%e8%a8%88%e9%9d%9e%e9%9b%86%e8%a8%88 等号でつなぐ際や、IF文の内部等に集計データと非集計データは混在できません。「1対多」、「多対1」ではつなぐことができず、必ず「1対1」の関係になっていないといけない為です。 A.J. Green UGA Jersey 数値データを非集計扱いにしても問題が無い場合は非集計に揃えます。数値を集計しなければならない場合は、文字列も集計が必要です。よく使用する集計はATTRです。 ATTRはデータが一意となる場合にその値を表示し、そうでない場合はNULL(*)を返します。一意になっていない場合NULLになる点は注意が必要です。

細分化されたAlteryxワークフローを一度に回してくれるRunnerマクロを使ってみた #Alteryx #20 | Alteryx Advent Calendar 2016

『Alteryx Advent Calendar 2016』スポット参戦シリーズ第六弾です。 Asics Gel Lyte 3 Femme Rose Alteryx Advent Calendar 2016 | シリーズ | Developers.IO Alteryx Advent Calendar 2016 – Qiita 20日目のエントリとして細分化されたAlteryxワークフローを一度に回してくれるRunnerマクロを使ってみたいと思います。 Tom Brady Jersey 14日目16日目のエントリにて、調査データをAlteryxで加工してみましたが、調査データをAlteryxで加工すると時に、たとえば、特定質問でYesと答えた回答者で回答率を算出したり、移動平均を算出したりするという加工を入れると、Alteryxワークフローが非常に大きくなってしまうことがあります。 そうなってしまうと、たとえばロジックの改修を行う際に、毎回大きなワークフローを回す必要が出たり、またエラーが出た際に原因を特定するために、大きなワークフローを回す必要が出たりと、ワークフローが回るまでの待機時間が長くなってしまいます。 また、複雑な集計処理をしていなくても、データ量が膨大な場合、ワークフローが完全に回ってからでないと加工状況が見えないため、集計処理が正しいかを確認しようとするたびに、ワークフローを回すことになり、ワークフローが回るまでの待機時間が長くなってしまいます。 nike air max nettbutikk 上記のような状況の場合、ワークフローを細分化するとワークフローが回るまでの待機時間が短縮されます。 adidas outlet shop online しかし、定期運用をする必要があるデータの場合、毎回細分化されたワークフローをすべて回す必要があるため、更新に時間を費やしてしまうことになります。 これを解決するのが、今回紹介しますRunnerというツールとなります。 Cheap Fjallraven Kanken Backpack このツールは、Alteryxにデフォルトで入ってるツールではなく、Alteryxの社員であるAdam Rileyさんが任意で作成したマクロとなります。 Womens Air Jordan 11 ※Alteryxユーザーであれば、任意でマクロを作って、それをネット上で共有することができます。 以下でAdam Rileyさん作成したマクロのパッケージを一括ダウンロードできます。 Adam Rileyさんマクロパッケージ   実際にRunnerを使ってみようかと思います。 cheap nike trainers まずは細分化した2つのAlteryxを用意しました。 1つ目はAlteryxで調査データをTableau用データに加工してみた-Part 1で使ったワークフローです。 survey_runner 2つ目はAlteryxで調査データをTableau用データに加工してみた-Part 2 #Alteryx #16 | Alteryx Advent Calendar 2016で使ったワークフローにさらに加工を加えたものです。 NIKE ROSHE RUN survey_runner2 次に、Runnerを使って、Alteryxワークフローを作成します。 Runnerで1つ目のワークフローを指定して、Conditional Runnerで2つ目のワークフローを指定します。 Conditional Runnerは何個もつなぐことができるので、細分化さらたワークフローがいくつあっても問題ありません。 ULTRA BOOST 2017 runner runner_explanation 上記のように設定して、ワークフローを回せば、細分化されたワークフローを順番に回してくれます。 Andre Williams Runnerを使う上で注意すべき点は、ワークフロー名、Inputデータ名、Outputデータ名に日本語が入っていると、エラーが出てしまい、正常に作動しない点です。   明日21日目はクラスメソッドさんのエントリです。

TableauにおけるExcelのカタカナデータの読み込みエラーについて

TableauではExcelのカタカナデータをうまく読み込めないことがあります。 UCLA Bruins 例えば以下のようなExcelデータがあります。 nike pas cher tableauid20160916-3 ExcelのワークシートをTableauでそのまま読み込むと tableauid20160916-4 カタカナのみのデータがひらがなとして読み込まれてしまいます・・・ Tableau社によると、製品管理チームに対する機能要望としては上がっているそうですが、日本ローカルの問題なので後回しになっている模様です。 2014年の段階で、数多くのTableau本を執筆されているプリンシプル社の木田氏がコミュニティのIDEA欄に要望を出されています。 Nike Air Max 2017 Heren wit https://community.tableau.com/ideas/3467 ここへの賛意が多いと実装への優先度が上がるとのことですので、同じ課題を抱えていらっしゃる方はポチっとしていただければと思います。 本題に戻り、この問題に対する妥協案をTableau社からご提示いただきましたのでそちらも共有します。 Zapatillas TANJUN まず、Excelのままだとダメなので、該当するシートをテキストファイル(txtまたはcsv)で保存します。 テキストファイルを読み込んで、データソースの選択画面でプロパティを開きます。 cheap adidas uk (右クリックでも▼クリックでも) tableauid20160916-5 そこでロケールを日本から tableauid20160916-6 英語(アメリカ合衆国)に変更します。 nike air max 90 pas cher tableauid20160916-7 すると・・・、あら不思議、正しく読み込まれました。 Maglie Golden State Warriors ※英語(アメリカ合衆国)以外でもうまくいく言語は多数あります。 Jonas Gray 根本的な解決策ではないですが、とりあえず妥協案ということで。

AlteryxにおけるExcelの日本語データの読み込みエラーについて

日本語入力したExcelデータをAlteryxで読み込むと

tableauid20160916

Excel内部で保持している日本語のふりがなデータが出力されてしまいます。

ちなみに別のアプリケーションから吐き出されたデータをエクセルに出力した場合は基本的に生じませんが、Excelに手入力すると起こる問題です。

これまでは、いったん別のシートに数式貼り付けした後に値貼り付けで戻す、のような不毛な作業で解消していましたが、国内では希少なAlteryxヘビーユーザーの方に解決策を教わりました。

tableauid20160916-2

File FormatをExcel Legacyに変更するだけとは・・・。あまりに単純な調整で解消したので驚きました。
でも言われなければずっと気づかなかったなと。

なお、年月のフォーマットがdateからdatetimeに変わっていますが、業務上影響はないですね。影響があるならSelectツールで型変換すれば解消です。

Fuji

Alteryxで調査データをTableau用データに加工してみた-Part 1 #Alteryx #14 | Alteryx Advent Calendar 2016

『Alteryx Advent Calendar 2016』スポット参戦シリーズ第四弾です。 Alteryx Advent Calendar 2016 | シリーズ | Developers.IO Alteryx Advent Calendar 2016 – Qiita   14日目のエントリとしてクラスメソッドの川崎さんが以下のエントリでもご説明してくださっていますが、調査データをAlteryxで実際に加工してみようかと思います。 Solde adidas zx flux Tableau Conference 2016 at Austin [レポート]調査データを可視化する 2.0 – Data Revelations #data16   活用するデータは以下になります。 Compra Zapatillas Nike まずは、数値形式で格納されているデータです。 %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a35   次に、文字形式で格納されているデータです。 %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a32 上記、データがない場合もあるかもしれません。 Marcus Mariota Titans Jerseys その場合は、以下のようなマスターを作成することをおすすめします。 AIR MAX 2017 %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a34   最後に、質問の補足情報が格納されたデータです。 Yeezy 350 Boost Tableauで加工する際に、必要になる情報です。 Adidas 2017 Goedkoop 「Wording」は、Tableauで、質問の内容を表示するために使い、また、「Question grouping」は、TableauのView毎の単位となります。 このデータは、ほとんどの場合、手元にないと思いますので、同じようなものを作成することをおすすめします。 ただし、「Question Type」については、必須ではありません。 Denver Nuggets %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a33   これらのデータを活用し、以下AlteryxワークフローでTableau用データを作成しました。 非常に簡単なロジックとなっています。 %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3alteryx   以下でAlteryxワークフローのロジックを説明していきます。 Air Jordan Pas cher %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3transposeptt 上記のようにTranspose設定し、Alteryxを回すと、データの形が以下のようになります。 %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3transafter %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3selectppt %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3nullppt %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3joinppt %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3joinppt %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3join2ppt   完成したTableau用データが以下となります。 Nike Air Max 2017 Rosso Uomo 横長であったデータがTransposeにより、Tableauが得意な縦型のデータになっています。 nike tn pas cher また、このような形であれば、Tableauで、デモグラである「Gender」「Location」「Generation」のフィルターをそれぞれの質問のViewに入れることができたり、複数の切り口でデータを見ることができます。 %e3%82%ad%e3%83%a3%e3%83%97%e3%83%81%e3%83%a3comp   明日15日目はクラスメソッドさんの『Alteryxをさわってみた 』です。