御無沙汰しております。
先日のことですが、とある情報可視化(Data Visualization)のハンズ・オンに参加してきました。
講師はデザイナー出身の方で、デザイナーらしく、既存ツールを使いこなして情報可視化をする入門を教えてくださいました。そこで教わった Business Inteligence ツール、Microsoft Power BI について若干のメモを残しておきます。
Tableau (Public) もそうですが、昨今の BI ツールの革新っぷりには目を見張るものがあります。
一方、オープンデータも増えてきました。
当日のセミナーでは歴年の、 FIFA World Cup 勝敗データをつかって練習しました。
先日のことですが、とある情報可視化(Data Visualization)のハンズ・オンに参加してきました。
講師はデザイナー出身の方で、デザイナーらしく、既存ツールを使いこなして情報可視化をする入門を教えてくださいました。そこで教わった Business Inteligence ツール、Microsoft Power BI について若干のメモを残しておきます。
Tableau (Public) もそうですが、昨今の BI ツールの革新っぷりには目を見張るものがあります。
一方、オープンデータも増えてきました。
当日のセミナーでは歴年の、 FIFA World Cup 勝敗データをつかって練習しました。
便利になったなあ、と思うのは各種データ(いくつかの CSV などなど)を読み込んで、そのあいだの関係性を定義したり、あらたなクエリを定義するだけで、生成されたグラフ間で連動するんですよ。
たとえば、元データには存在しないんですが、得失点から home / away、どちらの国が勝利したかの円グラフ(添付画面右下)の緑色の部分(home 勝利)をマウスでクリックすると、それに連動して、ほかのグラフでも当該部分が浮き上がったりして、表面上の変化をするのです。
ですから、1994 年アメリカ合衆国開催、2002 年日韓共催などのときは、(これまで北アメリカやアジアで開催されたことがなかったこともあって)away の勝率が高く見えるのです。
ここで私は両開催の場合、「サッカー先進国にくらべて開催国が早期に負けている」のかと思いました。しかし、おぼろげな記憶を辿ると、そんなことはなかった筈。
もしかすると、開催回数が少ないので、home / away の勝敗差が多くなっているのかも知れません。
こういった「分析」はさらに実データで検証して深めていく必要があります。
Power BI はその「取っかかり」を与えるのに打ってつけのツールに進化しつつある、と感じました。普段 MS を苦手としている自分でも頷くほどに。
今度、時間のあるときに Tableau Public や Google Data Studio といった、ほかの BI ツールとの比較もやってみたいです。
ですが、本業もあるので本日のところは此処まで。
またの機会に!
コメント
コメントを投稿