KPIオブジェクトはそのままでは四角四面な感じです。 すっきりはしているのですが、遊び心を加えて図のようなKPIはいかがでしょうか？実は意外と簡単に作ることができます。 まずパワーポイントで背景用の画像を作ります。この図では図形の円を使用しています。塗りつぶしは単色で色は白、透明度は72%、線も単色の白、幅は9.5pt、スタイルは太い線と細い線の多重にしています。 この図を「図形として保存」で名前をつけて保存します。 そしてQlikのシート編集画面で KPI を作ります。スタイル指定の基本設定で背景を単色透明にし、背景画像として先ほど保存した円をメディアライブラリにアプロードして選びます。サイズは「常に適合」にして、位置は真ん中にしました。 スタイル指定のチャートで、タイトルとメジャーのフォントの大きさも適宜調整します。 そして、ちょっと面倒なのですが、プロパティパネルのプレゼンテーションの色から、「条件付きの色」も「ライブラリーカラー」もオフにして、白を選びます。これで完成です。 同じ方法で下記のようなKPIも作成できます。ちょっと画面が華やぎますね。 Happy Dueling ! ** 過去の記事 ** Viz for Deck: 数字の視覚化アイデアViz for Deck: ダッシュボードの色を切り替える ...View More

「2025年 Gartner® アナリティクス / BI プラットフォームの Magic Quadrant 」が発表になりました。Qlik は、 15 年連続でアナリティクス / BI プラットフォームのリーダーの 1 社に評価されました。

...View More

AI は未来の技術ではなく、既に今日のビジネスに欠かせない技術として幅広い分野で貢献しています。 本 Web セミナーでは、以下を実現する実践的なヒントやワークフロー、そして AI から価値を得るための知識を共有します。また、先進的な企業の具体的な導入事例や成功事例を通して、データを主要なビジネスワークフローや戦略目標を推進する AI 主導型アプリケーションへと変革する方法をご紹介します。 AI を戦略的に展開し、確かなビジネス成果を生み出す エージェント AI の秘めたる可能性を最大限に引き出し、業務プロセスを変革する スムーズな AI 統合のために、信頼性の高いデータ基盤を構築する 【開催概要】日時：2025年 7月 24日（木）15:00 - 16:00会場：オンライン参加費：無料 ※ 内容は予告なく変更になる可能性があります。予めご了承ください。※ 参加費無料。パソコン・タブレット・スマートフォンで、どこからでもご参加いただけます。 今すぐ申し込む ...View More

お申し込みに対する参加率がなんと 90%を超え、福岡、大阪、名古屋、静岡など遠方からもご参加されるなど、ユーザー皆様の熱い期待の中、2025年第1回 Qlik ユーザーミートアップが開催されました。

...View More

今年で 5 回目となる Qlik データソンに参加してみませんか？ 今回のテーマは「デザイン」だけ！個人でもチームでも、センスとアイデアを存分に発揮して、Qlik Sense で魅せるダッシュボードを作成してください。もちろん、初心者のご参加も大歓迎です！アワード受賞者には豪華賞品も！お申し込みは、7/11（金）17:00 まで受付中です。奮ってご参加ください！ 詳細・お申し込みはこちら 【課題】 Qlik Sense の豊富なビジュアライゼーション機能を最大限に活用して、色、形、サイズ、配置、効果などを工夫して、チャートなどのオブジェクトやシートを作成してください。 Qlik が用意したサンプルアプリ、またはご自身で用意したオリジナルアプリを用いて、Qlik Sense のシートやオブジェクトをいかに効果的に「魅せる」かを競うものです。 今回のコンテストは会期期間中に各自で作業いただき、提出締切までに成果物を提出していただきます。 【対象者】 Qlik ユーザー Qlik パートナー これから Qlik を利用予定の方 【開催概要】申込締切：7/11（金）17:00成果物締切：7/18（金）17:00投票期間：7/23（水）- 8/1（金）17:00（参加者による Web 投票および Qlik 審査員による審査）授賞式：8/7（木）17:00 - 19:30（東京の某会場とオンライン配信のハイブリッド式） ※ 6/19（木）以降、参加申込者を順次作業用テナントにご招待します。招待メールが届いたら作業を開始いただけます。※ 本イベントの詳しい概要・作業用テナントへのログイン方法・注意事項などは、以下「詳細・お申し込みはこちら」のリンクからご確認ください。 詳細・お申し込みはこちら ...View More

テーブルに軸と数値だけでは味気ないと思ったことはないですか？ちょっと工夫すると下の図のような表現が可能です。計算以外で使用する関数は、Repeat, Chr, num だけです。 メジャーの数式に３つの要素を含めています。２つ目の列の案件数には下記の数式を設定しています。 １行目の chr()は、指定された整数に対応するUnicode文字 (コード ポイントとも呼ばれる) を返します。09608 は■を示しています。Repeat関数は、指定された文字列を、2 番目の引数で指定された回数分繰り返した文字列を返しますので、案件ＩＤの数だけの■が返ってきます。Unicode は https://symbl.cc/等のサイトで調べることができます。 ２行目は単純にハイフンが５つ返ってきます。３行目はハイフンのあと、実際の案件数に書式を設定しています。 これらを & で連結して図のような表現になります。 ３列目の案件金額は桁が大きいので、そのまま■を出すとかえってみづらいため、10,000,000で割った金額を使用しています。 あまり数値のばらつきが大きくない場合に有効な表現だといえます。 Happy Dueling ! ** 過去の記事 ** Viz for Deck: ダッシュボードの色を切り替える ...View More

2025年5月にリリースされた Qlik Cloud の主な新機能をご紹介します。

下記も合わせてご参照ください。

Qlik TECH TALK セミナー：What's New In Qlik ～ 2025年5月リリース最新機能のご紹介 ～

...View More

Qlik Sense では自動でダッシュボードの色を変えることができます。例えば昼と夜、ダッシュボードを開く時間によって色を変更することができます。シートアクションとLocaltime関数と変数を使って簡単に設定ができます。もちろんスイッチで切り替えることもできます。アプリは Qlik Showcase でご覧いただけます。ここでは設定方法をご説明します。 1. 色を切り替えるためのスイッチとなる変数を作成します。 0 が昼モード、1 が夜モードとしています。 2. シートのスタイル指定で背景画像を設定します。 3.シート全体の大きさのレイアウトコンテナを作成し、スタイル指定で背景色に[数式を使用]で if 文で色を設定します。ここでは、変数 vTime が 0 の時は透明、そうでないときは半透明の黒を指定しています。 4.同様にチャートの背景や要素の色も if を使って設定します。今回のアプリでは、チャートの背景は vTime が 0 の時は半透明の白、1 の時は半透明の黒を設定しています。 チャートの要素はそれぞれ、明るいオレンジやブルーと、濃いめの赤や紺を設定しています。チャートによって少し色を変えたり、ColorMix関数を使用したりしています。 5.ダッシュボードを開く時間によって色を変更するために、シートアクションを設定します。ここでは朝5時よりあと18時になるまでは vTime に 0 (昼）、そうでなければ 1 (夜）を設定しています。 6. 任意に色を切り替えられるように、昼用と夜用のボタンを作成し、vTime を変更できるようにします。 フォントの色には数式が使用できないので、昼と夜のどちらのモードでも読める色にする注意が必要です。 遊び心のあるダッシュボードの作り方をご紹介しました。お試しください。 ...View More

...View More

本ブログは Launching Qlik Open Lakehouse の翻訳です。 著者：Vijay Raja   Iceberg ベースのオープンレイクハウスへの移行 Apache Iceberg を搭載したオープンレイクハウスは、データ管理の風景を再定義します。レイクハウスは、データレイクのスケーラビリティとデータウェアハウスのパフォーマンスと信頼性を融合させることで、オープンスタンダードを受け入れながら、データに対するこれまでにない柔軟性と制御を提供します。 ますます多くの組織が、データサイロを打破し、相互運用性を高め、クラウドで大幅なコスト削減を達成するために、Apache Iceberg によるオープンレイクハウスに目を向けています。最近の業界調査によると、半数以上の大規模組織が、レイクハウスアーキテクチャを採用することで分析コストを50%以上削減できると予想しており、一部は最大75%の削減を予想しています。これらの劇的な削減は、データの重複を排除し、データ移動を合理化し、ストレージとコンピューティングを独立してスケーリングし、必要な分だけを支払うことを保証することによるものです。 レイクハウスの価値を最大限に実現するためのたくさんの課題 しかし、これはまだ急速に進化している領域であり、組織はレイクハウスから最大の価値を得て、Apache Iceberg の真の約束を実現するために、いくつかの不透明な海域をナビゲートする必要があります。主な課題には以下が含まれます。 ネイティブインジェクションの欠如：Apache Iceberg は強力なテーブル形式ですが、組み込みのインジェスト機能がないため、データチームは外部ツールに依存して、運用システムから Iceberg テーブルにデータを簡単かつ効率的に移動する必要があります。 複雑で脆弱なパイプライン：堅牢なデータパイプラインの構築と維持には、スキーマの進化、データ品質、観察可能性を管理し、バーストワークロードを処理するために、かなりのエンジニアリングの努力が必要です。これらはすべてエラーや非効率性が発生しやすい領域です。 手動最適化のボトルネック：最適化されていない Iceberg テーブルは、クエリを劇的に遅延しながら、ストレージ利用量をすぐに増加させる可能性があります。Iceberg で高性能なクエリを実現するには、個々のテーブルの継続的な調整、圧縮、およびパーティション化が必要です。多くの場合、手動、またはスケールしない限られたオープンソースツールにより管理されます。 データの信頼と系統の可視性：自動化された品質チェックとエンドツーエンドの系統がないと、組織は正確で完全なデータによるAI・データ分析・コンプライアンス主導のワークロードに対応することは困難です。 Qlik Open Lakehouseの紹介 この度、Qlik Open Lakehouseを発表できることを嬉しく思います。Qlik Talend Cloud の新機能で、Apache Iceberg ベースのレイクハウスによりデータの取り込み、管理、最適化の方法を根本的に簡素化します。 ほんの数ヶ月前、私たちは Apache Iceberg への革新とコミットメントを加速するためにUpsolverの買収を発表しました。そして今、Upsolver プラットフォームを Qlik Talend Cloud に統合し、Qlik Open Lakehouse を発表できることを嬉しく思います。この統合により、ユーザーは Amazon S3 環境にレイクハウスアーキテクチャを簡単に展開し、数回クリックするだけでバッチとリアルタイムの両方のデータを Iceberg テーブルに直接ロードできます。複雑で壊れやすいパイプライン、ボトルネック、手動設定はありません。 Iceberg の実装に通常伴う運用の複雑さにとらわれる必要はありません。Qlik Open Lakehouse は、すべての難しい部分を自動的に処理します。ソーススキーマをターゲット構造にマッピングします。データタイプの競合を解決し、インテリジェントなパーティションを適用し、自動ファイル圧縮を実行し、スキーマの進化を管理し、更新と削除を正確に処理します。手動による作業なしで継続的に実行します。舞台裏では、Qlikの Adaptive Iceberg Optimizer が Iceberg テーブルを継続的に監視およびリアルタイムで最適化し、パフォーマンスを向上させ、ストレージ使用量を最小限に抑えます。 そして、その結果をご紹介しましょう。 適応最適化により、クエリのパフォーマンスを最大5倍高速化 効率的な圧縮とクリーンアップにより、ストレージコストを最大50%削減 エンタープライズ規模の Iceberg 管理のための真のノーコードエクスペリエンス さらに、これらの機能はすべて、Qlik Talend Cloud のStandard Edition 以上に含まれ、Apache Icebergの採用と作業がさらに簡単で手頃な価格になります。バッチデータでもリアルタイムデータでも、Qlik Open Lakehouse を使用すると、運用上の負担なしに Apache Iceberg のパワーを最大限に活用できます。 Qlik Open Lakehouse はプライベートプレビューで利用可能になり、2025年 7月に一般公開されます。Qlik Open Lakehouse の早期アクセスプログラム（EAP）に参加することに興味がある場合は、こちらのリンクからサインアップしてください。 Qlik Open Lakehouseの主な特徴 Icebertへのリアルタイムの高スループットな取り込み Apache Iceberg に大量のバッチとリアルタイムのデータを取り込むことは、かつてないほど簡単になりました。Qlik Open Lakehouse を使用すると、運用データベース、SaaS アプリ、SAP、メインフレーム、ファイルソース、CDC ストリームなど、数百のソースからデータを Iceberg テーブルに直接取得できます。お客様は既存の 200以上の Qlik Talend Cloud ソースから AWS S3 環境の Iceberg テーブルに直接低遅延のデータ取り込みを実行できるようになります。 運用システムからのリアルタイム更新であれ、履歴スナップショットであれ、Qlik はデータの書き込み、マージ、最適化を迅速に実行します。タイプ1とタイプ2両方の変更履歴をサポートし、最も厳しい SLA を満たします。 Qlikはお客様に代わり以下の複雑さを処理します。 ✅自動スキーママッピング ✅ 競合解決のタイプ ✅インテリジェントなパーティション作成 ✅スキーマの進化 ✅ 処理の更新/削除 さらに重要なことは、お客様は AWS スポットインスタンスを使用して、費用対効果の高い Qlik コンピューティングを活用して、取り込みとブロンズレイヤーをサポートし、コンピューティングの節約と効率をさらに高めることができることです。 その結果は？高速、効率的、費用対効果の高いデータ取り込みをコードも手作業も不要で行えるのです。 Qlik Adaptive Iceberg Optimizer 業界をリードする Qlik のAdaptive Iceberg Optimizer テクノロジーは、テーブルを継続的に監視し、各テーブルの固有の特性に基づいて実行する理想的な最適化、圧縮、クリーンアップを決定し、比類のないパフォーマンス向上（最大2.5倍から5倍のパフォーマンス改善）と最大50%のコスト削減を実現します。 他の Iceberg 最適化サービスでは、ユーザーは各テーブルを手動で設定して最適化動作を調整および微調整する必要があります。このプロセスは退屈で複雑で、単にスケーラブルではありません。Qlik のAdaptive Iceberg Optimizer は、各テーブルを監視し、独自の特性に動的に適応し、手動で調整されたテーブルと比較して、クエリのパフォーマンスが向上し、コストを削減します。それはすべてのエンジニアリングのないパフォーマンスなのです。 Upsolver プラットフォームを使用して大幅なコスト削減とビジネスへの影響をどのように推進できたか、Iron Source や Cox Automotive などの大手組織の詳細をご覧ください。 データウェアハウスミラーリング データウェアハウスミラーリングにより、ユーザーは Qlik Open Lakehouse Iceberg テーブルからクラウドデータウェアハウス（Snowflake など）にデータを自動的に複製して、データの複製やコピーを作成することなく、クエリや追加のダウンストリーム変換を有効にすることができます。これにより、既存のシステムとの相互運用性が保証され、データの重複が最小限に抑えられ、さらにコスト削減が実現されます。ユーザーは、費用対効果の高い Qlik コンピューティングを利用してインジェストとブロンズレイヤーを実行するオプションもあり、データを Snowflake に簡単にミラーリングして、さらに下流の処理と変換を行い、両方の長所を提供します。 オープンで業界をリードする統合 Qlik Open Lakehouse は、オープンでプラットフォームに依存しないように設計されています。それはベンダーロックインの回避を意味します。AWS Glue、Apache Polaris（incubating）、Snowflake Open Catalog などの業界をリードするカタログと統合されているため、ユーザーは主要な Iceberg 互換プラットフォームまたはクエリエンジンのいずれかを使用して、ペタバイトのデータに対して高性能クエリを達成できます。お好みのクエリエンジン、カタログ、または分析プラットフォームを使用してください。私たちはそれらをネイティブに統合します。 カタログ：AWS Glue、Apache Polaris（incubating）、Snowflake Open Catalog プラットフォームとクエリエンジン：Snowflake、Amazon Athena、Trino、Presto、Dremio、Apache Sparkなど クラウドストレージ：Amazon S3（今後さらにサポート） お客様は妥協することなく、自分に合ったアーキテクチャを自由に構築できます。 レイクハウスのための統合エンドツーエンドソリューション 最終的に、Qlik Talend Cloud と Open Lakehouse を使用すると、お客様は単一のエンドツーエンドのソリューションを展開して、Iceberg ベースのレイクハウスのデータパイプラインを取り込み、変換、管理、最適化、管理することができます。同時に、包括的なデータ品質と信頼を確保します。他のマネージドのIceberg オプションは、通常、Icebergの取り込みまたは最適化のみを実行しますが、Qlik Talend Cloud は、データソースから分析や AI アプリケーションまで、Iceberg ベースのオープンレイクハウスのエンドツーエンドのパイプラインを管理するための統合ソリューションを提供します。 Qlik Talend Cloudの詳細はこちらをご覧ください。 安全で柔軟なデータ管理 Qlik Open Lakehouse を使用すると、データがプライベートクラウド環境を離れることはありません。データ取り込みと最適化は、AWS VPC 内の Amazon EC2 Spot インスタンスで実行されている Qlik 管理コンピューティングリソースを利用します。お好みのインスタンスタイプを設定できるため、Qlik は需要に合わせてリソースを自動的にスケールアップおよびスケールダウンし、自己管理のオープンソースツールまたはデータウェアハウスのコストのほんの一部で低遅延クエリを提供します。低コストから低レイテンシーまで構成可能なスケーリング戦略により、お客様は適切な組み合わせを選択して、適切なコスト構造で適切なレイテンシーで適切なデータを確実に配信できます。つまり、コンピューティング、独自のクラウド、ルールを選択でき、パフォーマンス、セキュリティ、コストを完全に制御できます。 Iceberg への高スループットな取込み データベース、SaaS ソース、SAPなどの数百のソースからリアルタイムでデータを Iceberg に直接取り込む Adaptive Iceberg Optimizer Adaptive Optimizer で Iceberg テーブルを最適化し、手作業で5倍のクエリパフォーマンスを実現 5倍高速なクエリで50%のコスト削減を実現 最適化とストレージコストの削減により、クエリを高速化し、50%を超えるコスト削減を実現 オープンで相互運用可能 主要な Iceberg カタログ、処理プラットフォーム、クエリエンジンで作業する データをデータウェアハウスにミラーリングする データをコピーすることなく、Snowflake ウェアハウスにシームレスにデータをミラーリングします ペタバイトスケールで実績のあるパフォーマンス PBスケールでデータを取り込み、管理するための、テスト済みで実績のあるソリューションです。 Qlik Open LakehouseでIcebergの可能性を最大限に引き出す Qlik Talend Cloud は、Open Lakehouse とともに、Amazon S3 で Apache Iceberg テーブルを取り込み、最適化し、処理し、管理する独立したソリューションを提供し、比類のないクエリパフォーマンスとスケーラビリティを50%低コストで提供します。Qlik Talend Cloud の低遅延の取り込みと効率的なコンピューティングリソースを、Upsolver の Adaptive Iceberg Optimization 機能と組み合わせ、クエリパフォーマンスを5倍向上させ、50%のコスト削減を実現します。 すでに何千人ものお客様が、データウェアハウスとデータレイクを使用したデータ取り込み、統合、変換、データ品質、分析について Qlik を信頼しています。現在、同じ機能を拡張して、Iceberg をエンドポイントとしてサポートできるようになりました。Qlik Open Lakehouse は、AWS、Snowflake などの既存の投資と統合されているため、使用するクエリや処理エンジンに関係なく、手動の手間をかけずに、最高のパフォーマンスで Iceberg テーブルからデータを読み書きできます。 Qlik Talend Cloud 上で Open Lakehouse の構築を開始してください。Qlik Open Lakehouse の早期アクセスプログラムに参加するには、サインアップしてください。 もっと詳しく知る Qlik Open Lakehouse についてもっと知る 早期アクセスプログラムの待機リストに登録する 最新のホワイトペーパー「The Iceberg Data Lakehouse Stack: Choosing the Right Building Blocks」を見る 「データレイクハウス＋リアルタイム統合の最前線～ Qlik + Upsolver がもたらすインパクト ～ 」Web セミナー（日本語）を視聴する ...View More