Qlik Sense の日本語サンプルアプリを公開します。 添付のqvfファイルをダウンロードし、Qlik Sense Desktopで開くか、Qlik Sense Businessにアップロードしてご覧いただくことができます。アプリの追加方法は下記をご参照ください。>>Qlik Senseへのアプリの追加方法 CRMダッシュボードCRMデータを分析するダッシュボードです。顧客や商談、営業担当者のパフォーマンスまで分析し、受注金額トップ10の案件や、案件のステータス、顧客の数と案件の規模と受注数の相関関係などを見ることができます。ヘルプデスク管理社内の従業員がIT部門に依頼した用件のデータを可視化しています。これには、コンピューターのアップグレードの要求や、携帯電話の故障などが含まれます。各用件はIT担当に割り当てられますが、ITマネージャーは、どの用件が優先度が高いか、またはどの用件がまだ担当に割り当てられていないかを認識する必要があります。財務ツールキットこのアプリケーションでは、Qlikで解決できる、為替換算、キャッシュフロー、損益分岐点など財務チーム向けの10種類の分析をご紹介します。人材管理従業員の人口統計、離職率、新入社員、退職、給与を分析できます。このアプリのデータのほとんどは人事管理システムから取得されていますが、給与・報酬システム、採用システム、Active Directory（LDAP）、学習管理システム、その他のローカルソース（XLS、CSVなど）などの他のソースからのデータも含まれます。 ...View More

■ はじめに別の環境で開発されたアプリや、Communityサイトからダウンロードしたサンプルアプリなどを、自分の Qlik Sense 環境に追加して使用することができます。Qlik Senseのアプリケーションは、拡張子 qvf のファイルとして格納されますが、このファイルを自分のQlik Sense環境に取り込む方法をご説明します。■クラウド版 Qlik Sense の場合ハブ画面右上の[＋新規作成]＞[アプリをアップロード]をクリックします。qvfファイルをドラッグアンドドロップするか、フォルダからファイルを指定して、追加先のスペースを指定して、[アップロード]をクリックします。複数同時に追加することもできます。■Qlik Sense Desktop の場合ローカルフォルダの「C:\Users\%username%\Documents\Qlik\Sense\Apps」にダウンロードした.qvfファイルを配置することで、Qlik Senseのハブ上にアプリが追加されます。 ...View More

3月16日に Qlik アドボケイトのオンラインミートアップが開催されました。

...View More

■ はじめにQlik SenseではGUIでのウィザードベースの操作によるデータ追加や管理を行えますが、それに加えてロードスクリプトによる処理も可能です。実際のビジネスの現場では、分析する前に多岐に渡る複雑な変換処理が求められることが多いですが、ロードスクリプトによりそのような要求に対応することが出来ます。ここでは、まずQlik Senseでのデータ管理のコンセプトをご紹介した上で、ロードスクリプトの基本をご説明したいと思います。■事前の準備このエントリでは、「10分で試すQLIK SENSEでデータ分析」の手順に従って、Qlik Sense Business(SaaS版)の無料トライアルを開始、またはQlik Sense Desktopのインストールを行い、アプリの作成（「売上分析」アプリ）が完了していることを前提に作業を進めます。もし作業をまだ実施されていなければ、以下のリンク先の手順に従って作業を実施して下さい。>>「10分で試すQLIK SENSEでデータ分析」また今回、追加で「顧客マスタ.xlsx」のファイルを利用します。以下からダウンロードして下さい。>> 「顧客マスタ」のダウンロード■Qlik Senseのデータ管理のコンセプトQlik Senseでは、取り込むデータの管理方法としては大きく2つの方法があります。「データマネージャー」による管理GUIでのウィザードベースの操作でデータの追加などを行える管理方法です。技術に精通しないユーザーでも簡単にデータの取り込みなどを行うことができ、これまでのチュートリアルの作業で主に利用してきた方法となります。ファイルのドラッグ＆ドロップによるデータの追加(クイックデータロード)もこの方法に含まれます。「データマネージャー」へはナビゲーションバーの準備タブからアクセスすることが可能です。以下の画面上でデータ追加のウィザードを呼び出したり、データの削除を行うことが可能です。「データロードエディタ」による管理Qlik Senseでは複雑な変換処理などを実装できる強力なロードスクリプトが提供されています。ロードスクリプトはこの「データロードエディタ」で管理を行うことができます。「データロードエディタ」はナビゲーションバーの準備タブから呼び出すことが可能です。「データマネージャー」でデータが追加された場合には、それに対応するデータ追加のスクリプトが自動的に生成されます。これまで「データマネージャー」で行ったデータの取り込み、変換などの処理が、以下の形でスクリプトとして記述されていることが確認できます。また、アプリ作成直後に以下の様なメニューが表示されていたかと思いますが、右側の「ファイルおよびその他のソース」が「データマネージャー」による管理、下段の「データロードエディタ」が「データロードエディタ」による管理をそれぞれ選択する形となります。「データカタログ」はクラウド版のみの機能で、ここからもデータの追加が行えます。「データマネージャー」から「データロードエディタ」への管理切り替え「データマネージャー」でデータが追加された場合には、「自動生成セクション」タブに対応するスクリプトが追加され、このタブはデータマネージャーの管理下に置かれます。この「自動生成セクション」はロックされ、編集が出来ない状態となっています。これまでのチュートリアルでは別のタブを追加してスクリプトを追加しましたが、この「自動生成セクション」を編集しない限りでは「データマネージャー」と「データロードエディタ」の両方での管理を併存して行うことが可能です。また、「自動生成セクション」のロックを解除して「データロードエディタ」上で編集を行うことも可能です。ただし、一旦ロックを解除するとデータマネージャーを使用してこの「自動生成セクション」に含まれていたデータの管理やこれらのデータに対するプロファイリングが出来なくなりますので注意が必要です。ここでは、「自動生成セクション」のロック解除を行って編集をしていきたいと思います。「自動生成セクション」タブを選択し、「ロック解除」ボタンをクリックします。警告が表示されますので、再度「ロック解除」ボタンをクリックします。■データロードエディタでの基本作業顧客マスタのアップロードダウンロードした「顧客マスタ」を新たにクラウド上にアップロードして追加します。まず、「自動生成セクション」タブを開いて「商品マスタ」のロード文の最後尾を改行してカーソルを合わせます。そして「データロードエディタ」右側の「データ接続」欄の DataFiles フォルダのテーブルアイコンをクリックします。「ファイルを選択」画面の下部、「ここにファイルをドロップするか、ファイルをクリックして選択します。」欄に、「顧客マスタ」をドラッグアンドドロップします。データがアップロードされました。データロードのスクリプト追加次に同じ画面で一覧から「顧客マスタ」を選択し「選択」をクリックします。「スクリプトを挿入」をクリックします。データロードのスクリプトが挿入されました。■ロードスクリプトによる変換処理ロード文での変換処理追加されたスクリプトには先頭にLOAD文が含まれています。このLOAD文に変換処理を追加することで、FROM以下で定義されたファイルから取り込まれたデータに対してQlik Sense内で様々な変換処理を行うことが出来ます。先ほど取り込んだ顧客マスタのデータ形式は以下の様になっています。ここでは、このデータに対して以下の変換処理を行います。「顧客登録番号」の項目名を「顧客コード」に変換「顧客登録番号」に含まれるデータの先頭の「CU-」の部分を削除「生年月日」の項目を削除これらの変換処理の実装後のスクリプトは以下になります。顧客マスタ: LOAD SubField(顧客登録番号, '-', 2) AS 顧客コード, 氏名, 性別, //生年月日, 年齢, 血液型 FROM [lib://DataFiles/顧客マスタ.xlsx](ooxml, embedded labels, table is 顧客マスタ);ここでは以下の様な処理を行っています。SubFieldでは区切り文字を指定してサブストリングを取得することが出来ます。ここでは「-」を区切り文字に指定し、2番目のサブストリング(入力値が「CU-1001」の場合は「1001」の部分)を取得しています。ASにより項目名の指定・変更を行えます。ここでは1項目の名称として「顧客コード」を指定しています。「生年月日」は「//」でコメントアウトすることで取り込み対象から外しています。また、先頭に「顧客マスタ:」を追加していますが、これにより格納先のテーブル名を明示的に指定できます。(既定ではファイル名がテーブル名に設定されます。)スクリプトの修正が完了したら右上の「データのロード」ボタンをクリックし、ロードを実行します。ロードの完了後、「データモデルビューア」を開いて取り込まれたデータを確認します。以下の形で「顧客コード」で「売上明細」と自動的に関連付けがなされ、想定通りに変換されたデータが格納されていることがプレビューから確認できます。先行ロード文ここまでロード文に変換処理を追加してきましたが、さらに先頭にロード文を追加し、下のロード文の出力データを入力として数珠つなぎでさらに変換処理を継続することができます。ここでは以下の変換処理をさらに追加したいと思います。「顧客連番」の項目を追加し、1からの連番を格納「顧客コード」と「氏名」をハイフンで連結した「顧客コード・氏名」の項目を追加以下の赤字の部分が追加されたスクリプトになります。顧客マスタ: LOAD *, RowNo() AS 顧客連番, 顧客コード & '-' & 氏名 AS　顧客コード・氏名 ; LOAD SubField(顧客登録番号, '-', 2) AS 顧客コード, 氏名, 性別, //生年月日, 年齢, 血液型 FROM [lib://DataFiles/顧客マスタ.xlsx](ooxml, embedded labels, table is 顧客マスタ);追加された部分では以下の様な処理を行っています。「*(ワイルドカード)」により下のロード文から入力として受け取った全ての項目をそのまま出力しています。読み取られているレコードの行数を1から始まる整数で返すRowNo()関数を使い、「顧客連番」の列を生成しています。「&」で顧客コード、ハイフン、氏名の文字列の連結を行った新たな項目を生成し、「顧客コード・氏名」の項目名称としています。再度ロード処理を実行します。実行後データを確認すると、以下の形で項目が追加されていることが確認できます。■まとめQlik Senseでは複雑な変換処理などを実装できる強力なロードスクリプトが提供されており、このエントリでは基本的なロードスクリプトの利用と変換処理の追加方法をご説明しました。 ...View More

はじめにRank関数を利用して、レコードのランキング(順位)を表示させる手順をここでご紹介します。Rank関数の基本的な使い方Rank関数は以下の様な形で数式を引数に与えて利用すると、ランキングを表示します。Rank(Sum(売上))上記の例では、「Sum(売上)」によって集計される売上高の大小に従って製品を軸としてランキングを行っています。２軸以上でのランキング先ほどの例では「製品」の1軸のみでランキングを表示しましたが、例えば以下の様な形で「製品カテゴリ」と「製品」といった形で2軸とした場合、上位軸の「製品カテゴリ」でグループ化された中で「製品」のランキングが算出されます。これを軸を跨ってランキングを算出するには以下の形で「Total」句を利用します。Rank(Total Sum(売上))このようにTotal句を利用すると全ての軸を跨ったランキングの表示が行われます。テキスト表現の表示方法の変更先ほどの例では同一順位のレコードの順位は「3-4」(最小値-最大値)という形で表示されていました。Rankには追加で2つの数値を引数として指定することが可能となっており、2つ目の数値の引数で以下の指定可能となっています。(「3-4」の順位の例に有る通り、3は順位上は「最高順位」となりますが、ここでは「最小値」と表現し、「最低順位」の4を「最大値」としていますのでご注意ください。)0 (デフォルト) 最小値-最大値 (例: 3-4)1　最小値2　最初の行は最小値で、その後は空白2つ目の数値の引数に1を指定すると、以下の形で最小値のみが表示されます。Rank(Sum(売上),0,1)2つ目の数値の引数に2を指定すると、最初の行は最小値で、その後は空白が表示されます。Rank(Sum(売上),0,2)数値表現の表示方法の変更次にRankの数値の表現方法の変更についてご説明します。RankはQlik Sense内部にDualと呼ばれるデータ形式で「テキスト表現」と「数値表現」の2値がそれぞれのレコードに対して保持されています。この「テキスト表現」については先ほどご説明させて頂きましたが、以下の形でNum関数でRank関数を括ることでRankの数値表現を表示させることができます。Num(Rank(Sum(売上)))出力を確認すると、先ほどのRank関数とは異なる値が表示されていることが確認できます。このNum関数を利用した場合にはDualの数値表現が表示され、ランキング全体の中間値以下の場合は最小値、中間値をまたぐ場合は平均順位、中間値以上の場合は最大値がここに表示されています。この数値表現の表示方法については、1つ目の数値の引数で以下の指定可能となっています。0 (デフォルト) ランキング全体の中間値以下の場合は最小値、中間値をまたぐ場合は平均順位、中間値以上の場合は最大値1 最小値2 平均順位3 最大値4 最初の行は最低順位、その後は1ずつ増加まず1つ目の数値の引数に1を指定すると、以下の形で最小値のみが表示されます。Num(Rank(Sum([売上]),1,0))引数に2を指定すると、以下の形で平均値のみが表示されます。Num(Rank(Sum([売上]),2,0))引数に3を指定すると、以下の形で最大値のみが表示されます。Num(Rank(Sum([売上]),3,0))引数に4を指定すると、最初の行は最小値が表示され、その後は1ずつ増加されます。Num(Rank(Sum([売上]),4,0))まとめ以上、Rank関数を利用してレコードのランキング(順位)を表示させる手順をご説明しました。 ...View More

はじめにQlik SenseではAggr関数という強力な関数が提供されています。このAggr関数を使うことにより、指定した軸と数式に基づいて仮想的なテーブルを作成し、さらにこの仮想的なテーブルに対して集計処理を行って結果を出力する、といった形で多段階の集計処理を行うことができます。これにより、集計処理の柔軟性が高まって、かつ非常に高度な集計処理も行えるようなり、Qlik Senseで実現できる集計処理の幅が広がります。このエントリではこのAggr関数を以下の3つの用法に分けてご説明します。Aggrの基本的な利用方法AggrのCOUNTIFとしての利用Aggrの数式軸での利用事前の準備このエントリでは、「10分で試すQLIK SENSEでデータ分析」で利用した以下の売上データを利用します。>>サンプルデータ(売上データ)のダウンロードデータの取り込み方などの詳細については、「10分で試すQLIK SENSEでデータ分析」をご参照ください。Aggrの基本的な利用「商品カテゴリ」を軸としたテーブルで分析を行う中で、まずは基本的な用途としてどういった場合にAggr関数が必要となるかを見ていきたいと思います。まず、「各商品カテゴリに含まれる商品毎の平均売上金額」を算出するには「商品カテゴリ」を軸に設定し、以下の数式を入力します。(平均ということで「Avg([販売価格])」としてしまわない点に注意が必要です。この場合にAvgとするとレコード(=伝票)毎の平均が算出されてしまいます。)Sum([販売価格])/Count([商品名])各カテゴリごとに売上の合計を商品数で割ることで、商品ごとの売上の平均を算出形になっています。では次に、「各商品カテゴリに含まれる商品毎の最大平均売上金額」を表示するにはどうすれば良いでしょうか？一旦商品毎の平均を上記の形算出して、その上で最大値を求める多段階の計算ステップが必要で、一筋縄にはいかないように見えます。このような場合にAggr関数を使うことが出来ます。Aggr(Sum([販売価格])/Count([商品名]), [商品カテゴリ], [商品名])これは、[商品カテゴリ], [商品名]の2軸で「Sum([販売価格])/Count([商品コード])」を集計する数式となっています。この数式より一時的に以下の様な一時的な仮想テーブルが作成されることをイメージすれば分かりやすいかと思います。その上で、上記の数式を以下の形でMax関数で全体を括って最大値を取得します。Max(Aggr(Sum([販売価格])/Count([商品名]), [商品カテゴリ], [商品名]))この数式をテーブルにメジャーとして追加した結果が以下となります。先ほどの仮想テーブルの中の平均売上金額の最大値が「商品カテゴリ」毎に取得・表示されています。次に、ここで算出した商品毎の平均購入額が最大となる商品はどれかを明らかにするためにその商品名を表示する列を追加したいと思います。それを実現するために、以下の形でFirstSortedValue関数を利用します。FirstSortedValue([商品名], -Aggr(Sum([販売価格])/Count([商品名]), [商品カテゴリ], [商品名]))上記数式では先ほどと同様、、Aggrを使って[商品カテゴリ], [商品名]の2軸で「Sum([販売価格])/Count([商品コード])」を算出しています。先頭に「- (マイナス)」が付いているのは、その結果返される数値を降順でソートするように指示するためです。FirstSortedValueにより、この降順でソートされた結果の先頭の値(=最大値)の[商品名]を返しています。結果は以下の様になります。AggrのCOUNTIFとしての利用次に、集計した値が指定した値を超えたレコードのみをカウントする、COUNTIFの用法としてのAggrの使い方をご説明します。ここでは、先ほどと同様のAggrの数式を利用して「平均購入金額が\10,000,000を超える商品の数」を商品カテゴリごとにカウントしたいと思います。式は以下となります。Sum(If(Aggr(Sum([販売価格])/Count([商品名]), [商品カテゴリ], [商品名])>10000000, 1, 0))まず、If(Aggr・・により、平均売上金額が10,000,000以上の商品には1、それ以外の商品には０のフラグを付与しています。この数式より一時的に以下の様なイメージのテーブルが作成されます。そして、上記テーブルの一番右側に追加されたフラグをSum()で商品カテゴリ毎に集計する形となります。新たなテーブルを作成して上記数式をメジャーとして追加した結果は以下となります。Aggrの数式軸での利用「顧客の購入回数」毎に軸を分けて、それぞれの購入回数ごとに「購入金額合計」を集計する棒グラフを作成したいと思います。そのためにはまず「顧客毎の購入回数」を集計し、その購入回数を軸として顧客をグループ化して購入金額合計を算出する必要があります。棒グラフを作成して以下の数式を軸に追加します。=Aggr(Count(Distinct [伝票番号]), [顧客コード])そして以下をメジャーに追加します。Sum([販売価格])そしてメジャーの「数値でソート」で昇順のソート設定を行うと、以下の形で「顧客の購入回数毎の購入金額合計」のチャートを作成することが出来ます。まとめ以上、3つの用法に分けてAggr関数の利用方法をご説明しました。Aggr関数を使うことで、ここでご説明したような形で高度な集計処理も行えるようなり、Qlik Senseで実現できる集計処理の幅を広げることが出来ます。 ...View More

はじめに検証のためにアプリやチャートを試しに作ってみたりするに当たって、テストデータ作成は手間がかかる場合が多いのですが、Qlik Senseではロードスクリプトを利用して内部的にテストデータを作成することが可能です。ここではテストデータ作成の幾つかの手法についてご紹介します。Load .. Inlineを使ったインラインテーブルの作成まずは、テーブル形式のデータを直接入力してデータを作成する方法です。件数の少ないデータを手早く入力してテーブルを作成し、チャートを試しに作ってみるといった場合によく利用される方法です。ロードスクリプトに以下を入力してロードを実行します。売上データ: Load * Inline [ 国,売上,売上原価 US,100,80 UK,200,180 JP,300,250 ];ここで、「国,売上,売上原価」はデータのヘッダー、それ以下の「US,100・・」はデータのレコードに当たります。この処理を実行すると、以下の様なテーブルが作成されます。また、「Load * Inline 」の「*」はその下の部分で入力した全項目(国,売上,売上原価)をロードするということを示していますが、例えば以下の様な形でこの部分に変換処理を加えることも出来ます。売上データ: Load 　RowNo() AS NO, //RowNo関数で連番を追加 *, //Inline内で入力した全項目 (売上-売上原価) AS 利益 //利益の項目を追加 Inline [ 国,売上,売上原価 US,100,80 UK,200,180 JP,300,250 ];そうすると、以下の様なデータが生成されます。Load .. Autogenerateを利用したデータ生成Autogenerateでは生成するレコード件数を指定することができ、件数の多いデータを利用する場合などに利用されます。テストデータ: Load RowNo() AS NO, 'AAAAA' AS Char Autogenerate(10);上記のスクリプトを実行すると、Autogenerateに指定された件数分の10件のデータが生成されます。ただ、先ほどの「Load .. Inline 」とは違ってレコードは手入力を行わず、どの様なレコードを生成するかをLoadの後に項目定義を入力する必要あり、上記の例ではRowNoによる連番と固定の文字列をレコードの値として定義しています。また、文字列、数値、日付などのデータのランダムな値を生成する便利な方法が以下のサイトに掲載されており、ここでご紹介します。QlikFix.com: Generating random test data in QlikView with Mockarooまず、文字、数値、日付などのランダムな値を生成するための以下の変数を定義します。(文字、上段文字、下段文字については文字列を生成できる様、上記サイトのサンプルにRepeat関数を追加しています。)SET vRandChar = Repeat(Chr(Floor(Rand() * 94 ) + 33), $1);　//文字 SET vRandCharU = Repeat(Chr(Floor(Rand() * 26 ) + 65), $1); //上段文字 SET vRandCharL = Repeat(Chr(Floor(Rand() * 26 ) + 97), $1); //下段文字 SET vRandNo = Round(Rand() * ($2 - $1)) + $1; //$1 ～ $2の数値 SET vRandDt = Date(Floor(Rand() * (YearEnd(MakeDate($2)) - MakeDate($1))) + Num(MakeDate($1)), 'YYYY-MM-DD'); // $1 ～ $2の日付 SET vRandTime = MakeTime(Floor(Rand() * ($2 - $1) + $1), Floor(Rand() * 60), Floor(Rand() * 60));　//$1 ～ $2の時間 SET vRandND = Round(NormInv(Rand(), $1, $2), $3); //平均 $1, 標準偏差 $2, 精度 $3の正規分布の値そして、以下の形でロード文を定義します。テストデータ: Load $(vRandChar(1)) AS 文字, $(vRandCharU(5))　AS 上段文字, $(vRandCharL(10)) AS 下段文字, $(vRandNo(0,100)) AS 数値, $(vRandDt(2010,2015)) AS 日付, $(vRandTime(0,24)) AS 時間, $(vRandND(0,1,.1)) AS 正規分布 Autogenerate (1000);そうすると、以下の様なデータを作成することができます。また、同じく上記のサイトで紹介されている方法として、Mokarooというサイトで名前、email、性別などの項目を選択して1,000件までのデータを作成することができ、そのデータを活用することもできます。例えば「顧客マスタ」のテストデータ作成をイメージして、以下の様な定義のデータを作成します。そして、以下の形でMockarooで作成した「顧客マスタ」データを取り込み、ファクト/トランザクションのデータに当たる売上データを先ほどの手順で作成します。そうすると、以下の様な形でデータモデルが作成され、より実践に近いデータを利用することができます。まとめここでは、Load .. Inline および Load … Autogenerateを利用したテストデータ作成の方法についてご紹介させて頂きました。 ...View More

はじめにここでは、RangeSum関数を使って以下の様な形の累積グラフを作成する方法をご紹介します。準備このエントリでは、「前月比や前年比、成長率などの算出-Above, Before」と「移動期間合計や移動期間平均の算出–RangeSum, RangeAvg」のエントリでご紹介したAbove関数とRangeSum関数を利用しますので、そちらをまだ読まれていない方はまずそちらをご参照ください。サンプルデータを利用して、ご説明する操作を実際に試して頂くことができます。以下のリンクからサンプルデータをダウンロードし、ダウンロードしたZIPファイルを任意の場所に解凍してください。>>サンプルデータ(店舗売上分析データ)のダウンロードそして、新規アプリを作成してダウンロードしたZIPファイルに含まれるファイルを取り込んでください。累積グラフの表示「移動期間合計や移動期間平均の算出–RangeSum, RangeAvg」のエントリでは過去12ヶ月分の売上を表示するために以下の形でRangeSumとAboveを利用しました。RangeSum(Above(Sum([売上]),0,12))上記Above関数の引数の「0」は自分自身のレコードを示しており、自分自身のレコードを含めて2つ目の引数に指定されている「12」個分上の範囲に位置するSum([売上])の集計値（つまり過去12カ月分の集計値）を合計するということを行っていました。今回の累積グラフも以下の形で基本的に同じ手法を取りますが、一か所だけRowNo()の関数を利用している部分が異なります。RangeSum(Above(Sum([売上]),0,RowNo()))RowNo()は以下の形でレコードの行数を返しますが、この関数を先ほどの「12」の代わりに指定しています。そうすると、例えば10行目では10個分、20行目では20個分上の範囲に位置する集計値を合計するということになりますので、1行目からの全ての値を合計するということを行う形となります。2軸を利用する場合等の注意点軸の絞り込みや、2軸での対応については「移動期間合計や移動期間平均の算出–RangeSum, RangeAvg」のエントリでご説明したものと同じことがここでも適用されます。一点注意が必要なのは、2軸を利用して以下の形で「年」を跨いで集計するためにTotalを利用する場合、RowNo(Total)という形でRowNo()の中にもTotalを指定する必要があります。RangeSum(Above(Total Sum({$<年月>}[売上]),0,RowNo(Total)))まとめ以上、Qlik Senseで累積グラフを作成する方法をご紹介しました。 ...View More

はじめに時系列でのトレンドの分析を行う場合、日次や月次での集計を行うと変動幅が大きくカクカクした動きとなるため、滑らかな線で表示させてトレンドを分かりやすくするために、直近の過去12ヶ月を合計する移動12ヶ月計(Moving Annual Total: MATや、Rolling n-period Totalとも呼ばれます)や、それらの期間の平均(同様にMoving Annual Averageや、Rolling n-period Averageとも呼ばれます)を算出することが行われます。ここでは、RangeSumとRangeAvg関数を用いて、Qlik Senseでこれらの計算を行う方法をご紹介します。準備このエントリでは、「前月比や前年比、成長率などの算出-Above, Before」のエントリでご紹介したAbove関数を利用しますので、そちらをまだ読まれていない方はまずそちらをご参照ください。サンプルデータを利用して、ご説明する操作を実際に試して頂くことができます。以下のリンクからサンプルデータをダウンロードし、ダウンロードしたZIPファイルを任意の場所に解凍してください。>>サンプルデータ(店舗売上分析データ)のダウンロードそして、新規アプリを作成してダウンロードしたZIPファイルに含まれるファイルを取り込んでください。RangeSumの基本的な使い方移動期間合計や移動期間平均を算出するには、RangeSum関数と「前月比や前年比、成長率などの算出-Above, Before」のエントリでご紹介したAbove関数等を組み合わせて行います。ここでは、以下の形でAbove関数に2個の数値の引数を指定します。Above(Sum([売上]),0,12)２つ目の数値の「0」は自分自身のレコードを示しており、自分自身のレコードを含めて2つ目の数値に示されている「12」個分上の範囲に位置するSum([売上])の集計値（つまり過去12カ月分の集計値）を合計するということを行います。ただ、この状態では12個の独立した値を保持していますので、これらの値をさらに一つの集計値にまとめます。それを行うのがRangeSumです。RangeSum(Above(Sum([売上]),0,12))そうすると、以下の形で過去12ヶ月分の売上が集計されます。ここで上記の「12」の値を「3」に変えれば過去3カ月分の集計を行えるなど、ここで集計する期間の長さを調整することができます。また、RangeSumではなく、RangeAvg関数を利用すると、期間合計ではなく期間平均を算出することもできます。RangeAvg(Above(Sum([売上]),0,12))軸の絞り込みや、2軸での対応など軸の絞り込みや2軸以上を利用する場合などの対応は「前月比や前年比、成長率などの算出-Above, Before」のエントリでご紹介した方法と同様となります。まず、以下の形でSET分析を追加して「年月」の選択を無視する形にすると、「2014-7」が選択で除外された場合でもこの月を含んだ形で移動12ヶ月計が計算されます。RangeSum(Above(Sum({$<年月>}[売上]),0,12))以下の「年」「年月」といった形で2軸を設定している場合には上記の数式では年を跨って集計されないため、以下の形でTotalを追加する必要があります。RangeSum(Above(Total Sum({$<年月>}[売上]),0,12))また、同様のことを行うには以下の形でAggrを利用する方法もあります。Sum(Aggr(RangeSum(Above(Sum({$<年月>}[売上]),0,12)),年月))ただし、軸の並びが「年月」＞「店舗」となっているが「店舗」ではなく「年月」の順で集計を行いたい場合はAggrを利用する必要があります。これは例えば以下の形で棒グラフを2軸でグループ化するような場合でも適用されますのでご注意ください。Sum(Aggr(RangeSum(Above(Sum({$<年月>}[売上]),0,12)),店舗,年月))横方向での計算については、以下の形でAboveの代わりにBefore関数を利用する形となります。RangeSum(Before(Sum([売上]),0,12))まとめ以上、RangeSumやRangeAvgを使った移動期間合計や移動期間平均の算出の方法についてご説明させて頂きました。 ...View More

2022年 ガートナー アナリティクス & BI プラットフォームについてのマジック・クアドラント レポートが公開・ダウンロードできるようになりました。本レポートは業界で最も参照されており、Qlik の顧客や分析プラットフォームの導入をご検討されている企業にとって、重要な情報源となっています。

...View More