LuckyTemplates でのデータ ディメンションの構築

今日のブログ投稿では、LuckyTemplates で追加のデータ ディメンションを構築する方法について説明したいと思います。

これらのディメンションは、さまざまな方法でデータをフィルタリングするのに役立ちます。さらに、これらのディメンションは、後で直感的なビジュアライゼーションを思いつくのに役立ちます。

これは、データ モデルを可能な限り最適な方法で設定する必要がある理由でもあります。前のチュートリアルで述べたように、ルックアップ テーブルとファクト テーブルを分離する必要があります。このようにして、必要に応じて追加のデータ ディメンションを設定できます。

目次

• 追加のデータ次元の追加
• 他のデータ次元の処理
• 結論

追加のデータ次元の追加

ここで、他のディメンションを追加する必要があるシナリオを示したいと思います。

まず、 ProductsテーブルにこのProduct Name列があります。ここにリストされている製品は、製品名でフィルタリングされています。

ただし、収益や利益率に基づいて製品をグループ化したい場合があります。そのため、新しい列を追加してテーブルに配置する必要があります。ここで、中間計算の実行に使用できる追加のディメンションを作成する必要があります。

テーブルを詳しく見ると、製品に関連する唯一の列がProduct description Indexであることがわかります。

したがって、総収益を計算するために必要な追加データを手動で構築する必要があります。これを行うには、[モデリング]リボンをクリックし、[新しい列]をクリックします。

その後、Product Salesという名前を付けます。この列には、 「製品名」列の下に各製品の合計収益が表示されます。

総収益がわかったので、製品グループに別のディメンションを追加する必要があります。 

再度、「新しい列」をクリックし、 「 Client Groups 」という名前を付けます。この計算には、関数を使用する必要があります。この機能は、製品の売上が 1,000 万を超えるかどうかを自動的に判断するのに役立ちます。 

売上が 1,000 万を超える場合は、「優良顧客」として分類できます。売上が 1,000 万以下の場合は、「OK クライアント」として分類できます。

最後に、最後の部分にBLANK を追加して数式を閉じます。

「Client Groups」列を作成したので、 「Sales」テーブルへのリレーションシップを作成できるようになりました。

Productsテーブルの追加ディメンションを使用して、計算をフィルタリングできるようになりました。これらがないと、 Salesテーブルの数千行を使用して計算を実行する必要があります。 

追加の列は、より効率的な計算を行うのに役立つため重要です。また、巨大なテーブル内で計算を行う場合と比べて、LuckyTemplates のパフォーマンスを高速化することもできます。

他のデータ次元の処理

ディメンションを処理するもう 1 つの方法は、レポート ビューで無関係な列を非表示にすることです。

右クリックして[レポート ビューで非表示] を選択すると、任意の列を非表示にできます。

この例では、レポートにさまざまなクライアント グループを表示するだけでよいため、Product Salesテーブルを非表示にする必要があります。また、クライアント グループのレポートには関係がないため、[インデックス]列も非表示にする必要があります。

レポート ビューでは、優良クライアントと正常クライアントのデータのみを表示する必要があります。これは、 [クライアント グループ]列をフィルターおよびスライサーとして利用する必要があることを意味します。

[クライアント グループ]スライサーでは、 [良好なクライアント]または[正常なクライアント]を選択して、レポートを動的に作成できます。

他の列は非表示になっているため、レポート ビューには表示されません。

非表示のIndex 列とProducts列は、他のデータ ディメンションの関係を作成する場合にのみ役立ちますが、ビジュアライゼーションでの表示には無関係です。

この手法は、ビジュアライゼーションを作成するときに遭遇する他の同様のシナリオに適用できます。

LuckyTemplates で SWITCH True Logic を使用する方法
LuckyTemplates で DAX を使用してディメンションの動的リストを作成する方法
DAX を使用した高度なシナリオ分析のための LuckyTemplates データ モデル

結論

重要なデータ モデリング手法をいくつか説明しました。これらのテクニックをマスターして、データ モデル領域内で作業するたびに適用できることを願っています。

以前にも述べたように、計算時に問題が発生しないように、可能な限り最良の方法でデータ モデルを構築する必要があります。

乾杯！