更新情報 -目次- はやくもUI改善等 Ver.upが図られています。以下内容の記事を追加しました。 1. データフレーム表示 2. ヒストグラムの描き方 3. ダークモード対応 4. オンライン版 5. 海外のデータイノベーション支援団体でも人気 はじめに Tableauはご存じでしょうか? 私は使ったことはありませんが、名前だけはよく耳にします。 これは、専門家でなくてもデータの収集・分析・加工ができるBI(ビジネス・インテリジェンス)ツールのひとつです。 なんと、Jupyter Notebook上(Google ColabもOK)で実行できる Tableau風 BIツール「PyGWalker」が登場しました。 Tableauそのものではありませんが、ドラッグ&ドロップの簡単な操作でデータ分析や視覚的な探索が実行できます。 こんなのが出てくるとは・・・すごい。 しかも、数行のコードで実
Azure を探索 Azure について 安全かつ将来を見据えた、オンプレミス、ハイブリッド、マルチクラウド、エッジのクラウド ソリューションについて調べる グローバル インフラストラクチャ 他のどのプロバイダーよりも多くのリージョンを備える持続可能で信頼できるクラウド インフラストラクチャについての詳細情報 クラウドの経済性 Azure の財務上および技術的に重要なガイダンスを利用して、クラウドのビジネス ケースを作成する 顧客イネーブルメント 実績のあるツール、ガイダンス、リソースを使用して、クラウド移行の明確なパスを計画する お客様事例 成功を収めたあらゆる規模と業界の企業によるイノベーションの例を参照する
概要 ミラティブではデータ分析用ツールとしてRedashのSaaS(redash.io)を使用している。(Lookerと併用) 2021年11月末で redash.io のサービスが終了する。そのため、自前のGCP環境にRedashを移行した。 Redash謹製の移行ツールが提供されているが、いくつかハマったポイントがあった。 本記事では、GCP環境への移行手順・移行時のハマリポイント・移行後にあると便利なものを紹介する。 はじめに 初めまして、ミラティブでデータ分析基盤を担当している芝尾です。データ分析チームは5名のチームになっており、日々ユーザーの皆様のデータを分析してサービスの向上に努めています。今回はミラティブで使用していたデータ分析可視化ツールの移行を行いましたのでそのやり方を共有します。 背景 Redash hosted サービスが終了します。この記事 によると 2021/11
はじめに Modern Data Stack ? Modern Data Stack の特徴やメリット、関連するトレンド データインフラのクラウドサービス化 / Data infrastructure as a service データ連携サービスの発展 ELT! ELT! ELT! Reverse ETL テンプレート化された SQL and YAML などによるデータの管理 セマンティックレイヤーの凋落と Headless BI 計算フレームワーク (Computation Frameworks) 分析プロセスの民主化、データガバナンスとデータメッシュの試み プロダクト組み込み用データサービス リアルタイム Analytics Engineer の登場 各社ファウンダーが考える Modern Data Stack さいごに Further Readings はじめに Modern Dat
前提 本記事では、BIツール導入の際に考慮した方が良いポイント(比較軸)を紹介します。 投稿者が業務で実際に使っており、お手頃価格で導入可能という観点で、以下3つのBIツールに比較軸を当てはめてみて、各々のユースケースを考えます。 Tableau GoogleDataPortal Redash (※比較軸とBIツールの対応表は細かいので最後の章にしました。) (※他のBIツールも、使用次第追加していきたいと思います。個人的にLookerは試してみたいものの。。。) モチベーション BIツール導入に良く関わるので、BIツールを完全に理解した!時点での知見を整理しておきたい。 BIツール導入に関する議論に向けて、自分の考えをまとめておきたい。 特に、直近の「2020/2/20に#1 BIツール徹底討論」など。 内容 用語集(一部のみ) 登場人物 一般ユーザ 一般ユーザは、作成されたダッシュボー
膨大なデータの中から必要な情報をすぐに検索することや効率良く分析·管理するために、BI(Businessインテリジェンス)ツールを活用する企業が増えてきました。 本記事では、次世代型BIツールのLookerについて取り上げて、主な機能、特徴、料金プランなどをご紹介いたします。 LookerとはLooker(ルッカ―)は、Looker Data Sciences, Inc.が提供しているBIサービスです。 2019年にGoogle社が同社を買収したことでも、注目を集めました。 さまざまなデータソースを視覚化し、情報共有、ほかのアプリケーションへの埋め込みなどを行うことができます。 医療系、SNS系、IT系など、世界各国で2,000社以上で導入実績があります。 おすすめの類似BIツール
Amazon Web Services(AWS)は、インメモリBIツールの「Amazon QuickSight」の新機能として、自然言語で問い合わせができる「Amazon QuickSight Q」を正式リリースしたと発表しました。 Amazon QuickSight Qのベースとなっている「Amazon QuickSight」は、さまざまなデータソースに接続することで、データの分析とビジュアル化を行うBIツールです。 Amazon RDSのデータベースやAmazon Aurora、Amazon Redshift、HadoopのAmazon EMR、Amazon S3内のフラットファイル、MySQL、Oracle、SQL Server、PostgreSQLをはじめとして、オンプレミスのデータソースやSalesforce.comなどの外部データソースを含む、さまざまなデータソースに対応します
データ分析において、DWH・OLAP・OLTPはどんな関係性で、どう違うのでしょうか?区別が曖昧になっている人も多いでしょう。 この記事ではDWH・OLAP・OLTPのそれぞれの概要と、OLAPとOLTPの違い、DWH活用例を紹介します。ぜひ、自社のデータ活用を見直す参考にしてください。 DWHとは? DWH(Data Ware House)は社内に分散しているデータを統合し、分析できるように整理するデータベースの1形態で、以下の特徴を持ちます。 統合管理 基幹システムなど社内のさまざまなシステムに格納されているデータを統合。書式や表記を統一することで、利用しやすい状態に保ちます。 時系列で保存 データ分析で動向を把握するため、時系列でデータを保存。たとえば基幹システムのデータを追加する際は、古いデータを残したままデータの変化を発生順に格納します。 サブジェクト指向 データをサブジェクト(
本記事は、株式会社ギックスの運営していた分析情報サイト graffe/グラーフ より移設されました(2019/7/1) データベースに求める処理性能は大量アクセス? それとも大量データ? データベースと言っても様々な種類があり、表形式のテーブルを使った構造化データのリレーショナルデータベース。それ以外のJSONやXMLなどを使った非構造化データのNoSQLデータベースがあります。これらと違うデータベース分類視点として”OLTP”と”OLAP”というものがあります。今回はこの2つの違いについて説明したいと思います。 OLTP(オンライントランザクション処理)データベースとは OLTP(Online Transaction Processing)データベースとは、トランザクション処理を行うことを目的としたデータベースです。トランザクション(Transaction)には2つの意味はあり、英語直訳
KARTE DatahubにBIと機械学習の新機能を追加。ビッグデータの分析から可視化、活用までがさらに高速にデータ統合・利活用プラットフォーム「KARTE Datahub」に、ビッグデータの加工・分析と可視化が簡単に実行できる「Datahub BI」と、機械学習による予測分析を簡単に実行できる「Parameterized ML」(パラメタライズドML)を追加するメジャーアップデートを実施しました。この記事ではアップデート内容について、株式会社プレイドで新機能のプロダクトマネジメントを担当している笠原がご紹介させていただきます。 KARTE Datahub 2020年12月3日、データ統合・利活用プラットフォーム「KARTE Datahub」に対して、ビッグデータの加工・分析と可視化が簡単に実行できる「Datahub BI※」と機械学習による予測分析を簡単に実行できる「Parameteri
作成者は、ダッシュボードを作成し、アカウント内の他のユーザーと共有することができます。Q を使えば、作成者は質問をするだけでデータを探索し、検証済みの回答を設定し、ビジネスドメインに合わせて Q を微調整することができます。 請求上、QuickSight の作成者と管理者はどちらも「作成者」として認識されます。
KARTE Datahubが 実現すること顧客データや行動データなど社内外に点在するデータをKARTE Datahubに統合して、アクションまでをワンストップに繋ぎます。 データの分析や可視化はもちろん、ウェブ接客などのサイト上のアクション、 サイト外でのあらゆる顧客接点で、よりきめ細やかな体験の提供が可能になります。 社内外の多種大量なデータを 柔軟に連携できる社内の基幹システムや、様々な外部サービス/プロダクトに存在する顧客データと2nd/3rd PartyデータをKARTEに統合することで、今まで個別でしか使用されていなかったデータ同士が顧客軸で結びつき、さらなるデータの利活用が促進されます。連携サービスを見る Google BigQueryと シームレスに連携自社のデータ基盤としてGoogle BigQueryを導入されていますか? プレイドとGoogleの戦略的パートナーシップの
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く