「データに聞く」機能で自然言語を使用して分析するためのデータ準備

データソースに行レベルのセキュリティが適用されている場合、「データに聞く」機能は、セマンティックモデルのフィールドについてプロファイルやインデックスを作成することも、メタデータを保存することもありません。「データに聞く」機能は、メタデータがないとフィルターの既定設定を提供できず (図 2 参照)、また「cheap (安い)」や「high (高い)」といった比較の概念を認識できないほか、データペインのツールヒントでプロファイルデータを表示できません。

しかし、一部のデータソースには、行レベルのセキュリティが適用されています。「データに聞く」機能では、そのようなデータソースのインデックスを作成することはできませんが、ユーザーがフィルタリングしたい値を正確に指定し、その値を引用符で囲むことで、「データに聞く」機能をうまく利用することはできます。

たとえば、「wineries in california that have pinot noir (カリフォルニア州でピノ・ノワールを扱っているワイナリー)」を表示させたいとします。データソースに行レベルのセキュリティが適用されていた場合は、「State (州)」と「Variety (取扱商品)」をフィルタリングするために、以下のように値を引用符で囲んで入力し、クエリを実行します。

日付、ブール、数字には、引用符は不要です。「データに聞く」機能がこれらの値を自動で認識し、対象にする適切なフィールドを判断します。

すでに認証済みのデータソースを組織向けにパブリッシュしている場合は、それらのソースを「データに聞く」機能で利用できます。ただし、エンドユーザーのために追加のソースを開いたり、「データに聞く」機能で簡単に分析するために既存のソースを形式変換したい場合があります。「データに聞く」機能を最大限に活用するためには、次のことを考慮してデータを整理してください。

エンドユーザーを念頭に置いてデータを整理する

分析に向けたデータの準備方法を理解し、ユーザーが自然言語を使ってデータについて聞く質問の種類を予測できるデータスチュワードやアナリストによってデータが慎重に整理されれば、「データに聞く」機能のユーザーが回答を得られる確率は非常に高くなります。

詳細については、パブリッシュされたデータソースの整理に関するベストプラクティスを確認してください。

「データに聞く」機能向けにデータを整理する場合は、パブリッシュされたデータソースをできるだけ簡素化することから始めましょう。つまり、ユーザーが「データに聞く」機能で実行するクエリの対象フィールドを最小限に抑え、不要なフィールドをデータソースから削除 (または非表示に) するということです。「データに聞く」機能は最大 1,000 フィールドのデータソースをサポートしますが、あいまいさが低いほど、より良い結果となります。これによって、イニシャライズ時間と自然言語による質問の分析がより迅速になり、システムパフォーマンス全体に貢献できます。データソースが遅い場合は、必要に応じてデータソースフィルターを使ってデータ抽出を行い、パフォーマンスを向上させましょう。

「データに聞く」機能でクエリを実行するためにデータソースを整理する場合は、次の要素を考慮してください。

データを準備する。ユーザーがデータソースから答えを得たい質問のタイプを予想するようにします。予想した質問への回答を得るためには、データ変換、結合操作、関連するデータ準備機能を使用して、データを適した形式に変換することが必要になる場合があります。

フィールドの適切な既定値を設定する。各フィールドに適切なデータ型 (文字列、数値、地理情報、日付、日付時刻、ブール) とデータフィールドの役割 (不連続または連続、メジャーまたはディメンション) を指定します。各メジャーには、既定の集計機能を割り当てます。たとえば、SUM は「Sales (売上)」には適切な既定値であり、AVERAGE は「Test Score (テストの点数)」に適切な既定値でしょう。

割合と通貨の数値形式を設定する。ユーザーがデータについて質問する時に使いがちな一般的な話し言葉の概念をサポートするために、「データに聞く」機能は「low (低い)」、「high (高い)」、「lowest (最低)」、「highest (最高)」などの概念や、「cheap (安い)」、「expensive (高い)」などの通貨ベースの概念、そしてそれらの同義語にも対応します。「show me the cheapest wineries in France (フランスで最も安いワイナリーを表示して)」のような話し言葉の質問をサポートするためには、データソースに適切な通貨形式でメジャーを設定しましょう (図 3 と 4 を参照)。

論理的階層の設定。これにより、ユーザーは「データに聞く」機能を使用して、生成されたビジュアライゼーションのドリルアップとドリルダウンができます。これは地理的ディメンション (City (市)、State (州)、Country (国) など)、日付と時刻 (year (年)、quarter (四半期)、month (月) など)、関数依存のディメンション (Category (カテゴリー)、Sub-category (サブカテゴリー) など) に当てはまります。

次のようなシナリオで、定量的な変化を知るために有効なのがビニングされたフィールドを (適切なビンサイズで) を作成することです。

データソースではメジャーではないフィールドの、ビニングバージョンを表示する場合。
たとえば、「Age (年齢)」は Tableau そして「データに聞く」機能では、ヒストグラムで表せない数値ディメンションです。しかし、データソースの Age (年齢) のビニングされたフィールドを作成すると、ユーザーはそのフィールドを使用して質問することができます (図 5 を参照)。

カスタムのビン設定を使用して「データに聞く」機能でヒストグラムから答えを導き出す。
カスタムのビンサイズを使用して、メジャーのビニングフィールドを作成すると、「データに聞く」機能を使用したときのこれらのフィールドの表示方法をさらに制御できます。下記の例 (図 7) では、ユーザーは「Fare as a histogram (料金をヒストグラムで)」と入力することができ、「データに聞く」機能はビニングされたフィールド「Fare (bin) (料金 (ビン))」のカスタムビン設定を使用してヒストグラムを生成します。

フィールドに意味のある独自の名前を付ける

エンドユーザーにデータソースをより理解してもらうため、つまりユーザーが必要な答えを「データに聞く」機能から得られる確率を高めるために、データソースのフィールド名を確認する必要があります。

理想的なユーザーエクスペリエンスを実現するために、次の手順を実行してください。

フィールド値の別名を作成する。Tableau Desktop では、分かりやすいフィールド名を別名とともに作成できます (例:「CustID」は「Customer ID」を示す)。これはデータキュレーションで推奨される標準です。「データに聞く」機能ではさらに一歩進んで、同義語を追加できます。たとえば、社内で「Customer ID」としているものを「Customer Number」として表記する場合があります。このような場合にユーザーの質問をサポートするために、いくつかの同義語を「データに聞く」機能に追加することが可能です。

属性を差別化する。データソースの属性に独自の名前を割り当てることで、「データに聞く」機能のユーザーエクスペリエンスを強化できます。表現が曖昧な場合、「データに聞く」機能ではデータのパターンにほぼ一致する (最大 1 文字異なる) 文字列を見つけます。これは文字列のファジーマッチとも呼ばれます。そして、「データに聞く」機能はそれらの複数の一致文字列をオプションとして表示します。下記の例 (図 8) では、「Sales (売上)」という語句を含む複数の属性がデータソースに存在しています。ただし、「sales」を入力するだけでは 3 つの属性しか一致しません。入力した語句「sales」は「Sales Foo」とは 2 文字以上異なるからです。

また、分析タスクで直感的に使用できるようにするために、そのデータソースの分野において意味論的に有効な属性名を付けることが推奨されます。たとえば、データソースで各レコードが地震を示している場合、「Number of Records (レコード数)」を「Number of Earthquakes (地震回数)」という名前に変更します。

フィールド名をチェックする。「データに聞く」機能は、データソースのフィールドで値をフィルターします。「データに聞く」機能がデータフィールドを値として誤認識しないようにするために、フィールドを値として名前付けすることは避けます。また、パフォーマンスを犠牲にしないようにするために、「データに聞く」機能は、サポートされている分析的表現と重複するフィールドのインデックスを作成しません。たとえば、「Average (平均)」、「Sales in 2015 (2015 年の売上)」、「Most Products Sold (最も売れた製品)」などをフィールド名として使用しないようにします。

地理的フィールドをジオコーディングする。地理的役割のフィールドは、必ずデータ値をジオコーディングします。値が正しくジオコーディングされたフィールドは、「データに聞く」機能で地理的属性として認識され、データペインにアイコンで示されますそれらの属性は、「where are the highest fire fatalities? (火事による災害が最も大きかったのはどこ?)」といった質問をサポートします。つまり、システムが「where (どこ)」という要素を地図に示すものとして認識し、「County (国)」などの有効な地理的属性を推論します。

関連する計算フィールドを追加する

「データに聞く」機能はその場で計算を作成できないため、予想される計算を事前にデータソースに追加する必要があります。たとえば、[Base (Variable) (基本 (可変))] の最低基本給与と [Commission (Variable) (歩合 (可変))] の歩合合計を足す「Total Compensation (総報酬)」という名前の計算フィールドを作成すると、ユーザーは「what is the total compensation for each sales person? (各営業担当者の総報酬は?)」といった質問を入力できます(図 11 と 12)。

ユーザーが同義語を追加して強化する

[データに聞く] フィールドペインで、データソース内のフィールドの同義語を定義できます。たとえば、車の購入に関するデータソースを持っていて、[New Vehicle Model (新しい車両モデル)] というフィールドがあるとします。[New Vehicle Model (新しい車両モデル)] フィールドに、同義語として「vehicle purchased (購入された車両)」と「car (車)」を追加すると、「vehicles purchased by city (都市ごとの購入された車)」といった自然言語の質問をサポートできます。