イントロダクション
こんにちは、ひづです。
ご縁があってTableauとTableau DATA Saberという認定制度に出会い、
BIツールに対する考えを180度変えるきっかけとなったので、それを広められたらなと思って記事を書いています。
Tableau DATA Saber認定制度は、Tableauを使ったデータ分析や可視化のスキルのプログラムです。
3ヶ月間という短い期間で認定を取得するプロセスを通じて、
自分自身Tableauスキルもそうですがデータ分析における新しい可能性を発見することができました。
自分は大学時代は情報学専攻ということもあり、Pythonを使ったデータ分析も経験がありました。
DATA Saberに出会う前は、実を言うとBIツールにはあまり興味なく、逆に「pythonの方が柔軟に分析できるし、
BIツールってプログラミングが使えない人が使うものじゃないの？ 」という考えの人間でした。
そんなやつがBIツール(Tableau)って最高じゃんと思うようになぜなったのか?共有できたらと思います。
この記事の目的
この記事では、プログラミング(Python等)の経験を持つ者が
BIツールのTableauを触ってみて、DATA Saber認定制度を取得するプロセスを通じて、学んだことについてシェアします。
特に以下のような方に読んでいただければと思います。
- BIツールを低く見ている方
- プログラミングはできるがBIツールを触ったことがない方
- Tableau DATA Saberにチャレンジしようと考えている方
そもそもBIツールにどんな印象もってる？
イントロに書いていた通り、ざっくり言うとBIツールを低くみてましたが、細かく分けるとこんな印象を持ってました。
(後から見返すと思うと恥ずかしいレベル...)
決まった分析しかできない
そもそもBIツールの位置付けは、プログラムによるデータ分析ができない人を対象としたツールだと思っていました。
ノーコードで分析ができるものの、細部まで分析するとあまり深い分析はできない、そのようなものだと思っていました。
一方、Pythonでデータ分析しようとすると、基本的な統計量の計算から主成分分析などかなり複雑な分析も、
ライブラリが公開されているので、自由度が高く、どんな分析にも対応できると感じていました。
特に大学時代は、研究結果としては検定もしないといけないし、そのあたりはBIツールはできないよなと思ってました。
グラフはとても綺麗に表現できる
PythonにはMatplotlibやSeabornなどの可視化ライブラリがありますが、
きれいなグラフを作成するのはかなりの労力が必要だと感じていました。
jupyternotebookで表示させたグラフも、サイズ調整の時はサイズの値をちょっとずつ変えて欲しい大きさのグラフを作ってたりしました。
一方、BIツールは可視化に強いイメージを持っていました。どれだけカスタマイズできるかというところは全然分かっていなかったです。
Tableau DATA Saberになる上で何を学んだ？
Tableau DATA Saberの内容については、すでに先達の方々が書かれていると思うので割愛しますが、これだけは伝えておきたいというものだけ記載します。
DATASaberには、Ordealと呼ばれる10の技術力試練がありますが、勉強コンテンツとして、YouTubeチャンネル：KT Channel動画があります。
この動画の内容が非常に勉強になりました。
Tableauのスキルだけでなくデータドリブンな社会を広めるためのマインドについての内容があり、
これがとても心に残る内容でした。
特にPreattentive Attributesについての内容は社会人みんな見るべきと思うくらい、為になります。
資料作成にも活かせると思います。。（他のコンテンツもとっーても役に立ちますが、どのコンテンツも１時間以上あるので全部見るのは大変かも。）
Preattentive Attributesって？
脳科学的に人間が認識しやすい属性のことを言います。
データ分析するときには、Preattentive Attributesを意識した可視化をすることで、
データから新しい知見が得られることもありますし、他の人にも分析結果を効果的に伝えることができます。
Tableau自体の使い方も学びましたが、これを知っているかどうかでデータサイエンティストとしてのレベルが１段階あがったなと思います。
どういう考えに変わった？
さて、本題のもともと持っていた印象からどんな印象に変わったかという話をしたいと思います。
🔺決まった分析しかできない→⭕️想像以上にいろんなことができる、ただそれよりもスピード感が素晴らしい。
一番驚いたことは、分析したいグラフを"一瞬で"作れること(BIツールなので当たり前なのだが)がどれだけ素晴らしいことなのかということでした。
例えば、Tableauで時系列での売り上げの棒グラフを作りたいときは、データをドラッグ&ドロップ、
つまり横軸に年月日、縦軸に売上を置いてしまえば一瞬でできます。
このスピード感どうですか！？すごくないですか？
分析する時って、ここに課題がありそうだからこの観点で分析しようかなとか仮説を立てたり、
こういう結果が出たら次はこの分析だなって方向性をある程度持ちながら進めていくものだと思ってます。
当然仮説が外れて次の仮説を立てたり、分析結果を他の人見せると別のアイデアをもらったりして方針も変わってきたりします。
そんな時にこのサイクルをどれだけ回せるか？がデータから重要な示唆を見つけられるかに直結すると思うんです。
そう考えた時にTableauのスピード感はマッチするなと感動しました。
(脳内の思考スピードにアプリが追いついてくるぞ的な笑)
分析の幅については、色々なデータの可視化方法も用意されてますし、
計算フィールドと呼ばれるコーディングする部分もあるので、思ったより色んなことができるなという印象に変わりました。
が、統計的な分析ができるかというとそうではないのでBI(Business Intelligence)の名の通りですね。
(調べる限り、t検定も標準装備でなさそう、間違っていたら大変申し訳ございません。)
⭕️グラフはとても綺麗に表現できる→◎綺麗だし、なんなら芸術レベルのグラフもある。
GUIでフォントやサイズ、色を変更できるのはやっぱり便利だし、データの順序もドラッグで並び替えれてしまうのはずるかったです。
pythonだと、こうは簡単にいじれないですし。
こちらは地域別の売上順序を北から並び変えているのとフォントサイズを大きくしています。
他にもイラストのような天才的な可視化されている方もいらっしゃいます。(どうやって作っているかもはや理解不能です。)
Tableau Publicというオープンなプラットフォームでは、いろいろな可視化が公開されていますので、興味のある方はぜひアクセスいただければ！
https://public.tableau.com/app/discover/trending
DATA Saberプログラムの後で変わったこと
３ヶ月のプログラムの中でTableauのスキル以外にも多くのことを学ぶきっかけとなりました。
特にデータ分析で一番重要なことは、データから如何に知見を得られるかどうかが一番大切だと思ってました。
pythonであれば、多少時間はかかっても、見栄えが悪くとも、分析結果を出せる。
BIツールだと制限もありそうだし。。そんな考えでした。
でも、データ分析ってそもそも何のためにするんだろうか。
分析するだけでなく、他の人に共有し、アイデアをもらったり、実際にビジネス活動としてアクションしていく。
そのためには周りに如何にわかりやすく伝えることができるか、ここも大切なポイントになるんだということを学ぶ良いきっかけになりました。
特にアカデミックな領域と違ってビジネスになると、
分析結果の厳密さよりも意思決定のための分かりやすさや次のアクションを取るためのスピード感、こういったものが重視されるようになります。
ここもBIツールであるTableauの強みとマッチするんだと思いました。
こうして、DATA Saberを通じて、Tableauの強みを理解することができました。
Pythonはコーディングの自由度が高く、統計検定ができたりと厳密で深い分析が可能な一方で、Tableauは分析速度と可視化に優れている。
あくまで手段なので、どちらが良いか悪いかってことはないんだなあと。
ぜひDATA Saberにチャレンジしてね！
DATA Saber認定は、Tableauのスキルを学ぶ以上にデータサイエンティストとして斯くあるべきかということを学べるとてもよいプログラムでした。
Pythonのスキルを持っている方でもぜひチャレンジして、データ分析の可能性を広げることをお勧めします！
最後まで読んでいただきありがとうございましたー