PowerBIを学ぶにあたり、どのような視覚化ができるか分かっていないと話にならないと思い、まずはどのようなビジュアルがあるのか、サンプルデータを用いて視覚化してまとめました。
※図中のデータはサンプルです。
※あくまでビジュアルの説明であって、各ビジュアルの使い方までは説明しておりません。
そもそもグラフっていうのは、数値をパッとイメージできる図で表現したものです。
PowerBI Desktopを起動すると、すぐに使用できる既定のビジュアルが用意されています。
値を比較する
棒グラフが良く使われます。
値の比較に役立ち、最も多く使うグラフとも言えます。
例えば、、、
- カテゴリ比較
- 年度毎の売り上げ比較
●積み上げ横棒グラフ／積み上げ縦棒グラフ
同じ項目内の要素を上（縦・横）に積み上げたもの。
下図は、日付（年）別に売上（製品カテゴリ毎）を比較したものを積み上げ横棒グラフで表したものです。
●100%積み上げ横棒グラフ／100%積み上げ縦棒グラフ
構成比を比較または表現するときに使われます。
累計ではなく、長さ全体を100%と見なし、それぞれの値の占める割合を表現します。
下図は、上記の積み上げ横棒グラフを100%積み上げ横棒グラフで表現したものです。
●集合横棒グラフ／集合縦棒グラフ
１つの項目に対して、２つ以上の棒グラフ（縦・横）が合わさったもの。
下図は、日付（年）別に各エリアの売上を比較したものを集合縦棒グラフで表したものです。
データの変化を見る
●折れ線グラフ／面グラフ／積み上げ面グラフ
時間の経過に伴うデータの変化や傾向を把握するのが折れ線グラフです。
下図は、製品カテゴリ毎の月別売上を表したものです。
下図が面グラフ、折れ線を塗り潰しただけですが、よりデータ変化が視覚的に分かりやすくなりました。
下図が積み上げ面グラフ、エリア毎の売上の変化を表しています。
２つの値の相関関係を確認する
気温と降水量、父と子など一方と他方との関係が離れては意味をなさないような関係を把握します。
●折れ線グラフおよび積み上げ横棒グラフ
軸が同じで棒グラフと折れ線グラフを組み合わせたものを複合グラフといいます。
下図は、エリア別の売上を縦棒で、利益額を折れ線で表しています。
●折れ線グラフおよび集合縦棒グラフ
下図は、注文日（年）を軸として、売上を縦棒で、売上個数を折れ線で表しています。
構成比を把握する
売上や利益や人数などの構成比率を確認するのに良く使われるのは円グラフやドーナツグラフ、ツリーマップです。
●円グラフ／ドーナツグラフ／ツリーマップ
下図は、製品カテゴリ別の売上の割合を円グラフで表したものです。
円１周を100%とした場合の割合です。
下図は、店舗毎の売上の割合をドーナツグラフで表しました。
下図は、製品カテゴリ別の売上額の大小をタイル面積の大きさで表したツリーマップです。
値の大きい順に「Z」方向に並んでいます。
階層構造になっているデータの掘り下げ
階層構造になっているデータをグラフ化している場合、「ドリルダウン」と「ドリルアップ」で集計範囲を詳細に掘り下げたり、広げたりが容易にできます。
下図のようなエリアの年度別の売上を「折れ線集合縦棒グラフ」で視覚化していますが、
最も売上を上げているのは2018年度の関東エリアだというのが分かります。
ドリルダウンで掘り下げていくと、どの四半期の何月何日が最も売上が高かったのかも容易に分かります。
%>
ドリルダウンで掘り下げた結果、5月2日が関東エリアで最も売上が高かったのが分かりました。
また、マトリックスを追加してドリルスルーの設定をしておくと、詳細なデータも容易に確認できました。
データを絞り込みたい
スライサーを用いると、簡単に年度別や店舗別などの売上が確認できるように絞り込みを行います。
※ページ内での関連データが含まれる全ビジュアルに適用されます。
※書式タブの「相互作用を編集」するとフィルター作用を除外できるビジュアルを指定できます。
下図はスライサーを追加してフィルタリング前の状態です。
フィルタリング後、関東エリアかつ注文日の範囲を狭めた状態です。
数値の根拠を示す
グラフではデータの推移や傾向は把握できますが、実際の数値が見えません。
根拠を示す数値はカード、テーブル、行カード、マトリックスを活用します。
まず、データの書式を整備します。
金額は円通貨、個数はカンマ区切りにしました。
下図のとおり、フィールド欄の各列を選択して列ツールから指定していきます。
●カード／行カード／テーブル／マトリックス
下図は、売上合計をカードで表示（単位は百万）しています。
下図は、店舗毎の売上と個数と利益を表示しています。
下図は、店舗毎の売上と合計を出しています。また、データバー表現もしています。
下図は、行に製品カテゴリと製品タイプ、列にエリア、値に売上を指定したマトリックスです。
条件付き書式で数値の大きさでフォント色を変更するように設定しています。
また、自動集計されて合計も出ています。
列に対して複数の値を出すことも可能です。
下図はエリア列に売上と利益を出すようにしています。
数値の増減を把握する
●ウォーターフォール図
俗にいう滝グラフです。
製品の原価計算や店舗別の売上などが表現できます。
下図は、2018年の店舗別の売上を表現しています。
プロセスを視覚化する
●じょうごグラフ
潜在顧客から購入までの営業プロセスにおける案件数の正常性などが視覚化できます。
下図はリード顧客から契約締結までのプロセス毎の案件数の正常性を表しています。
目標に向けた進行状況を把握する
●ゲージグラフ
目標または主要業績評価指標 (KPI) に向けた進行状況を測定して表現します。
下図は、ある舗毎の2018年度の売上を追跡しています。
当期が10か月経過している場合、あと2か月で500万円の売上をあげれたら目標達成ということになります。
※KPIビジュアルもあります。
2つの項目の相関関係をみる
●散布図
下図は、店舗のコストと利益を散布図で表したものです。
ここから分かるのは、名古屋店は横浜店より売上個数は多いが利益は横浜店より少ないのが分かります。
データを掘り下げることで、コストかかりすぎ、販売価格の設定が間違っていたなどの原因が見つかるかもしれません。
ランクの高いカテゴリを瞬時に判断したい
ランクが最も高い (最大値の) データカテゴリを早く判断するにはリボングラフが最適です。
ランクの高いカテゴリが上に表示されます。
下図では、各年度を軸に注文の多かった製品カテゴリを視覚化しました。
マップを使用する
地名のデータがあればマップを使用してデータを地理を用いて視覚化できます。
下図では、2020年7月6日付けのコロナウイルスの累積感染者数と要請者数を散布図で表すのと同時にマップを使用しました。マップでシンボルを選択すると散布図で対象を選択するという相互作用もします。
そのほか
RやPythonでビジュアルを自由に作成できます。
RやPythonをインストールして有効かしたのち、それぞれ「値」に追加されたフィールドのみ使用してスクリプトを書いていくことでビジュアルを作成できます。
そのうち、Pythonでビジュアルを作ってみようと思います。